【云栖号案例 | 互联网】网鱼网咖通过大数据架构 极致洞察会员偏好

简介: 如何更好的了解会员偏好,更好的服务会员是网鱼网咖的业务焦点。通过大数据赋能业务,为客户提供不同个性化服务,大大的提升客户体验及满意度。

云栖号案例库:【点击查看更多上云案例】
不知道怎么上云?看云栖号案例库,了解不同行业不同发展阶段的上云方案,助力你上云决策!

公司简介

我们网鱼网咖成立于1998年,致力于打造多人游戏空间,为顾客提供极致的游戏上网体验。我们公司的业务范围覆盖连锁上网服务门店、电脑及周边产品、游戏社交软件等,为加盟伙伴提供一体化的解决方案。我们公司旗下拥有网鱼网咖、风蝶网咖、网鱼电竞、虎猫电竞、诺诺茶、YVR六大连锁品牌。网鱼网咖发展快速,到现在为止门店已经超过850多家,已拥有超过830万会员,2016年共服务了3300多万人次,服务范围覆盖全国100多个城市,现在我们已走出国门,在加拿大、澳大利亚、新加坡等国家开设多家门店。

业务痛点

  • 会员分析。如何更好的了解会员偏好,更好的服务会员是网鱼网咖的业务焦点。新的时代需要全方位的去利用大数据提高会员服务的体验,增加对会员行为预测的更准确的判断,这是从最终的业务的一个出发点。会员分析存在以下三个挑战:

1.从会员场景来看,需要有体现会员偏好的数据。到店的会员很多是老客户、老顾客,但是门店包括整个连锁行业都不一定对会员的喜好行为有纪录和分析。
2.是门店经营的场景看,需要进行更精准的会员分析。每家门店有几万的会员,如果对会员的分类、分级以及总体的偏好都不清楚,何谈会员管理。
3.像网鱼网咖这样规模的连锁企业,需要更精准的会员分析。总部需要对网鱼会员,甚至更大范围的会员顾客的游戏、上网行为进行分析,以便研发更好的服务种类。

  • 大数据业务赋能

1.要从业务上面考虑,如何从会员及其行为数据提取洞见,并给会员提供更好的一个服务。
2.传统BI和大数据建设的体系成本非常高,速度也很慢。
3.传统连锁的报表分析业务门槛很高,限于连锁模式的特性,很多业务人员分散在全国各地,那么如何提供业务分析的这些功能,做到“人人都是数据分析师”,是一个巨大的挑战。

选择阿里云

我们选择了阿里云,主要考虑以下原因:

  • 首先,我们公司总体的战略,是开出5600家门店,云端化势在必行,以云计算为基础支撑业务能力成为第一个大背景。
  • 其次,业务需求上,不管店长,还是加盟的合作伙伴,都需要更详细的会员分析,得出更准确的会员预测,给会员带来更多更好的服务。
  • 最后,我们公司也试用了多家的云服务,经过比较,得出阿里云的服务最稳定的结论。此外,选择阿里云还看重其完整的生态系体系,从而未来可以寻找更多的服务商和合作伙伴。在大数据方面,经过对阿里云数加的试用和评估,我们发现数加对数据分析的支持更全面、更易用,服务也更好。而且,我们也相信阿里云的技术能力:基于支持淘宝运营的技术和经验,肯定可以满足我们的各项需求。

解决方案

图 1. 墨迹天气日志分析解决方案架构

image

整体包括业务存储中心和大数据中心两部分。

  • 业务存储中心中所有的业务数据均存储在云数据库RDS中。
  • 大数据中心中使用阿里云数加的大数据计算服务(MaxCompute)和大数据开发服务(DataIDE)进行数据存储和处理,通过Quick BI的报表或者DataV数据大屏将加工后的数据呈现给用户,使用机器学习建立模型进行预测分类等高阶分析,通过推荐引擎针对会员画像进行千人千面的精准营销,最终搭建了营运数据共享平台、财务数据共享平台及门店管理系统等大数据业务应用。

