基于大數(shù)據(jù)精準(zhǔn)營銷的數(shù)據(jù)分析研究

尹景喆

【摘 要】精準(zhǔn)營銷是在充分了解顧客信息的基礎(chǔ)上，針對顧客偏好，有針對性地進行營銷，并以事實為依據(jù)，以數(shù)據(jù)為基礎(chǔ)，實現(xiàn)對未來客戶的精準(zhǔn)定位、銷售情況的準(zhǔn)確預(yù)估以及對不同客戶不同業(yè)務(wù)內(nèi)容的精確推薦。本文基于大數(shù)據(jù)精準(zhǔn)營銷，從精準(zhǔn)營銷的定性分析與定量分析兩個方面，對數(shù)據(jù)進行分析和挖掘，為精準(zhǔn)營銷提供依據(jù)和支持。

【關(guān)鍵詞】精準(zhǔn)營銷；數(shù)據(jù)分析；定性分析；定量分析

精準(zhǔn)營銷，是在充分了解顧客信息的基礎(chǔ)上，針對顧客偏好，有針對性地進行營銷，就是在合適的時間向合適的人提供合適的產(chǎn)品。同時，精準(zhǔn)營銷要以事實為依據(jù)，以數(shù)據(jù)為基礎(chǔ)，實現(xiàn)對未來客戶的精準(zhǔn)定位、銷售情況的準(zhǔn)確預(yù)估以及對不同客戶不同業(yè)務(wù)內(nèi)容的精確推薦。基于大數(shù)據(jù)精準(zhǔn)營銷的數(shù)據(jù)分析，就是從精準(zhǔn)營銷的角度，對數(shù)據(jù)進行挖掘與分析，找出數(shù)據(jù)的內(nèi)在規(guī)律，對未來情況進行預(yù)計，為企業(yè)營銷戰(zhàn)略的制定和營銷目標(biāo)的實現(xiàn)提供重要依據(jù)。

一、背景介紹

隨著近年來互聯(lián)網(wǎng)、新社交媒體的發(fā)展，信息過載，數(shù)據(jù)爆炸、大數(shù)據(jù)分布式存儲、大數(shù)據(jù)分析及挖掘技術(shù)的發(fā)展使得對海量數(shù)據(jù)進行收集、分析、整合成為可能。基于大數(shù)據(jù)精準(zhǔn)營銷對企業(yè)營銷戰(zhàn)略提出了很大的機會和挑戰(zhàn)。可以說，精準(zhǔn)營銷是一個基于數(shù)據(jù)分析的量化過程，從而實現(xiàn)對客戶的精準(zhǔn)定位、數(shù)據(jù)的準(zhǔn)確預(yù)估等。因此，怎樣面對大量數(shù)據(jù)進行數(shù)據(jù)分析，并通過分析得出有價值的營銷信息，實現(xiàn)精準(zhǔn)營銷，這里就需要一些數(shù)據(jù)統(tǒng)計分析方法的支持。

在精準(zhǔn)營銷領(lǐng)域，數(shù)據(jù)統(tǒng)計分析的方法又可分為定性分析法和定量分析法。定性分析法如分類、關(guān)聯(lián)等，重點解決的問題有：哪些客戶是某個產(chǎn)品或者營銷活動的目標(biāo)用戶？每個用戶最適合推薦的產(chǎn)品是什么？定量分析法如時間序列預(yù)測、移動平均模型、指數(shù)平滑模型、趨勢預(yù)測法、季節(jié)指數(shù)法、貝葉斯統(tǒng)計預(yù)測方法、馬爾可夫分析法等，重點關(guān)注怎樣通過對客戶消費行為數(shù)據(jù)和歷史規(guī)律的挖掘與分析，預(yù)測未來客戶需求數(shù)據(jù)的問題，實現(xiàn)以客戶為中心的精準(zhǔn)營銷。本文從精準(zhǔn)營銷的定性數(shù)據(jù)分析與定量數(shù)據(jù)分析兩個方面展開討論。

