基于大數據的網絡營銷模型構建

唐慧羽

（廣西現代職業技術學院，廣西 河池 547000）

0 引言

在互聯網、物聯網、云計算等新興科技的迅速發展下，人們的生活已經離不開數字信息，各類信息網互相交錯，其線上信息量有了空前的發展效果。在此條件下產生了大數據概念，它作為一種超出傳統數據庫的工作能力集合的范圍數據，能夠大規模地獲取、存儲、管理和分析數據，具有數據信息存儲大、數據流傳速度快、數據類型多樣化、價值密度低四大優勢。在近幾年來，因其巨大的商業價值，已成為新時代社會的焦點，越來越多的國家和企業相繼進入大數據應用領域。在美國，大數據應用于醫療技術領域，平均每年可以創造4000億美元的生產價值，年生產力能夠提高0.75%，零銷行業每年能夠提高67%的凈利率[1]。從2004年開始我國大數據新興產業得利發展，帶動相關產業GDP增加。但由于大數據營銷的覆蓋范圍較廣，每個環節中的應用和模式不同，大數據營銷的技術缺乏現實領域的過渡切口，大多數的應用實例無法成功在各個企業粘貼復制，依然在數據層面停留，沒有進行深入的挖掘，導致用戶轉化率偏低，因此，本文基于大數據記錄和收集用戶信息，構建大數據營銷流程，識別用戶畫像規劃用戶類型，建立網絡營銷模型，改善營銷效果，增加客戶轉化率，為企業的發展提供可依靠的營銷運營思路。

1 基于大數據構建網絡營銷模型

1.1 記錄和收集用戶信息

在當前電子信息環境下，在建立營銷模型前需要對用戶數據進行整合，識別出不同來源的用戶群體。對于大數據下的用戶信息一般分為匿名用戶數據和實名用戶數據。匿名用戶數據是用戶通過網絡平臺上，進行瀏覽和購買產生的數據；而實名用戶數據是指經過注冊后的用戶真實信息收集過程。首先，對于匿名用戶數據，可以在網絡瀏覽器的監測下，將用戶在各個網站上的訪問記錄和購買過的數據進行留存并記錄，分析每個商品在此網站的對應參數，通過這一參數，找到對應的商品型號和品牌數據，在將其商品的大小和價格進行對應，在網站有效代碼的監測下，了解該用戶在購買商品前的瀏覽記錄，其各個商品屬性是什么，通過對該用戶多次的訪問記錄分析，有效識別該用戶在購買前的決策過程，從而制定針對該用戶類型同樣訪問記錄的訪問者，商品營銷的推薦路徑，收集此類用戶信息。其次，對于實名用戶，根據其在購買商品時留下的接收電話能夠查詢到常用郵箱，在固定配送地址的留存記錄中能夠規劃該用戶經常出入的場景，如工作地點、居住地點、購物地點等，針對用戶的實名信息，能夠更真實地記錄該用戶的真實數據[2]。將這些信息收集并記錄歸納，進行有效清洗，留下對后續營銷有用的數據，建立信息系統，使所得數據能夠有效串聯并加以分析，形成能夠識別的用戶視圖信息，然后基于大數據構建營銷流程，便于后續營銷工作的進行。

1.2 基于大數據建立營銷流程

在收集用戶數據信息后，由于該階段用戶還沒有產生咨詢行為和實際購買記錄，所以需要構建營銷流程，對用戶信息進行整合分析，激發潛在用戶購買需求，提高后續用戶和商品的營銷匹配度。當公司和用戶接觸后，盡快地讓匿名用戶完成實名注冊，通過上述采集到的用戶感興趣產品促成用戶成交轉換，對潛在用戶的購買行為和產品進行用戶可購買預測，使其完成注冊，獲取真實信息。通過產品關聯數據，對用戶的購買記錄和產品數據進行分析，總結用戶購買結果和預測結果的關聯度，將相似產品納入營銷中，營銷流程如圖1所示。

