大數據環境下基于用戶畫像的精準營銷策略研究

王 斐

一、引言

近些年來，隨著互聯網技術的迅速發展，用戶由以往的信息匱乏時代進入了信息、數據高速生產的“信息超載”時代，包括電子商務數據、社交網絡數據、短視頻領域數據等在內的各種各樣的數據大量涌入用戶的視線，使得用戶在面臨種類繁多的產品選擇時無所適從。 另一方面，隨著經濟高速發展，用戶的經濟水平、消費能力也隨之有了很大的提升，用戶越來越注重自身的實際需求與個性化需求。 在這種情況下，怎樣更好地利用數據的價值，實現針對用戶的精準營銷，將滿足用戶需求的產品推薦給用戶，從而進一步提升產品和服務轉化率，顯得尤為重要。 因此，本研究提出將大數據時代的產物、融合大數據技術的用戶畫像方法應用于現有的營銷活動中，希望能夠進一步實現精準營銷，提升用戶的滿意度與忠誠度。

二、研究背景及相關理論基礎

隨著《促進大數據發展行動綱要》《關于積極推進“互聯網+”行動的指導意見》等重大發展戰略方針的制定和實施，我國的互聯網行業得到了快速發展。 第44 次《中國互聯網絡發展狀況統計報告》指出，截至2019年6月，我國網民規模達8.54 億，互聯網普及率達61.2%；手機網民規模達8.47億，網民使用手機上網的比例達99.1%。 同時，我國網絡購物用戶規模達6.39 億，占網民整體的74.8%；網絡視頻用戶規模達7.59 億，占網民整體的88.8%。 這份報告表明，我國網絡技術發展迅速，互聯網普及率越來越高，這就為海量數據的產生提供了良好的條件。

傳統的企業營銷無非線下廣告投放與電話銷售，企業大都是以產品為中心，將產品順利銷售出去從而獲取利潤是他們的最終目標。 然而，忽視用戶需求與其偏好特征，只是盲目地將廣告投放出去或是將電話打出去，這種銷售方式性價比是比較低下的。 而在大數據時代，我們可以充分利用海量的用戶數據，利用數據分析與數據挖掘技術，探索用戶偏好特征以及各種數據與產品銷售之間的關系，從而實現以用戶為中心，進行有針對性的市場營銷活動，既降低銷售成本，又提升產品轉化率。

(一)大數據

大數據，是指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。 麥肯錫全球研究所認為大數據是一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統數據庫軟件工具能力范圍的數據集合，具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特征。 大數據技術的戰略意義不在于掌握龐大的數據信息，而在于對這些含有意義的數據進行專業化處理。 換而言之，如果把大數據比作一種產業，那么這種產業實現盈利的關鍵，在于提高對數據的“加工能力”，通過“加工”實現數據的“增值”。

大數據技術的體系龐大且復雜，通用化的大數據處理框架主要分為數據采集與預處理、數據存儲、數據清洗、數據查詢分析和數據可視化。 其中的數據分析技術，可以幫助我們準確挖掘用戶興趣偏好，從而實現精準營銷。

(二)精準營銷

Philip Kotler 指出，精準營銷是通過制訂營銷計劃，獲取高投資回報的營銷溝通過程。 杰夫·薩賓給出的解答是：將信息在正確的時間借由適當的渠道發送至目標客戶達到營銷目標。 精準的含義是精確、精密、可衡量的。 精準營銷有以下五個特征：一是精準的目標用戶群體。 只有找到真正具備相應產品需求的用戶群，對其進行營銷活動，才能提升轉化率。 二是精準的市場定位。 精準營銷就是通過可量化的精確的市場定位技術突破傳統營銷定位只能定性的局限。三是精準的溝通。 精準營銷的系統手段保持了企業和客戶的密切互動溝通，從而不斷滿足客戶個性需求，建立穩定的企業忠實顧客群，實現客戶鏈式反應增值，從而達到企業長期穩定高速發展的需求。 四是精準的成本計算。 傳統的營銷方式只一味地投入，希望以成本換取產品知名度從而帶來收益，精準營銷可以將成本投入到目標用戶群體所在的位置，從而實現既降低成本又提高收益的可能性。 五是精準地把握用戶需求。 隨著人們生活水平的提高，用戶越來越注重自己的個性化需求，需求種類多樣，需求變動頻繁，精準營銷利用技術手段可以充分獲取用戶特征，理解用戶需求，從而獲得較高的用戶滿意度。

