以數(shù)據(jù)挖掘技術(shù)進(jìn)行超市客群營(yíng)銷(xiāo)分析

郭楊暉 王順毅 林少杰 張宇輝 李仁鐘

摘要：本文首先介紹了論文的研究背景和數(shù)據(jù)挖掘中聚類(lèi)分析的發(fā)展現(xiàn)狀。然后從用戶(hù)群體分析出發(fā)，采用RFM、k-means、決策樹(shù)進(jìn)行建模。建立了會(huì)員信息的相關(guān)表格，根據(jù)所建的不同維表分析需求商品，對(duì)每個(gè)群體進(jìn)行細(xì)分，分析與其最有關(guān)聯(lián)的商品。通過(guò)決策樹(shù)從時(shí)間和金額兩個(gè)角度對(duì)超市銷(xiāo)售商品的需求進(jìn)行了詳細(xì)的分析。最后對(duì)高價(jià)值顧客、忠實(shí)顧客、潛力顧客、流失顧客分別進(jìn)行相應(yīng)的改進(jìn)措施及建議。

關(guān)鍵詞：數(shù)據(jù)挖掘;超市客群營(yíng)銷(xiāo);決策樹(shù);K-Means;RFM

中圖分類(lèi)號(hào) TP301.6? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）15-0242-06

1引言

1.1研究背景

隨著消費(fèi)者購(gòu)買(mǎi)喜好、市場(chǎng)大環(huán)境等的變遷，價(jià)格不如量販店便宜、通路也不及便利商店多的超市卻日漸興盛，如全聯(lián)超市銷(xiāo)售額已超越量販店第二的大潤(rùn)發(fā)，甚至擴(kuò)大市場(chǎng)占有率，并吞了松青超市，在市場(chǎng)上逐漸穩(wěn)占龍頭。但此行業(yè)競(jìng)爭(zhēng)激烈且市場(chǎng)日趨飽和，消費(fèi)者逐漸掌握主導(dǎo)權(quán)，商家無(wú)不想掌握顧客的喜好與需求，來(lái)追求最大收益。因此，如何發(fā)掘并滿(mǎn)足顧客需求，進(jìn)行針對(duì)性的營(yíng)銷(xiāo)策略，以提高顧客人數(shù)和消費(fèi)金額，是超市要獲利的首要任務(wù)。綜合以上因素，我對(duì)此項(xiàng)議題相當(dāng)感興趣，故選擇超市營(yíng)銷(xiāo)分析作為研究主題[1]。

1.2研究目的

本研究個(gè)案為超市營(yíng)銷(xiāo)分析，通過(guò)個(gè)案中提供的公司會(huì)員基本數(shù)據(jù)、交易數(shù)據(jù)、小分類(lèi)代碼等信息，作為分析數(shù)據(jù)來(lái)源，并結(jié)合數(shù)據(jù)挖掘技術(shù)的聚類(lèi)分析，深入了解個(gè)案中公司的交易形態(tài)，進(jìn)而找出有助于個(gè)案公司的決策信息，掌握不同的四項(xiàng)客群，提供各自專(zhuān)門(mén)的營(yíng)銷(xiāo)策略，通過(guò)針對(duì)性營(yíng)銷(xiāo)，鎖定不同客群喜愛(ài)的商品，使消費(fèi)者提高忠誠(chéng)度，以達(dá)到最有效的營(yíng)銷(xiāo)模式[2]。

1.3問(wèn)題討論

根據(jù)此超市的原始數(shù)據(jù)，僅能夠看出會(huì)員的基本數(shù)據(jù)以及交易紀(jì)錄，無(wú)法直接看出會(huì)員數(shù)據(jù)與交易、購(gòu)買(mǎi)行為的關(guān)系連結(jié)，其主要問(wèn)題如下：

1）數(shù)據(jù)僅以原始呈現(xiàn)且尚未處理，包括許多項(xiàng)目，如：年份、交易金額與交易筆數(shù)等，必須多項(xiàng)比較才能找出其中的變化與重要的影響變量;

