本站原创[摘 要]近年来,随着电子商务和社会经济的发展,人们的生活习惯发生了较大变化,购物习惯也因此而发生变化,商家只有摸清人们的购物习惯变化,并采用相应的营销策略,才能留住老客户和发现新客户,本文对目前电子商务平台中精准营销的数据挖掘需求及其算法进行了综述,希望能对相关研究给予一定帮助,最后本文对未来进行了展望,认为随着电子商务和数据挖掘技术的继续发展,用户的需求会越来越丰富,精准营销理论也会随之愈加深化,国内外学者对电子商务平台中精准营销的业务理解和分析思路也会更加精确和成熟.
[关 键 词]精准营销；数据挖掘；电子商务
[DOI]10.13939/j.ki.zgsc.2015.01.015
1前言
近年来,随着电子商务和社会经济的发展,人们的生活习惯有了较大变化,越来越多的企业通过电子商务进行交易、结算等商务活动,在网上进行消费、投资活动的人群也逐年增多,人们的日常活动,包括食品、衣物、旅行、票务预订、教育等活动都可以通过网络得到满足,电子商务越来越紧密的和消费者结合.截至2014年6月,中国电子商务交易额超过5.8万亿元,互联网用户超6.7亿,网购用户数量超过3.1亿人.但是虽然每天都有数以亿计的消费者在网络中进行购物活动,但网络中亦有数以万计的商家在网络中从事商业活动,对于每一个商家而言,如何对市场进行划分,精准的进行产品、市场进行定位,抓住老客户,发现新客户,在众多的商家中脱颖而出成为摆在每个商家面前的问题.[1]
2005年,菲利普科特勒提出了精准营销的概念,并首次提出了基于互联网的精准营销理论,他认为：“日新月异的科技使一些公司勇于从传统的大众传媒沟通方式转移到更加有针对性目标市场的互动模式,以此来不断提高沟通的效果和效率.”随着技术的不断发展,数据挖掘成为网络中精准营销的重要抓手,消费者在网络中购物、浏览网页等活动中留下了大量的交易数据、Web数据等信息,这些数据中隐藏着巨大的商业价值,对其进行研究和挖掘,具有重要意义,消费者可以获得更满意的购物体验,商家可以获得更公平的流量分配,电子商务平台也可以因提供精准营销服务而获得更多商家入驻和获得新的赢利点,以及更多消费者的关注.
2精准营销和数据挖掘相关理论研究
精准营销是指在恰当的时间,提供恰当的产品,用恰当的方式,送到恰当的顾客手中,恰当到一定程度,称之为精准,这是国内学者对精准营销的描述.在实际研究中,也有学者认为精准营销是通过定量和定性相结合的方法对目标市场的不同消费者进行细致分析,根据他们不同的消费心理和行为特征,采用有针对性的现代技术、方法和指向明确的策略,实现对目标市场不同消费者群体强有效性、高投资汇报的营销沟通.其特征主要体现在目标对象的选择性、沟通策略的有效性、沟通行为的经济性、沟通结果的可衡量性和精准程度的动态性五个方面,其所包含的理论包括顾客让渡价值理论、市场细分理论和4C理论,精准营销实施的策略和途径包括邮件、呼叫中心、短信等基于数据库的精准营销方法,门户网站广告、关 键 词搜索等基于互联网的营销方法和借助拥有共同客户群商家的基于第三方渠道营销方法三种,精准营销是对经典营销的延伸和发展,其主要集中在挖掘客户、客户沟通、信息传播和增值服务等方面.
数据挖掘从广义上来讲又称数据库中的知识发现,是从数据库中大量数据中发现隐含的、未知的有价值信息的过程.[2]数据挖掘是目前数据库和人工智能领域研究的热点问题,目前已广泛应用到各个领域和行业,包括商业领域中产品生产、市场营销、客户关系管理等,金融领域中投融资评估、股票交易等；物流领域的路线规划、天气预测等；教育领域的高中生管理、毕业生就业分析有情.数据挖掘需要的原始数据可以是结构化的数据,也可以是半结构化的数据,如图形、图像、文本等数据；也可以是网络中异构数据,在数据挖掘中采用的算法包括分类分析、回归分析、聚类分析、Web页挖掘、预警分析等,它们模拟人们的归纳、演绎等思维逻辑,从不同的角度对数据进行挖掘,满足客户细分、客户行为预测、特征发现、风险预警等方面的信息需求.
3用于电子商务平台精准营销的数据挖掘需求分析
当消费者在电子商务网站上有了浏览、购买、评价行为后,该用户就成网站的价值客户,其相关数据被电子商务网站和商家的数据库所记录,电子商务数据分为前端行为数据和后端商业数据两类,前端行为数据包括浏览量、访问量、点击量及搜索关 键 词等用户行为数据；后端商业数据包括交易信息、购买商品、支付金额、购买数量等信息.对这些数据进行分析可以帮助商家了解用户行为习惯、客户群细分、发现高价值客户、维持客户关系、发掘潜在客户等,总的来说,可以将其需求划分为以下三个方面：
3.1客户前端行为习惯
客户行为习惯的分析主要源自对前端行为数据的分析,其分析的关键即对用户的转化流程的分析,用户转化流程主要包括浏览过程、购买流程、注册流程、互动流程等,其目的是使用户心情愉悦的进行操作,并较快地找到想要的结果,从而达成交易.客户行为习惯分析包括两个内容：一是分析特定用户群在网页上流转的规律和特点,发现频繁访问的路径模式,提炼出该用户群体的主流路径和浏览特征,对网页优化和改版、对用户下一个浏览页面进行预测；二是对搜索关 键 词进行分析,在对大量用户检索行为分析的基础上,得出最有效的关 键 词组合,优化广告发布页面的相关性,提高转化率.[3]
3.2客户后端购买行为分析
电子商务客户后端购买行为在精准营销方面的需求主要有目标客户特征分析、客户分类、保留和延长客户生命周期和利润贡献、商品智能推荐等,其目的主要是通过挑选指标变量进行数据挖掘,以便运营团队提供精细化、个性化运营和服务,从而实现特定营销目的.
