基于大數據應用的精準營銷措施研究

李永輝

（中國移動通信集團河南有限公司 河南 鄭州 450008）

1 引言

當前社會已經全面進入到“互聯網+”時代，信息化技術與科學技術的快速發展，各種新興技術開始在各行各業進行廣泛的推廣應用，推動了行業的改革創新。大數據作為當前信息技術的重要代表之一，其能夠針對海量、復雜、異構的信息數據進行分析，以此來為決策提供有效地支持，開始源源不斷地應用于各個領域。對于企業營銷來說，傳統營銷理念、營銷方式顯然已經無法適應當前這個信息化時代，大數據所能夠提供的精準服務，無疑能夠為企業提供更多的數據支持，利用大數據進行精準營銷就成為各個企業獲取營銷競爭優勢的重要途徑[1]。鑒于此，本研究主要針對大數據應用于精準營銷的技術架構進行了全面的探討，在此基礎上提出幾點大數據應用于精準營銷的措施與建議，僅供參考與借鑒。

2 適用于精準營銷的大數據技術架構分析

2.1 Hadoop大數據處理平臺

Hadoop大數據處理平臺作為一種開源的計算系統與分布式儲存系統，主要是基于谷歌有關核心技術研發而成。M/R（Map/Reduce）與分布式文件系統（Hadoop Distributed File System）屬于該平臺的核心技術，M/R（Map/ Reduce）作為計算框架，能夠將各種數據集進行合理的劃分，使其轉變為無數個數據庫，且各個數據庫之間完全保持獨立，通過Map任務實施并行處理。分布式文件系統本身具有高容錯性，能夠針對Map輸出實施排序處理，接著將結果錄入Reduce任務，所有的操作均會在分布式文件系統進行儲存，其負責整體任務的調度、監控，同時重新執行運行失敗的任務。

2.2 大規模并行處理系統

大規模并行處理系統（Massively Parallel Processing）主要是通過多個對稱多處理系統服務器（Symmetric Multi Processing）構成，諸多服務器通過特定節點互聯網進行連接，相互之間能夠進行高效的協同運行。從運行的特征來看，其主要是各個服務器利用節點互聯網進行有效連接，各個節點僅僅負責本地資源，相互之間的信息交互主要利用網絡達成。現階段，大規模并行處理系統主要特征如下：首先，一般儲存均為結構化的數據類型，表現為明顯的雪花型結構或者星形結構，能夠直接引用大數據進行分析；其次，各個服務器均存在完全獨立的處理器、內存、硬盤，可以針對節點進行動態管理；最后，數據分區能夠分別劃分到各個不同的物理節點，利用分布查詢，能夠針對系統整體性能進行針對性地優化調整。

2.3 ETL技術

所謂ETL，主要指的是源端數據歷經抽取（Extract）、轉換(Transform)、加載(Load)流程，最后進入到目的端的整個進程。ETL系統主要特征如下：首先，ETL技術能夠針對錯誤出具進行清理，同時針對缺失數據進行修正；其次，能夠針對信息數據開展可信度評估；第三，針對多方源數據進行有效地整合；最后，針對數據實施結構化處理，為大數據分析、用戶使用奠定基礎。

3 適用于精準營銷的大數據挖掘核心技術

3.1 語音引擎挖掘

所謂語音引擎，指的是能夠從各類非結構化數據提取信息的一種工具。非結構化數據主要指的是不便使用數據庫二維邏輯表來展現的各類數據類型，如視頻信息、音頻信息、圖像、報表、HTML、XML等類型。

3.2 數據挖掘算法

從數據挖掘算法的應用流程來看，其主要指的是不斷驗證、不斷匹配的流程，這個過程中依賴業務人員、分析人員之間進行高效的互動交流，才能夠保障挖掘的信息數據滿足精準營銷需求。一般情況下，數據挖掘技術可以選擇單獨使用，也可以考慮實際需求聯合OLAP（在線聯機處理分析）。例如，對于處在不同生命周期的客戶來說，要想獲取其對應的狀態信息，需要選擇回歸分析方式，對于預流失客戶進行挽留，則需要分析其具體的特征，了解其流失的具體意向，主要適用于分類算法。

3.3 可視化分析

大數據可視化分析，指的是綜合利用圖像處理、圖形信息，向用戶群體推送需要的可視化信息內容。從當前大數據可視化技術的實際應用情況來看，主要包含地圖、表格以及圖形等模式，通過多元化的圖形組合、圖像處理，能夠實現地圖數據高亮、多目標切換、表格下鉆、圖標聯動等可視化功能。

