大数据精准营销的策略研究(大数据精准营销的策略有哪些)

精准营销细分模型的构建
数据时代, 构建 精 准 营 销 体 系 模 型 如 图 3所示。精准营销的核心是以消费者为中心, 精确和准确地满足消费者的需求。大数据时代下, 构建“用户画像”数据库的目的就是为了全面、准确地描述消费者, 用数据重构消费者的全貌, 消费者的一切需求、偏好、动机都能利用数据挖掘技术从“用户画像”数据库中提取出来, 再通过消费者群体细分形成对营销有价值的信息, 从而为企业实施精准营销提供有效的建议。精准营销策略实施之后或者在实施过程之中, 企业也可以通过与消费者互动沟通、消费者购买后的评价等数据查看营销的效果, 并将这些效果反馈到“用户画像”数据库中, 以便随时改进营销策略。

大数据精准营销的策略研究(大数据精准营销的策略有哪些)

在整个精准营销体系中, 精准营销策略的实施是以精准营销细分模型为基础的, 精准细分模型的构建是整个精准营销体系中最重要的一步。传统营销模式下, 人们是以“4P”理论( 产品、渠道、价格、促销) 进行营销的, 大数据时代, 营销的理论基础也不会脱离“4P”理论。基于数据挖掘及消费者细分模型的基础上, 本文从消费者、产品、购买行为、服务 4 个营销的角度, 重新细分影响因素, 构建精准营销细分模型进行营销。精准营销细分模型如表 2 所示。

大数据精准营销的策略研究(大数据精准营销的策略有哪些)

2. 2 基于儿童身高的精准营销细分群体验证
因为企业的营销数据属于商业机密, 企业一般不会轻易给外人使用, 因此凭借笔者所在学院与上海三枪集团的合作关系, 采用三枪集团旗下迪士尼网上品牌的销售数据做验证分析。限于时间与能力的原因, 取上海三枪迪士尼品牌 2014 年全年的网上营销数据作为全样本进行分析, 并以身高( 服装号型中的“号”表示人体的身高,“型”表示人体的围度) 这一细分因素为例, 对数据进行处理并验证。对获得的数据进行简单处理之后, 导入到 SQLServer2012 数据库中, 其各个结构如表 3 所示。

大数据精准营销的策略研究(大数据精准营销的策略有哪些)

根据 GB/T 1335. 3—2009《服装号型 儿童》的规定, 将儿童身高分为三档, 身高 52 ~ 80 cm 为婴儿, 身高以 7 cm 分档; 身高 80 ~130 cm 为儿童, 身高以10 cm分档; 身高 135 ~ 155 cm 为女童及身 135 ~ 160 cm 为男童, 身高以 5 cm 分档。第三档分男女, 主要在于胸围出现了变化, 考虑到本文做的主要是身高因素的细分, 以及在儿童时期性别对于身高无明显影响的情况下, 结合三枪集团以 10 cm 作为分档的情况, 现将数据做统一处理:调取 SQL Server 数据库中号型表中的数据, 导出到Excel 表中, 剔除身高号小于 60 cm 的( 包括空值) 数据, 剔除身高高于 170 cm 的数据, 得到 165 391 条记录数据, 然后将处理好的 Excel 表中的数据导入到SPSS 中, 并设置变量名为身高, 度量标准为度量。首先, 对这些数据进行二阶聚类, 因为二阶聚类是一个探索性的分析工具, 除了能够高效率地分析大数据集及分类变量和连续变量都可以参与二阶聚类分析等优点之外, 它还可以自动确定分类数。所以, 先运用二阶聚类的方法确定最优的分类数。结果如图 4 所示。

大数据精准营销的策略研究(大数据精准营销的策略有哪些)

