Web數據挖掘在樂器網絡整合營銷中的應用

滄州師范學院 唐麗芳 黃琳娜

中國石油廣西石化公司 唐偉

2011年隨著電子商務和物聯網的蓬勃發展，一億網民接受和使用網上購物。樂器行業也加入網上零售隊伍中，雅馬哈、卡西歐、珠江、星海等知名樂器品牌紛紛入駐當當網、京東商城、淘寶商城，樂器大市場已形成。

網絡經濟帶給樂器行業機遇和挑戰。如何確保樂器品牌和產品在互聯網廣泛傳播，使得自己的品牌眾所周知？怎樣讓產品銷售動力十足？如何實現銷售額的成倍增長？這些問題正是樂器網絡銷售需要急迫解決的，而網絡整合營銷之道，正是最好的選擇。

網絡整合營銷的核心思想是將與企業進行市場營銷所有關的一切傳播活動一元化。具體來講，將品牌網絡廣告、搜索引擎營銷、事件營銷、郵件營稍、博客營銷、動漫游戲營銷等策略都考慮到品牌傳播、產品的市場推廣與招商推廣計劃中，并且加入了新聞營稍、互動營銷、社區營銷、口碑營稍等多種新營銷元素，實現營銷傳播方面的“蜂鳴效應”。

1 Web數據挖掘

樂器網站的服務日志、后臺數據庫中與客戶相關的數據以及大量的交易記錄、訪問日志等數據資源海量且呈爆炸式的增長，如果將這些龐雜數據進行挖掘分析并以理解的方式呈現出來，那么公司將取得極大的競爭優勢。為了解決這一問題，Web數據挖掘應運而生。

1.1 Web數據挖掘含義

Web數據挖掘是指從互聯網大量數據中“挖掘”信息加以分析，總結規律，并進一步將其模型化的過程。比如，通過分析消費者購買記錄的數據，建立消費者需求模型并對其再次購買商品進行預測。[1]

Web數據挖掘流程由四個階段構成，分別是問題定義和數據收集，數據預處理，模式識別和模式分析。它們是依次遞進的，而且這些過程可以分批完成，其中某些步驟或者全過程還可以反復進行。

1.2 Web數據挖掘常用技術

1.2.1 關聯分析技術

關聯技術可以發現大量數據之間有趣的關聯。根據消費者放在購物車中的不同商品之間的聯系分析消費者的購買習慣。比如哪些產品經常被購買？同一個訂單里，哪些產品經常會一起購買？消費者在購買商品時是否存在一定的購買時間順序？這樣我們可以設計出更適宜消費的商品擺放位置，把熱銷的商品放顯著位置；也可以更科學化地安排貨物，實現零庫存管理。

1.2.2 分類分析技術

分類分析能發現大量數據項及某些共同特征，將其分類；同時對新加入的數據項進行歸類。比如根據消費者訂單及注冊信息將用戶分類；并對每類用戶實施不同的銷售策略。如果有新注冊的用戶，先判斷該客戶的類別，再開展對應的銷售活動，收到事半功倍的效果。

1.2.3 序列模式分析技術

序列模式分析側重分析數據之間存在的因果關系或順序，通過分析消費者瀏覽商品的順序來預測消費者的喜好和行為，把他可能要購買商品的網頁組織起來，建立起激發購買欲望購物的頁面鏈接，這樣達到提高銷售的用意。[2]

1.2.4 利用聚類分析技術

聚類分析又稱群分析，它是對樣品數據進行分類的一種多元分析方法。所謂類，通俗的說就是相似數據的集合。Web數據挖掘有兩種聚類：用戶聚類、頁聚類。用戶聚類是把消費行為相似的用戶歸為一類，有針對性地提供相關產品廣告和商業活動，以加強老用戶的忠誠度。頁聚類組是把相關商品的網頁建立相互連接，方便用戶搜索、提供購買建議，快速找到自己想要的商品。

