【速记】中石油 刘速：基于大数据技术的加油站智能营销应用

5月3日，由星环科技主办的“2018第二届前沿科技论坛暨星环用户大会”在浦东香格里拉酒店顺利召开。本次大会，星环科技联合众多合作伙伴、用户展开应用案例分享，让更多行业人士了解大数据在不同行业中的应用效果。

【大数据在中石油的应用】

【演讲主题】基于大数据技术的加油站智能营销应用

【演讲内容】中石油销售大数据项目负责人刘速和我们分享了大数据技术在中石油加油站智能营销中的应用。演讲内容主要包括以下三个方面：

一、中石油智能加油站背景介绍；

二、智能标签体系的实现；

三、用大数据实现智能营销。

1

中石油智能加油站背景介绍

首先非常感谢有这样一个机会能跟在座的各位聊一下我们中石油销售的领域在大数据方面做了哪些应用，刚才星环的专家做了相对学术的分享，我来给大家介绍一下我们实际的行业落地的应用。

大家说到中石油，第一印象就是大央企、大国企，在油品的一些领域都有垄断性。其实并不是这样。从2015年开始，经常开车加油的朋友们会感受到，油价其实一直在下滑，而从2015年开始，国际油价有个比较大的振荡，这个振荡对我们油品零售的销售终端来说影响非常大。同时这两年受到市场政策的影响，涌现了非常多的竞争对手，不光是中石油、中石化这样知名的企业，还有BP、壳牌、中化等等。我们面对着这样的竞争激烈市场环境如何突出重围呢？

中石油数据化建设已经有十年之久了，它积累的历史数据，包括我们加油站每天实时产生的数据非常多，2008年到现在，我们加油站端销售明细的数据加起来有102万亿条数据。我们每天实时增长的数据量，大概几千万条的数量级。突破传统的数据处理方式，用大数据的技术解决以往带来的处理大规模数据的应用需求，利用大数据的新技术，给我们的零售企业带来活力和更多销量的增长，是我们苦苦思索后得到的解决方案。我们做了什么？

对于我们零售来说，我们市场上有两万多个加油站；对于加油站来说，客户就是我们最重要的资源，但是我们的客户都是谁？我们的客户都去哪里了？除了我们昆仑卡的持卡客户，仍然有部分客户，我们很难去感知到他。因为他就是加油，除此之外没有任何信息，这是让我们非常困惑的。一方面，在客户的营销方面，我们想利用大数据的技术，能够让我们的营销做的更加有新意一点，能够突破市场带给我们的瓶颈，通过大数据让我们的营销变得更加精准。但这就需要我们触达到全量的客户，给他们标记相应的标签。这样才能对每位客户进站加油的时候，就能推送他想要得到的服务或者商品的推荐，从而提升我们的油品以及非油商品的销量。

 2 

智能标签体系的实现

对于持卡客户来说，他们是我们价值最高的一部分客户，因为在注册的时候，我们已经收集到了姓名、手机号、年龄等等信息……对这部分会员来说，我们可以通过发短信、打电话或者其他一些渠道触达。但是对于非持卡客户，这些信息就很难收集。吸纳新的非持卡客户进入会员体系，不断扩大会员量这是传统的方式，但无法避免有些客户就是不愿意办卡。后来我们就转换了思路，他每次开车进加油站，车就是我们加油的主体，我们能不能以车辆建立客户档案的关键索引来建立我们客户的档案？

后面我们确实也是这样做的。我们通过为全量客户建立标签体系来实现以车辆为主体建立客户档案。我们的标签体系，也是有上百个标签在里面，这样我们的业务人员、营销人员，就可以根据非常灵活的标签筛到他想要得到的客户，比如说他想筛到女性、白领，喜好某些非油的产品，我们的标签体系就可以起作用。

