摘要: 針對大數(shù)據(jù)時代服裝企業(yè)不知道怎樣利用大數(shù)據(jù)進行營銷的問題， 基于 4C 理論構(gòu)建了“用戶畫像”數(shù)據(jù)庫， 通過對數(shù)據(jù)庫的挖掘來進行消費者群體細分。在此基礎(chǔ)上， 從營銷的角度構(gòu)建了精準營銷細分模型， 并以三槍集團的營銷數(shù)據(jù)為對象， 利用 SPSS 工具對身高這一細分因素進行了挖掘。
研究表明: 大數(shù)據(jù)時代， 以“用戶畫像”數(shù)據(jù)庫挖掘為基礎(chǔ)的精準營銷細分模型， 能夠重構(gòu)消費者的需求、精準定位消費者群體， 并能為企業(yè)實施精準營銷提供科學的決策依據(jù)。
關(guān)鍵詞: 大數(shù)據(jù); 用戶畫像; 消費者細分; 數(shù)據(jù)挖掘; 精準營銷
隨著網(wǎng)絡與信息技術(shù)的快速發(fā)展， 企業(yè)之間、企業(yè)與消費者之間都習慣了通過互聯(lián)網(wǎng)進行交易， 由此帶來了電子商務的蓬勃發(fā)展， 并產(chǎn)生了大量的消費數(shù)據(jù)。黃升民等通過對大數(shù)據(jù)背景下營銷體系的解構(gòu)與重構(gòu)， 認為數(shù)據(jù)的使用貫穿在整個營銷過程的始末， 對于營銷的效果起著至關(guān)重要的作用。
隨著網(wǎng)絡與信息技術(shù)的快速發(fā)展， 企業(yè)之間、企業(yè)與消費者之間都習慣了通過互聯(lián)網(wǎng)進行交易， 由此帶來了電子商務的蓬勃發(fā)展， 并產(chǎn)生了大量的消費數(shù)據(jù)。黃升民等通過對大數(shù)據(jù)背景下營銷體系的解構(gòu)與重構(gòu)， 認為數(shù)據(jù)的使用貫穿在整個營銷過程的始末， 對于營銷的效果起著至關(guān)重要的作用。
《大數(shù) 據(jù) 時 代》的 作 者 維 克 托 · 邁 爾-舍 恩 伯格 認為， 大數(shù)據(jù)的簡單算法比小數(shù)據(jù)的復雜算法更有效， 大數(shù)據(jù)讓人們不再期待精準性， 而是混雜性。怎樣從混雜性的大數(shù)據(jù)中挖掘有價值的相關(guān)信息， 成為企業(yè)必須思考的問題。因此， 由這些數(shù)據(jù)組成的“用戶畫像”，不僅再現(xiàn)了消費者的全貌， 反映了消費者的需求， 而且是企業(yè)挖掘消費者需求與價值、進行消費者細分、實施精準營銷及其他活動的基礎(chǔ)。
大數(shù)據(jù)時代下的消費需求挖掘
傳統(tǒng)營銷模式下， 筆者通過訪談、調(diào)研的方式來探知消費者， 做出假設， 并根據(jù)這些數(shù)據(jù)構(gòu)建模型，用科學化的方法對消費需求進行驗證并做出預測。
大數(shù)據(jù)時代， 當人們有能力解讀“全樣本”， 從更多角度精細地描述消費者， 并且數(shù)據(jù)可以實時、動態(tài)獲得的時候， 消費需求的挖掘方式也要隨之改變。
1． 1 “用戶畫像”數(shù)據(jù)庫的構(gòu)建
傳統(tǒng)營銷模式下， 數(shù)據(jù)來源于企業(yè)的營銷記錄，隨著網(wǎng)絡及電子商務的發(fā)展， 消費者的網(wǎng)上痕跡也化為數(shù)據(jù)， 成為企業(yè)營銷數(shù)據(jù)的來源之一。構(gòu)建“用戶畫像”所需要的數(shù)據(jù)， 除了傳統(tǒng)上從數(shù)據(jù)庫中獲得的數(shù)據(jù)、營銷平臺搜集的數(shù)據(jù)、歷史數(shù)據(jù)之外， 還 要盡可能獲取消費者在互聯(lián)網(wǎng)社區(qū)上的一些視頻、圖片等信息( 比如新浪微博) 及地理空間信息等數(shù)據(jù) ， 這些數(shù)據(jù)能夠從側(cè)面反映消費者的態(tài)度、偏好等， 使營銷更精確。
對于用來存儲“用戶畫像”所需要數(shù)據(jù)的數(shù)據(jù)庫有很多， 本文選擇 SQL Server 數(shù)據(jù)庫。它是一款能用于大型聯(lián)機事務處理、數(shù)據(jù)倉庫和電子商務等方面應用的數(shù)據(jù)庫平臺， 它不僅能在企業(yè)內(nèi)部共享服務器， 查詢各種數(shù)據(jù)， 還能夠為企業(yè)降低管理、生產(chǎn)等各方面的成本 。
本文的“用戶畫像”是在“4C”理論的基礎(chǔ)上， 結(jié)合消費者的需求特點， 通過查閱文獻、調(diào)研、訪談并在專家的建議下構(gòu)建起來的 。
