【云栖号案例 | 医疗健康】美甲帮通过数加搭建大数据平台 针对百万用户的精细运营

本文涉及的产品
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
模型训练 PAI-DLC,5000CU*H 3个月
交互式建模 PAI-DSW,每月250计算时 3个月
简介: 美甲帮希望更好的提升客户使用体验,为业务赋能,提升业务洞察能力。通过数加平台业务更敏捷、智能、具洞察力,快速响应新业务的数据及分析需求。

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

美甲帮是牧云网络旗下一款专注美甲行业的社区型垂直电商APP,其核心业务包括美甲资讯、美甲行业认证、培训教学、商城、招聘等板块,目前已汇聚全国80%的美甲师,覆盖国内90%的美甲店,数以百万计的美甲从业人员和爱好者在此学习交流分享,是广泛覆盖专业美甲领域用户的移动互联网产品,也是国内深受美甲从业者喜爱的的最大的专业美甲社区以及最大的美甲线上商城。美甲帮已经在“社群经济、培训营销、平台商城”基础上,向“社群、平台、国际、生态”进化,打造“超级生态链”企业。小小的美甲行业被美甲帮玩出了天价,这也为目前以获取女性消费力为主题的互联网业界带来一个新的业务模式。我们美甲帮的使命与愿景是:提升整个美甲行业的创业环境及经营能力,不断降低创业门槛,帮助小微女性创业者成功,并与其共同成功。

业务痛点

美甲帮的主营业务在商城方面,截至目前已经拥有百万级别的用户,积累了大量的用户数据,如何更好的服务用户并提升客户体验是美甲帮进行大数据探索的出发点。目前存在的挑战为:

  • 如何更好的洞察用户并提升客户使用体验。美甲帮APP目前有几百万的用户,然而不同用户喜好和动机不同,譬如是想提升美甲技艺,还是想通过美甲图片选款,或者是想在商城里购买美甲产品,如何挖掘用户需求并以此进行精准化营销或个性化推荐,提升客户体验同时又可以增加收入,这些都是美甲帮最关注的问题。
  • 如何更好的为业务赋能,提升业务洞察能力,主要包括对于业务的有效监控以及相关业务的数据分析方面。
  • 如何“随机应变”。作为一个创业公司在公司发展的不同的阶段对于数据的需求是不太一样的,就是在初期的时候,公司可能关心的只是活跃用户有多少,覆盖面有多广,覆盖率有多高,在市场上的竞争环境和地位,但是当推出新业务的时候,需要立即去评估它的效果,对于数据分析人员来说,就意味着我们要及时的去采集并快速处理对应新业务的数据,这点对于初创公司来说是一个非常大的一个挑战。

为什么选择阿里云

之前,美甲帮曾经自购硬件设备搭建应用,在成本、稳定性和可拓展性存在很多弊端,所以决定采用阿里云云服务。经过对比,在成本方面,云服务的资源利用更大化,可以按需配置,通过资源高效利用使得成本得到很有效的控制;在稳定性方面,自己部署会碰到很多问题,例如数据会出现一些问题以致需要回滚,或者数据保存时会出现非常大的问题等等,而在阿里云上则不会出现这些问题,因此选择阿里云是一个比较稳健的选择;在可拓展性方面,阿里云会不断推出新的产品,有利于美甲帮进行功能拓展以及业务创新。

数加对于创业公司来说是一个非常好的平台,可以在有限的投入下,充分地享受到阿里云已经有的技术和经验,站在巨人肩膀上,从而少走弯路。针对海量数据进行处理,也是一个特别有优势的地方。针对我们这种几百万用户的APP来说,数据的体量已经非常大了,一般的工具进行处理分析其实效率非常低下。

使用了阿里云的云服务之后,由于阿里云具有非常完整的产品生态,发现数加平台的功能完全可以替代市面上已有流行的数据分析和可视化软件的功能,而且和阿里云云服务之间有更好的兼容性和可集成性,因此采用阿里云数加作为大数据平台解决方案。

解决方案

image

美甲帮使用阿里云数加搭建大数据平台,主要应用在业务监控、业务分析、精细化运营和推荐四个方面。

  • 数据采集:数据源主要包括云数据库RDS、移动数据分析(Mobile Analytics)日志、服务接口调用的数据。以精细化运营为例,用户属性数据存放于RDS,用户行为数据来源于移动数据分析的日志数据。
  • 数据清洗、处理:使用大数据开发套件DataWorks把分布在多个数据源的数据集合一起,进行清洗和加工。
  • 数据分析挖掘:使用大数据开发套件DataWorks的定时任务调度功能,自动完成计算任务并将结果同步回传到数据库;IDE、机器学习以及R等工具主要解决具体的业务分析;MaxCompute用于海量数据的存储和计算引擎。
  • 应用:使用DataV制作业务看板进行实时业务监控;推荐系统用于“千人千面”的个性化推荐;Quick BI用于业务分析;精细化运营用于用户洞察及精准营销。