2）無(wú)法單純根據(jù)數(shù)據(jù)進(jìn)行有效的超市策略擬定，因數(shù)據(jù)面向廣泛，是否應(yīng)從暢銷(xiāo)商品、店面或是會(huì)員來(lái)制定最佳營(yíng)銷(xiāo)策略仍有待分析;

3）僅以基本敘述統(tǒng)計(jì)可能無(wú)法找出最佳的營(yíng)銷(xiāo)方向。本研究期望通過(guò)數(shù)據(jù)的挖掘與分析，以區(qū)隔客群的方式，使超市能有明確且容易制定策略的方向，并簡(jiǎn)要探討有效提升銷(xiāo)售金額、銷(xiāo)售量，甚至提升顧客滿(mǎn)意度等策略[3]。

1.4創(chuàng)新點(diǎn)

在營(yíng)銷(xiāo)分析中K-means運(yùn)用得比較廣泛，而且相對(duì)其他算法稍簡(jiǎn)單，決策樹(shù)的可解釋性比較高，應(yīng)用廣泛，可以轉(zhuǎn)化為規(guī)則[4]。本論文創(chuàng)新點(diǎn)就在于我們是通過(guò)RFM模型結(jié)合K-means和決策樹(shù)來(lái)對(duì)超市客群進(jìn)行分析的。有學(xué)者將K-means 算法和 RFM 模型相結(jié)合，將顧客進(jìn)行聚類(lèi)，由大數(shù)據(jù)挖掘和企業(yè)客戶(hù)細(xì)分結(jié)合研究，可以針對(duì)細(xì)分結(jié)果的不同，對(duì)不同的顧客類(lèi)型采取不同的策略，使客戶(hù)擁有更好產(chǎn)品體驗(yàn)。K-means 算法和 RFM 模型結(jié)合做法的確能夠很好地對(duì)這個(gè)顧客模型進(jìn)行聚類(lèi)，但是這個(gè)缺乏了解釋和驗(yàn)證手段[5]。也有學(xué)者使用基于RFM模型采用K-means聚類(lèi)和四分位法對(duì)客戶(hù)進(jìn)行細(xì)分，幫助企業(yè)找到優(yōu)質(zhì)客戶(hù)、潛在客戶(hù)，對(duì)客戶(hù)價(jià)值進(jìn)行識(shí)別。企業(yè)可以通過(guò)自己的需要選擇相應(yīng)的方法來(lái)找到最優(yōu)和有潛力客戶(hù)等，進(jìn)行針對(duì)性策略吸引客戶(hù)，形成長(zhǎng)期購(gòu)買(mǎi)行為，提高客戶(hù)忠誠(chéng)度。但是這個(gè)方法不能夠清晰反映出不同客戶(hù)的區(qū)別，從而進(jìn)行顧客細(xì)分，而建立決策樹(shù)卻能很好地解決這一點(diǎn)[6]。所以我們?cè)诒菊撐闹薪Y(jié)合了決策樹(shù)，以決策樹(shù)來(lái)將聚類(lèi)出的結(jié)果轉(zhuǎn)換為規(guī)則，再算出它的準(zhǔn)確率。在通過(guò)多次聚類(lèi)之后，發(fā)現(xiàn)聚成四類(lèi)時(shí)用決策樹(shù)能夠更好地解釋我們的分群，最后算出來(lái)的準(zhǔn)確度也最高。

2 研究方法與步驟

2.1 數(shù)據(jù)預(yù)處理

本文的數(shù)據(jù)來(lái)源為中華統(tǒng)計(jì)應(yīng)用學(xué)會(huì)所提供，使用超市的數(shù)據(jù)集進(jìn)行分析，會(huì)員數(shù)據(jù)檔共計(jì)4377筆，交易記錄檔在2017年1月1日至2018年12月31日期間數(shù)據(jù)共計(jì)105170筆，產(chǎn)品數(shù)據(jù)檔共計(jì)11171筆，小分類(lèi)編碼表共計(jì)432筆，各數(shù)據(jù)集的數(shù)據(jù)總筆數(shù)、屬性個(gè)數(shù)如下表1所示。