“4C”理論包括消費者、成本、便利和溝通 。其中， 消費者就是充分了解、研究、分析消費者的需求，可以從消費者的年齡、性別、職業(yè)等基本信息角度理解; 而成本不僅指消費者愿意支付的價格成本， 還包括時間、體力和精神成本; 便利則主要指的是方便消費者購買及使用， 這兩個因素可以從消費行為角度理解， 包括網(wǎng)頁瀏覽時間、點擊記錄等購買前的信息搜集行為及購買記錄等行為; 溝通則是通過互動的方式將消費者與企業(yè)結(jié)合在一起， 這樣企業(yè)就能知道消費者的忠誠度、滿意度等， 可以從購買后的評價及溝通平臺等角度理解。
由于“用戶畫像”屬于信息層面， 因此需要用數(shù)據(jù)庫的語言進行設計， 也就是需要用實體-聯(lián)系圖( entity-relation diagram， E-Ｒ 圖) 來完成。E-Ｒ 圖提供了表示實體( 即數(shù)據(jù)對象) 、屬性和聯(lián)系的方法， 用來描述現(xiàn)實世界的概念模型。用來描述“用戶畫像”的E-Ｒ 圖 所示。
1． 2 市場營銷中的數(shù)據(jù)挖掘方法
“用戶畫像”構(gòu)建完之后， 需要對數(shù)據(jù)進行挖掘，這也是大數(shù)據(jù)時代數(shù)據(jù)分析最重要的一步， 大數(shù)據(jù)分析， 最關(guān)鍵的就是從不相關(guān)的數(shù)據(jù)到相關(guān)的關(guān)系。如何從大量不相關(guān)的數(shù)據(jù)發(fā)生聯(lián)系成為相關(guān)的關(guān)系， 這就需要進行數(shù)據(jù)挖掘。
數(shù)據(jù)挖掘方法有很多， 對于營銷來說， 主要有聚類、分類、關(guān)聯(lián)規(guī)則、決策樹和協(xié)同過濾等。其中， 分類主要用來對銷售數(shù)據(jù)分析， 其目的是通過構(gòu)建分類模型， 以此來確定顧客的興趣和消費傾向， 然后將數(shù)據(jù)分成給定的類別， 從而推斷消費者下一步的消費行為; 關(guān)聯(lián)規(guī)則主要是利用產(chǎn)品相似性進行推薦營銷， 比如經(jīng)典的啤酒與尿布的故事， 就是利用關(guān)聯(lián)規(guī)則成功營銷的案例; 決策樹主要用來保留顧客分析和顧客流失率分析， 而聚類則是根據(jù)“物以類聚，人以群分”的思路， 根據(jù)產(chǎn)品的相似性、顧客的群特征， 對消費者進行分類。聚類方法包括許多， 像基于層次的聚類、基于密度的聚類、基于網(wǎng)格的聚類， 聚類可以用來對客戶群體進行分類、對客戶背景分析、對客戶購買趨勢預測等。
1． 3 消費者細分因素的確定
消費者細分是一個陳舊的話題， 但是在大數(shù)據(jù)時代， 在人們擁有了更多的數(shù)據(jù)之后， 借助更好的挖掘工具、分析工具， 就能夠幫助企業(yè)對網(wǎng)上消費者進行全面的追蹤及精細的劃分， 在準確地劃分群體之后， 通過挖掘消費需求又可以進行個性化的精準營銷。大數(shù)據(jù)時代， 消費者細分因素的確定是以“用戶畫像”為基礎(chǔ)的。傳統(tǒng)細分主要基于兩個角度， 消費
者角度和產(chǎn)品角度 。消費者角度就是以消費者為研究重點， 主要從消費者的不同側(cè)面來細分消費群體; 產(chǎn)品角度就是以產(chǎn)品為導向的市場細分， 為企業(yè)制定營銷決策用。因此， 細分的標準不同就會有不同的市場適用性 。總之， 從消費者角度來說， 市場細分的依據(jù)主要有三方面: 人口特征、行為特征和心理特征 。
人口特征因素主要包括性別、年齡、職業(yè)、地區(qū)及婚姻狀況 。通過以往的文獻可知， 性別、年齡不同， 消費需求也不同; 消費者的教育程度、收入越高，購買新產(chǎn)品的可能性越高 ;而婚姻狀況對消費者的消費習慣也會產(chǎn)生影響 。
行為特征因素的選取主要參照消費者購買決策及專家意見來獲取并確定的。消費者在購買決策過程中大致經(jīng)歷需求誘發(fā)、信息搜集、比較選擇、購買決策、購后評價五個階段 。
心理特征 因 素 主 要 包 括 偏 好、態(tài)度和價值三個主要方面。偏好方面不僅包 括 消 費 者 對 顏 色、價格等與產(chǎn)品有關(guān)的偏好， 還包括消費者的一些行為偏好， 態(tài)度指的是消費者的滿意度與忠誠度。而價值則主要指的是消費者的感知價值 ， 消費者所感覺到的、一 些 與 心 理 有 關(guān)的利益 、價值等方面。
綜上所述， 構(gòu)建 消 費 者 細 分 因 素 模 型 如 表 1
所示