从图 4 可知, 数据被自动分成 6 类, 聚类的平均轮廓值约为 0. 9( 其范围值为 - 1. 0 ~ 1. 0, 值越大越好) , 说明聚类效果非常好。
如果只是从数据的角度看, 效果是非常好的。但是如果结合服装尺码的背景来看, 效果是不理想的。企业原来的划分是以 10 cm 为单位, 共有 12 组尺寸。精准营销的理想情况是, 以 1 cm, 甚至 0. 5 cm为分档做分类, 但是考虑到企业的实际成本及定位( 不是高级定制) 问题, 这是不可能实现的, 因此希望尽可能在盈利的情况下细分群体。如果只是按照 6组来划分, 非但没有精细划分, 而且更“粗糙”了, 因此需要根据结果重新划分。考虑到企业来的 12类分类, 以及二阶聚类方法分出的 6 类中 100 cm 以下订单数较少并只分出一类的情况( 图 5) , 暂时按照10 类进行聚类。

大数据精准营销的策略研究(大数据精准营销的策略有哪些)

选用 K-均值聚类法, 运用 SPSS 对数据重新进行聚类。设置聚类数为 10, 进行聚类。结果如表 4 所示。

大数据精准营销的策略研究(大数据精准营销的策略有哪些)

根据表 4 可知, 2、4、6、9 这四类, 明显案例数较少, 而且这四类属于身高 100 cm 以下、大约 2 岁以下的儿童, 这部分儿童显然不是三枪迪士尼品牌定位的主要消费群体。3、5、7、8、10 这五类, 身高在 110 ~160 cm, 年龄在 4 ~ 14 岁, 这五类身高群体是主要的订单来源, 也是三枪迪士尼品牌主要的客户群。参照其他童装品牌的分类情况, H&M 品牌童装以身高 128 cm( 约 8 岁) 为分界点, 128 cm 以前以10 cm分档, 128 cm 以后以 5 cm 分档; ZARA 品牌童装以身高 150 cm( 约 11 岁) 为分界点, 150 cm 以前以10 cm 分档, 150 cm 以后以 5 cm 分档, 再结合 GB /T1335. 3—2009《服装号型 儿童》分类标准及三枪迪士尼品牌的定位, 建议: 以 130 cm 为分界点, 130 cm 以前以 10 cm 分档, 130 cm 以后以 5 cm 分档。这样, 三枪迪士尼童装品牌的分档, 身高 110 cm 以后,分为11 类, 110 cm 以前可以根据企业的定位, 保持不变继续分为 5 类或是更少。因此,通过挖掘三枪集团迪士尼童装的号型数据证明, 运用聚类的方法, 能够将童装的号型根据消费者的需求重新细分, 并且重新细分的消费者人群,企业不仅可以比较精准的满足其需求, 还能够节约企业的营销成本, 方便生产。

结 语
大数据时代, 基于“用户画像”数据库基础上的精准营销, 不是对经典营销理论和方法的颠覆, 而是在对数据深入理解的基础上, 重新理解消费者, 精细划分, 挖掘消费需求。本文通过构建“用户画像”数据库挖掘消费需求, 并在整理消费者细分因素的基础上, 构建了大数据时代精准营销细分模型, 不仅为企业实施精准营销策略提供了借鉴, 同时也为大数据时代研究精准营销提供了一点思路。

虽然本文精准营销细分模型的构建不是很全面, 有关模型的验证只是以身高为例进行验证, 并且研究不是很深入, 但是后续的有关其他因素的验证也会继续做下去。企业可根据自身的情况选择某一细分因素或某几个细分因素进行应用, 比如性别与地区的关系, 地区与颜色、款式的关系等。当企业利用已有的数据挖掘出某一地区的人们偏爱某一颜色时, 对企业而言, 不管是营销策略的制定还是库存的管理, 企业都可以处理得游刃有余。同时, 关于在数 据挖掘基础上的精准营销细分研究, 其余学者也可以继续研究下去。

本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 sumchina520@foxmail.com 举报,一经查实,本站将立刻删除。
如若转载,请注明出处:https://www.ixoh.com/18396.html