精准营销会应用到哪些大数据技术及工具组件？主要遇到的问题有哪些？

1、精准营销通过埋点的用户行为和产品属性，生成用户标签和产品标签，并对客户进行画像，建立个性化群组，实现智能推荐的行为。任务基本采用spark处理，各类数据存储于HDFS，ES,hbase，kudu。
2、主要问题即标签模型的建立，运维过程中任务调度的优化也及为关键，集群的优化和前端查询对于稳定的营销活动和用户体验至关重要。

1、精准营销需要在构建用户画像和商品的画像的基础上，实现智能的推荐，推荐又分为基于用户画像（购买行为类似的用户商品推荐）和商品画像（购买商品相似度推荐）相结合实现精准的营销；
2、要建立用户画像，首先需要梳理画像的特征值（也就是多维度的数据信息），基础上给用户进行打标签（和实际业务相关）具体的分类（例如购买习惯、购买能力等）；

1. 精准营销在用户画像、产品画像的基础上使用Spark进行特征工程、Spark MLllib等机器学习组件进行模型开发。
2. 主要问题在于基础数据的理解和特征工程构建、后期模型效果与营销结果评估。