基于大数据精准营销数据分析研究.docVIP

基于大数据精准营销数据分析研究 　　【摘 要】精准营销是在充分了解顾客信息的基础上，针对顾客偏好，有针对性地进行营销，并以事实为依据，以数据为基础，实现对未来客户的精准定位、销售情况的准确预估以及对不同客户不同业务内容的精确推荐。本文基于大数据精准营销，从精准营销的定性分析与定量分析两个方面，对数据进行分析和挖掘，为精准营销提供依据和支持。 　　【关键词】精准营销；数据分析；定性分析；定量分析 　　精准营销，是在充分了解顾客信息的基础上，针对顾客偏好，有针对性地进行营销，就是在合适的时间向合适的人提供合适的产品。同时，精准营销要以事实为依据，以数据为基础，实现对未来客户的精准定位、销售情况的准确预估以及对不同客户不同业务内容的精确推荐。基于大数据精准营销的数据分析，就是从精准营销的角度，对数据进行挖掘与分析，找出数据的内在规律，对未来情况进行预计，为企业营销战略的制定和营销目标的实现提供重要依据。 　　一、背景介绍 　　随着近年来互联网、新社交媒体的发展，信息过载，数据爆炸、大数据分布式存储、大数据分析及挖掘技术的发展使得对海量数据进行收集、分析、整合成为可能。基于大数据精准营销对企业营销战略提出了很大的机会和挑战。可以说，精准营销是一个基于数据分析的量化过程，从而实现对客户的精准定位、数据的准确预估等。因此，怎样面对大量数据进行数据分析，并通过分析得出有价值的营销信息，实现精准营销，这里就需要一些数据统计分析方法的支持。 　　在精准营销领域，数据统计分析的方法又可分为定性分析法和定量分析法。定性分析法如分类、关联等，重点解决的问题有：哪些客户是某个产品或者营销活动的目标用户？每个用户最适合推荐的产品是什么？定量分析法如时间序列预测、移动平均模型、指数平滑模型、趋势预测法、季节指数法、贝叶斯统计预测方法、马尔可夫分析法等，重点关注怎样通过对客户消费行为数据和历史规律的挖掘与分析，预测未来客户需求数据的问题，实现以客户为中心的精准营销。本文从精准营销的定性数据分析与定量数据分析两个方面展开讨论。 　　二、精准营销数据中的定性分析 　　分类法：分类就是按照事物的性质、特点、用途等作为区分的标准，将符合同一标准的事物聚类，不同的则分开的一种认识事物的方法，是数据分析应用最广泛的应用之一。可利用分类法寻找目标客户的共有特征，通过分析准确的找到目标用户。构建分类模型方法有决策树、神经网络、判别分析等方法。 　　关联法：主要解决的问题是研究产品购买的关联性，即购买A产品的同时是否会对B产品感兴趣。关联分析又叫“购物篮分析”，意思是在超市购物时，一个购物车中往往会放多种不同的商品，通过大量的购物车分析商品之间可能会存在众多意料之中或意料之外的关联性。主要解决两大类问题：一是如何对客户进行商品推荐，二是把哪些商品捆绑在一起销售更好。关联法就是从一种行为中发现与之相关联的另一中行为，其广泛应用于零售业、金融业及互联网行业。最典型的运用是超市的购物篮分析，挖掘一般顾客在购买X?a品的同时还会购买其他什么产品，于是制定相应营销策略，进行捆绑销售，增加销售量。电子购物网站也使用关联法对相关数据进行分析。一些购物网站使用关联规则设置相应的交叉销售，也就是使得购买某种商品的顾客会看到相关的另外一种商品的广告。 　　三、精准营销数据中的定量分析 　　时间序列预测：时间序列就是一个变量在一定时间段内不同时间点上观测值的集合。这些观测值是按时间顺序排列的，如按年、季度、月、周等统计的商品销量、销售额或库存量。通过时间序列观测值的变化规律与趋势或因变量观测值与自变量观测值之间的函数依赖关系，来推算未来预测值的方法。 　　移动平均模型：利用平均使各个时间点上的观测值中的随机因素互相抵消掉，以获得关于稳定水平的预测，将包括当前时刻在内的N各时间点上的观测值的平均值作为对于下一时刻的预测值。 　　例：某商品在过去12周的销售数量以用移动平均预测模型进行预测的数据如下表： 　　折线图如下： 　　按照移动平均预测模型，某商品第13周销量预测值为20.25。 　　指数平滑模型：也称为改进的移动平均预测模型，是在移动平均预测模型的基础上，将计算平均值时对于不同时期观测值的权数设置的不同，近期的全数较大，远期的权数较小。 　　将上例按照指数平滑法进行建模，阻尼系数取0.3时的模拟出第13周销量预测值为20.8，如下图： 　　趋势预测法：对于含有线性趋势成分的时间序列，可以将预测变量在每一个时期的值和其对应时期之间的线性依赖关系表示出来，确定相关系数（直线方程的斜率和截距）后，可得到直线趋势方程。以此可求得每个预测区间的预测值。 　　季节指数法：对于既含有线性趋势成分又含有季节成分的时间序列，对其成分进行分解，分解出趋势成分、季节成分与不规