支撑“双11”的IT技术

提问时间：2020-11-04 09:14

我来回答

共1个精选答案

牛耳教育 2020-11-04 09:14

最佳答案

马上就要到了一年一度的线上购物狂欢节“11.11”。既然是线上，那么就少不了IT技术的支持。今天，IT培训机构的小编就跟大家一起来扒一扒，支撑“双11”的IT技术。

AI+电商

2018年，谷歌通过AI语音订餐的场景让人惊呼：AI语音交流让餐馆做到完全无感！现实中，又有多少人真的会通过AI订餐？至今原本火热的AI，正受资本市场的趋冷：看似炫酷，却又面临变现难题。AI落地场景在哪里？就是行业。

AI在电商的一个典型场景，就是智能客服。相比人工固定成本及高流失率，智能客服24小时在线，不仅提升效率也有效降低成本。智能客户的构建也并非那么容易：语义识别、语境识别，关键字识别，这里面涵盖了语义逻辑、电商知识沉淀。

识别率百分比高低，决定智能客服在电商业务中服务的参与程度、深度，而每1%的识别率提升都建立在海量数据的训练，至今不论如何提升，智能识别亦无法实现100%，也决定“智能客服+人工客服”模式长久存在。

数据埋点

消费者画像构建成为各行业营销的代名词，当然也包括电商。消费者画像构建，当前除各种互联网应用数据平台收集汇聚及爬虫外，还有电商平台的自我收集，这就需建立埋点。消费者浏览到一个网页，在哪里停留，停留多久，点击哪里，都是有价值的信息，因为这里包含了他的喜好。基于这些信息进行收集、整理，然后再结合其他数据，一个丰满的用户画像也就出来。

至于到底有没有效果，对比下淘宝的“千人千面”以及今日头条的定向推送，你就知道这些应用的威力。数据埋点是消费画像构建的基础。对企业而言，如何科学埋点，怎样埋点，是各种互联网应用都将遇到的难题，如何在不影响用户体验下，做到最精准的信息收集无疑是最理想的状态。

当然，很多电商企业依靠第三方埋点，有时无法数据回流，同时第三方数据标准各异，电商企业往往受到诸多限制。

智能数据决策

完成数据收集，接下来就需要数据治理及决策。数据治理是一个更麻烦的工作：先将所有数据进行ETL，接着导入数据仓库，亦或者数据中台，最后借助BI工具让数据可视化展现，可视化的数据也就有了价值。

看似简单，期间的数据治理是真的繁琐，且是个大工程，尤其对于大型企业，这涉及到跨部门、统一标注/安全机制等各种问题；对于电商零售，数据决策亦为精细化运营。如沃尔玛经典的“啤酒+尿不湿”案例，正是数据的有效体现。

智慧零售的“人货场”，同样适用于电商：人-店家的亲和度、消费者舒适度；货-产品的设计&质量、丰富度；商场-店家页面的舒心度。这一切同样可以由数据统一分析、展现，为电商企业提供调整决策参考。

IT架构升级

伴随电商发展，支撑其业务的IT架构也逐步升级，整体大致分为几个阶段：

单机网站时代：前端应用（即访问网站）与后端数据库存储，在同一台服务器上运行。在并发量不高，用户体验追求不极致下，该IT方案在低成本下有效支撑电商业务运转。

应用与数据库分离：随着电商市场逐步打开，前端并发量也开始增大，单服务器模式明显无法应对高并发压力。同时面对用户购物体验优化，优化前端代码，提升应用服务器性能，也成为时下重点，定期的前端优化升级，无疑会对追求稳定的数据库影响，于是应用与数据库的服务器分离成为电商发展的趋势。应用与数据库分离，不仅释放访问压力，也让整体架构高可用。

应用服务器集群化：移动互联网的爆发，同步引发电商爆发，造成前端访问海量高并发。当数据库能力尚足，流量都将堵在前端。当前端代码优化无法再满足并发，就需前端服务器的横向拓展，于是应用服务器的集群化扩展成为电商企业常态。

数据库读写分离：当前端应用拓展到一定程度，后端的数据库服务将难以支撑，数据库服务器需要拓展。数据库与前端的应用紧密关联，所有即便拓展也绝非简单的横向弹性扩充，而是“读”与“写”的分离，同时建立主从概念，保证与前端应用一致，避免重复性写入。