基于智慧家庭用戶分群技術(shù)的寬帶加油包產(chǎn)品精準(zhǔn)運(yùn)營

摘要：隨著網(wǎng)絡(luò)技術(shù)的普及，網(wǎng)絡(luò)已成為當(dāng)今社會(huì)不可或缺的一部分，擁有良好的網(wǎng)絡(luò)寬帶體驗(yàn)也成為每個(gè)家庭的基本需求。為了滿足龐大、多樣化寬帶用戶群體的網(wǎng)絡(luò)需求，本文首先利用了現(xiàn)有的一些大數(shù)據(jù)挖掘和統(tǒng)計(jì)學(xué)數(shù)據(jù)處理方法，實(shí)現(xiàn)了對智慧家庭寬帶用戶的聚類分群。然后，利用這一分群結(jié)果，本文進(jìn)行了詳細(xì)的用戶需求分析，確定了分類用戶群體的真實(shí)需求。最后，基于分析結(jié)果，本文設(shè)計(jì)了針對每類用戶獨(dú)特需求的加油包運(yùn)營方案，實(shí)現(xiàn)了對寬帶加油包產(chǎn)品的精準(zhǔn)營銷。

關(guān)鍵詞：寬帶加油包；分群技術(shù)；數(shù)據(jù)挖掘；精準(zhǔn)運(yùn)營

一、研究背景

今天，科學(xué)技術(shù)的迅速發(fā)展豐富了人們的生活。特別是互聯(lián)網(wǎng)技術(shù)所帶來的網(wǎng)絡(luò)生活，已經(jīng)成為世界人民生活中不可或缺的一部分。中國如今擁有全球最大的互聯(lián)網(wǎng)用戶群體，這對電信運(yùn)營商來說既是機(jī)遇也是挑戰(zhàn)。龐大的寬帶用戶群體的需求往往是多元化的，如何滿足這些不同用戶分散化的需求無疑是電信企業(yè)面臨的重要問題。對于不同的用戶來說，影響其寬帶體驗(yàn)的原因是多種多樣的。用戶的帶寬、網(wǎng)關(guān)、網(wǎng)絡(luò)配置以及電視增值服務(wù)等因素都會(huì)對用戶的購買決策產(chǎn)生影響。僅僅提升某一項(xiàng)因素并不能有效解決網(wǎng)速問題，而過度側(cè)重于某一項(xiàng)因素的重復(fù)營銷可能會(huì)對客戶造成騷擾。因此，精準(zhǔn)判定用戶的寬帶需求對于運(yùn)營商和用戶來說都是至關(guān)重要的。

根據(jù)2021年我國的發(fā)展調(diào)研報(bào)告，超過86.7%的公司已經(jīng)開始利用大數(shù)據(jù)進(jìn)行經(jīng)營分析。數(shù)據(jù)挖掘技術(shù)能夠有效地幫助企業(yè)對用戶進(jìn)行分群，以滿足不同用戶群體的不同需求。在這項(xiàng)技術(shù)的支持下，電信企業(yè)能夠更好地實(shí)施精準(zhǔn)運(yùn)營工作，為不同寬帶需求的用戶提供個(gè)性化的寬帶加油包策略。這樣的精細(xì)化運(yùn)營策略有助于提高用戶滿意度和忠誠度的同時(shí)，也能為企業(yè)帶來更好的經(jīng)營效益。

二、精準(zhǔn)運(yùn)營

2006 年，菲利普·科特勒首先在《市場營銷原理》一書中，提出了依賴互聯(lián)網(wǎng)渠道的精準(zhǔn)營銷方法[1]。之后，F(xiàn)rancine 等人在《國際營銷研究期刊》（International Journal of Research in Marketing）中提出，企業(yè)應(yīng)注意挖掘和分析用戶的消費(fèi)心理，利用強(qiáng)大的數(shù)據(jù)與數(shù)據(jù)分析手段輔助識(shí)別客戶的顯著特征，只有讓用戶在第一時(shí)間就接觸到 “對的產(chǎn)品”，才能提高營銷的成功率，并為企業(yè)創(chuàng)造有效價(jià)值[2]。而在企業(yè)界，國外的一些大型公司也早已建立自己的精準(zhǔn)運(yùn)營系統(tǒng)，如Abel 等人以 Twitter 平臺(tái)的話題標(biāo)簽為依據(jù)，對用戶圖像進(jìn)行了刻畫，同時(shí)提升了語義的豐富度，并更精準(zhǔn)、立體地展示了用戶圖像[3]。