由于原始數(shù)據(jù)須經(jīng)過(guò)數(shù)據(jù)的轉(zhuǎn)換及梳理，才可符合數(shù)據(jù)挖掘分析的需要，故此階段將交易記錄檔提取出來(lái)，移除重復(fù)數(shù)據(jù)，以便建立RFM模型，并進(jìn)行數(shù)據(jù)挖掘[7]。

2.2 顧客價(jià)值分析

本文顧客價(jià)值采用RFM模型計(jì)算，說(shuō)明如下：

最近購(gòu)買(mǎi)日（Recency）：顧客最近一次購(gòu)買(mǎi)到分析時(shí)的天數(shù)，計(jì)算數(shù)值越小，表示顧客近期有至超市購(gòu)買(mǎi)商品，反之，數(shù)值越大，表示顧客有一段長(zhǎng)時(shí)間沒(méi)有到超市購(gòu)買(mǎi)商品[8]。

購(gòu)買(mǎi)頻率（Frequency）：顧客在2017年1月1日至2018年12月31日期間購(gòu)買(mǎi)超市商品的次數(shù)，計(jì)算數(shù)值越大，表示顧客較常購(gòu)買(mǎi)，反之，數(shù)值越小，表示顧客不常購(gòu)買(mǎi)。

購(gòu)買(mǎi)金額（Monetary）：顧客在2017年1月1日至2018年12月31日期間購(gòu)買(mǎi)超市商品的平均總金額，計(jì)算數(shù)值越大，表示顧客消費(fèi)能力高，反之計(jì)算數(shù)值越小，表示顧客消費(fèi)能力不高。

2.3聚類(lèi)分析結(jié)合決策樹(shù)

此節(jié)分為三部分，先是在R軟件上執(zhí)行階層式聚類(lèi)法中的華德法，找出聚類(lèi)數(shù)，接著使用k-means算法產(chǎn)生聚類(lèi)結(jié)果，最后則是以聚類(lèi)出的結(jié)果執(zhí)行決策樹(shù)找出其決策的規(guī)則。

使用k-means算法時(shí)，載入分析數(shù)據(jù)，設(shè)定聚類(lèi)數(shù)后，所得出的聚類(lèi)結(jié)果代入到RFM模型中，并開(kāi)始執(zhí)行決策樹(shù)，以便顯示聚類(lèi)規(guī)則。

通過(guò)上述的方法，利用決策樹(shù)找出四群的規(guī)則，總計(jì)六條規(guī)則，如圖1所示，決策樹(shù)的準(zhǔn)確度為98.49%。

依據(jù)決策樹(shù)的規(guī)則，本文歸納出四群客戶(hù)類(lèi)別，分別為高價(jià)值顧客群、忠實(shí)顧客群、潛力顧客群和流失顧客群，其規(guī)則對(duì)照，如表2所示[9]。

依據(jù)所分析出的顧客類(lèi)別及規(guī)則，提供出超市營(yíng)銷(xiāo)建議[10]。

3 結(jié)果分析與討論

3.1 全體顧客

3.2 聚類(lèi)討論

3.2.1 決策樹(shù)

忠實(shí)顧客群：

1）忠實(shí)顧客群相較于整體顧客忠實(shí)顧客群也就是聚類(lèi)一，無(wú)論在人數(shù)或者購(gòu)買(mǎi)金額上，所占整體顧客群比例不高，大約一成左右。

2）忠實(shí)顧客群的消費(fèi)者數(shù)據(jù)分析結(jié)果顯示在2017年到2018年間，忠實(shí)顧客群的主要客層：

A.男性消費(fèi)者比例有顯著增加（23.5%，2018），但是主要消費(fèi)者還是女性（76.5%，2018）

B.學(xué)歷在2017年主要是高中以下（54.7%，2017），2018年則轉(zhuǎn)變?yōu)榇髮W(xué)（64.4%，2018）

C.消費(fèi)者多為已婚（92.0%，2018）

D.家庭人口2017年主要集中在7人以上（66.8%，2017），2018則被3～4人家庭取代（54.0%，2018）

E.2017年職業(yè)以服務(wù)業(yè)居多（63.8%，2017），2018年則分散于商業(yè)（40.2%，2018）、服務(wù)業(yè)（32.0%，2018）以及家庭主婦（21.7%，2018）