圖1 營銷流程圖

如圖1所示，并不是所有采集到的用戶信息都能夠及時地完成實名轉化，會有些許的用戶在數據收集的初始階段存在流失現象，不產生購買行為，此時就需要對用戶進行網絡銷售，可以不定期地發送用戶感興趣的產品，增加用戶對商品的關注度，在此基礎上分析該用戶群體購買可能性。其次，許多購買后的用戶在一定時間內不會產生再次購買的需求，使得用戶信息輪轉至休眠數據，而對老客戶的激活比較轉換新用戶來講，成本更低，所用時間更少，因此在營銷流程構建中是必不可少的一步[3]。通過匿名用戶數據的轉化、實名用戶注冊、關聯營銷設計、流失數據統計和老用戶激活五個階段構建大數據營銷流程，在此基礎上，對用戶畫像進行識別規劃用戶類型，豐富用戶信息讓用戶的屬性產生更清晰的認知。

1.3 規劃用戶類型構建營銷模型

用戶畫像能夠更好地聯系客戶訴求，從大數據中精準地對畫像進行識別和分類，是大數據營銷的基礎。通過互聯網平臺收集所需要的用戶信息，在獲取用戶信息后，將各個系統內的實名信息進行清洗整合，從用戶姓名、手機、住址三方面進行匹配，形成一體的用戶數據信息，在將不同的標簽從不同緯度進行識別，形成清晰的用戶類型信息，一般從四個維度規劃用戶畫像體系，如表1所示。

表1 用戶分類體系表

由表1可知，在關聯用戶信息維度中涉及的體系標簽，通過已知標簽結合時間緯度，分別以一個月、三個月、近半年和一年為基礎，整合用戶信息。規劃用戶體系，能夠對用戶產生360度的全方位識別，即使沒有面對面地和用戶交流過，依舊可以對用戶的所有信息進行精準識別，對用戶群體進行劃分，以某個用戶為例，通過其畫像體系規劃其所屬用戶類型，如圖2所示[4]。

圖2 用戶畫像識別舉例

通過上述用戶畫像信息，我們可知這是一位未婚的26歲男性，現居住在河南，近半年內對家電的需求量增加，幾乎高消費金額都產生在家電類別，支出金額偏高，結合收貨地區信息，可知所處小區位置，所有電器均在網絡平臺購買，沒有固定品牌，但外觀均以白色為主，對價格不敏感，可以推斷出該青年收入較高，且近半年內處于房屋裝修狀態，結合獲取信息，可以將該用戶規劃在新房裝飾類別，在后續營銷中可以推薦相關產品，帶來其他類別產品轉化。通過上述三個方面，在收集用戶信息后，針對用戶所在群體制定相對應營銷策略，規劃用戶群體推送合適的產品，構建網絡營銷模型。

2 實驗論證分析

為驗證新的營銷模型能夠增加用戶轉化率，用戶轉化率是指在瀏覽數據的總人數中最后的成交結果和總人數比值，在同樣的客戶群體數量下，根據成交數量，對比用戶轉化率pvr，其計算公式為：

式中：成交結果用iu表示；瀏覽總人數用full表示；根據影響轉化率的因素，設置對比實驗條件，以雙“11.11”購物節前預熱五天的用戶數據為例，根據每天的總瀏覽人數，對比兩種營銷模型下成交數量，分析各自的轉化率，對比結果如表2所示。

表2 兩種營銷模型下成交對比結果（人）

由表1可知，在11月6號到11月11號之間傳統模型的轉化率分別6.94%、5.65%、5.34%、4.27%、3.68%、3.69%；新營銷模型的轉化率分別為19.7%、23.0%、20.1%、16.7%、18.4%、19.2%；比傳統模式分別高了12.76%、17.35%、14.76%、12.43%、14.72%、15.51%。雙“11.11”期間傳統模型用戶總轉化率為4.5%，新營銷模型為19.1%，比傳統模型提高了14.6%，說明新設計的網絡營銷模型能夠提高用戶轉化率，能增加營銷效果。

3 結語

本文在大數據的運用基礎上，記錄收集用戶信息，構建營銷流程，識別數據畫像規劃用戶類型，建立網絡營銷模型，改善營銷效果，使客戶的轉化率增加了14.6%，為企業的發展提供了可靠依據。但本文的研究僅限于定量分析，構建的模型只研究了對大數據信息的處理問題，沒有產生直接量化效果，具有一定的局限性，需要企業在自我實際應用中總結和分析。在后續的工作中可以針對大數據的其他特征進行廣泛研究，使得大數據對營銷領域產生更深刻的影響，提供更可靠的理論依據。