我们建立标签体系，刚才说的是分析的最终结果，那我们是如何感知到全量的客户呢？。加油站为了安全作用，进出站会有高清摄像头。每个加油的车道中间也会有些摄像头，我们充分利用了视频处理的技术。首先我们做了两件事情，第一件事情我们利用这样的高清摄像头进行车辆、车牌的识别，这个技术、算法都蛮成熟的。不光如此，我们除了做车牌识别，还需要用一些机器学习的方法去识别出它的车型、颜色、品牌。

第二件事情，我们的车辆信息要与真的加油交易信息进行匹配，有可能我们都在或多或少地体会过，实际上我们在城市里的摄像头特别多，我们通过摄像头，来来往往记录各样的人、各样的车其实很容易。但是如果没有跟我们的交易、零售系统打通的话，我很可能只能知道这辆车一个月来了几次，但是他是不是真的加了油，他加了什么油，买了什么样的便利店商品，他喜欢加满还是不加满，他喜欢自助加油还是人工加油，这些情况我们不知道。我们如何获知情况？就必须跟车辆信息和零售系统、交易信息、支付信息进行打通，我们才能知道更多细节的信息，这是我们分析的基础。

如果各位朋友经常加油的话会有了解，如果出现车辆比较多的话，可能工作人员会从另外一个加油岛把加油枪拿过来加油，会出现秩序混乱。我们用一些机器学习的方法重建秩序，做一些比较复杂的处理和算法优化，让这辆车跟这个交易匹配上。机器学习在我们这里很好地得到应用，比如进站加油，我们拍了它的车牌，识别到它车辆的颜色、品牌、型号，后面我们把这些信息跟它的加油信息进行比对，我们能够获知到相关关联的东西，然后进行匹配，也是这样的优化算法，实际上也是跟杨俊这样的团队一直做了大概半年多了，终于也是在前几个月，我们升级的一个版本是能够车牌识别和它的交易匹配的匹配率达到90%以上了。因为我们毕竟不是财务系统，毕竟不需要对账，我们拿到90%正确的数据就可以开始营销了，我们认为90%是非常了不起的数字了。

刚才说到，我们做了一个重要的事情，就是说把现场的客户识别，跟我们零售的系统打通，知道这辆车真的加了什么油，买了什么非油。我们如何在现场把营销的信息推送给客户呢？我们又有两个问题的思考，我们如何触达到客户？我们应该在什么时机触达，这是营销方面的思考。

 3 

用大数据实现智能营销

我们当然希望以后有某种方式自动触达客户，这样又省人又省力，但是目前的方法，我们还是借助于现场的加油站工作人员的方式，通过人工把我们的消息触达到客户。

首先我们做了几方面的尝试，他在进站加油的时候，一般有几分钟的时间，一般大家坐在驾驶室都是很无聊地看看手机或者听听音乐，其实跟加油员没有什么互动，加油员也是蛮尴尬的，他即使想跟你交谈也不知道如何开口。我们通过语音系统，我们把我们推荐的营销结果，比如这个客户今天过生日了，或者他可能需要一个什么样的关怀服务，我们把这样的结果通过语音系统传递到他的耳麦中，这样我们的加油员知道，他的这个客户想要什么，我就可以有开口的理由，他拿这个结果再跟大家进行互动，大家的体验感可能有所提升，这是第一个营销时机。

第二个营销时机，在他结算的时候，其实我们认为也是比较关键的营销时机，在收银员的界面里面可以知道，这个客户大概需要什么样的服务，需要什么样的商品，我们会把消息交给收银员，收银员再开口跟我们的用户进行交互。实际上我们做的这个目的，还是为了客户在现场加油的时候，我们能够对每位客户负责，我们能够把他真正想要的服务，尽可能准确地去推送给大家。

