數據挖掘技術在精準營銷策略中的應用

梁 林,胡凌云

(合肥經濟學院,安徽 合肥 230011)

隨著移動通信與計算機技術的不斷改進,中國正式步入互聯網時代。2021年8月,中國互聯網絡信息第48次發布《中國互聯網絡發展狀況統計報告》,數據顯示,截至2021年6月,中國網民規模達10.11億,較2020年12月增長2 175萬,互聯網普及率達71.6%[1]。隨著互聯網的不斷普及和網絡用戶的持續增長,中國各行各業均產生不同程度的改變,企業生產、經營、管理和營銷等方面不斷革新。在多種新興科技的支持下,娛樂、消費、瀏覽等數據逐漸量化,客戶的各種行為均會產生海量數據,從數據角度出發進行創新成為互聯網時代企業革新的趨勢。精準營銷作為現代化營銷手段,起源便是在客戶數據分析基礎上進行優化的一種方式,是企業在新時代背景下運用大數據相關技術進行優化的關鍵方向。“精準營銷”這一概念最早于2005年由菲利普·科特勒(Philip Kotler)基于傳統營銷提出,其要求企業制定更精準、高回報、可衡量的營銷計劃,并采用先進技術開展營銷[2]。精準營銷需要對客戶特征進行分析,其中涉及目標選擇、深入溝通、動態分析等過程,上述內容均需大量數據支持,這與互聯網時代的數據特征有機貼合。數據挖掘作為數據價值發掘的核心技術,成為各企業開展精準營銷的有效工具。因而,新時代背景下,探索數據挖掘技術在精準營銷策略中的應用勢在必行。

現階段,國內外關于數據挖掘技術與精準營銷的研究較為成熟,分別從技術應用路徑、營銷策略調整以及數據挖掘算法等角度進行分析,為數據挖掘技術在精準策略中的應用提供不同參考,楊逸凡在其文章中應用數據挖掘技術對客戶進行細分,并以電信行業為實例論證數據挖掘技術在精準營銷中的可行性;盧億雷基于互聯網用戶數據,通過數據挖掘算法為精準營銷策略制定提供用戶屬性分析。本文從總體角度出發,分析數據挖掘技術本身對精準策略的現實意義及現實應用困境,并基于此提出對應的可行策略。

一、應用數據挖掘技術進行精準營銷的實際價值

數據挖掘作為大數據的基礎技術,其本質是對海量數據進行收集采樣,根據數據特征進行探索、建模與評估,并從中發掘數據的潛在價值。數據挖掘是由“數據庫發現知識”一詞衍生而來,該技術主要包括數據準備、規律探尋和結果表示三個步驟,常用的算法有神經網絡、決策樹和智能算法等[3]。隨著計算機技術的發展,數據挖掘呈現出更準確、更快捷和更科學的特點,企業能夠運用數據挖掘技術進行數據收集、整理和分析等工作,進而輔助企業做出下一步決策,不斷優化精準營銷策略。

1.先進性:數據挖掘技術能夠使精準營銷更為前瞻

新時代背景下,民眾能夠通過互聯網接觸各式各樣的信息內容,其消費習慣與傾向受到各種新興事物的影響,反復更迭與變換成為新時代消費的特點,企業稍有偏差就會失去客戶市場。為準確把控客戶消費傾向,確保企業提前占領市場與客戶,企業營銷策略需要具有一定的前瞻性,營銷內容要領先于消費者,保證產品不落后于時代。數據挖掘作為大數據技術的重要構成,是一種新興科學技術,具有先進性特點,能夠在歷史數據的基礎上進行預測,使企業將目光放得長遠,使企業精準營銷策略制定具有前瞻性。具體而言,數據挖掘技術具有系統的應用流程,其以數據庫與信息資源庫為基礎,通過信息整合與模型搭建,形成靈活、可靠且安全的數據發掘架構。在數據挖掘技術的支撐下,客戶信息得到規范化整理,模型通過學習客戶既往消費、瀏覽等信息,得出客戶消費習慣與規律,再結合當下發展趨勢等信息數據,推斷出客戶接下來的消費傾向,企業可根據此結果制定具有前瞻性的精準營銷策略,使營銷內容能夠跟進時代發展,貼合消費者需求,確保企業營銷策略時刻領先于市場與消費者。

