一种基于大数据支付方式的业务推广方法

技术领域

本发明涉及支付技术领域，具体涉及一种基于大数据支付方式的业务推广方法。

背景技术

在移动支付方式爆发式增长下，交易通道及交易方式的同质化，为用户提供简单快捷支付体验的同时，不同支付通道之间的用户体验存在较大差异，支付通道不仅要提高用户的交易体验，还要简化用户交易过程，做到快速指引的作用。

目前，用户数增加依赖线外的推广，用户之间的互动性不足，增长途径单一且用户的离线复制率不高，新业务及新模式之间与用户之间的沟通渠道缺失，现状采用的第三方工具及现场客户直接对接方式，也不能将用户数量增长上去。

针对用户的消费习惯商户类型，分析不足，商户的客户被动消费交易方式，业务增长判断依据及问题处理时效性，对用户的增长和用户凝聚度不足，在很大程度与主观判断及用户需求脱节，缺乏联动性，现有的业务静态模式，对用户行为数据的分析达不到效益及提升支付体验效果。针对现有技术业务的应用，关注商户用户体验不足，及商户的对话通道机制缺失，专注于业务属于用户需求问题，以及对用户的忠诚度与支付方式的体验，很难达到促进用户增长的目的。

发明内容

为了克服现有技术的不足，本发明的一种基于大数据支付方式的业务推广方法，能够提高新业务推广效率，提高用户的体验度，促进用户增长的目的。

本发明解决其技术问题所采用的技术方案是：

一种基于大数据支付方式的业务推广方法，其改进之处在于，包括下列步骤：

步骤1：大数据系统对商户号、用户支付方式进行统计，以及对商户每一笔交易数据进行实时分析和清洗，处理后的数据存贮于hadoop中；

步骤2：Hbase数据表Filter对hadoop存贮的数据进行同步存贮，并对数据进行多维度关联汇总；

步骤3：Flume提炼出清洗的数据进行统计分析，分析得到的数据由实时Spark程序实时处理；

步骤4：管理平台对商户进行推送和加装信息，实时展示商户及支付用户服务项目、内容。

作为上述技术方案的改进，步骤1当中，清洗的交易数据包括用户登录时间、支付商户、支持类型以及支付方式。

作为上述技术方案的进一步改进，步骤1当中，实时分析的交易数据包括PV、UV、交易商户类型、支付时间以及支付反馈。

作为上述技术方案的进一步改进，步骤1当中，存贮于hadoop的数据需按照交互数据支付时间、支付地区、金额大小排序分类、对时间分片的交易记录进行统计分析抽取形成数据汇总，并将汇总的数据进行多维度数据关联存贮。

作为上述技术方案的进一步改进，时间分片包括按照天数、小时任意一种时间刻度进行分片。

作为上述技术方案的进一步改进，步骤3当中，实时Spark程序对支付数据接收分类进行格式化处理，且对存贮在Hbase的数据进行持久化存贮甄别，获取用户元组数据，RDD算子读取外部Hbase进行并行化处理，实时Spark程序同时对用户支付途径、PV以及UV日志分析及转化处理，转化完成后持久化到Redis内存数据系统。

作为上述技术方案的进一步改进，大数据系统从Redis内存数据系统获取数据，实时与商户进行互动。

作为上述技术方案的进一步改进，管理平台包括业务系统、交易系统以及业务发展中心，交易系统拓展插件BBSPlus+，将增量数据实时输送到Flume的消息队列中，同时用户交互数据信息实时展现在业务系统，业务系统执行数据分析归类，与业务发展中心进行互动。

作为上述技术方案的进一步改进，业务系统可以通过定时任务或主动触发执行数据分析归类。

本发明的有益效果是：本发明可以有效提高业务推广能力及效率，增加用户的获悉感，减少用户流失的同时增强用户的黏稠度，为新业务及用户提供了更加有效的管控方案。

附图说明

图1为本发明的结构框架图。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。另外，专利中涉及到的所有联接/连接关系，并非单指构件直接相接，而是指可根据具体实施情况，通过添加或减少联接辅件，来组成更优的联接结构。本发明创造中的各个技术特征，在不互相矛盾冲突的前提下可以交互组合。