二、精準(zhǔn)營銷數(shù)據(jù)中的定性分析

分類法：分類就是按照事物的性質(zhì)、特點、用途等作為區(qū)分的標(biāo)準(zhǔn)，將符合同一標(biāo)準(zhǔn)的事物聚類，不同的則分開的一種認(rèn)識事物的方法，是數(shù)據(jù)分析應(yīng)用最廣泛的應(yīng)用之一。可利用分類法尋找目標(biāo)客戶的共有特征，通過分析準(zhǔn)確的找到目標(biāo)用戶。構(gòu)建分類模型方法有決策樹、神經(jīng)網(wǎng)絡(luò)、判別分析等方法。

關(guān)聯(lián)法：主要解決的問題是研究產(chǎn)品購買的關(guān)聯(lián)性，即購買A產(chǎn)品的同時是否會對B產(chǎn)品感興趣。關(guān)聯(lián)分析又叫“購物籃分析”，意思是在超市購物時，一個購物車中往往會放多種不同的商品，通過大量的購物車分析商品之間可能會存在眾多意料之中或意料之外的關(guān)聯(lián)性。主要解決兩大類問題：一是如何對客戶進行商品推薦，二是把哪些商品捆綁在一起銷售更好。關(guān)聯(lián)法就是從一種行為中發(fā)現(xiàn)與之相關(guān)聯(lián)的另一中行為，其廣泛應(yīng)用于零售業(yè)、金融業(yè)及互聯(lián)網(wǎng)行業(yè)。最典型的運用是超市的購物籃分析，挖掘一般顧客在購買X產(chǎn)品的同時還會購買其他什么產(chǎn)品，于是制定相應(yīng)營銷策略，進行捆綁銷售，增加銷售量。電子購物網(wǎng)站也使用關(guān)聯(lián)法對相關(guān)數(shù)據(jù)進行分析。一些購物網(wǎng)站使用關(guān)聯(lián)規(guī)則設(shè)置相應(yīng)的交叉銷售，也就是使得購買某種商品的顧客會看到相關(guān)的另外一種商品的廣告。

三、精準(zhǔn)營銷數(shù)據(jù)中的定量分析

時間序列預(yù)測：時間序列就是一個變量在一定時間段內(nèi)不同時間點上觀測值的集合。這些觀測值是按時間順序排列的，如按年、季度、月、周等統(tǒng)計的商品銷量、銷售額或庫存量。通過時間序列觀測值的變化規(guī)律與趨勢或因變量觀測值與自變量觀測值之間的函數(shù)依賴關(guān)系，來推算未來預(yù)測值的方法。

移動平均模型：利用平均使各個時間點上的觀測值中的隨機因素互相抵消掉，以獲得關(guān)于穩(wěn)定水平的預(yù)測，將包括當(dāng)前時刻在內(nèi)的N各時間點上的觀測值的平均值作為對于下一時刻的預(yù)測值。

例：某商品在過去12周的銷售數(shù)量以用移動平均預(yù)測模型進行預(yù)測的數(shù)據(jù)如下表：

折線圖如下：

按照移動平均預(yù)測模型，某商品第13周銷量預(yù)測值為20.25。

指數(shù)平滑模型：也稱為改進的移動平均預(yù)測模型，是在移動平均預(yù)測模型的基礎(chǔ)上，將計算平均值時對于不同時期觀測值的權(quán)數(shù)設(shè)置的不同，近期的全數(shù)較大，遠期的權(quán)數(shù)較小。

將上例按照指數(shù)平滑法進行建模，阻尼系數(shù)取0.3時的模擬出第13周銷量預(yù)測值為20.8，如下圖：

趨勢預(yù)測法：對于含有線性趨勢成分的時間序列，可以將預(yù)測變量在每一個時期的值和其對應(yīng)時期之間的線性依賴關(guān)系表示出來，確定相關(guān)系數(shù)（直線方程的斜率和截距）后，可得到直線趨勢方程。以此可求得每個預(yù)測區(qū)間的預(yù)測值。

季節(jié)指數(shù)法：對于既含有線性趨勢成分又含有季節(jié)成分的時間序列，對其成分進行分解，分解出趨勢成分、季節(jié)成分與不規(guī)則成分的乘積。由于不規(guī)則成分的不可預(yù)測性，預(yù)測值可表示為趨勢成分與季節(jié)成分的乘積。

