用于電子商務平臺精準營銷的數據挖掘算法需求綜述

王鑫龍 張音

[摘 要]近年來，隨著電子商務和社會經濟的發(fā)展，人們的生活習慣發(fā)生了較大變化，購物習慣也因此而發(fā)生變化，商家只有摸清人們的購物習慣變化，并采用相應的營銷策略，才能留住老客戶和發(fā)現新客戶，本文對目前電子商務平臺中精準營銷的數據挖掘需求及其算法進行了綜述，希望能對相關研究給予一定幫助，最后本文對未來進行了展望，認為隨著電子商務和數據挖掘技術的繼續(xù)發(fā)展，用戶的需求會越來越豐富，精準營銷理論也會隨之愈加深化，國內外學者對電子商務平臺中精準營銷的業(yè)務理解和分析思路也會更加精確和成熟。

[關鍵詞]精準營銷；數據挖掘；電子商務

[DOI]10.13939/j.cnki.zgsc.2015.01.015

1 前 言

近年來，隨著電子商務和社會經濟的發(fā)展，人們的生活習慣有了較大變化，越來越多的企業(yè)通過電子商務進行交易、結算等商務活動，在網上進行消費、投資活動的人群也逐年增多，人們的日常活動，包括食品、衣物、旅行、票務預訂、教育等活動都可以通過網絡得到滿足，電子商務越來越緊密的和消費者結合。截至2014年6月，中國電子商務交易額超過5.8萬億元，互聯網用戶超6.7億，網購用戶數量超過3.1億人。但是雖然每天都有數以億計的消費者在網絡中進行購物活動，但網絡中亦有數以萬計的商家在網絡中從事商業(yè)活動，對于每一個商家而言，如何對市場進行劃分，精準的進行產品、市場進行定位，抓住老客戶，發(fā)現新客戶，在眾多的商家中脫穎而出成為擺在每個商家面前的問題。[1]

2005年，菲利普·科特勒提出了精準營銷的概念，并首次提出了基于互聯網的精準營銷理論，他認為：“日新月異的科技使一些公司勇于從傳統的大眾傳媒溝通方式轉移到更加有針對性目標市場的互動模式，以此來不斷提高溝通的效果和效率。”隨著技術的不斷發(fā)展，數據挖掘成為網絡中精準營銷的重要抓手，消費者在網絡中購物、瀏覽網頁等活動中留下了大量的交易數據、Web數據等信息，這些數據中隱藏著巨大的商業(yè)價值，對其進行研究和挖掘，具有重要意義，消費者可以獲得更滿意的購物體驗，商家可以獲得更公平的流量分配，電子商務平臺也可以因提供精準營銷服務而獲得更多商家入駐和獲得新的贏利點，以及更多消費者的關注。

2 精準營銷和數據挖掘相關理論研究

精準營銷是指在恰當的時間，提供恰當的產品，用恰當的方式，送到恰當的顧客手中，恰當到一定程度，稱之為精準，這是國內學者對精準營銷的描述。在實際研究中，也有學者認為精準營銷是通過定量和定性相結合的方法對目標市場的不同消費者進行細致分析，根據他們不同的消費心理和行為特征，采用有針對性的現代技術、方法和指向明確的策略，實現對目標市場不同消費者群體強有效性、高投資匯報的營銷溝通。其特征主要體現在目標對象的選擇性、溝通策略的有效性、溝通行為的經濟性、溝通結果的可衡量性和精準程度的動態(tài)性五個方面，其所包含的理論包括顧客讓渡價值理論、市場細分理論和4C理論，精準營銷實施的策略和途徑包括郵件、呼叫中心、短信等基于數據庫的精準營銷方法，門戶網站廣告、關鍵詞搜索等基于互聯網的營銷方法和借助擁有共同客戶群商家的基于第三方渠道營銷方法三種，精準營銷是對經典營銷的延伸和發(fā)展，其主要集中在挖掘客戶、客戶溝通、信息傳播和增值服務等方面。

