基于K-Means聚類分析法的大數(shù)據(jù)環(huán)境下電商精確營銷策略

胡新海 ,葉建龍，盛君賢

（1.隴南師范高等專科學(xué)校，甘肅 隴南 742500；2.蘭州交通大學(xué)，甘肅 蘭州 730070）

0 引言

隴南作為全國較早發(fā)展農(nóng)村電子商務(wù)的地區(qū)，主要依托隴南油橄欖、茶葉、核桃、辣椒、蘋果等特色農(nóng)產(chǎn)品發(fā)展本地產(chǎn)業(yè)經(jīng)濟(jì)，并通過電子商務(wù)平臺開拓銷售渠道。但隨著人們生活水平的提高和消費(fèi)規(guī)模的擴(kuò)大，消費(fèi)者的需求呈現(xiàn)出個(gè)性化特征［1］。這就要求電商企業(yè)在農(nóng)產(chǎn)品營銷方面制定更具針對性的策略，以滿足不同消費(fèi)者個(gè)性化的需求。

通過收集隴南某知名電商企業(yè)多種農(nóng)產(chǎn)品的銷售數(shù)據(jù)，利用數(shù)據(jù)挖掘技術(shù)，結(jié)合隴南的地域特點(diǎn)與優(yōu)勢，將獲得的數(shù)據(jù)進(jìn)行分析，采用數(shù)據(jù)預(yù)處理技術(shù)，建立可供實(shí)驗(yàn)研究的有效數(shù)據(jù)集。在大數(shù)據(jù)支持基礎(chǔ)上探討隴南市農(nóng)產(chǎn)品的銷售行為，研究農(nóng)產(chǎn)品精準(zhǔn)營銷策略，促進(jìn)農(nóng)民和企業(yè)增收，帶動隴南經(jīng)濟(jì)快速健康綠色發(fā)展［2］，為隴南農(nóng)產(chǎn)品電商銷售提供科學(xué)依據(jù)。

1 數(shù)據(jù)挖掘算法的選擇

數(shù)據(jù)挖掘是利用各種方法從大量數(shù)據(jù)中提取潛在有用信息，從而指導(dǎo)決策的過程。通過數(shù)據(jù)挖掘分析商品銷量與收藏量之間的關(guān)系，為電商企業(yè)制定精確的營銷策略［3］。本文主要使用回歸分析和聚類分析兩種方法對電商銷量進(jìn)行研究。

1.1 回歸分析

回歸分析反映變量對變量的依賴關(guān)系，分析現(xiàn)象間的諸多影響因素。回歸分析研究就是根據(jù)模型進(jìn)行因素和預(yù)測分析，它是研究一個(gè)或多個(gè)變量的依存關(guān)系（相對于其他多個(gè)變量的）的數(shù)學(xué)模型。

回歸分析是分析現(xiàn)象之間相關(guān)的具體形式，確定其因果關(guān)系，進(jìn)而確定其相關(guān)程度。因此，回歸分析可運(yùn)用于變量間關(guān)聯(lián)度的分析［3］。

1.2 聚類分析

聚類分析是一種探索數(shù)據(jù)分組的過程，使得同一個(gè)組內(nèi)的數(shù)據(jù)對象具有較高的相似度，而不同組中數(shù)據(jù)對象是不相似的［4］。聚類的樣本一般事先都不進(jìn)行標(biāo)記，使用者和聚類算法都不知道這些記錄會被分成幾類。使用聚類算法可將商品細(xì)分和識別，幫助電商企業(yè)了解同類的品，從而針對不同的消費(fèi)群體進(jìn)行精確營銷。

2 收藏量與銷售量的回歸分析

回歸分析與相關(guān)分析都是研究變量之間關(guān)系的方法。其中，回歸分析可以具體研究變量之間的相關(guān)程度，而相關(guān)分析則是顯示變量之間存在的相關(guān)關(guān)系［5］。本文需要分析每個(gè)商品收藏量和銷售量之間的相關(guān)程度，并將其相關(guān)系數(shù)作為一個(gè)重要的因素進(jìn)行具體分析。

相關(guān)系數(shù)是在-1 和1 之間的一個(gè)數(shù)，其目的是驗(yàn)證變量問題的線性關(guān)系，與變量本身所具有的特性無關(guān)［3］。一個(gè)變量的相關(guān)性越顯著，相關(guān)系數(shù)的絕對值越接近1；相關(guān)系數(shù)絕對值等于1時(shí)就是完全相關(guān)。相關(guān)系數(shù)與關(guān)聯(lián)程度的含義如表1所示。

表1 相關(guān)系數(shù)與關(guān)聯(lián)程度關(guān)系表

用Pearson系數(shù)來表示變量之間的關(guān)聯(lián)度，相關(guān)系數(shù)絕對值越大說明兩者之間關(guān)聯(lián)度越強(qiáng)，反之，系數(shù)絕對值越小表明關(guān)聯(lián)度越弱或無關(guān)。

