基于大數據分析的精準營銷

唐志晶，孫景浩，王執政，伍玉通，周書冉

（河南師范大學，河南 新鄉 453007）

隨著我國電子商務和移動支付的快速發展，手機已成為人們生活中必不可少的工具。除了常規的通信功能外，手機還可以進行購物、支付、娛樂、學習和交流等。因此，選擇一個什么樣的手機已經成為廣大消費者注重要考慮的問題。移動終端的普及，讓數據分析隨地可行。大數據營銷使得營銷行動目標明確、可追蹤、可衡量、可優化，從而造就了以數據為核心的營銷閉環，營銷行動得到良性循環[1]。

1 對數據進行描述性統計分析

以網絡上某一品牌手機為例，進行數據分析，調查用戶的基本行為特征對手機購買的影響以及如何影響[2]。首先對數據進行量化處理，進而建立主成分分析模型，得到影響用戶購買手機的主要成分；最后，建立多項Logistic回歸模型，運用SPSS對數據進行處理，計算出各個因素對影響購買手機的權重，用以研究各個因子是如何影響是否購買手機的[3]。研究消費者的基本屬性和個人偏好對購買手機的影響，從而得出精準營銷策略[4]。

1.1 主成分分析模型

首先，分析用戶的個人偏好，發現并不是所有偏好都與用戶對手機的購買有所關聯，因此，建立主成分分析模型對用戶的基本屬性特征以及個人偏好進行主成分分析處理。

運用SPSS軟件對表格數據進行主成分分析處理，可得結果如表1所示。

表1 解釋的總方差

已知表1中合計項為主成分，則可知主成分為年齡、性別、學歷、職業、網絡購物指數、網絡活躍指數。

1.2 多項Logistic回歸模型

Logistic回歸分析的因變量應是分類變量，并且包含順序變量和名義變量。不論是哪一種變量都要用數字來表示其取值。自變量是數據型的連續變量，也可以使順序型分類變量。如果是名義變量，則需轉化成啞變量來解決。

二值變量的Logistic回歸模型：假設因變量y是一個取值為1和0二值變量（binary variable），x是一個影響y的危險因子（risk factor）。令在x條件下y=1的概率是P=P(y=1|x)，則有表達式：

首先，對主成分分析模型計算出的主要因子進行集成處理，利用SPSS軟件進行多項Logistic回歸分析，將用戶是否購買手機設為因變量y，性別、年齡、學歷、職業、網絡購物指數和網絡活躍指數為自變量xi(i=1,2,…,6)，得出模型擬合信息與擬合優度（見表2—3）。

表2 模型擬合信息

表3 擬合優度

通過讀取模型擬合信息表的最后一列“顯著性”可知，顯著性值小于0.05，這說明模型具有統計意義，模型通過了初步檢驗；原假設模型能夠很好地擬合原始數據，通過讀取擬合優度表可知，最后一列Pearson卡方顯著性值為0.606，說明自變量與因變量呈強相關狀態，因此，模型對原始數據的擬合通過檢驗。進而對參數估計表進行分析，該表中B列為自變量不同分類水平在模型中的相關系數，正負號表明它們與購買選擇是呈正比還是反比關系。其中第六列是瓦爾德檢驗顯著性值，此值小于0.05說明對應自變量的系數具有統計意義，對因變量不同分類水平的變化有顯著影響。

大學本科用戶和大學專科用戶相比，大學本科用戶更傾向于購買此種手機，并且這種可能是與碩士及以上用戶構成顯著差異；手機的購買選擇，被調查用戶的網絡購物指數和網絡活躍指數介于501～1000沒有影響。從而我們得到未購買的判別方程如式（3）所示：

由于單一調查用戶的各項數據只會出現在一個分段，所以上式的αi就代表B列中的相關系數，例如某用戶的年齡為30，性別男，學歷大學本科，則上式中α1為-0.013, αi為30，α2為0，bi為1，α3為0.232，di為1，以此類推。

2 精準營銷分析

精準營銷的溝通對象不再是所有客戶而是經過細分的目標客戶，精準營銷不僅僅是基于互聯網的一種營銷工具，不再僅僅依靠大眾媒體，而是以社交平臺、搜索引擎等分眾媒體為主進行溝通，通過高效的互動，使得受眾的接觸度更直觀，從而使實施效果可衡量、更精準。精準營銷的前提是精準定位。只有運用基于用戶行為的精準廣告投放，才能精準地體現用戶的愛好，給用戶提供精準的個性化的服務。做到精準營銷要有精準的營銷理念、對客戶進行精準分析、對產品進行精準的市場定位、將產品精準投放到不同地區、提升客戶的體驗度、最后要對品牌進行精準的管理。

精準營銷的前提是精準定位。根據建立的挖掘模型對所查閱的數據進行處理后，得到100位潛在用戶。分析這100位用戶的基本特征和行為偏好可知，購買手機概率高的用戶，會選擇在某購物平臺上瀏覽、搜索不同手機品牌的信息，針對此現象，手機銷售部門可以加大在此購物平臺上的廣告投放力度，再根據停留時間進一步分析可知，可以選擇17：00-21：00時間段內為廣告投放時間；同理即可分析出其他用戶的愛好與廣告投放之間的聯系。同時，手機宣傳部門可以針對有不同購買概率的用戶，進行廣告投放力度的調整，包括投放時間長短、投放平臺數量等因素。就是說，可以針對購買概率極高的用戶所在網絡停留時間段和停留的購物平臺，采取最大的廣告投放力度，投放時間最長、投放數量最多；購買概率較高的用戶，可以在上述投放力度上減小些，投放時間減短一些、投放數量減少些；對于購買概率相對較低的用戶，可以采取最低的廣告投放力度，時間最短，平臺投放量最少。

3 結語

該模型結合數據挖掘可應用于商品實現精準營銷，以及在不同的網絡平臺上的廣告投放問題，可幫助企業制定營銷戰略，定量分析出在什么合適的時間，什么合適的地點，把商品以合適的方式推銷給那些合適的人。亦可結合“大數據殺熟”策略，針對不同的用戶，實現營銷捆綁，興趣牽制等目標。

[1]金懿.大數據下的廣告營銷戰略發展趨勢[J].中國傳媒科技，2013（14）：39-40.

[2]曲曉琳.大數據為精準營銷鋪路[J].經濟論壇，2015（6）：118-120.

[3]李存琛.海量數據分布式存儲技術的研究與應用[D].北京：北京郵電大學，2013.

[4]玄文啟.大數據背景下的網絡營銷模式[J].中國科技信息，2015（17）：105-106.