數據挖掘從廣義上來講又稱數據庫中的知識發(fā)現，是從數據庫中大量數據中發(fā)現隱含的、未知的有價值信息的過程。[2]數據挖掘是目前數據庫和人工智能領域研究的熱點問題，目前已廣泛應用到各個領域和行業(yè)，包括商業(yè)領域中產品生產、市場營銷、客戶關系管理等，金融領域中投融資評估、股票交易等；物流領域的路線規(guī)劃、天氣預測等；教育領域的高中生管理、畢業(yè)生就業(yè)分析有情。數據挖掘需要的原始數據可以是結構化的數據，也可以是半結構化的數據，如圖形、圖像、文本等數據；也可以是網絡中異構數據，在數據挖掘中采用的算法包括分類分析、回歸分析、聚類分析、Web頁挖掘、預警分析等，它們模擬人們的歸納、演繹等思維邏輯，從不同的角度對數據進行挖掘，滿足客戶細分、客戶行為預測、特征發(fā)現、風險預警等方面的信息需求。

3 用于電子商務平臺精準營銷的數據挖掘需求分析

當消費者在電子商務網站上有了瀏覽、購買、評價行為后，該用戶就成網站的價值客戶，其相關數據被電子商務網站和商家的數據庫所記錄，電子商務數據分為前端行為數據和后端商業(yè)數據兩類，前端行為數據包括瀏覽量、訪問量、點擊量及搜索關鍵詞等用戶行為數據；后端商業(yè)數據包括交易信息、購買商品、支付金額、購買數量等信息。對這些數據進行分析可以幫助商家了解用戶行為習慣、客戶群細分、發(fā)現高價值客戶、維持客戶關系、發(fā)掘潛在客戶等，總的來說，可以將其需求劃分為以下三個方面：

3.1 客戶前端行為習慣

客戶行為習慣的分析主要源自對前端行為數據的分析，其分析的關鍵即對用戶的轉化流程的分析，用戶轉化流程主要包括瀏覽過程、購買流程、注冊流程、互動流程等，其目的是使用戶心情愉悅的進行操作，并較快地找到想要的結果，從而達成交易。客戶行為習慣分析包括兩個內容：一是分析特定用戶群在網頁上流轉的規(guī)律和特點，發(fā)現頻繁訪問的路徑模式，提煉出該用戶群體的主流路徑和瀏覽特征，對網頁優(yōu)化和改版、對用戶下一個瀏覽頁面進行預測；二是對搜索關鍵詞進行分析，在對大量用戶檢索行為分析的基礎上，得出最有效的關鍵詞組合，優(yōu)化廣告發(fā)布頁面的相關性，提高轉化率。[3]

3.2 客戶后端購買行為分析

電子商務客戶后端購買行為在精準營銷方面的需求主要有目標客戶特征分析、客戶分類、保留和延長客戶生命周期和利潤貢獻、商品智能推薦等，其目的主要是通過挑選指標變量進行數據挖掘，以便運營團隊提供精細化、個性化運營和服務，從而實現特定營銷目的。

3.2.1 目標客戶特征分析

目標客戶特征分析是精準化營銷的第一步，因為在精準營銷之前，第一步就是要找準目標客戶和受眾，特別是當企業(yè)剛推出新產品的時候，產品運營團隊尤其需要一個對目標客戶特征的初步描述，這個時候需要依據產品設計初衷、產品定位及運營團隊初步的理想化的猜測，從歷史數據中挖掘出目標客戶典型特征；在該產品試運營之后，再根據收集到的用戶資料對目標客戶特征進行修正。

3.2.2 客戶分類

客戶分類主要是精準要求的必然要求，目的是針對不同客戶群體采用不同的營銷方式，從而提高運營團隊的運營效率和付費轉化率，在實際操作中主要是通過分析數據庫中的交易數據，按照各個客戶指標（如自然屬性、交易額、價值度等）對客戶進行分類，確定各類客戶行為模式，運營團隊據此采取相應營銷措施實現企業(yè)利潤最大化。

3.2.3 保留和延長客戶生命周期和利潤貢獻

當客戶在商家購買東西后，商家就會有需求來保留和延長客戶生命周期和利潤貢獻，為實現這個需求商家一般會有兩種策略，一是保留客戶，通常是建立客戶流失預警模型提前鎖定有價值的客戶，對其進行客戶關懷；二是通過交叉消費等手段，讓客戶消費更多商品和服務，挖掘客戶利潤，這都依賴于數據挖掘的實施。