而在國內(nèi)，王波等作者認(rèn)為，精準(zhǔn)運(yùn)營是戰(zhàn)略、過程和技術(shù)的有機(jī)統(tǒng)一，要實(shí)現(xiàn)精準(zhǔn)運(yùn)營的目標(biāo)，首先需要精準(zhǔn)地識(shí)別客戶需求，在此基礎(chǔ)上對數(shù)據(jù)進(jìn)行分類整理，建立用戶屬性標(biāo)簽，準(zhǔn)確實(shí)施運(yùn)營計(jì)劃，最后做出必要的后期評價(jià)[4]。萬紅玲作者進(jìn)一步指出，大數(shù)據(jù)時(shí)代企業(yè)在進(jìn)行精準(zhǔn)運(yùn)營時(shí)，需要更加注意數(shù)據(jù)分析結(jié)論與真實(shí)的消費(fèi)者心理之間的差距，不能過分依賴大數(shù)據(jù)，只有結(jié)合企業(yè)經(jīng)營的歷史經(jīng)驗(yàn)和具體的產(chǎn)品類別，才能真正實(shí)現(xiàn)精準(zhǔn)運(yùn)營[5]。

精準(zhǔn)營銷的思想內(nèi)涵為：1.以隱性營銷為目標(biāo)，提升運(yùn)營工作的精準(zhǔn)度；2.精準(zhǔn)營銷的過程及技術(shù)能夠得到科學(xué)，客觀的評價(jià)；3.幫助企業(yè)實(shí)現(xiàn)成本的節(jié)約，效益的提升和發(fā)展持續(xù)性的增強(qiáng)[6]。在運(yùn)營商業(yè)務(wù)發(fā)展過程中，隨著大數(shù)據(jù)技術(shù)的廣泛應(yīng)用，企業(yè)在組織和開展市場運(yùn)營活動(dòng)時(shí)通常會(huì)重點(diǎn)采用精準(zhǔn)運(yùn)營策略。精準(zhǔn)營銷策略的制定和實(shí)施需要經(jīng)過系統(tǒng)性的過程。一方面，企業(yè)需要全面分析當(dāng)前市場運(yùn)營的實(shí)際情況，了解市場競爭環(huán)境、目標(biāo)客戶群體和市場趨勢等因素。另一方面，企業(yè)需要確定適合自身的市場運(yùn)營策略和目標(biāo)客戶群體。其中最關(guān)鍵的是對企業(yè)的營銷痛點(diǎn)和消費(fèi)者需求進(jìn)行全面而精準(zhǔn)的把握，及時(shí)化解運(yùn)營中的營銷難題，對用戶需求進(jìn)行充分滿足，確保精準(zhǔn)運(yùn)營的目標(biāo)能夠順利達(dá)成[7]。

精準(zhǔn)運(yùn)營以對客戶的精準(zhǔn)定位為根基，借助先進(jìn)的大數(shù)據(jù)挖掘技術(shù)手段，幫助企業(yè)構(gòu)建新型的運(yùn)營服務(wù)系統(tǒng)，從而在獲取更高的銷售額和利潤的同時(shí)，降低運(yùn)營成本和防止資源浪費(fèi)。通過精準(zhǔn)定位，企業(yè)可以更好地了解客戶的需求和偏好，從而提供個(gè)性化的產(chǎn)品、服務(wù)和運(yùn)營策略。同時(shí)，借助先進(jìn)技術(shù)和溝通手段，企業(yè)可以與客戶進(jìn)行有效地互動(dòng)和交流，建立良好的關(guān)系和信任，進(jìn)一步提升客戶滿意度和忠誠度。通過搭建新型的產(chǎn)品運(yùn)營系統(tǒng)，企業(yè)能夠及時(shí)響應(yīng)客戶的需求和問題，提供快速、高效的解決方案，從而增強(qiáng)客戶體驗(yàn)，促進(jìn)再次購買和口碑傳播。

三、寬帶加油包產(chǎn)品精準(zhǔn)運(yùn)營流程設(shè)計(jì)

精準(zhǔn)運(yùn)營的流程可以簡單劃分為4W1H，即在適當(dāng)?shù)臅r(shí)間（When）和地點(diǎn)（Where），通過合理方式（How），向指定對象（Who）進(jìn)行適合產(chǎn)品（What）的銷售，大幅提升了營銷工作的準(zhǔn)確度[8]。在大數(shù)據(jù)挖掘技術(shù)的基礎(chǔ)上設(shè)計(jì)的精準(zhǔn)運(yùn)營包含了精確信息、精準(zhǔn)分析和精準(zhǔn)推薦這三個(gè)要素[9]。

