場景營銷在電視購物中的應用

[摘要]大數據改變人類生活的方方面面，也改變著傳統的營銷模式。文章提出了全新的場景營銷的概念，認為任何一次營銷活動，都是在一定場景下發生的，場景是由各種信息豐富的維度構成的，從這些維度，產生出各種營銷規則，進而建立各種場景營銷的應用。

[關鍵詞]大數據；數據挖掘；電視購物；場景營銷

[DOI]1013939/jcnkizgsc201915127

1引言

在大數據時代，商業、經濟及其他領域中的決策將日益基于數據和分析而做出，而并非基于經驗和直覺。大數據正在改變人類生活的方方面面，包括傳統的營銷模式。在大數據背景下，本文提出了全新意義上的場景營銷的概念。我們認為任何一次營銷活動，都是在一定場景下發生的，場景是由多個維度構成的。各個維度的信息獲得，在大數據背景下，已經成為可能。如何更好的利用各個維度的信息，提高轉換成功率，成為場景營銷的核心。

電視購物是一種電視業、企業、消費者三贏的營銷傳播模式，目前在我國電視購物轉型期存在著電視購物頻道和電視直銷廣告相互競爭發展的局面。國內新生的購物頻道如快樂購物、宜和購物、開心購物、居家購物、樂家購物、新華購物、好易購等新興的電視購物頻道也紛紛亮相，且發展穩定業績喜人，由于電視購物頻道的商品多、貼近生活、價格合理、運作規范，越來越受到消費者喜愛，成為電視購物的主要渠道。

電視購物頻道有多條業務線，呼叫中心在各業務中都是一個關鍵的環節，承擔了繁重的營銷任務。呼叫中心的各個業務員的銷售業績千差萬別，經驗豐富的業務員會把一次電話接入變成公司產品的展銷會，根據接入客戶的不同特征，推銷不同的產品給接入客戶；而經驗欠缺的業務員，往往只能完成單一產品的銷售任務。為什么各個業務員之間會存在如此大的反差呢？ 這也是因為一雙看不見的手——場景營銷在后面起作用。經驗豐富的業務員只是不知不覺中遵循了場景營銷內在的規律，把場景中的各個維度的信息主動地應用到了自己營銷的實踐中。但是人的記憶力和精力都是有限的，借助工具的幫助成為必然。即使經驗豐富的業務員也不能保證每次電話的接入，都能達到最優的銷售結果。為了保證經驗豐富的業務員的經驗能夠系統化地保存下來， 經驗欠缺的業務員能夠基本達到經驗豐富業務員的銷售業績，在電視購物中，改變傳統營銷模式，引入場景營銷模式勢在必行。

2場景營銷

場景營銷是飛速發展的數據挖掘技術、數據存儲技術等諸多先進的大數據技術直接推動的結果。筆者認為，場景是由多個維度構成的，進而在多個維度基礎上產生出多個營銷規則，多個規則建立起了場景營銷的應用。為此文章將從維度分析、規則生成，應用建立三個方面來描述場景營銷。

21維度分析

維度分析是指對營銷的場景進行緯度上的分解，把營銷場景拆分成不同的緯度，這樣可以方便地產生營銷的各種規則。大數據的飛速發展有助于我們更加方便地研究各種營銷場景的維度。文章將從如下幾個方面，進行維度分析。

（1）客戶維度。客戶特征識別不僅僅是大數據營銷的基礎，即使是在傳統行業，只要企業足夠關注客戶，也一定會進行客戶特征分析，這是以客戶為中心的企業賴以生存及發展的基本要件，甚至是公司盈利的第一步。客戶維度主要用于描述客戶自身的一些基本特征，例如性別、年齡、職業、收入、婚否、孩子個數、愛好、皮膚敏感度、所處區域等，這些基本信息不可能一次性獲得，需要業務人員通過多次的電話交流，間接地獲取這些特征。有些特征需要通過面向屬性的歸納方法才能夠得到。