精準營銷由四個主要理論構成：4C 理論、讓客價值、溝通理論和反應原理。 而一切最核心的點在于以用戶為中心，充分理解用戶需求，為其推薦真正感興趣的產品，從而提高轉化率，降低成本，提高用戶滿意度。 實施精準營銷可以幫助企業更好地滿足消費者個性化需求，贏得更多的消費者和其對品牌的忠誠，可以有效地降低營銷成本，提升營銷效果。

(三)用戶畫像

用戶畫像(Users’Profile)由Alan Cooper 最早提出，是建立在一系列真實數據上的目標用戶模型，對同一類用戶進行不同維度的刻畫，旨在通過海量用戶行為數據挖掘有用信息，全面展現用戶的信息全貌。 用戶畫像的核心是給用戶貼標簽，即以短小的詞語描述用戶的某方面特征，反映用戶偏好特征的所有標簽聚集到一起，便刻畫出一個完整的用戶形象，充分展現用戶的各方面特征。 用戶畫像是分領域的，也就是不能所有領域都用一個統一的畫像，比如在支付寶里的用戶畫像和微信里的用戶畫像肯定是不一樣的，所以企業在利用用戶畫像技術分析用戶時，要根據具體領域收集相關領域的用戶信息數據，建立起相關領域的用戶畫像模型，只有這樣，才能使分析結果更加精準。

用戶畫像技術的應用是為了更好地理解用戶需求、提高用戶滿意度，而隨著互聯網技術的發展，大數據環境下的用戶畫像不僅可以充分理解用戶需求，還可以預測用戶需求。相對于傳統的市場營銷活動，大數據環境下的用戶畫像具備多維度數據、細粒度數據，并保持動態性特征。 這些特征使得企業的營銷活動更加精準，不僅如此，還可以利用回歸分析、聚類分析、神經網絡等算法對營銷結果進行預測并分析其結果，發現用戶新需求與潛在用戶市場，更好地提高企業的投資回報率。

三、基于用戶畫像的精準營銷策略

傳統市場營銷中，企業想要抓住用戶需求，以及準確了解用戶的偏好、個性、興趣等影響消費者購買行為的決策因素是非常困難的，特別是對于現在的大數據時代而言，海量的數據使得用戶行為偏好更難把握和理解，而用戶興趣偏好隨著時間、環境等因素發生改變，呈現動態性特征，更使得企業難以解決這一問題。 在眾多的大數據工具中，用戶畫像技術是幫助企業準確識別和分析目標用戶的最有效工具之一。因此，本研究將用戶畫像技術引入企業營銷活動中，希望能夠利用用戶畫像準確理解和把握用戶需求，在此基礎上對需求進行預測及分析，提高企業的決策效率，實現精準營銷。

(一)用戶畫像的構建

1.用戶畫像數據采集與處理

構建用戶畫像模型需要大量的數據，覆蓋用戶的各個維度，例如人口統計學數據、用戶行為數據、用戶偏好數據等。數據越多，畫像越豐滿，人物特征表現越豐富，這樣的畫像，能夠更好地幫助企業理解用戶需求，準確把握用戶偏好特征，從而在對其進行營銷活動時，可以有針對性地進行相應的產品推薦。

大數據環境下，用戶畫像數據主要分為靜態數據和動態數據兩大類。 靜態數據主要指的是人口統計學數據，例如性別、職業、年齡、位置等數據，這些可以通過用戶的注冊信息收集到；動態數據是指用戶不斷變化的一些行為數據，例如瀏覽數據、點擊數據、觀看數據、搜索數據等，動態數據不具有顯式特征，需要通過數據分析與數據挖掘技術從用戶日志系統、App 后臺等進行提取。

隨著互聯網的發展，海量數據充斥著人們的世界，現有的數據類型已不僅僅是結構化數據，還有大量的半結構化數據、非結構化數據，用戶畫像模型的構建需要各種類型的數據。 要想準確提取各種類型數據所攜帶的價值，企業需要對收集的數據進行清洗，然后利用計算機技術，將各種各樣的數據加工成用戶畫像建模所需要的數據集。