貝葉斯統(tǒng)計預(yù)測方法：一種以動態(tài)模型為研究對象的時間序列預(yù)測方法。在做統(tǒng)計推斷時，一般由先驗信息加總體分布信息加樣本信息，從而推斷出后驗分布信息。貝葉斯模型不僅利用了前期的數(shù)據(jù)信息，還加入了決策者的經(jīng)驗和判斷等信息，將客觀因素和主觀因素結(jié)合起來，使得預(yù)測結(jié)果更加貼合實際。

馬爾可夫分析法：又稱馬爾可夫轉(zhuǎn)移矩陣法，是指在馬爾可夫過程的假設(shè)前提下，通過分析隨機變量的現(xiàn)時變化情況來預(yù)測這些變量未來變化情況的一種預(yù)測方法。這里以一個灰色馬爾可夫預(yù)測模型擬合為例介紹馬爾可夫分析法的運用。

（一）馬爾可夫過程概念介紹

人們在實際生活中常遇到具有下述特性的隨機過程：在已知它目前的狀態(tài)（現(xiàn)在）的條件下，它未來的演變（將來）不依賴于它以往的演變（過去）。這種已知“現(xiàn)在”的條件下，“將來”與“過去”獨立的特性稱為馬爾可夫性，具有這種性質(zhì)的隨機過程叫做馬爾可夫過程。endprint

如荷花池一只青蛙的跳躍是馬爾可夫過程的一個形象化例子。青蛙依照它瞬間或起的念頭從一片荷葉上跳到另一片荷葉上，因為青蛙是沒有記憶的，當(dāng)所處的位置已知時，它下一步跳往何處和它以往走過的路徑無關(guān)。如果將荷葉編號并用X0，X1，X2，…分別表示青蛙最初處的荷葉號碼及第一次、第二次、……跳躍后所處的荷葉號碼，那么{Xn，n≥0} 就是馬爾可夫過程。液體中微粒所作的布朗運動，傳染病受感染的人數(shù)，原子核中一自由電子在電子層中的跳躍，人口增長過程等等都可視為馬爾可夫過程。還有些過程（例如某些遺傳過程）在一定條件下可以用馬爾可夫過程來近似。

以上述荷花池中的青蛙跳躍過程為例，荷葉號碼的集合E叫做狀態(tài)空間，馬爾可夫性表示為：對任意的0≤n10，i0，i1，i2，…，i（n-1），i，j∈E，有

P[x（n）=in|x（0）=i0，x（1）=i1，...，x（n-1）=i（n-1）]=P[x（n）=in|x（n-1）=i（n-1）]（1）

只要其中條件概率有意義。一般地，設(shè)E={0，1，…，M}（M為正整數(shù)）或E={0，1，2，…}，Xn，n≥0為取值于E的隨機變量序列，如果（1）式成立，則稱{，n≥0}為馬爾可夫鏈。

（二）灰色馬爾可夫預(yù)測模型

傳統(tǒng)的灰色模型是利用微分方程給出系統(tǒng)生成序列長期、持續(xù)的變化過程，這一過程通過生成序列轉(zhuǎn)換得到，生成序列指減弱原序列隨機性后的序列，還原生成序列就得到系統(tǒng)趨勢作用。GM（1，1）是灰色模型中最常見的，兩個參數(shù)1分別表示系統(tǒng)含有一個變量，使用一階微分方程模型。其建模方式如下：

假設(shè)有非負的原始序列將其累加得到生成序列，其中，k=1，…，n，利用可建立下列形式的方程：

這是一個一階變量的一階微分方程，其中a和u是待識別的灰色參數(shù)，按最小二乘法求解得到：

其中

再由累減可得到原始序列的變化規(guī)律，即有

以上就是GM（1，1）模型的基本思路和公式。

對于利用GM（1，1）模型得到的預(yù)測結(jié)果，我們可以根據(jù)馬爾可夫鏈的方法獲得GM（1，1）模型在已知序列里的偏差規(guī)律（即偏差的狀態(tài)轉(zhuǎn)移矩陣），并且依照此規(guī)律對GM（1，1）模型結(jié)果進行修正，由GM（1，1）模型結(jié)果的一個預(yù)測數(shù)值，修正成為區(qū)間和概率組成的預(yù)測范圍，增加預(yù)測的可信度。這就是馬爾可夫預(yù)測方法的基本思路。