（2）自然維度。自然維度是指由外界的各種信息構成的維度。它包括如下維度：區域、天氣、時令、時間、節假日、公休日。自然維度對產生相應的營銷規則有著重要的意義，營銷活動一般會隨著區域、季節等的變化，開展相應的營銷活動。例如，對于東北地區的客戶，在冬天應用會自動推薦給客戶各種保暖內衣等；對于南方地區的客戶，如果未來幾天會有頻繁的降雨，應用會自動推薦給客戶各種除濕設備。自然維度的大量信息的獲得和分析，在大數據背景下，已經成為可能。自然維度可以通過外部接口或者網絡爬蟲獲得。

（3）商品維度。商品維度就是指商品的視角、特質。主要包括商品的類別、商品的顏色、商品的重量等。有了大數據這個強大的數據處理武器，可以對商品品質進行多角度，多維度的描述。另外，我們也可以通過協同過濾的算法，來計算各個商品之間的相似度，方便產生計算規則。商品之間的相似度，也是商品維度的重要一方面。

（4）計算維度。客戶價值主要通過客戶忠誠度和客戶貢獻度表征，但客戶忠誠度和客戶貢獻度是不能直接測量獲得的。這兩個維度都是通過對歷史銷售數據的分析，用分析模型計算得到的。因此客戶忠誠度和客戶購買貢獻稱為計算緯度。

客戶忠誠度：忠誠度主要反映在客戶購買行為中所表現出來的穩定、忠誠等行為特征上。在判斷客戶忠誠度的多個指標中， 總購買額、重復購買次數和持續時間在客戶購買行為中能夠更好地說明客戶的忠誠度。

客戶貢獻度：貢獻度是客戶通過產品的購買對公司的貢獻，反映客戶的盈利能力，由一系列客戶累計交易的獲利情況的客戶盈利能力指標來表示，例如客戶交易次數等。

客戶忠誠度和客戶貢獻度都是用多個指標共同描述的，本文為方便研究用一個單獨的指標描述它們。為此，使用主成分分析方法，把多個指標綜合成一個可量化的指標。

此外為了便于產生計算規則，也可以采用聚類分析的方法，客戶忠誠度和客戶貢獻度分別分成高低兩類。這樣就可以把客戶分成四個類別。高貢獻高忠誠度的客戶不但持續購買企業的產品或服務，還為企業積極宣傳，企業只需要花費較低的維持成本就能產生源源不斷的利潤；高貢獻低忠誠度的客戶是企業值得珍惜的巨大潛在資源，他們是企業最應該實施影響的一類群體，只要通過適當的營銷策略來增加顧客的忠誠度使之成為黃金顧客。低貢獻高忠誠度的客戶屬于理性顧客。雙低顧客，進行營銷時可以不用考慮。

（5）專家維度。系統允許用戶自己定義維度，這些定義的維度，能夠馬上參加規則的計算，也能夠參加專家規則的生成。這些維度，一般都是由經驗的業務員來制定的，故稱為專家維度。例如，業務員可能增加具有雙胞胎孩子的婦女這個維度，這樣我們在場景營銷中將采取不同的規則。專家維度可以方便場景營銷進行無限可能的擴展。

22 規則生成

規則分析是指根據構成營銷場景的不同維度，產生各種場景營銷的相關規則。

（1）計算規則。計算規則主要是對構成營銷場景的各種維度（包括專家維度）進行分析計算，在沒有任何假設的前提下，在沒有任何人員的參與下，得出相應的營銷規則。它主要包括兩類規則：一類是銷售相關的規則，另一類是客戶管理相關的規則。下面分別介紹這兩類規則。

銷售相關的規則，是通過關聯規則或者協同過濾算法實現。關聯規則主要是采用購物籃分析算法，各個項集主要來自于上節中提到的各種維度。進而通過查找出購物籃中的頻繁項集，進而產生關聯規則。從產生的規則中選出支持度，置信度和提升度都很高的規則，以此規則為基礎產生各種營銷方案。從關聯規則中，可以產生出商品套餐規則和商品推薦規則。協同過濾算法主要是用來產生商品推薦規則。