4 大數據精準營銷系統的技術實現

4.1 系統架構

為有效滿足大數據精準營銷需求，架構的設計需要包含大數據uCloud D“三大體系、四大平臺”，涉及架構功能全網手機終端信息、互聯網流量日志、企業核心數據信息、寬帶信息等[2]。由于大數據平臺對于各種數據的支撐能力較為突出，且還在傳統B域方面具備高價值密度數據方面的突出優勢，可以全面挖掘各種低價值數據，并利用開放式平臺進行轉化，使其能夠最終轉變為具有生產力的信息數據[3]。

4.2 MPP與Hadoop+MySQL

從當前大數據儲存方面的研究來看，當前主要包含兩個研究方向、技術陣營。其一，MPP(Massive Parallel Processing，大規模并行處理)數據庫；其二，以Hadoop+ MySQL為代表的分布式文件系統。兩個平臺各有優勢，且各自在不同領域的適用性也存在一定的差異性，通過全面推動兩者的有效融合，可以全面提供數據加工、訪問方面的功能，且整體效果更為突出[4]。

4.3 數據采集與整合

當大數據挖掘技術正式應用于精準營銷后，針對大數據平臺進行數據采集、整合就成為精準營銷的關鍵所在。利用大數據平臺進行精準營銷，相應的采集整合數據、采集整合技術（圖1）設計下面4點功能：①結構化數據。針對業務平臺與生產系統的各種信息數據進行采集，利用DCN進行承載傳輸。②非結構化數據。針對互聯網當中各種行為信息、內容等進行采集，利用IP網進行承載傳輸。此外，可以利用網絡爬蟲引擎，針對靜態的各種信息資料進行采集，同時可以利用頁面標簽解析引擎，進一步采集整理有關的行為信息、歷史數據。③流數據。對于流類型的各種數據來說，主要是通過互聯網、網絡信令、設備日志等完成采集工作，以此來進行消息處理引擎、流處理引擎的構建。④臨時數據。主要是針對各種一次性數據進行采集，利用文件模式將其錄入數據集市，為大數據精準營銷提供數據支持。

圖1 大數據平臺采集整合流程圖

5 基于大數據應用的精準營銷策略研究

5.1 構建圍繞精準營銷的大數據平臺

企業大數據平臺建設，可以根據企業實際情況選擇行業聯合建設、外包合作等，即將行業聯合建設的大數據平臺作為一級平臺，其他各企業作為二級平臺，兩級平臺之間進行數據的共建共享，各二級平臺的企業又能夠根據自身實際情況，選擇對應的大數據信息、大數據服務。對于企業來說，通過多級平臺的建設，能夠將企業信息數據與外部信息數據進行高效的對接，進一步掌握更多的數據資源，從而有效提升數據收集、數據分析、數據共享的效率，為精準營銷奠定良好的基礎。

5.2 全面強化營銷廣告傳播的精準性

大數據技術的應用，需要企業更改傳統粗放式的營銷廣告模式，致力于引入大數據技術，致力于提升營銷廣告傳播的精準性。企業可以通過大數據分析，先了解用戶的興趣愛好、消費習慣，以此來制定針對性的營銷廣告推送策略，在此基礎上，綜合參考客戶所處的情境，選擇針對性的營銷廣告推送內容，使得營銷廣告內容符合用戶所處情境的需求[5]。

5.3 基于大數據分析進行差異化營銷

從企業大數據精準營銷實際來看，差異化營銷通常需要選擇從客戶、渠道兩個領域來開展。基于客戶層面的差異化營銷來說，需要綜合利用大數據技術針對客戶群體的忠誠度、購買力、產品需求等進行針對性地分析，注重規避當前同質化的營銷模式，以此來制定針對性的營銷方案、營銷內容。比如，對于價格不敏感的客戶，差異化營銷應當從產品特性、產品品牌、產品服務等方面展開；而對于價格敏感的客戶，差異化營銷則需要從贈送優惠、折扣優惠、產品活動等方面展開[6]。

6 結語

綜上所述，大數據技術所具有的諸多優勢，無疑為企業營銷服務提供了有效的支持。對企業來說，應當意識到大數據在營銷服務方面的優勢，致力于發揮大數據營銷優勢，利用大數據開展精準營銷。具體來說，企業需要充分結合自身實際，通過構建圍繞精準營銷的大數據平臺、全面強化營銷廣告傳播的精準性、基于大數據分析進行差異化營銷以及提升精準營銷服務的個性化程度，從而有效提升精準營銷水平，為企業發展奠定良好的基礎。