2 Web數據挖掘在樂器行業中的發展狀態

大型的電子商務網站諸如新浪、淘寶、京東商城、百度等企業均有一定的研發實力和經濟支撐，有自己的BI團隊。 他們能夠依據當前數據倉庫數據，分析未來可能存在的需求。重新調整經營目標，制定營銷方案；通過不間斷補充數據倉庫數據，使得整個數據挖掘系統像滾雪球一樣逐展。

樂器行業屬于中小型企業，沒有足夠的財力組建專門數據挖掘團隊，一般使用第三方機構提供Web數據發掘和數據分析服務。第三方機構收費低廉，服務靈活，能提供互聯網數據的基礎統計。比如統計網站訪問量及增長趨勢、統計用戶訪問時間及高峰時段、統計最暢銷商品及購買人群年齡、統計關鍵詞頻率。國內常用的統計網站有CNZZ、5lla、百度統計、SLYES等等。

數據挖掘技術在樂器銷售中運用并不理想，現狀如下：

(1)樂器行業大多都是中小型企業，經營者經營仍采取線下經營方式：憑借自己實體店多年經驗選擇產品范圍，憑借自己的直覺猜測市場價格，產品定價很隨性。

(2)樂器銷售人員素質不高。銷售人員注重熟悉產品性能特點，多多賣出商品就ok。缺乏很多專業素質，對數據挖掘技術掌握運用很困難。

(3)樂器公司對用戶信息系統維護不夠重視。由于沒有自己的挖掘團隊，數據挖掘主要依靠第三方服務。而第三方服務對樂器公司具有階段性，只能對現有數據進行挖掘和制定一段時間的行動方向，導致每次都得重復開發。另外網絡數據維護費用過高，樂器公司望而止步因此造成數據的丟失。

3 樂器網絡整合營銷需要Web數據挖掘

樂器網絡整合銷售采用話題銷售、事件銷售、活動銷售等策略，因此網絡數據海量。Web數據挖掘要處理的數據包括：樂器網站財務信息、消費用戶注冊信息、消費用戶購買記錄、消費用戶評價信息、商品瀏覽統計、VIP用戶之間聊天記錄、各種圈子里的用戶聊天記錄、網絡廣告代理商服務器瀏覽日志、博客瀏覽及評論信息、用戶搜索關鍵詞信息、相關產品新聞信息、競爭者財務信息。Web數據挖掘通過對消費者購買清單的分析，了解客戶消費行為，建立模型，并對客戶消費水平進行預測。如果以網上客戶能接受的價格推送出去，也許每日某樂器產品的規則不會改變，但是每個人所獲得的產品將不再是統一的，這種改變足以使得有效交易量翻倍增長。通過分析注冊用戶信息，對其用戶進行歸類，預測他的喜好、購買行為，并提供相應商品，增強琴行的競爭力。

在話題銷售中運用QQ圈子、博客圈子、MSN圈子、開心網圈子等等，大量邀請消費者也建立一個VIP用戶圈子，在圈中分享一些有價值的信息，間或發布一些樂器新產品信息等，通過這種圈子，Web數據挖掘可以發現客戶間的共性和個性的知識，必然和偶然的知識，獨立和聯系的知識等。我們將這些知識經過分析，就能對客戶心理、動機、需求潛能等的消費行為作出統計和正確的把握，為管理者制定針對性的銷售方案和進貨計劃提供決策依據。