对于我们实际上现在还有互联网的客户，包括现在中石油也有一些现场发优惠券和电子券的渠道，让大家去享受到一些折扣。我们对线上的客户也是派发电子券，通过发送微信，通过推送APP的消息，把大家想要的折扣信息能够发给大家，让大家更好地在加油站体验到加油的服务。我们的做法也是基于中石油客户的标签体系，让业务人员筛出一波他想要营销的客户。比如他要选出一群喜欢买包装饮料的客户，他就可以去推送包装饮料的电子券、优惠券的方式触达客户。或者比如这个客户喜欢汽车服务，喜欢洗车，我们可能会推送一个洗车相关的电子券给客户，你下次来加油的话可以享受洗车服务。基于这样的分析，我们有方式，无论线下的客户还是线上的客户，有途径触达到它，可能推送给他们需要的服务。

还有一个问题，就是流失客户。如何降低客户流失率，我们也有相应的做法，首先我们也是用机器学习的方法，我们用数据挖掘的模型，建立客户流失的模型，这样能够让我们去提前预测到哪些客户即将流失，提前对即将流失的这部分客户提前进行关怀，可能分析一下它的原因，精准地去做客户流失的提前预警。这样的话，我们做流失客户的回访、营销，就不会毫无可能性，业务人员就可以有针对性地对重点的客户开展重点的一些挽回。我们对于流失客户来说，触达的手段可以在现场上触达，另外通过线上的手段可以通过派发电子券的方式，也能够触达到他。我们在一个省公司做测试，按照我们的营销思路做流失挽回，一个月挽回了流失客户四千多人，取得了比较不错的成绩。以上，是对客户营销做的一些分享。

刚才分了很多部分，我们介绍了对现场的客户怎么营销，我们对线上的客户怎么营销，对即将流失的客户怎么营销，最终的目的还是希望能够通过大数据，去更好地连接线上线下营销的场景，我们希望数据分析平台能够做智慧的大脑，来告诉我们的业务人员、决策人员，我们对于客户营销、客户管理到底怎么做才是合适的。

所以说，我们最终的一个目的就是说大家来开车中石油加油的时候，进站的时候我们能够在现场给每位朋友推送你们最想得到的服务，或者尽可能推送你们可能会比较需要的商品，在线上的时候，我们也是对线上提前能够感知到你，通过派发电子券、通过积分这样的一些方式，能够让大家提前在线上也能有个手段触达到大家。最终的目的，能够让中石油在市场上一个比较有竞争力的位置，能够尽量地吸引更多地竞争对手的客户。这样也是一个良性循环，只有大家竞争激烈了，才会促使我们加油的服务、购买的体验感提升。大家在得到最好的服务的时候，一定是竞争最激烈的行业，我们也希望利用大数据的新技术，促进我们的零售业、零售终端有个良性的发展。

今天我分享的案例，其实也是我认为非常好的一点是，告诉大家我们怎么能够把数据分析、数据应用、机器学习和实际的业务场景发生结合。不知道在座的各位之前有没有做BI项目的，有很多BI项目的同事跟我抱怨，其实做BI项目特别难做，前几年恨不得做一个死一个，为什么？我思考了一下，我们的数据应用分为两种方式，一是看，一是用。我们以前做的报表或者什么，其实就是给业务人员看的，他看也行、不看也行，他没有跟我们的业务环节真正发生交互，他的生命力不是那么持久的。我们在这样的环节尝试了，跟我们的业务环节紧密地结合起来，我认为这才是有生命力的，我们的机器学习才能得到长久的持续发展，这是我的体会。

我们的新技术也有很多，包括人脸识别、语音交互、自然语言处理，其实这些我们都还很期待，这样的一些新的技术能够在中石油、零售环节带来新的碰撞，我们也很期待未来人脸识别、无感支付的方式能够发生在中石油的加油站，下次大家去中石油加油的时候，假如我们的加油员或者营销人员推送给大家你正需要的服务，不要怀疑，那就是我们大数据在发挥作用，这就是今天我要分享的内容，谢谢大家！

以上所有内容以嘉宾现场描述为准

点击或回复关键词，查看相关内容

公司

产品

技术

白话大数据 | 白话大数据合集

深入机器学习 | 深入机器学习系列合集

案例

视频监控 | Hadoop在实时视频监控的应用场景