3.2.4 商品智能推薦

在電子商務網站中，經常需要針對不同的客戶進行商品推薦，縮減客戶搜索成本，提高客戶體驗，提高網站流量的轉化率，提高營收。根據商品推薦的對象來分，可以分為面向瀏覽用戶的推薦和面向登錄用戶的推薦兩種，面向瀏覽用戶的推薦往往是常規(guī)推薦，其指的是符合常規(guī)商品關聯邏輯的一些推薦，面向登錄用戶的推薦往往是個性化推薦，是指基于購買行為間關聯性歸納出的商品推薦。

3.3 指標異常檢測

孤立點和異常值是與整體數據行為特征不一致的數據，孤立點和異常值在數據挖掘中通常表現為分類中的反常實例、不滿足規(guī)則的特例、觀測結果與模型預測值的偏差、量值隨時間的變化等，對這些偏差進行檢測很有意義，在電子商務數據挖掘的一些業(yè)務中其能反映出外界市場變化的客觀反應，如當網站PV減少的時候需要對搜索來源、直接訪問量、搜索關鍵詞等進行分析，及時發(fā)現市場變化，做出相應調整。

4 用于電子商務平臺精準營銷的數據挖掘算法研究

目前在電子商務平臺精準營銷中應用的數據挖掘算法基本覆蓋了數據挖掘算法中的聚類算法、分類和預測算法、關聯規(guī)則算法這三個類別，本文對其概念、使用范圍和算法進行了綜述和分析。[4]

4.1 聚類算法

聚類分析是精準營銷中比較基礎和比較重要的算法之一，聚類算法可以實現針對目標群體的多指標群體劃分，這些分類往往是精準營銷的基礎和核心，只有正確地進行分類，精準營銷的業(yè)務需求才能有效地開展，其業(yè)務場景主要如下：一是目標客戶群的分類；二是不同產品的價值組合（交叉銷售）；三是孤立點、異常值的探測和發(fā)現。該算法可以分為劃分方法、層次方法、基于密度的方法和基于網格的方法及數據來源。

4.2 分類和預測算法

分類和預測是數據分析的兩種形式，主要用來抽取能夠描述重要數據集合或預測未來數據趨勢，分類算法主要用來預測數據對象的離散類別，預測方法用于預測數據對象的連續(xù)取值。分類算法主要應用的業(yè)務范圍包括：一是按照既定的標簽或目的對客戶進行分類以便尋找不同種類用戶的特征；二是利用分類算法得出的反常實例揭示異常現象，常用算法包括決策樹、KNN法、SVM法、VSM法、貝葉斯法、神經網絡等，預測算法主要應用的業(yè)務范圍是預測客戶訪問行為、商品銷售小預測等，算法主要包括線性回歸、多元回歸、非線性回歸等。

4.3 關聯規(guī)則算法

關聯分析，關聯規(guī)則算法主要是發(fā)現不同項之間的相關性，利用關聯規(guī)則可以發(fā)現存在在數據庫中的可被發(fā)現的兩個或多個變量取值之間存在的規(guī)律性。在電子商務精準營銷中，其業(yè)務場景主要如下：一是發(fā)現訪問頁面之間的關聯規(guī)則；二是找出客戶可能會感興趣的商品推薦；三是商品智能推薦。關聯規(guī)則算法在精準營銷中應用較為廣泛的是Apriori算法、協同過濾算法等。

5 結 論

隨著電子商務和數據挖掘技術的繼續(xù)發(fā)展，用戶的需求會越來越豐富，精準營銷理論也會隨之愈加深化，國內外學者對電子商務平臺中精準營銷的業(yè)務理解和分析思路也會更加精確和成熟，滿足精準營銷需求的數據挖掘的研究算法也會更加靈活，在應用中對業(yè)務提升的效果也將愈加顯著。

參考文獻：

[1]李維勝，蔣緒軍.電子商務精準營銷對策研究[J].開發(fā)研究，2013（2）：46-49+96.

[2]劉金勇.Web數據挖掘在電子商務中的研究應用[J].網絡安全技術與應用，2013（9）：25-26.

[3]譚恒松.中小企業(yè)移動電子商務精準營銷策略研究[J].中國商貿，2013（28）：87-88.

[4]張鴿.論精準營銷在電子商務中的應用[J].長沙民政職業(yè)技術學院學報，2013（4）：45-46.