以銷售編號為“6004010174”的商品的115組銷售數(shù)據(jù)為例，使用SPSS統(tǒng)計(jì)軟件進(jìn)行分析。分析時(shí)需在假設(shè)的情況下使用漸近標(biāo)準(zhǔn)誤差，計(jì)算機(jī)數(shù)據(jù)基于正態(tài)近似值。該商品收藏量與銷售量相關(guān)關(guān)系如表2所示。

表2 編號為“6004010174”的商品收藏量與銷售量的相關(guān)性對稱測量表

將該商品的115組數(shù)據(jù)以銷售量為因變量進(jìn)行分析，根據(jù)統(tǒng)計(jì)軟件的輸出結(jié)果顯示，收藏量與銷售量的回歸分析如表3所示。

表3 收藏量與銷售量的回歸分析

分析表3可以看出，在0.01的顯著性水平上，該商品的收藏量與銷售量有一定的相關(guān)關(guān)系。根據(jù)回歸分析，該模型最終調(diào)整后的R2為0.320，表明該模型解釋效果良好，且模型的T 值顯著性概率Sig.小于0.05，說明這種商品的收藏量對銷量的影響是顯著的，會給銷量帶來積極的作用。

用相同的方法計(jì)算出每一個(gè)商品的回歸系數(shù)，在剔除異常數(shù)據(jù)后，對銷售商品進(jìn)行分類處理。

3 基于K-Means的分類模型

在數(shù)據(jù)的預(yù)處理中經(jīng)過分析，選取每個(gè)銷售產(chǎn)品的總銷售量、總收藏量、銷量最大的月份、回歸系數(shù)等因素作為分類依據(jù)。采用K-Means 聚類算法將整理出的產(chǎn)品因素進(jìn)行分類，即對處理好的數(shù)據(jù)中銷售產(chǎn)品每一個(gè)特征進(jìn)行分類，將同一類的銷售產(chǎn)品進(jìn)行特征分析。

K-Means 算法給定一個(gè)訓(xùn)練集合，將數(shù)據(jù)分成多個(gè)聚集的“簇”。通過不斷迭代的方法依次更迭出各聚類中心的值，直到出現(xiàn)最好的聚類結(jié)果［5］。在進(jìn)行分類之前，由于不知道具體分類個(gè)數(shù)，需要先確定K值。

3.1 手肘法對數(shù)據(jù)聚類分析

K-Means 聚類方法中常用手肘法來確定K 值，這種方法其核心指標(biāo)是SSE（誤差平方和）的表達(dá)，其公式如下：

其中，Ci是第i個(gè)簇，x是Ci中的樣本點(diǎn)，mi是Ci的質(zhì)心（Ci中所有樣本的均值），SSE是所有樣本的聚類誤差，代表了聚類程度的好壞。運(yùn)行的效果圖類似于一個(gè)手肘，而這個(gè)肘部對應(yīng)的K 值就是所求的最優(yōu)聚類數(shù)。SPSS運(yùn)行結(jié)果如圖1所示。

圖1 銷售產(chǎn)品K值選擇

根據(jù)圖1 可以得知，分類模型的K 最優(yōu)取值為3，說明可以將銷售產(chǎn)品分為3類。然后將整理好的數(shù)據(jù)，對銷售產(chǎn)品進(jìn)行K-Means 聚類分析，得到產(chǎn)品銷售聚類數(shù)據(jù)分析表，如表4所示。

表4 產(chǎn)品銷售聚類數(shù)據(jù)分析表

3.2 劃分結(jié)果

類別1：回歸系數(shù)在［0，0.2］，銷售量主要集中在［0，12］月，價(jià)格在［7.1，67］元。

類別2：回歸系數(shù)在［0.2，0.4］，銷售量主要集中在［6，9］月，價(jià)格在［6，25.8］元。

類別3：回歸系數(shù)在［0.4，1］，銷售量主要集中在［10，12］月，價(jià)格在［5.5，25.6］元。

3.3 結(jié)果分析

類別1 的商品受季節(jié)的影響較小，但是收藏量向銷售量的轉(zhuǎn)化率不高，價(jià)格幅度變化較大，說明價(jià)格因素限制了消費(fèi)者的購買行為。

類別2和類別3的商品收藏量向銷售量的轉(zhuǎn)化率較高，價(jià)格幅度變化較小，但是只有在特定月份銷量才能最好，說明該商品受季節(jié)因素的影響較大。