参考图1，本发明揭示了一种基于大数据支付方式的业务推广方法，包括下列步骤：

步骤1：大数据系统对商户号、用户支付方式进行统计，以及对商户每一笔交易数据进行实时分析和清洗，处理后的数据存贮于hadoop中；

步骤2：Hbase数据表Filter对hadoop存贮的数据进行同步存贮，并对数据进行多维度关联汇总；

步骤3：Flume提炼出清洗的数据进行统计分析，分析得到的数据由实时Spark程序实时处理；

步骤4：管理平台对商户进行推送和加装信息，实时展示商户及支付用户服务项目、内容。

在上述实施例中，采用离线大数据系统针对商户号及用户支付方式进行统计分析，针对商户每笔交易PV(支付数量)、UV(独立支付户数)、交易商户类型、支付时间、以及支付反馈数据进行实时分析处理，分析的结果作为运维第一手推广资料，先通过hadoop对支付数据碎片化的分布式数据存贮，在此过程中，大数据系统存贮数据积累，通过HBASE大数据表Filter分析，再通过Flume实时的精准提炼出清洗商户数据进行统计分析，可以对独立的业务数据分类增加应用精准信息度，避免出现繁杂的无章法的信息，然后通过实时Spark程序处理，管理平台对商户进行推送及加装新支付业务用户问卷模块，精准加载到的商户终端，有效提高新业务推广能力及效率，增加用户的获悉感，减少用户流失的同时增强用户黏稠度，为新业务及用户提供了更加有效的管控方案。

进一步的，在步骤1当中，清洗的交易数据包括用户登录时间、支付商户、支持类型以及支付方式；实时分析的交易数据包括PV、UV、交易商户类型、支付时间以及支付反馈。存贮于hadoop的数据需按照交互数据支付时间、支付地区、金额大小排序分类、对时间分片的交易记录进行统计分析抽取形成数据汇总，并将汇总的数据进行多维度数据关联存贮。本发明的时间分片包括按照天数、小时任意一种时间刻度进行分片。

在上述实施例中，支付完成后，交易信息同步存贮HBASE交易数据表中，数据采用分表进行管理存贮，并且数据在存储之前进行用户登录时间、支付商户、支持类型、支付方式数据进行格式化清洗操作，并且对实时数据的格式，按照结构化数据格式存贮到数据库中，再按照交互数据支付时间、支付地区、金额大小排序分类、对时间段分片(按照天、按照小时、时间刻度)交易记录进行统计分析抽取形成数据汇总，进行多维度进行数据关联存贮。

再进一步的，步骤3当中，实时Spark程序对支付数据接收分类进行格式化处理，且对存贮在Hbase的数据进行持久化存贮甄别，获取用户元组数据，RDD算子读取外部Hbase进行并行化处理，实时Spark程序同时对用户支付途径、PV以及UV日志分析及转化处理，转化完成后持久化到Redis内存数据系统。大数据系统从Redis内存数据系统获取数据，实时与商户进行互动。

在上述实施例中，实时Spark程序对支付数据接收分类进行格式化处理，包括支付时间，支付金额，支付频率等存贮在Hbase中进行持久化存贮甄别，获取用户元组数据，数据通过RDD(弹性分布式数据集)算子读取外部Hbase进行并行化处理，hadoop启动预先开辟的计算机内存作为动态缓存，不仅方便实时Spark程序对用户的支付数据抽取，同时对用户支付途径及业务关注度PV(支付数量)、UV(独立支付户数)日志分析处理，转化完成后持久化到Redis内存数据系统，提高响应时效性。

另外，管理平台包括业务系统、交易系统以及业务发展中心，交易系统拓展插件BBSPlus+，将增量数据实时输送到Flume的消息队列中，同时用户交互数据信息实时展现在业务系统，业务系统执行数据分析归类，与业务发展中心进行互动。业务系统可以通过定时任务或主动触发执行数据分析归类。

在上述实施例中，通过业务系统进行任务计划，业务系统对业务定时任务及主动任务进行触发执行分析归类，提供决策性的支撑，大数据系统实时交互及商户互动，同时通过前三个步骤将数据持久化到Redis系统，然后采用BI系统直观的界面展示系统从与微秒级的Redis内存数据库查询存贮过程统计分类数据，进行直观展现实时的动态全方位支付状态。而且支付及商户在交互过程中数据的交互以及对话，采用持久化的内存数据库Redis保障了数据的实时，数据以XML格式进行传输，HTTPS既安全可靠，对数据传输进行加密保护，又能保障支付信息与商户交互业务平台之间私密性，新业务通过独立的业务系统进行推广，提供更快捷新业务的推广方式，同时可以作为业务系统决策适用于增加量用户。

本发明的有益效果是：本发明可以有效提高新业务推广能力及效率，增加用户的获悉感，减少客户流失的同时增强用户的黏稠度，为新业务及用户提供了更加有效的管控方案。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围。