2.經濟性:數據挖掘技術能夠使精準營銷更為快捷

精準營銷策略屬于精細化營銷策略,需要在準確定位的基礎上,依托先進的科學技術構建服務體系,進而實現低成本擴張。因而,精準營銷策略的制定與實施是一項耗時耗力的工作,會給企業生產帶來巨大的成本。而依托大數據的數據挖掘技術具有顯著的便捷性特點,能夠給精準營銷策略的制定與落實帶來明顯的經濟效益。具體而言,通過數據收集、模型訓練和架構搭建等,數據挖掘能夠自行對客戶特征進行劃分與學習,更快捷地尋找目標客戶,為企業省去人力與物力成本,降低“無用功”的付出占比,提高營銷成功率[4]。同時,基于算法與模型構建的數據挖掘框架,數據挖掘技術能夠在程序設定下進行自主學習、運行與計算,在數據輸出與反饋的往復中對模型進行更新與優化,對精準營銷策略進行動態調整,使企業能更快捷地輸出策略方案。此外,在大數據技術的支持下,企業可以將經濟性指標輸入模型中,通過科學計算綜合成本、效益、性價比等指標,得出最適宜的產品與定價,充分利用企業設備與信息資源。數據挖掘技術還能為企業提供自動化報表,節省員工的時間,使其能夠將精力投入客戶溝通與交流中。

3.可靠性:數據挖掘技術能夠使精準營銷更為科學

精準營銷的核心目標是實現企業可持續發展,即通過準確有效的擴張,實現更精準、可衡量、高投資的回報。因而,企業實施精準營銷策略要具有可靠性與穩定性,即能夠為企業帶來收益與回報。傳統營銷策略一般根據經驗制定,具有明顯的主觀性與盲目性,難以確保企業通過營銷獲得相應回報。而數據挖掘作為高新技術,集計算機技術、大數據技術和機器學習等科技優勢為一體,具有諸多理論支撐[5]。在精準營銷策略中應用數據挖掘技術,能夠以數學模型的形式進行客戶識別、策略制定等活動,提高精準營銷的定量分析可靠性,使營銷策略更為科學。此外,數據挖掘技術可以對既往精準營銷策略進行深度剖析,通過分析營銷策略成功與失敗的因素,為企業下次精準營銷策略的制定提供科學建議,增強策略的可靠性。精準營銷需要獲取客戶個人數據,涉及數據泄露等安全問題,處理不當會使企業失去客戶資源。數據挖掘技術具有安全性,企業可通過安全等級保護構建多層次防控機制,從物理層面與系統層面等多個角度考慮潛在風險,確保數據來源安全,在數據分析與價值挖掘過程中保障數據安全。

4.針對性:數據挖掘技術能夠使精準營銷更為精準

互聯網時代,民眾能夠便捷地接觸各式各樣的信息,個體特征被逐步放大,客戶消費呈個性化趨勢,企業營銷策略需要更具針對性。由于針對個體客戶的營銷策略制定極為耗費人力與物力,傳統精準營銷策略往往面向某一類客戶群體,無法兼顧個體客戶的具體需求。在數據挖掘技術的支撐下,企業能夠借助算法與計算機等先進科技,對客戶特征進行詳細分析,進而為每個客戶提供極具針對性的營銷策略,提高精準營銷策略的準確度。具體而言,數據挖掘技術能夠根據客戶歷史數據、企業營銷過程等信息進行定量分析,如企業可以從客戶的注冊信息與瀏覽記錄中獲取客戶個體信息,進而充分了解客戶的年齡、性別、文化層次、愛好傾向等,分析客戶興趣,掌握客戶的潛在消費需求。根據數據挖掘結果,企業能夠針對客戶個體具體特征,在合適的時間、地點向客戶推送最適宜的產品,提升精準營銷策略的成功率。同時,數據挖掘具有多樣性與開放性,隨著產品升級迭代,企業可根據實際情況對系統進行升級與調整,保障數據應用的可擴展性、可優化性,進而滿足不同客戶的需求。