F. 家庭月收入則集中在1～1.5萬(wàn)元（30.6%，2018）和1.5萬(wàn)元以上（53.5%，2018）

3）忠實(shí)顧客群的暢銷(xiāo)商品

基于忠實(shí)顧客群是全體顧客群中，較頻繁來(lái)消費(fèi)且消費(fèi)有一定金額以上的人，因此所購(gòu)買(mǎi)的暢銷(xiāo)商品與全部顧客群中的暢銷(xiāo)商品相差不遠(yuǎn)，主要也都是一些家庭生活用品。

3.2.2 潛力顧客群

潛力顧客群指的是最近一次購(gòu)買(mǎi)距計(jì)算時(shí)點(diǎn)<312.5天，但平均交易金額<939.6元者，即其對(duì)超市有一定活躍程度，但購(gòu)買(mǎi)力不夠強(qiáng)，可制定適當(dāng)?shù)臓I(yíng)銷(xiāo)策略，提高其消費(fèi)，將其培養(yǎng)為忠實(shí)顧客群。

1）潛力顧客群相較于整體顧客

潛力客群有以下特性：

A.以性別來(lái)看，在2017年和2018年，女性都占多數(shù)（約76%）

B.以學(xué)歷來(lái)看，在兩年內(nèi)學(xué)歷皆以大學(xué)為主

C.從婚姻狀態(tài)來(lái)看，皆以已婚者占多數(shù)，但已婚者從82%降為69%

D.以家庭人口來(lái)看，3～4人占了半數(shù)，其次是7人以上（接近30%）

E.從職業(yè)來(lái)看，皆以家庭主婦為最大宗，其次為商業(yè)人士

F.從家庭月收入來(lái)看，扣除（其他），2017年最多的是0.5萬(wàn)～1萬(wàn)者，2018年則變?yōu)?.5萬(wàn)元以上者

2）潛力顧客群依據(jù)會(huì)員特性分項(xiàng)比較其暢銷(xiāo)商品

先看潛力顧客群的總消費(fèi)在件數(shù)與金額上占大部分的分別是那些商品：

接著以各項(xiàng)會(huì)員特性來(lái)分項(xiàng)，比較潛力顧客群與全體顧客在暢銷(xiāo)商品件數(shù)、金額上的差異，有以下幾點(diǎn)值得一提：

就收入而言，與所有客戶(hù)相比，潛力客戶(hù)的傾向較為不同的是：

收入0.5萬(wàn)～1萬(wàn)的消費(fèi)者，購(gòu)買(mǎi)的白蘭地金額非常大，其次是鮮奶與進(jìn)口香煙;收入1～1.5萬(wàn)的消費(fèi)者，購(gòu)買(mǎi)金額則以葡萄酒占比最大。

以各店鋪而言，1051是潛力客戶(hù)群中營(yíng)收最多的店，在2017、2018年皆約占35%;若以全部客戶(hù)來(lái)看，則4店?duì)I收相差不大。因此僅就1051做探討。

以消費(fèi)總金額看，1051的潛力客戶(hù)消費(fèi)了大額的白蘭地。

以性別而言，從消費(fèi)總金額來(lái)看，女性購(gòu)買(mǎi)的白蘭地占總營(yíng)收最大部分，男性則是葡萄酒，且若以所有顧客的消費(fèi)金額來(lái)看，白蘭地與葡萄酒皆不是營(yíng)收前幾名。

以職業(yè)而言，在消費(fèi)總金額上，工業(yè)消費(fèi)的白蘭地非常多，鮮奶與進(jìn)口香煙也相當(dāng)多;商業(yè)人士消費(fèi)的葡萄酒消費(fèi)金額多。

3）購(gòu)買(mǎi)暢銷(xiāo)商品的會(huì)員共同特性

交叉比對(duì)各個(gè)會(huì)員個(gè)性分項(xiàng)下的暢銷(xiāo)商品件數(shù)、金額，可總結(jié)出幾項(xiàng)具推廣價(jià)值的結(jié)論：

白蘭地與葡萄酒單價(jià)高，占潛力客群中消費(fèi)金額的一大部分，然而在所有顧客的消費(fèi)金額分析中卻未看到此一結(jié)果，故可作為對(duì)潛力客群的重點(diǎn)商品營(yíng)銷(xiāo)。