3.2.1目标客户特征分析
目标客户特征分析是精准化营销的第一步,因为在精准营销之前,第一步就是要找准目标客户和受众,特别是当企业刚推出新产品的时候,产品运营团队尤其需要一个对目标客户特征的初步描述,这个时候需要依据产品设计初衷、产品定位及运营团队初步的理想化的猜测,从历史数据中挖掘出目标客户典型特征；在该产品试运营之后,再根据收集到的用户资料对目标客户特征进行修正.3.2.2客户分类
客户分类主要是精准要求的必然要求,目的是针对不同客户群体采用不同的营销方式,从而提高运营团队的运营效率和付费转化率,在实际操作中主要是通过分析数据库中的交易数据,按照各个客户指标（如自然属性、交易额、价值度等）对客户进行分类,确定各类客户行为模式,运营团队据此采取相应营销措施实现企业利润最大化.
3.2.3保留和延长客户生命周期和利润贡献
当客户在商家购买东西后,商家就会有需求来保留和延长客户生命周期和利润贡献,为实现这个需求商家一般会有两种策略,一是保留客户,通常是建立客户流失预警模型提前锁定有价值的客户,对其进行客户关怀；二是通过交叉消费等手段,让客户消费更多商品和服务,挖掘客户利润,这都依赖于数据挖掘的实施.
3.2.4商品智能推荐
在电子商务网站中,经常需要针对不同的客户进行商品推荐,缩减客户搜索成本,提高客户体验,提高网站流量的转化率,提高营收.根据商品推荐的对象来分,可以分为面向浏览用户的推荐和面向登录用户的推荐两种,面向浏览用户的推荐往往是常规推荐,其指的是符合常规商品关联逻辑的一些推荐,面向登录用户的推荐往往是个性化推荐,是指基于购买行为间关联性归纳出的商品推荐.
3.3指标 异常检测
孤立点和异常值是与整体数据行为特征不一致的数据,孤立点和异常值在数据挖掘中通常表现为分类中的反常实例、不满足规则的特例、观测结果与模型预测值的偏差、量值随时间的变化等,对这些偏差进行检测很有意义,在电子商务数据挖掘的一些业务中其能反映出外界市场变化的客观反应,如当网站PV减少的时候需要对搜索来源、直接访问量、搜索关 键 词等进行分析,及时发现市场变化,做出相应调整.
4用于电子商务平台精准营销的数据挖掘算法研究
目前在电子商务平台精准营销中应用的数据挖掘算法基本覆盖了数据挖掘算法中的聚类算法、分类和预测算法、关联规则算法这三个类别,本文对其概念、使用范围和算法进行了综述和分析.[4]
4.1聚类算法
聚类分析是精准营销中比较基础和比较重要的算法之一,聚类算法可以实现针对目标群体的多指标群体划分,这些分类往往是精准营销的基础和核心,只有正确地进行分类,精准营销的业务需求才能有效地开展,其业务场景主要如下：一是目标客户群的分类；二是不同产品的价值组合（交叉销售）；三是孤立点、异常值的探测和发现.该算法可以分为划分方法、层次方法、基于密度的方法和基于网格的方法及数据来源.
4.2分类和预测算法
分类和预测是数据分析的两种形式,主要用来抽取能够描述重要数据集合或预测未来数据趋势,分类算法主要用来预测数据对象的离散类别,预测方法用于预测数据对象的连续取值.分类算法主要应用的业务范围包括：一是按照既定的标签或目的对客户进行分类以便寻找不同种类用户的特征；二是利用分类算法得出的反常实例揭示异常现象,常用算法包括决策树、KNN法、SVM法、V法、贝叶斯法、神经网络等,预测算法主要应用的业务范围是预测客户访问行为、商品销售小预测等,算法主要包括线性回归、多元回归、非线性回归等.
4.3关联规则算法
关联分析,关联规则算法主要是发现不同项之间的相关性,利用关联规则可以发现存在在数据库中的可被发现的两个或多个变量取值之间存在的规律性.在电子商务精准营销中,其业务场景主要如下：一是发现访问页面之间的关联规则；二是找出客户可能会感兴趣的商品推荐；三是商品智能推荐.关联规则算法在精准营销中应用较为广泛的是Apriori算法、协同过滤算法等.
5结论
随着电子商务和数据挖掘技术的继续发展,用户的需求会越来越丰富,精准营销理论也会随之愈加深化,国内外学者对电子商务平台中精准营销的业务理解和分析思路也会更加精确和成熟,满足精准营销需求的数据挖掘的研究算法也会更加灵活,在应用中对业务提升的效果也将愈加显著.