二、精準營銷策略中應用數據挖掘技術的現實困境

精準營銷概念起源較早,早期精準營銷策略主要采用單向思維向客戶推銷。隨著經濟實力與物質水平的不斷提升,客戶對產品的興趣不斷產生改變,精準營銷策略也不斷改革,逐步轉變為以互動為核心的雙向交互[6]。新時代,在海量數據支撐下,企業能夠根據客戶特性研發并推送針對性產品,這與新時代用戶個性化特點相吻合,精準營銷策略向個性化轉變。然而,傳統營銷思維與方式方法固化、傳播主體與客體之間的轉換難以及時調整、產品內容無法與時俱進等諸多原因均制約著數據挖掘技術在精準營銷策略中的應用。

1.客戶數據標準化程度不足,難以支撐數據挖掘需要

數據收集與存儲是數據挖掘的基礎,若無法獲取有效的數據源,就無法對數據內部價值進行挖掘。數據收集需要對數據內容進行詳細統計,包括時間標簽、產生地點、數據格式和限制條件等內容。唯有充分統計數據信息,才能從數據間探尋出相關規律。然而,目前部分企業存在數據標準化程度不足的問題,致使其在應用數據挖掘技術時缺少基礎支撐。具體而言,部分企業缺少數據標準化意識,在研發系統時數據自動收集的規則不統一,在存儲后仍需要進行數據預處理、數據清理等工作,給數據挖掘帶來不必要的工作量。同時,在進行人工數據收集時,由于工作人員自身習慣問題,致使數據統計格式不一,在進行系統輸入與數據存儲時仍舊需要進行標準化處理。由于標準化程度不足,數據篩選時會剔除部分無效數據,而剔除的數據中難免會存在關鍵信息,這就導致企業失去可挖掘的價值內容,制約精準營銷策略制定。以圖書銷售為例,新華書店等大型連鎖書店均有自身數據收集系統,但由于進貨渠道、出版社和營銷模式存在細微差異,各店面運營管理方式存在差異,系統收集的數據格式有差異,無法準確獲取各類客戶的消費信息,無法為數據挖掘夯實基礎[7]。

2.傳統營銷策略思維套路化,難以貼合數據挖掘邏輯

數據挖掘的本質是從大數據中探尋有價值的信息,這表明數據本身的價值密度較低,需要海量數據與關鍵技術支撐,才能從中探尋貼合企業發展需要的有效信息。傳統營銷思路具有重利潤、高成本和條件多等特點,與數據挖掘技術內在核心不吻合。首先,傳統營銷策略的核心注重點是企業利潤的擴張,只為提高收益,對客戶數據的分析明顯不足,并未探尋利潤提升的本質原因,無法實現可持續發展,這與數據挖掘技術對關聯性的強調相悖。其次,傳統營銷策略需要耗費大量人力、物力,并且較為依靠營銷經驗等主觀條件,對客戶數據關注不足;而數據挖掘具有高度系統性與科學性,能夠通過模型算法分析客戶特征與潛在需求,與傳統營銷注重經驗的思維相悖。因此,在精準營銷中應用數據挖掘技術必須提高企業對數據的重視程度。最后,受到運輸條件、信息傳播速度和產品存儲等因素的影響,傳統精準營銷需要考慮時間、空間和市場等因素的限制,策略的制定與實施受到諸多條件的影響;而數據挖掘能在互聯網等技術的支撐下,為企業提供更快捷且準確的營銷策略,有效突破傳統營銷思維限制。