其中又發(fā)現(xiàn)，白蘭地在潛力客群中主要消費(fèi)者有（碩士學(xué)位、家庭月收入0.5萬(wàn)～1萬(wàn)、工業(yè)、女性）這些共同特色，且在此商品有高消費(fèi)的客群，常伴隨（進(jìn)口香煙）的高消費(fèi)。

葡萄酒在潛力客群中的主要消費(fèi)者，則有（家庭月收入1～1.5萬(wàn)、商業(yè)、男性）的共同特色。

而上面討論過(guò)，店號(hào)1051又是所有店鋪在潛力客群中營(yíng)收最大的，其營(yíng)收就有極大部分來(lái)自高單價(jià)酒類(lèi)。

5.2.3 流失顧客群

1）流失顧客群相較于整體顧客

流失顧客群為聚類(lèi)三，無(wú)論在人數(shù)或者購(gòu)買(mǎi)金額上，所占整體顧客群比例最少，大約2%左右，也是店家最不希望產(chǎn)生的客群。

結(jié)果顯示在2017年到2018年間，流失顧客群的主要客層：

A.女性消費(fèi)者比例有最多（76.37%，2018）

B.學(xué)歷在2017年與2018年主要是大學(xué)生最多（30.92%，2017）（37.66%，2018）

C.消費(fèi)者多為已婚，但有減少的趨勢(shì)（63.7%，2018）

D.家庭人口皆主要集中在3～4人（49.92%，2017），但是1～2人與7人以上皆有增加趨勢(shì)（29.46%，2018）（28.96%，2018）

E.職業(yè)在2017年與2018年皆以商業(yè)占最多（35.39%，2018）

F.家庭月收入由2017年1～1.5萬(wàn)元（24.29%，2017）最多，改為2018年0.5萬(wàn)～1萬(wàn)最多（28.31%，2018）

2）特殊分項(xiàng)說(shuō)明

從性別暢銷(xiāo)商品來(lái)看，女性購(gòu)買(mǎi)最多的商品與男性差不多，但是次項(xiàng)后便有差異，男性暢銷(xiāo)商品有包括米酒、電池軟品等，女性暢銷(xiāo)商品則以蔬果類(lèi)、雞蛋、豆腐等生鮮食品為主，可見(jiàn)性別的暢銷(xiāo)商品類(lèi)別仍有不同。

從職業(yè)暢銷(xiāo)商品來(lái)看，最暢銷(xiāo)商品仍為一般白米、家庭用品等等，但是從次項(xiàng)分析仍可發(fā)現(xiàn)不同。無(wú)業(yè)/退休者的次項(xiàng)暢銷(xiāo)商品包括味素、葡萄酒、日本點(diǎn)心食品等等，可能與生活飲食習(xí)慣及金錢(qián)較不用煩惱，因此有意愿嘗試外國(guó)高價(jià)食品。學(xué)生的次項(xiàng)暢銷(xiāo)商品則為酸奶、冷凍面食、冷凍輕松料理等等，由此可發(fā)現(xiàn)學(xué)生族群的飲食習(xí)慣以快速、方便為導(dǎo)向。

3）流失顧客群暢銷(xiāo)商品

流失顧客群所購(gòu)買(mǎi)的暢銷(xiāo)商品與全部顧客群所購(gòu)買(mǎi)的商品種類(lèi)相差不大，皆為一般白米、家庭用品、鮮奶等等。而在暢銷(xiāo)商品總金額方面，流失顧客群全體顧客群也差異不大，以一般白米、鮮奶、油類(lèi)等金額較高商品為主。顯示雖為流失顧客群，所購(gòu)買(mǎi)商品種類(lèi)也與一般大眾無(wú)異，購(gòu)買(mǎi)金額較少因素因與產(chǎn)品無(wú)關(guān)，可能為店家與個(gè)人喜好因素。