2.用戶信息標簽化

用戶畫像通俗而言就是為用戶貼標簽，因此，用戶信息標簽化是構建用戶畫像的核心工作。 準確的標簽體系，可以將用戶特征呈現在企業面前，為企業決策提供輔助借鑒。 用戶畫像數據標簽是通過對用戶信息分析而來的高度精練的特征標識，如性別、年齡、地域、用戶習慣、用戶偏好等，最后將所有標簽綜合起來，就可以勾勒出該用戶的畫像。 標簽具有語義化特征，可以幫助企業理解每個標簽的含義，準確判斷用戶的偏好特征，從而實現精準營銷。

3.建立用戶畫像模型

用戶畫像建模就是將收集并處理好的用戶信息與數據進行標簽化處理之后，實現的用戶“可視化”構建。 用戶畫像構建可大致分為三個層次：用戶數據收集層、用戶數據處理層、用戶數據分析及標簽層。 其中，用戶數據收集層主要是負責靜態數據與動態數據的收集；用戶數據處理層則是把收集到的數據進行清洗、過濾、去重等操作，移交給數據分析及標簽層；用戶數據分析及標簽層則是利用數據挖掘技術對處理后的數據進行分析，并在此基礎上對數據進行標簽化工作，最終構建起用戶畫像模型。 值得注意的是，由于用戶每時每刻都在產生新的數據，用戶畫像模型也需要具備動態性特征，只有這樣，才能及時發現用戶需求偏好的改變，進而調整企業的營銷策略，提高用戶的滿意度與忠誠度。

(二)精準化廣告推送

傳統企業的市場營銷活動大多是線下大范圍投放廣告，諸如廣告牌之類，而現在，企業具備了用戶畫像模型，了解了產品目標用戶的具體特征，包括興趣偏好等信息，可以有針對性地投放廣告。 比如通過Google Adwords，根據用戶畫像模型，篩選出企業目標用戶的年齡范圍、地理位置、收入范圍等進行廣告的投放，這樣既精準地到達了企業的目標用戶，同時又極大地降低了廣告成本。 如果每個企業都是根據用戶畫像模型進行廣告的精準投放，那就極大地降低了用戶的信息超載現象，對于接收到的廣告，用戶也不會視若無睹，循環促進，既減小用戶收到不符合自身需求的“垃圾信息”的可能性，提高用戶滿意度，又降低了企業的營銷成本。

(三)精準化產品推薦

現下的市場環境里，不僅產品種類繁多，而且同質化產品的數量也是越來越多，在激烈的市場競爭中，企業要想站穩腳跟，就必須具備核心競爭力。 擁有良好的服務、及時為用戶推薦用戶需要或是感興趣的產品，就是企業的競爭力所在。 用戶畫像模型為企業進行精準的產品推薦提供了幫助。現有的推薦算法中，協同過濾推薦算法應用最為廣泛，其基本思想是利用用戶的相似度尋找最近鄰，再基于預測評分為用戶推薦產品。 然而，協同過濾算法忽視了用戶自身的特征偏好，因此，基于用戶畫像模型的推薦具有更高的精準性，使推薦結果更加符合用戶需求偏好，能提高用戶滿意度。

四、總結與展望

大數據時代給傳統市場營銷活動帶來了挑戰：各種各樣的數據泛濫，嚴重影響了用戶的選擇能力，用戶在眾多的產品種類面前感到無所適從，這就需要企業運用精準營銷更好地服務用戶，使其在激烈的市場競爭中具備自己的核心競爭力。 用戶畫像作為大數據時代的技術工具之一，為企業準確判斷用戶興趣偏好從而實現精準營銷提供了幫助。 事實證明，將用戶畫像融入企業營銷活動中是正確的選擇。 但是，在用戶畫像建模過程中，企業收集用戶信息進行分析挖掘，用戶數據面臨外泄的風險，很多用戶為了保護自己的信息安全，不愿意泄露或是輸出自己的真實信息，使得企業無法準確判斷用戶需求，從而降低用戶畫像方法的現實意義。 怎樣實現用戶的隱私保護，以及怎樣建立用戶與企業之間的信任感，是需要進一步研究的方向所在。