客戶管理的規則主要是關于客戶流失預警和流失客戶特征分析的規則。隨著行業競爭的加劇，以及客戶購買習慣的理性化，客戶流失的規模和速度在不斷增大。因此，需要有效維持客戶，不斷提高客戶忠誠度，才能減少營銷成本。客戶流失預警規則，主要是靠預警模型實現。通過定義統一的預警模型，可以實現自動匹配預警數據；加上預警通知策略和相應的客戶維護方法，組成了客戶預警流失方案。

（2）專家規則。專家規則主要是由業務員自己根據經驗生成的銷售規則。例如，業務員會根據節假日維度產生出情人節推薦巧克力套裝等規則。這些規則一般由一些常識性知識和業務員的經驗構成，這些規則一般是通過對專家維度的分析獲得的。

23 應用建立

如前所述，我們已經描述了如何根據維度來產生規則。現在可以利用這些規則，來建立場景營銷的各種應用。

（1）套餐推介。營銷活動的目的是多賣出產品，創造盡可能多的價值。打包促銷可以在一次銷售活動中，實現產品銷售量快速提高。如何從大量的商品列表中準確的打包相關產品，需要利用我們套餐規則來實現。通過套餐規則，產生相應的套餐，以支持呼叫中心銷售人員營銷。例如：食品+飲料商品套餐；主機+配件商品套餐。當然套餐的生成不是一成不變的，隨著套餐營銷的時間的推移，如果該套餐沒有達到銷售閥值，應用就會自動更新相應的套餐。

（2）智能推薦。智能推薦的關鍵是快速識別當前的營銷場景，并對比銷售規則庫，快速找出適合銷售的商品，增加銷售成功率。例如，通過分析營銷銷售的以下標簽：性別、時間、地域、職業等，可以快速定位當前客戶適合那類產品，為銷售人員提供支持。另外，在呼叫中心業務中，包括老客戶，也包括新客戶；其中，對老客戶可以根據客戶類型有針對性促銷產品；針對新客戶，銷售人員可以盡量多地了解客戶的了解客戶基本信息，通過這些基本信息，自動的識別客戶類別，然后推薦相應的產品和服務。

（3）客戶維護。該應用主要針對低貢獻度高忠誠度的理性客戶，針對識別出的易流失客戶，進行重點監控；根據客戶流失預警規則，當發生報警時及時聯系客戶，采用客戶挽留策略，推薦和銷售產品，避免客戶流失，降低客戶流失成本。另外，針對已流失、或者將要流失的客戶，利用流失客戶特征分析規則，對一些有針對性的客戶，做一些調查問卷，了解流失原因，用于進一步分析的依據。

（4）客戶拓展。通過計算維度產生的各類客戶，去考察他們的客戶維度，就可以得到各類客戶，高貢獻高忠誠、低忠誠度高貢獻、低貢獻高忠誠度、低忠誠度低貢獻的基本特征，可以根據這些特征有重點的尋找新的客戶；這些客戶不在呼叫中心的系統中，但是可能存在于其他業務系統中，或者來自于其他渠道；也許他們沒有主動打過電話，但是依然是潛在的購買用戶。因此，可以采取主動營銷的方式，實現用戶拓展。

3未來的工作

在大數據的幫助下，場景營銷在電視購物中取得了非常好的效果，但是還存在一些不足，需要我們在未來研究中得到完善。場景營銷的維度分析還是有些粗糙，還應該進一步精細化。另外，維度分析分層管理將是下一步的研究方向。

參考文獻：

[1]DICK A S， BASU K Customer loyalty： toward and integrated conceptual framework[J].Journal of the academy of marketing science， 1994，22（2）：99-113.

[2] （美）坎塔爾季奇（Kantardzic M）數據挖掘：概念、模型、方法和算法[M].2版王曉海，吳志剛，譯北京：清華大學出版社，2013.

[3] 盧輝 數據挖掘與數據化運營實戰：思路、方法、技巧與應用[M].北京：機械工業出版社，2013.

[作者簡介]苗新雨（1996—），男，吉林長春人，就讀于加拿大西安大略大學管理學院，研究方向：商業分析與管理、市場營銷。