基于flink与groovy实现全实时动态规则智能营销与风控系统

前言：本文是对视频课程《基于flink与groovy实现亿用户级实时动态规则智能运营系统》的介绍说明；
本项目极具行业实用价值，可为各企业开发人员提供系统设计思路与灵感，而且，它不光可用于智能运营，也可以应用在实时规则推荐，实时广告推送，实时规则封控，实时交通监控等纪委广泛的场景中；
当然，各类培训机构学员也可以通过学习此项目来丰富自己的就业简历，绝对杀手锏级别！在面试中运用得当，可以起到一锤定音立竿见影的绝杀效果！

如果需要学习本项目，可联系博主

1 项目背景

传统的“精准营销平台”由营销人员基于画像标签数据去圈选人群，进行营销推送，存在不足；
这种传统手段，往往无法抓住那些 “转瞬即逝的营销机会”；

• 如：一个促销热爱型用户，正在浏览包包时，及时推送出正在做促销活动的包包信息，是最有效的；
• 如：一个价格敏感型用户，正在犹豫不决反复查看他购物车中的某目标商品时，适时推送优惠券，是最有效的；

这些场景，显然无法通过营销人员通过人工手段去发现，需要用软件系统自动、实时监控用户的行为，并实时做出判断，并进而驱动营销推送系统推送相关营销内容；
总之，在应对这一类的需求时，以前的传统的“精准营销平台”显得力不从心；

因而，擅长用键鼠改变世界的攻城狮们，决定为公司的推广、运营部门开发一个应对上述场景的自动化、智能的、实时、规则动态可变的营销利器 —— 《实时智能运营系统》

2 需求分析

2.1 营销规则举例

• 搜索兴趣词包含“商务休闲”的用户，如果浏览包含“商务休闲”的商品页面，则触发一个优惠券推送消息；
• 活跃度等级为C的用户，且在规则发布前的3天内，发生过 “搜索雀巢” AND “加购” ，当他再次上线时，触发一个app弹窗消息；
• 活跃度等级为C的用户，规则发布前2天内，发生过A事件3次以上，规则上线后发生了B事件，且之后间隔1天再次发生B事件，则触发；
• 规则运行时，检测到用户发生了下单事件，而在随后的15分钟内没有支付，则触发；
• 规则运行时，一个用户如果搜索的关键词符合某正则表达式，则触发；
• 宝妈用户，在2022-08-07开始，做过A行为3+次，做过（B行为，E行为）序列2+次，则触发；

2.2 规则营销需求的宏观抽象

• 营销规则有多样化的灵活的定义（不光参数可以支持自定义，且运算模型也可以自定义）；
• 营销规则通常针对满足某画像的人群，也可没有针对性
• 营销规则通常都有有效期（也有可能是无限期的），要求系统能够支持动态增加、停用运营计划（规则）
• 营销规则根据需求的变化，需要能够方便地进行在线管理，如新增、停用、修改

2.3 营销规则受众条件的逻辑要素抽象分析

• 各类营销规则，都支持对目标人群的圈选

• 圈选的手段之一是：是对用户的画像标签数据进行定义、判断

• 圈选的手段之二是：对用户的行为数据进行自定义即时计算（广义上就是实时用户画像）

• 而行为数据即时计算的时间跨度，通常是有时间窗口约束的，而所涉及的时间跨度可能有：

• 只包含规则上线之前

• 只包含规则上线之后

• 横跨规则上线前到上线后
  

• 受众圈选行为画像即时条件中，抽象出来的判断要素主要有

  • 事件类型及属性是否满足规则（如搜索事件且搜索词是否满足正则、是否包含指定关键字等）
  • 事件序列是否满足规则（是否依次发生过A-C-E序列）
  • 事件或事件序列的发生次数是否满足（如X事件是否发生了N次）
  • 事件的属性统计值是否满足（如X事件中的sum(属性amt) > 100 ，事件X的行为总时长>20）
  • 事件与事件之间的对比关系，如时间间隔（如：A-B事件的间隔>N）、属性值（统计）对比

• 最后，就是上述各类条件的逻辑组合： 与 、或 、 非、 大于、 小于、 等于……

  • 条件1： A发生次数 >3
  • 条件2 ： A事件的max(amt) - A事件的min(amt） > 200
  • 条件3 ： A - B间隔> 5min
    最终规则： 条件1 与 （条件2 或 条件3）
    思考：
    A事件中pageid=“p05” 的次数 > A事件中pageid="p10"的次数 ，是否包含在上述要素中？
    A事件中，MAX