基于“用戶畫像”的精準(zhǔn)營(yíng)銷數(shù)學(xué)模型

王倩倩

【摘 要】在大數(shù)據(jù)時(shí)代，完善“會(huì)員畫像”描繪，挖掘消費(fèi)數(shù)據(jù)，加強(qiáng)對(duì)現(xiàn)有會(huì)員的精細(xì)化管理，實(shí)施會(huì)員細(xì)分和精準(zhǔn)營(yíng)銷，不僅能夠維系會(huì)員的忠誠(chéng)度，給商場(chǎng)帶來(lái)更大的利潤(rùn)，還能夠節(jié)約商場(chǎng)的營(yíng)銷成本。文章從營(yíng)銷的角度構(gòu)建了精準(zhǔn)營(yíng)銷細(xì)分模型，并以百貨商場(chǎng)的銷售數(shù)據(jù)為對(duì)象，利用SPSS工具對(duì)會(huì)員進(jìn)行細(xì)分，并根據(jù)著名的“尿布與啤酒的故事”，采用FP-Growth算法對(duì)會(huì)員消費(fèi)數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，從而可以對(duì)商品實(shí)施連帶銷售。

【關(guān)鍵詞】會(huì)員畫像;數(shù)據(jù)挖掘;K-均值聚類;關(guān)聯(lián)規(guī)則算法

【中圖分類號(hào)】F426.86;F274【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】1674-0688（2019）11-0042-02

1 大數(shù)據(jù)時(shí)代精準(zhǔn)營(yíng)銷模型的建構(gòu)

1.1 會(huì)員畫像

由于“會(huì)員畫像”屬于信息層面，因此需要用SQL Server數(shù)據(jù)庫(kù)的語(yǔ)言進(jìn)行設(shè)計(jì)，也就是需要使用實(shí)體—聯(lián)系圖。E-R圖提供了實(shí)體（即數(shù)據(jù)對(duì)象）、屬性、聯(lián)系的方法，用來(lái)描述現(xiàn)實(shí)世界的概念模型（如圖1所示）。

1.2 會(huì)員細(xì)分模型

為了對(duì)會(huì)員的購(gòu)買力進(jìn)行刻畫，我們根據(jù)會(huì)員的消費(fèi)特征，選用K-均值聚類法，運(yùn)用SPSS軟件對(duì)篩選整理好的數(shù)據(jù)進(jìn)行聚類分析，將會(huì)員進(jìn)行分類，建立分類模型。先尋找對(duì)會(huì)員最合適的分類個(gè)數(shù)（即K值），K值以公式（1）進(jìn)行確定（使得D值最小）：

D=類內(nèi)平均距離/類間平均距離（1）

D值計(jì)算結(jié)果如圖2所示。

通過(guò)分析可知，K取值4，使D值最小，故將會(huì)員分為4類。通過(guò)數(shù)據(jù)分析，將消費(fèi)金額和消費(fèi)次數(shù)分為低、較低、較高、高4級(jí)。

表1和表2中，一類會(huì)員為大眾會(huì)員;二類會(huì)員為黃金會(huì)員;三類會(huì)員鉑金會(huì)員;四類會(huì)員為鉆石會(huì)員。通過(guò)對(duì)會(huì)員的分類，使得商場(chǎng)能對(duì)每一位會(huì)員的價(jià)值進(jìn)行識(shí)別。

1.3 商品關(guān)聯(lián)分析模型

商場(chǎng)策劃促銷活動(dòng)，主要是為了提高銷售量，同時(shí)減少庫(kù)存。處于此目的，對(duì)商品的連帶銷售的營(yíng)銷模式是非常有效的，在此營(yíng)銷模式中，對(duì)商品的關(guān)聯(lián)分析是尤為重要的。

對(duì)數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，找出商品之間的關(guān)聯(lián)規(guī)則，有利于商品之間的連帶銷售。商品之間的關(guān)聯(lián)規(guī)則，就如尿布和啤酒一起賣的案例，其中的商品的關(guān)聯(lián)規(guī)則可表示為{Diaper}→{Beer}。

{Diaper}→{Beer}代表的意義是購(gòu)買了紙尿褲的顧客會(huì)購(gòu)買啤酒。這個(gè)關(guān)系不是必然的，但是可能性很大，這就已經(jīng)足夠用來(lái)輔助商家調(diào)整紙尿褲和酒的擺放位置了，例如擺放在相近的位置，進(jìn)行捆綁促銷來(lái)提高銷售量。

采用購(gòu)物籃數(shù)據(jù)采用FP-Growth算法，對(duì)會(huì)員消費(fèi)明細(xì)數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，支持度計(jì)數(shù)設(shè)為50，即規(guī)則支持度計(jì)數(shù)大于等于50才是頻繁項(xiàng)集，得到關(guān)聯(lián)分析的excel表，展示部分計(jì)算結(jié)果見(jiàn)表3。

根據(jù)上述數(shù)據(jù)分析，為了提高商場(chǎng)連帶消費(fèi)的效益，建議將置信度高的X和Y商品擺放在相同區(qū)域（置信度建議選取0.8及以上），以便會(huì)員能同時(shí)找到這幾種商品，很快完成購(gòu)物，實(shí)現(xiàn)商場(chǎng)捆綁銷售的目的。

2 結(jié)語(yǔ)

大數(shù)據(jù)時(shí)代，基于“用戶畫像”數(shù)據(jù)庫(kù)基礎(chǔ)上的精準(zhǔn)營(yíng)銷，不是對(duì)經(jīng)典營(yíng)銷理論和方法的顛覆，而是在對(duì)數(shù)據(jù)深入挖掘的基礎(chǔ)上，重新理解消費(fèi)者。本文通過(guò)構(gòu)建“用戶畫像”數(shù)據(jù)庫(kù)挖掘消費(fèi)需求，并在整理消費(fèi)者細(xì)分因素的基礎(chǔ)上，構(gòu)建了大數(shù)據(jù)時(shí)代消費(fèi)者細(xì)分模型及商品關(guān)聯(lián)模型，不僅為企業(yè)實(shí)施精準(zhǔn)營(yíng)銷策略提供了借鑒，同時(shí)也為大數(shù)據(jù)時(shí)代研究精準(zhǔn)營(yíng)銷提供了一些思路。

參 考 文 獻(xiàn)

[1]劉海，盧慧，阮金花，等.基于“用戶畫像”挖掘的精準(zhǔn)營(yíng)銷細(xì)分模型研究[J].絲綢，2015，12（12）：37-47.

[2]王志春.一種改進(jìn)的挖掘關(guān)聯(lián)規(guī)則Apriori算法[J].電腦知識(shí)與技術(shù)，2015，12（34）：4-17.

[3]黃升民，劉珊.大數(shù)據(jù)背景下?tīng)I(yíng)銷體系的結(jié)構(gòu)與重構(gòu)[J].現(xiàn)代傳播，2012（12）：13-20.

[4]呂紅艷.基于顧客價(jià)值的市場(chǎng)細(xì)分研究[D].天津：天津大學(xué)，2007：5-8.