5.2.4高價(jià)值顧客群

高價(jià)值顧客已被視為是企業(yè)的珍貴資產(chǎn)，因此如何針對(duì)高價(jià)值顧客對(duì)于企業(yè)未來(lái)的營(yíng)收貢獻(xiàn)進(jìn)行預(yù)測(cè)，則相當(dāng)于預(yù)測(cè)企業(yè)的資產(chǎn)消長(zhǎng)。高價(jià)值顧客相對(duì)于忠實(shí)型顧客來(lái)說(shuō)，雖然平均交易金額大，但在購(gòu)買(mǎi)時(shí)間上，也就是離最近一次消費(fèi)的時(shí)間，相對(duì)來(lái)說(shuō)比較久，因此必須通過(guò)分析與營(yíng)銷(xiāo)策略找出能縮短購(gòu)買(mǎi)時(shí)間的有效手段。

1）高價(jià)值顧客與全體之比較

在此超市交易數(shù)據(jù)中，高價(jià)值顧客群占總?cè)后w的62.77%，總交易金額為63，059，718元亦占全體金額的61.44%，約為其他三個(gè)族群的1.6倍，可知此超市的銷(xiāo)售主要來(lái)自高價(jià)值顧客，也是最主要的客群來(lái)源。

2）高價(jià)值顧客分項(xiàng)討論

在2017年到2018年間，高價(jià)值顧客群的主要客層：

A.女性消費(fèi)者比例最多（67.14%，2018），但男性比例也不容忽視（32.86%2018）

B.學(xué)歷在2017年與2018年主要是高中最多（43.67%，2017）（36.14%，2018）

C.消費(fèi)者多為已婚，但有減少的趨勢(shì)（77.38%，2018）

D.家庭人口由7人以上（47.54%，2017），逐漸被3～4人以上取代（44.07%，2018）

E.職業(yè)在2017年與2018年皆以家庭主婦占最多（31.52%，2018）

F.家庭月收入為1萬(wàn)～1.5萬(wàn)元（33.76%，2018）為最多

以下就以幾項(xiàng)基本數(shù)據(jù)進(jìn)行進(jìn)一步的討論：

就性別來(lái)看，不論男女超過(guò)一半以上都是屬于高價(jià)值顧客群，其中男性占了將近75%，店號(hào)1073的男生最多（15640），占了男性人數(shù)的百分之五十;而這些男性在購(gòu)買(mǎi)商品，除了白米以外，家庭用品、洗衣粉/液、油類(lèi)以及抽取式衛(wèi)生紙的交易金額也占了相當(dāng)大的一部分。根據(jù)上述，可以推測(cè)男性大多是購(gòu)買(mǎi)家庭用品并幫家中添購(gòu)基本必需品。

月收入：高價(jià)值顧客不免讓人直觀定義為高收入，但事實(shí)上此族群的主要組成為月收入1～1.5萬(wàn)元的會(huì)員，約為1.5萬(wàn)元以上的2倍，且主要分布在店號(hào)1073，且主要購(gòu)買(mǎi)的商品多為白米、果蔬類(lèi)。

店：此客群與其他不同的是，每家店皆有高價(jià)值顧客，甚至在4001、4002為主宰者;從銷(xiāo)售金額來(lái)看，大部分來(lái)自1023、1073這兩家店，但值得關(guān)注的是1051，2018年的銷(xiāo)售量逐漸追上1073。因此可以初步推論剛增設(shè)的分店4001、4002可能會(huì)成為未來(lái)的發(fā)展要店，其他三家銷(xiāo)售金額較高的店家則為目前首要目標(biāo)。

2）高價(jià)值顧客的暢銷(xiāo)商品

高價(jià)值顧客群本身就占全體相當(dāng)大一部分的組成，因此不論在分類(lèi)總件數(shù)或是總金額均與全體相同，總件數(shù)主要為白米、家庭用品、鮮奶等;而總金額則以白米、鮮奶、衛(wèi)生紙為大宗，因此我們可以推論在營(yíng)銷(xiāo)手法上，商品在此群體中若主打這些暢銷(xiāo)商品，就幾乎等于對(duì)全體做營(yíng)銷(xiāo)策略。