4 農(nóng)產(chǎn)品精確營銷的策略

4.1 時(shí)令商品，采取預(yù)售制

特色農(nóng)產(chǎn)品的生產(chǎn)有季節(jié)性，大多數(shù)具有固定的生產(chǎn)周期性，并且特色農(nóng)產(chǎn)品的產(chǎn)量也不穩(wěn)定，一些時(shí)令新鮮蔬菜和水果保鮮期較短［6］。根據(jù)數(shù)據(jù)分析，類別2和類別3的農(nóng)產(chǎn)品受季節(jié)影響較大，分別在［6，9］月和［10，12］月時(shí)銷量最好。所以對于這一類商品，可以通過網(wǎng)絡(luò)預(yù)售的方式，使有季節(jié)特性的農(nóng)產(chǎn)品根據(jù)其成熟的時(shí)間和質(zhì)量來決定產(chǎn)品的采摘時(shí)間，從而保證部分農(nóng)產(chǎn)品的新鮮度，避免出現(xiàn)農(nóng)產(chǎn)品滯銷的情況。預(yù)定銷售既增加了客戶黏性，也提高了客戶對品牌的信任度［6］。在做好預(yù)定銷售的同時(shí)，還要加強(qiáng)實(shí)時(shí)銷售的力度，向消費(fèi)者展示現(xiàn)成的特色農(nóng)產(chǎn)品，讓消費(fèi)者直觀地感受到特色農(nóng)產(chǎn)品的品質(zhì)，提升消費(fèi)者對產(chǎn)品的信任度，提升產(chǎn)品的銷售額。線上預(yù)定銷售和實(shí)時(shí)銷售相結(jié)合的方式增加了消費(fèi)者購買方式的多樣性。

4.2 適當(dāng)調(diào)整價(jià)格，增加電商銷量

根據(jù)數(shù)據(jù)分析，某種商品的回歸系數(shù)主要在［0，0.2］之間，說明該商品在收藏量和銷售額之間的轉(zhuǎn)化率較低，而同類商品在20 元的價(jià)位上銷量最好，考慮到售價(jià)對用戶購買決策的影響較大，說明這類商品的價(jià)位對消費(fèi)者的影響更大。所以對低于平均售價(jià)的商品，可以在商品數(shù)量和質(zhì)量增加的同時(shí)，適當(dāng)提高價(jià)格；高于平均售價(jià)的商品，在保證成本的情況下，價(jià)格可以適當(dāng)下調(diào)。為滿足消費(fèi)者不同的需求，把價(jià)格制定到容易接受的范圍，從而提高消費(fèi)者購買頻率，增加電商的銷售量。

4.3 智能推送，精確服務(wù)消費(fèi)者

對電商購物的消費(fèi)者，可利用RTB（Real-Time Bidding）技術(shù)進(jìn)行精確營銷。RTB技術(shù)主要通過對數(shù)據(jù)的深度挖掘，實(shí)現(xiàn)廣告的智能投放，使得電商農(nóng)產(chǎn)品的推送更加精確，更具有針對性，是電商農(nóng)產(chǎn)品向特定人群進(jìn)行精確營銷的方式和重要的手段［7］。企業(yè)可通過交易平臺數(shù)據(jù)，詳細(xì)了解消費(fèi)者對上架推銷商品的購買情況。如果某一客戶多次瀏覽某商品，沒有立即下單購買，僅僅是加以收藏，那預(yù)示著該客戶對產(chǎn)品的質(zhì)量、價(jià)格等方面有所顧慮，這里就需要對原因進(jìn)行分析。借助RTB技術(shù)分析，推測影響用戶不能及時(shí)購買的因素，然后采取必要的手段，向該用戶合理地推送可消除其顧慮的產(chǎn)品，以滿足其購買產(chǎn)品的意愿。

4.4 直播帶貨，擴(kuò)大宣傳效應(yīng)

直播帶貨是在互聯(lián)網(wǎng)的影響下，借助短視頻和新媒體平臺迅速發(fā)展起來的一種新型電商營銷模式［8］。農(nóng)產(chǎn)品的銷售可采取直播帶貨這種銷售手段，通過直播間對產(chǎn)品特性直觀地介紹、訂單數(shù)量宣傳、打折促銷等活動，激起客戶的購買意愿，形成一定的客戶瀏覽量和數(shù)據(jù)流量，從而提高品牌的影響力和消費(fèi)者的關(guān)注度，增加隴南特色農(nóng)產(chǎn)品的電商銷售量［6］。由政府發(fā)揮主導(dǎo)作用，帶動農(nóng)民的參與熱情，讓他們多學(xué)習(xí)技術(shù)和掌握方法，將直播帶貨滲透到農(nóng)產(chǎn)品的銷售過程中。

隴南農(nóng)產(chǎn)品核心競爭力是產(chǎn)地的生態(tài)品質(zhì)和文化，保持農(nóng)產(chǎn)品的綠色無公害的初衷，提高生產(chǎn)品質(zhì)是銷售農(nóng)產(chǎn)品的有效保障。因此也需要重視直播帶貨的商品質(zhì)量和客戶的售后服務(wù)。

4.5 完善物流配送，支持送貨上門服務(wù)

物流配送基礎(chǔ)設(shè)施的改進(jìn)與優(yōu)化是隴南電子商務(wù)可持續(xù)發(fā)展的基礎(chǔ)和根本［2］。可利用專業(yè)的物流平臺，降低物流費(fèi)用，還可經(jīng)營推廣線上網(wǎng)店的同時(shí)，積極發(fā)展線下實(shí)體店［6］。對于當(dāng)?shù)叵M(fèi)者，支持就近實(shí)體店下單送貨到家服務(wù)，增強(qiáng)消費(fèi)者線上購買特色農(nóng)產(chǎn)品的體驗(yàn)感，搶占送貨到家服務(wù)市場。