3.企業對客戶需求認知有限,難以發揮數據挖掘價值

在既往營銷策略中,企業是策略制定的主體,策略內容以產品為主導,通過提高產品質量主動吸引客戶進行擴張?；ヂ摼W時代背景下,客戶接收的信息內容豐富多樣,其個性化特征凸顯,對產品的需求產生巨大轉變,興趣、價格、產品質量等均成為消費影響因素。在網絡空間的支持下,客戶成為傳播主體,營銷主客體身份逐步模糊,客戶與企業共同構成營銷主體角色?，F階段,在技術條件、營銷思維等多重因素的影響下,部分企業并未真正了解客戶真實需求,認為進行簡單的客戶需求分析即可,這與數據挖掘對價值的深度剖析相悖,會阻礙數據挖掘技術的應用。具體而言,企業并未對客戶進行詳細分類,僅對不同消費群體進行劃分,并未據此進行特征歸納,也未能為客戶個體進行畫像,致使企業對客戶需求認知有限,無法提供數據挖掘進行明確的價值探尋。以銀行業務為例,J銀行在2020年提取的客戶數據主要為風險排查與法律合規等審計類數據,對客戶營銷數據、金融類數據提取不足,表明J銀行并未對企業客戶行為數據進行詳細提煉,分析結果片面且粗糙,未發揮數據挖掘技術的真正價值[8]。

4.大數據技術相關人才缺失,難以支持精準營銷研發

數據挖掘作為新時代高新科技的重要內容,是一項復雜且系統的工程,其技術含量較高,對所需人才同樣提出高標準、嚴要求。然而,目前部分企業大數據相關人才缺乏,引進的一些技術人才對企業內部營銷結構不夠了解,導致數據挖掘技術與精準營銷策略難以有機結合。一方面,企業大數據相關人才儲備不足。數據挖掘需要對海量數據進行收集、存儲、分析等操作,不同步驟需要對應不同的專業基礎設施與人才支撐,由于設備與人才成本過高,多數中小企業難以支持相關人才的儲備。以營銷成功的代表企業為例,京東在大數據精準營銷方面成立了專門的部門,該部門含員工4 000名與800臺集群服務器,用于支持客戶數據收集與營銷工作[9]。另一方面,數據安全問題難以保障。大數據時代背景下,數據安全成為社會高度關注的問題。客戶數據包含個人姓名、家庭住址、銀行賬戶等關鍵信息,稍有泄露就會給客戶帶來信息安全問題,因此,在收集客戶數據的同時保障數據安全是各企業的必要工作。然而,數據安全保障是一項技術要求較高的工作,部分企業僅依靠自身力量難以保障客戶數據安全,給精準營銷埋下隱患。

三、數據挖掘技術在精準營銷策略中的應用路徑

隨著網絡用戶的不斷增加,互聯網空間下的客戶數據呈指數級增長,大數據時代已然到來,企業應當與時俱進地應用大數據技術進行革新。精準營銷作為一種集定量與定性分析為一體的策略,要根據現有及潛在客戶內在需求,實施針對性營銷策略,以最小的投入換取最大經驗效果。大數據時代背景下,客戶數據更為清晰可見,且數量極為可觀,企業能夠從海量數據中獲取足夠的內容。為此,企業要根據自身現狀與發展需要,從精準營銷與數據挖掘結合困境角度出發,通過明確數據標準、拓展營銷思路、分析客戶需求和開展技術研發等路徑挖掘數據價值,提高精準營銷策略質量。

1.明確數據標準化規則,構建客戶群體精細化畫像

數據收集與存儲是數據挖掘技術的基礎構成,只有保障數據源的質量,才能從海量數據中挖掘出對應內容。因而,為從價值密度偏低的海量數據中尋找企業所需的信息,在應用數據挖掘技術時,需要明確數據的標準規則,確保收集的數據規范、有序,進而為客戶群體構建精細化管理畫像,夯實數據價值挖掘基礎。一方面,企業要根據自身業務明確數據標準。大數據是數據挖掘技術的根本基礎,企業需要構建自有數據倉庫,為價值挖掘等工作奠定基石。標準的數據格式能夠提高價值挖掘效率、減少不必要工作,企業首要工作便是明確數據標準,提高數據采集質量。以零售行業為例,為收集會員購物數據,將其消費內容分為會員卡號、付款總額、支付方式、購物內容等幾大類,購物內容又細分為水果蔬菜、新鮮肉品、牛奶、酒水等,通過標準化規則提高客戶數據收集質量[10]。另一方面,為客戶群體進行精準化畫像構建。客戶是企業效益與收入的根本來源,構建客戶畫像能使企業管理更為精細化。在數據收集標準化完成后,企業設置劃分規模、利潤、粘性和忠誠度等模塊,通過精細分類、關聯疏通等方式進行客戶分組,并針對客戶個體進行精準畫像,為其制作特征標簽。