上云价值

  • 阿里云数加非常稳定,有利于我们公司业务的快速推进。
  • 通过阿里云数加搭建大数据平台非常快,网鱼网咖仅用一个多月大数据平台就搭建完成。而且功能非常丰富,而且全部是在线化的、图形化的,这非常有利于研发人员和业务人员理解分析这些复杂的系统,真正做到普惠大数据。
  • 通过大数据赋能业务,让网鱼更懂客户,从而为客户提供不同个性化服务,大大的提升了客户体验及满意度。开出5600家门店,从技术到业务,我们通过数据挖掘、机器学习、可视化等技术来弄懂用户。 在过去几年,我们网鱼网咖得到了飞速发展,在这个过程中主要通过数据挖掘提取成功的经验,然后复制给所有门店,其中包括网友行为预测、加盟店关系管理、移动化等,在整个过程中追求全、准、活。而最终,我们期望当网友走进旗下的任何一个连锁店时,都可以获得舒适愉快的体验。

客户证言

“令人惊喜的是,利用阿里云的数加平台,我们差不多一个多月就搭建好了大数据平台,并且可以通过图形化的界面快速的开发,几个开发人员很快的掌握,甚至我们把阿里云的开发端给了业务部门,一些稍微资深一点的业务人员也可以使用,所以我们初步估计了一下,给我们节省的价值至少是千万级的。”——网鱼网咖CTO楚发

相关产品

  • 大数据计算服务 · MaxCompute

MaxCompute(原ODPS)是一项大数据计算服务,它能提供快速、完全托管的PB级数据仓库解决方案,使您可以经济并高效的分析处理海量数据。
更多关于阿里云MaxCompute的介绍,参见MaxCompute产品详情页

  • DataWorks

DataWorks是一个提供了大数据OS能力、并以all in one box的方式提供专业高效、安全可靠的一站式大数据智能云研发平台。 同时能满足用户对数据治理、质量管理需求,赋予用户对外提供数据服务的能力。
更多关于阿里云DataWorks的介绍,参见DataWorks 产品详情页

  • DataV数据可视化

DataV旨在让更多的人看到数据可视化的魅力,帮助非专业的工程师通过图形化的界面轻松搭建专业水准的可视化应用,满足您会议展览、业务监控、风险预警、地理信息分析等多种业务的展示需求。
更多关于阿里云DataV数据可视化的介绍,参见DataV数据可视化产品详情页

  • Quick BI

Quick BI 专为云上用户量身打造的新一代智能BI服务平台。
更多关于Quick BI的介绍,参见Quick BI产品详情页

  • 机器学习PAI

阿里云机器学习平台PAI(Platform of Artificial Intelligence),为传统机器学习和深度学习提供了从数据处理、模型训练、服务部署到预测的一站式服务。
更多关于机器学习PAI的介绍,参见机器学习PAI 产品详情页

  • 画像分析

画像分析将您分布在多个存储资源的数据整合起来,在标签模型上构建大数据画像类的交互式分析应用,让您的业务人员可以自由灵活的分析这些对象各种属性与行为之间的关联性。可以广泛应用于用户行为、设备管理、企业档案、地理分布等多种画像分析等多个场景当中。
更多关于画像分析的介绍,参见画像分析产品详情页

