背景介绍

• 本项目是一个将大数据技术综合运用于核心业系统的经典案例
• 项目的目标功能：提供可动态制定规则的实时营销消息推送
• 项目的可扩展适配场景：实时推荐，实时风控，实时精准广告推送等

需求示例

通过如下示例，可以对项目所适配的需求进行直观理解

运营消息推送（市场营销）

试想场景（1）：公司想对沉默用户进行送券激活

• 2021-02月至2021-05月之间 
• 消费总额<500
• 且月平均访问次数<4
• 且性别为男
• 年龄阶段在20-40之间的会员 

只要发现他登录app，则立马给他在app上弹出一个“购物满100减60”的消息，并赠送该优惠券

---

试想场景（2）：公司想对某品类下的购买犹豫潜客进行促单

最近一周内，该用户依次做过如下行为

• 浏览过移动硬盘品类的商品
• 收藏过移动硬盘品类的商品
• 点击过移动硬盘品类的运营位广告
• 添加过移动硬盘品类商品到购物车

只要发现他再次浏览移动硬盘品类的商品，则立马给它推送一个“限时折扣购买希捷移动硬盘”的短信

---

其他类似场景示意

 

实时规则风控（风控系统）

• 用户名与身份证姓名不一致；

• 某IP最近1小时注册账号数超过10个；

• 某账号最近3分钟登陆次数大于5次；

• 某账号群体最近1小时购买优惠商品超过100件；

• 某账号最近3分钟领券超过3张；

实时规则推荐（推荐系统）

实时广告智能投放（广告推送）

总结：一切皆规则；一切皆动态规则

项目整体架构

核心模块

• 动态规则注入系统
• 动态规则计算引擎
• 查询缓存系统

管理模块

• 规则管理后端服务

• 规则平台前端系统

监控模块

• 规则系统运行状况分析系统

关联模块

• 实时用户画像系统

• 实时运营数据分析系统

项目关键要点

• 在flink程序中如何实现动态规则注入和加载

• 如何支撑规则判断计算中所产生的的高并发海量数据实时分析查询

• 如何实现各种规则模型下底层计算逻辑的在线扩展

• 如何实现规则定义的人性化