（三）實例分析

本文選取2003至2016年的某商品的銷售數(shù)據(jù)作為原始數(shù)據(jù)，見下表。

由此計算得到商品銷售總額的累加生成序列：

={1.2081，2.9484，4.986，7.3716，10.1647，13.4349，17.2637，21.7465，26.995，33.14，40.3346，48.7581，58.6204，70.1673}

進一步可以得到

由灰色馬爾可夫預(yù)測模型原理可以得到

于是可以得到某商品銷售總額的灰色預(yù)測模型：

由上式可以計算出2004-2016年某商品銷售總額的預(yù)測值，見下表。

由表3我們可以得到預(yù)測值與實際圖的比較圖，見下圖：

下面對于灰色預(yù)測結(jié)果進行馬爾可夫鏈改進。

首先，根據(jù)馬爾可夫鏈分析方法的應(yīng)用經(jīng)驗和實際情況，將預(yù)測值與實際值的偏差程度劃分為5種狀態(tài)。見下表：

按照上面分級標(biāo)準(zhǔn)，各年份商品銷售總額預(yù)測值與實際值偏差所處的狀態(tài)如表3所示。可見這13年沒有出現(xiàn)狀態(tài)4和狀態(tài)5。

計算出灰色預(yù)測結(jié)果馬爾可夫狀態(tài)轉(zhuǎn)移矩陣：

根據(jù)馬爾可夫鏈預(yù)測原理以及上述灰色預(yù)測模型，2012年到2015年銷售總額預(yù)測結(jié)果分別為6.1450，7.1946，8.4235和9.8623（千億元），且狀態(tài)向量均為，最大概率區(qū)間計算情況見下表：

如表5所示，我們建立的灰色預(yù)測模型在2012至2015年的預(yù)測值均落在最大概率區(qū)間內(nèi)，且這些區(qū)間包含實際值，因此認(rèn)為該模型擬合狀態(tài)良好。

根據(jù)馬爾可夫預(yù)測原理，2017年的預(yù)測狀態(tài)向量為（0 0.4921 0.5079），2017年銷售額預(yù)計落在在（11.48972，12.84165）區(qū)間和（12.84165，14.19695）區(qū)間的概率均約為50%。也就是說，根據(jù)此預(yù)測模型，2017年銷售額預(yù)計會超過1.1億元，并低于1.4億元。

以上運用灰色預(yù)測模型和馬爾可夫鏈預(yù)測相結(jié)合的方法，為營銷預(yù)測提供了一種全新的思路。本方法既考慮了從時間序列中挖掘數(shù)據(jù)的演變規(guī)律，又通過狀態(tài)轉(zhuǎn)移概率矩陣反映數(shù)據(jù)的隨機波動，具有嚴(yán)密性和科學(xué)性。此模型原理簡單易懂，計算簡便，可以隨著時間的變化將預(yù)測對象的新的實際值加入模型中，達到修正模型，提高預(yù)測精度的目的。

在市場競爭日益激烈的大環(huán)境下，營銷方式正在發(fā)生意義深遠的變革，從傳統(tǒng)的、大眾的、粗糙的轉(zhuǎn)向深度的、細分的、精準(zhǔn)的模式轉(zhuǎn)變。這種轉(zhuǎn)變要求營銷工作要建立在在深度數(shù)據(jù)分析挖掘的基礎(chǔ)上，因此，營銷數(shù)據(jù)的統(tǒng)計與分析，必將在精準(zhǔn)營銷領(lǐng)域中發(fā)揮強大的作用。

參考文獻：

[1]曾志生，陳桂玲.精準(zhǔn)營銷：如何精準(zhǔn)的找到客戶并實現(xiàn)有效銷售[M].北京：中國紡織出版社，2007.

[2]伍青生.精準(zhǔn)營銷的思想和方法[J].市場營銷導(dǎo)刊，2006.

[3]劉征宇.精準(zhǔn)營銷方法研究[J].上海交通大學(xué)學(xué)報，2007.

[4]韓家煒，數(shù)據(jù)挖掘：概念與技術(shù)[M]，北京：機械工業(yè)出版社，2006.

[5]丁建石.基于數(shù)據(jù)挖掘的精準(zhǔn)營銷應(yīng)用研究[J].商業(yè)時代，2007.