4 數據挖掘在樂器網絡整合營銷中的主要應用

4.1 應用聚類技術，將用戶分成四類，實施不同營銷

首先抽取淘寶商城某知名琴行2011.1~2011.10期間購買記錄，將這些數據進行如下分類：

(1)鋼琴、西洋樂器：雅馬哈、珠江、圣卡羅等名牌鋼琴；小提琴、中提琴、大提琴；手風琴、薩克斯。

(2)電子樂器：電子琴、電鋼琴、電吉他、電貝司、電子提琴、電子鼓。

(3)流行樂器：吉他、小號、長號、大號、架子鼓；交響打擊樂、拉丁打擊樂、口琴、長笛。

(4)民族樂器：古箏、古琴、塤。

(5)音響設備：效果器、樂器音響、專業音響、錄音設備。

(6)樂器配件及書籍：琴凳、電子琴琴包、鋼琴罩、琴架、連音腳踏板、考級教程、入門輔導教程、下載歌曲、刻錄光碟、考級輔導光盤、演唱會專輯、CD。

然后對用戶人數進行統計，如表1：

表1 用戶分類表

從表1看出：Group1人最少但消費額卻很高；而Group6用戶最多但消費額不高。因此分成四類用戶。

黃金用戶：Group1的用戶，雖然購買人不多，但是他們給琴行帶來的利潤最大。采用一對一策略、建立VIP會員群，讓其有優越感來提高他們的忠誠度。提供高端樂器促銷讓利活動，增強他們的參與營銷意識。[3]

優質用戶：Group2、Group3的用戶，這些用戶有較強的購買力，用序列模式預測他們的需求，提供個性化的服務，采取多種營銷方式如口碑傳銷、事件傳銷、郵箱傳銷等挖掘他們潛在的消費力，并利用他們向周圍人群進行宣傳來發展新客源。[4]

發展型用戶：Group4、Group6的用戶，這些用戶人數眾多利潤卻有限，但有極大的潛在價值，極有可能轉變成優質用戶，是琴行營銷重要的營銷對象。建立用戶圈子，加強與他們的溝通，提供價格低、質量好的樂器，刺激他們的購買欲。

“過路型”客戶：Group5中的客戶，購買過一次后不再光顧，琴行沒必要對其投入營銷成本。

4.2 采用序列模式，及時調整樂器網站擺放

通過應用序列模式分析出某用戶一周以來總是瀏覽某件商品信息，可以預測他有購買的想法。因此，我們把該商品放置到店面的首頁顯眼位置，來提高該用戶的購買欲望。

4.3 及時調整樂器產品廣告營銷，實現推廣最優化

Web數據挖掘對互聯網廣告投入進行監控，能精確統計流量數據、用戶購買所有行為數據、利潤回報數據。這樣就能針對投放廣告方案做出客觀分析及調整建議，使得樂器企業及時把握廣告推廣效益最大化。

4.4 “裝修”網站，優化購物系統，提高品牌效應

琴行網站不能一成不變，可根據促銷活動、季節變化更換網頁風格主題。精美的網頁、高清晰的圖片、隨時放大的細節、快捷安全的購物流程都能彰顯企業的實力，增加用戶滿意度和信任度。應用關聯技術預測用戶群的喜好和購買行為，給出“裝修”方案來增加回頭客率。分析用戶的記錄，發現購物系統弱點，提出數據分布策略和改進緩存策略等方案。[5]

5 結語

網絡經濟勢在必行，只有提供最全面的商品品種，滿足眾多消費者的不同需求，才能獲得更大的商業利潤增長點。Web數據挖掘技術能分析客戶的消費喜好和消費行為，對用戶進行分類提供人性化營銷策略。Web數據挖掘為樂器網絡整合營銷成功開展提供強有力的支持。

[1]趙麗芬.數據挖掘技術在電子商務中應用研究[J].計算機工程應用技術,2011(04).

[2]廖美紅.數據挖掘技術在電子商務領域中的應用研究[J].現代商業,2011(12).

[3]趙玉勇.電子商務CRM通過挖掘數據掘金[J].信息與電腦,2011(09).

[4]成偉.數據挖掘技術在數碼產品銷售商家的應用[J].電腦知識與技術,2010(1).

[5]羅建華,陳建科.基于旅游電子商務中數據挖掘應用的研究[J].中國現代服務業,2011(08).