上云价值

  • 通过阿里云数加的计算能力实现了针对百万用户的精细运营。首先,通过精细化运营帮助美甲帮分析用户从哪些渠道进来,协助发现更多流量的来源和需要在哪些渠道加强投放;其次,通过用户对产品的点击、话题的讨论、内容的转发能方面进行大数据分析,帮助美甲帮有效的找到用户喜欢的兴趣点和接受内容的方向,方便企业在运营内容和形式上及时作出调整。最后,通过对用户新老观察分析,让美甲帮在做精准运营的时候掌握好用户的生命周期,知道什么时候该对什么样的用户进行内容上的营销,以及帮助企业找到激活老用户的方法。
  • 业务上更敏捷、更智能、更具洞察力。现在美甲帮所有的业务监控,从日报、周报、月报乃至年报,都是通过数加平台的分析监控得到的。通过DataWorks定时任务处理数据,然后通过DataV数据可视化做一些看板,去做业务监控。
  • 快速响应新业务的数据及分析需求。阿里云数加最大的优势在于阿里云是一个整体的生态,可以打通、共享阿里云上所有的数据,包括RDS上的数据、移动数据分析中的数据、以及日志服务投递的数据。所以我们在有新业务需求的时候,可以非常及时的采集和处理对应的数据。

证言

“数加对于创业公司来说是一个非常好的平台,可以在有限的投入下,充分地享受到阿里云已经有的技术和经验,站在巨人肩膀上,从而少走弯路。针对海量数据进行处理,也是一个特别有优势的地方。针对我们这种几百万用户的APP来说,数据的体量已经非常大了,一般的工具进行处理分析其实效率非常低下。”——小红唇大数据负责人 陈俊

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

  • 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

  • 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

  • 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

【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
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1月前
|
分布式计算 关系型数据库 MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
48 3
|
1月前
|
分布式计算 监控 大数据
大数据-131 - Flink CEP 案例:检测交易活跃用户、超时未交付
大数据-131 - Flink CEP 案例:检测交易活跃用户、超时未交付
65 0
|
1月前
|
消息中间件 关系型数据库 MySQL
大数据-117 - Flink DataStream Sink 案例:写出到MySQL、写出到Kafka
大数据-117 - Flink DataStream Sink 案例:写出到MySQL、写出到Kafka
131 0
|
1月前
|
存储 分布式计算 算法
大数据-106 Spark Graph X 计算学习 案例:1图的基本计算、2连通图算法、3寻找相同的用户
大数据-106 Spark Graph X 计算学习 案例:1图的基本计算、2连通图算法、3寻找相同的用户
59 0
|
1月前
|
SQL 分布式计算 NoSQL
大数据-164 Apache Kylin Cube优化 案例1 定义衍生维度与对比 超详细
大数据-164 Apache Kylin Cube优化 案例1 定义衍生维度与对比 超详细
28 1
大数据-164 Apache Kylin Cube优化 案例1 定义衍生维度与对比 超详细
|
1月前
|
分布式计算 大数据 Linux
大数据体系知识学习(二):WordCount案例实现及错误总结
这篇文章介绍了如何使用PySpark进行WordCount操作,包括环境配置、代码实现、运行结果和遇到的错误。作者在运行过程中遇到了Py4JJavaError和JAVA_HOME未设置的问题,并通过导入findspark初始化和设置环境变量解决了这些问题。文章还讨论了groupByKey和reduceByKey的区别。
26 1
|
1月前
|
消息中间件 存储 druid
大数据-156 Apache Druid 案例实战 Scala Kafka 订单统计
大数据-156 Apache Druid 案例实战 Scala Kafka 订单统计
40 3
|
1月前
|
存储 大数据 分布式数据库
大数据-165 Apache Kylin Cube优化 案例 2 定义衍生维度及对比 & 聚合组 & RowKeys
大数据-165 Apache Kylin Cube优化 案例 2 定义衍生维度及对比 & 聚合组 & RowKeys
33 1
|
1月前
|
消息中间件 druid 大数据
大数据-153 Apache Druid 案例 从 Kafka 中加载数据并分析(二)
大数据-153 Apache Druid 案例 从 Kafka 中加载数据并分析(二)
32 2
|
1月前
|
消息中间件 分布式计算 druid
大数据-153 Apache Druid 案例 从 Kafka 中加载数据并分析(一)
大数据-153 Apache Druid 案例 从 Kafka 中加载数据并分析(一)
52 1