4結(jié)論與建議

4.1忠實(shí)顧客群

因?yàn)橹覍?shí)顧客群就是較常來(lái)消費(fèi)、買(mǎi)得較多的消費(fèi)者，通過(guò)營(yíng)銷(xiāo)策略，達(dá)到讓他們更“?！眮?lái)買(mǎi)、買(mǎi)得更“多”的目的。針對(duì)提升品牌忠誠(chéng)度，使得消費(fèi)者更頻繁地來(lái)消費(fèi)，可以利用下列兩種方法：

1）紅利積點(diǎn)

每一次的消費(fèi)金額可以依比例作為紅利點(diǎn)數(shù)，可以提供下次消費(fèi)的折扣。不但當(dāng)次消費(fèi)金額可能因?yàn)橛兄凹t利折扣而增加，也可以使回客率上升，提供消費(fèi)者下次購(gòu)買(mǎi)的誘因。

2）以暢銷(xiāo)商品作為主題

忠實(shí)顧客群的暢銷(xiāo)商品通常為米、餅干、果蔬類(lèi)、洗衣粉/液等家庭生活用品，可以不定期在商場(chǎng)內(nèi)舉辦暢銷(xiāo)商品的主題特賣(mài)，例如某一時(shí)期就引進(jìn)日本高級(jí)米作為主題宣傳，在現(xiàn)場(chǎng)提供免費(fèi)試吃等。根據(jù)消費(fèi)者喜歡嘗鮮的心態(tài)，以及心理預(yù)期不定時(shí)舉辦的活動(dòng)，顧客會(huì)更常來(lái)光顧，也可以維持消費(fèi)者對(duì)于來(lái)此消費(fèi)的興趣。而至于提升單次消費(fèi)的金額，提供了下列兩種方法：

1）大包裝商品促銷(xiāo)

忠實(shí)顧客群中的客層主要為3～4或7人以上家庭，因此通常大包裝的商品對(duì)于他們有一定的吸引力，如果再加上一些促銷(xiāo)手段，消費(fèi)者可能從原先選擇的小包裝，大包裝商品，增加當(dāng)次的消費(fèi)金額。

2）現(xiàn)金反饋

根據(jù)平均消費(fèi)金額，再加上一點(diǎn)金額訂定滿(mǎn)千折百的促銷(xiāo)，提高單次平均消費(fèi)金額。

4.2潛力顧客群

針對(duì)潛力顧客群對(duì)企業(yè)活躍度高，但總金額不高的特性，提出的營(yíng)銷(xiāo)建議以促銷(xiāo)高單價(jià)商品、刺激購(gòu)貨數(shù)量以提升總消費(fèi)金額為主，有如下3點(diǎn)建議：

（1）消費(fèi)者最易伸手拿與其視線平行的商品，因此在與視線平行的貨架上放置高單價(jià)商品，即潛力顧客群的暢銷(xiāo)商品：白蘭地與葡萄酒，以提升其消費(fèi)數(shù)量與總金額。

（2）將薄利多銷(xiāo)商品放在超商入口處，可有效提高購(gòu)買(mǎi)數(shù)量，因此建議將此客群整體而言購(gòu)買(mǎi)件數(shù)、金額的商品放置在超商入口處，如：家庭用品、甜味餅干、其他油。

4.3流失顧客群

流失顧客群是較不常來(lái)消費(fèi)、買(mǎi)得較少的消費(fèi)者，因此需通過(guò)營(yíng)銷(xiāo)策略，增加顧客來(lái)店頻率與提升消費(fèi)金額。并針對(duì)店家與品牌忠誠(chéng)度，可以利用下列三種方法：

1）會(huì)員紅利與滿(mǎn)額贈(zèng)活動(dòng)

推出集點(diǎn)紅利活動(dòng)、滿(mǎn)額贈(zèng)的誘因吸引消費(fèi)者，（如：消費(fèi)滿(mǎn)500元可兌換贈(zèng)品或累積紅利點(diǎn)數(shù)），來(lái)提高顧客客單價(jià)與消費(fèi)金額。

2）以暢銷(xiāo)商品作為主打

流失顧客群的暢銷(xiāo)商品通常為米、鮮奶、家庭用品類(lèi)商品，雖然所購(gòu)買(mǎi)的金額較少，但仍與整體顧客所購(gòu)買(mǎi)的商品類(lèi)別相似。因此仍需鎖定流失客群喜好的商品，做促銷(xiāo)提醒。