2.拓展數據化營銷思維,打造大數據精準營銷平臺

隨著互聯網普及程度的不斷提高,市場競爭與客戶需求發生動態轉變,傳統的營銷思路與策略不再適用于當前時代。為此,新時代背景下,企業要以大數據思維為基礎,拓展數據化營銷思維,打造大數據精準營銷平臺。首先,優化平臺架構。目前,大部分企業都有自建或租用的大數據平臺。為將數據挖掘技術有效應用于精準營銷中,企業要根據精準營銷特點對大數據平臺進行架構優化,提高數據挖掘科學性。以大型銀行大數據平臺為例,在現有系統的基礎上,逐步向開放化過度,形成核心交易在“主機+開放”形勢下的同向運行[11]。其次,拓寬平臺場景。大數據精準營銷平臺要面向全體員工,企業要為不同部門的員工提供操作模塊,促使各員工均能參與精準營銷策略制定過程。例如,財務部門人員可將企業收益率納入精準營銷影響因素范疇。最后,落實反饋機制。精準營銷策略的最終面向群體是客戶,優化策略的有效途徑便是吸取客戶建議。企業要在大數據平臺中設置反饋模塊,并安排專員為客戶提供售后服務,動態捕捉客戶需求,不斷提升企業服務質量與客戶滿意度。

3.定位客戶潛在性需求,實施定向化精準營銷策略

精準營銷策略的本質是將特定的營銷內容推送給目標客戶群體,進而提高營銷收益的概率。因而,客戶需求與營銷內容的貼合程度便是精準營銷質量高低的關鍵因素,探索客戶潛在性需求成為各企業發展的關鍵。為此,基于數據挖掘技術,企業能夠精準地分析客戶特征,定位客戶潛在性需求,根據分析結果制定個性化精準營銷策略,并通過定向傳播進行方案實施。具體而言,企業要充分發揮數據挖掘技術在客戶需求分析方面的價值。根據此前對客戶的精細化畫像構建,企業能夠獲取客戶個體收入水平、支付能力等基礎信息。針對特定客戶,企業要應用數據挖掘技術分析其具體消費數據,通過模式訓練與學習發現其購買偏好。以餐飲行業為例,企業可根據消費數據分析客戶為“健康飲食”或是“偏愛甜食”等消費傾向,并根據其消費數據分析其購買傾向,進而依據分析結果推送新產品或重復購買物,增加精準營銷策略成功率[12]。此外,根據客戶畫像分析,企業還能應用數據挖掘技術對不同營銷策略進行分析,分析客戶對不同營銷策略類型的傾向度,為不同客戶定制動畫、影視、文案等不同類型的營銷方案,實施定向化精準營銷。

4.注重大數據技術研發,培養精準營銷復合型人才

數據挖掘技術應用需要基礎設備與專業人才支撐。大數據時代背景下,健全相關人才培養機制是各企業的重點任務。為在精準營銷策略中充分運用數據挖掘技術,企業要以大數據技術研發為目標,培養熟悉精準營銷與數據挖掘的復合型人才。其一,企業要明確科技人才引進計劃。新時代背景下,計算機等相關專業逐步受到各行各業重視,IT類人才成為各企業人才資源庫的重要構成[13]。為充分應用數據挖掘技術,企業必須明確IT類人才引進機制,通過制定大數據研發計劃,有序并有預見性地吸引相關人才。同時,企業需要明確IT板塊管理體系、薪酬制度和考核激勵方式,引進高端人才。其二,企業要制定員工培養制度。大數據背景下,員工需要具備大數據思維,才能在營銷活動中有效應用數據挖掘技術。為此,企業要根據員工情況制定培養計劃,針對研發人員、營銷人員、管理人員安排不同培訓內容,在企業不同板塊開展差異性教育,確保復合型人才的培養。其三,企業要落實產品經理體系。產品經理屬于復合型人才,能夠準確認知客戶需求與技術要點,可以全過程參與產品研發、需求發掘、開發測試、營銷跟蹤等多個環節,將數據挖掘技術有效應用于精準營銷策略中。