【云栖号在线课堂】每天都有产品技术专家分享!
在线课堂地址:https://yqh.aliyun.com/zhibo

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
负载均衡 算法 关系型数据库
大数据大厂之MySQL数据库课程设计:揭秘MySQL集群架构负载均衡核心算法:从理论到Java代码实战,让你的数据库性能飙升!
本文聚焦 MySQL 集群架构中的负载均衡算法,阐述其重要性。详细介绍轮询、加权轮询、最少连接、加权最少连接、随机、源地址哈希等常用算法,分析各自优缺点及适用场景。并提供 Java 语言代码实现示例,助力直观理解。文章结构清晰,语言通俗易懂,对理解和应用负载均衡算法具有实用价值和参考价值。
大数据大厂之MySQL数据库课程设计:揭秘MySQL集群架构负载均衡核心算法:从理论到Java代码实战,让你的数据库性能飙升!
|
存储 SQL 分布式计算
19章构建企业级大数据平台:从架构设计到数据治理的完整链路
开源社区: 贡献者路径:从提交Issue到成为Committer 会议演讲:通过DataWorks Summit提升影响力 标准制定: 白皮书撰写:通过DAMA数据治理框架认证 专利布局:通过架构设计专利构建技术壁垒
|
存储 分布式计算 资源调度
【赵渝强老师】阿里云大数据MaxCompute的体系架构
阿里云MaxCompute是快速、全托管的EB级数据仓库解决方案,适用于离线计算场景。它由计算与存储层、逻辑层、接入层和客户端四部分组成,支持多种计算任务的统一调度与管理。
972 1
|
存储 分布式计算 大数据
大数据-169 Elasticsearch 索引使用 与 架构概念 增删改查
大数据-169 Elasticsearch 索引使用 与 架构概念 增删改查
410 3
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
2144 1
|
大数据
【赵渝强老师】大数据主从架构的单点故障
大数据体系架构中,核心组件采用主从架构,存在单点故障问题。为提高系统可用性,需实现高可用(HA)架构,通常借助ZooKeeper来实现。ZooKeeper提供配置维护、分布式同步等功能,确保集群稳定运行。下图展示了基于ZooKeeper的HDFS HA架构。
466 0
|
消息中间件 分布式计算 大数据
“一上来就搞大数据架构?等等,你真想清楚了吗?”
“一上来就搞大数据架构?等等,你真想清楚了吗?”
274 1
|
SQL 存储 监控
流处理 or 批处理?大数据架构还需要流批一体吗?
简介:流处理与批处理曾是实时监控与深度分析的两大支柱,但二者在数据、代码与资源上的割裂,导致维护成本高、效率低。随着业务对数据实时性与深度分析的双重需求提升,传统架构难以为继,流批一体应运而生。它旨在通过逻辑、存储与资源的统一,实现一套系统、一套代码同时支持实时与离线处理,提升效率与一致性,成为未来大数据架构的发展方向。
|
架构师 Oracle 大数据
从大数据时代变迁到数据架构师的精通之路
无论从事何种职业,自学能力都显得尤为重要。为了不断提升自己,我们可以尝试建立一套个性化的知识目录或索引,通过它来发现自身的不足,并有针对性地进行学习。对于数据架构师而言,他们需要掌握的知识领域广泛而深入,不仅包括硬件、网络、安全等基础技术,还要了解应用层面,并熟练掌握至少一门编程语言。同时,深入理解数据库技术、具备大数据实操经验以及精通数据仓库建模和ELT技术也是必不可少的。只有这样,数据架构师才能具备足够的深度和广度,应对复杂的业务和技术挑战。 构建个人知识体系是数据架构师在学习和工作中的一项重要任务。通过系统化、不断深化的知识积累,数据架构师能够有效应对快速变化的商业环境和技术革新,进一
|
负载均衡 算法 关系型数据库
大数据新视界--大数据大厂之MySQL数据库课程设计:MySQL集群架构负载均衡故障排除与解决方案
本文深入探讨 MySQL 集群架构负载均衡的常见故障及排除方法。涵盖请求分配不均、节点无法响应、负载均衡器故障等现象,介绍多种负载均衡算法及故障排除步骤,包括检查负载均衡器状态、调整算法、诊断修复节点故障等。还阐述了预防措施与确保系统稳定性的方法,如定期监控维护、备份恢复策略、团队协作与知识管理等。为确保 MySQL 数据库系统高可用性提供全面指导。