3）觀察競(jìng)爭(zhēng)對(duì)手

除了商品因素，流失客群的增加可能與附近鄰近競(jìng)爭(zhēng)者的興起有關(guān)，可能為小型超商或是其他連鎖超市，店家應(yīng)觀察附近競(jìng)爭(zhēng)者形態(tài)，檢視自我店面形態(tài)、店內(nèi)環(huán)境因素、或有其他應(yīng)可改善的方面，做加強(qiáng)與補(bǔ)足。

4.4高價(jià)值顧客群

高價(jià)值顧客的組成主要還是已婚女性，但男性大多數(shù)屬于此客群，其他變量如家庭人口數(shù)3人以上，月收入1萬(wàn)～1.5萬(wàn)，職業(yè)為家庭主婦、商、服務(wù)業(yè)，學(xué)歷高中等皆為此群體的主要特性。

主要的營(yíng)銷(xiāo)策略制定方向在于縮短距離前一次購(gòu)買(mǎi)時(shí)間的距離，提高購(gòu)買(mǎi)的頻率，使其成為具有高價(jià)值的忠實(shí)客戶(hù)。

1）回購(gòu)禮

此策略主要為減少購(gòu)買(mǎi)時(shí)間的長(zhǎng)度，提升高價(jià)值顧客群的回購(gòu)率。主要可以通過(guò)禮券或點(diǎn)數(shù)的發(fā)放，提高再次來(lái)店消費(fèi)的頻率。

2）男性客群—寵愛(ài)家人系列活動(dòng)

因?yàn)榇蠖鄶?shù)的男性皆屬于此客群，且購(gòu)買(mǎi)的物品大多為家庭必需品相關(guān)，因此通過(guò)（寵愛(ài)家人）系列活動(dòng)，提倡多項(xiàng)產(chǎn)品的組合優(yōu)惠，并且拉長(zhǎng)系列活動(dòng)的時(shí)間，或者是定期優(yōu)惠不同商品組合，改善來(lái)店的頻率。

參考文獻(xiàn)：

[1] 王爽.互聯(lián)網(wǎng)與文化生產(chǎn)、推廣和消費(fèi)研究[D].濟(jì)南：山東大學(xué)，2016.

[2] 唐容.基于特征選擇的CART算法研究[D].成都：電子科技大學(xué)，2020.

[3] 白燕燕.基于客戶(hù)細(xì)分的潛在高價(jià)值客戶(hù)挖掘?qū)嵶C研究[D].蘭州：蘭州財(cái)經(jīng)大學(xué)，2017.

[4] 李仁鐘，李秋緣.零基礎(chǔ)學(xué)R語(yǔ)言數(shù)據(jù)分析[M].北京：清華大學(xué)出版社，2018.

[5] 馬培梁.基于K-means算法的數(shù)據(jù)挖掘與客戶(hù)細(xì)分研究[J].市場(chǎng)研究，2019（11）：66-67.

[6] 陳子璐.基于RFM模型的電子商務(wù)客戶(hù)細(xì)分[J].市場(chǎng)周刊，2020（4）：56-58.

[7] 李健，王小蒙.基于R語(yǔ)言的數(shù)據(jù)挖掘工具的設(shè)計(jì)[J].內(nèi)蒙古科技與經(jīng)濟(jì)，2017（24）：58-59.

[8] 裴晨.基于隨機(jī)森林與GBDT的社會(huì)醫(yī)療保險(xiǎn)欺詐識(shí)別問(wèn)題研究[D].大連：東北財(cái)經(jīng)大學(xué)，2018.

[9] 鄭菱芝.基于客戶(hù)忠誠(chéng)度分類(lèi)的零售業(yè)購(gòu)物籃分析[D].杭州：浙江工商大學(xué)，2018.

[10] 段清陽(yáng).基于會(huì)員分類(lèi)的會(huì)員關(guān)系管理應(yīng)用研究——以雅戈?duì)柶髽I(yè)為例[D].西安：長(zhǎng)安大學(xué)，2019.

【通聯(lián)編輯：王力】