首先，精確信息是指通過收集和整理大數(shù)據(jù)，獲取到準(zhǔn)確、詳盡的用戶信息，包括個(gè)人特征、行為偏好、消費(fèi)歷史等。這些信息是進(jìn)行精準(zhǔn)運(yùn)營的基礎(chǔ)。

其次，利用先進(jìn)的統(tǒng)計(jì)方法對用戶信息進(jìn)行分析是精準(zhǔn)運(yùn)營的關(guān)鍵步驟。通過數(shù)據(jù)挖掘和分析技術(shù)，可以發(fā)現(xiàn)用戶之間的關(guān)聯(lián)和規(guī)律，洞察用戶的需求和行為模式，從而為精準(zhǔn)運(yùn)營提供有力支持。

最后，基于數(shù)據(jù)分析結(jié)果，精準(zhǔn)找到潛在用戶，并對用戶的需求進(jìn)行識(shí)別和預(yù)測，并將有益的信息及時(shí)、精準(zhǔn)地推薦給需要的用戶。通過個(gè)性化的推薦系統(tǒng)和營銷活動(dòng)，實(shí)現(xiàn)及時(shí)將符合用戶興趣和需求的產(chǎn)品、服務(wù)、促銷等信息準(zhǔn)確地傳遞給目標(biāo)用戶，提高用戶滿意度，提升用戶的購買意愿。

基于此，本文設(shè)計(jì)了一套寬帶加油包產(chǎn)品的精準(zhǔn)運(yùn)營流程，該流程可以簡單分為數(shù)據(jù)分析與運(yùn)營策略研究兩大模塊。在數(shù)據(jù)分析階段，本文首先對用戶消費(fèi)特征、終端特征、寬帶特征、家客產(chǎn)品特征以及互聯(lián)網(wǎng)應(yīng)用偏好等多維度屬性做了細(xì)致梳理，統(tǒng)計(jì)用戶的相關(guān)特征并做了可視化，并通過對預(yù)處理數(shù)據(jù)的K_means聚類實(shí)現(xiàn)了對用戶的分群與建模分析。而在運(yùn)營策略研究階段，本文基于前述分群建模分析的結(jié)果，明確聚類客戶的真實(shí)需求特征，從而制定出相應(yīng)的客群精準(zhǔn)運(yùn)營策略。

四、用戶數(shù)據(jù)分析

用戶數(shù)據(jù)分析階段可以簡單劃分為三個(gè)部分：數(shù)據(jù)預(yù)處理階段、數(shù)據(jù)探索階段、K_Means聚類分析階段。在用戶數(shù)據(jù)分析過程中，首先對收集到的用戶數(shù)據(jù)進(jìn)行預(yù)處理和基礎(chǔ)分析，以提取出更有價(jià)值的信息。在接下來的數(shù)據(jù)探索階段，本文將使用一些統(tǒng)計(jì)學(xué)方法輔助對用戶數(shù)據(jù)進(jìn)行可視化處理，通過直方圖、餅圖、熱力圖等形式展示數(shù)據(jù)的關(guān)鍵特征，并識(shí)別出寬帶加油包產(chǎn)品的主要用戶群體及其與產(chǎn)品最相關(guān)的屬性。最后通過K_Means聚類算法，挖掘數(shù)據(jù)更為深層的特征，并將不同的用戶群體進(jìn)行分群，從而根據(jù)分群結(jié)果確定各用戶群體的關(guān)鍵屬性。

（一）數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是指在進(jìn)行有價(jià)值的數(shù)據(jù)分析之前，對原始數(shù)據(jù)進(jìn)行清洗、補(bǔ)全和轉(zhuǎn)換等一系列工作。常用的數(shù)據(jù)預(yù)處理手段有數(shù)據(jù)歸約、數(shù)據(jù)清理、數(shù)據(jù)變換等。這一系列的數(shù)據(jù)預(yù)處理操作有助于提高數(shù)據(jù)的有效性和分析的準(zhǔn)確性。本文整體的數(shù)據(jù)預(yù)處理流程如圖1所示。初始數(shù)據(jù)約50000條，其中每條數(shù)據(jù)有134個(gè)屬性字段，刪除其中全為“NULL”的字段后，保留88個(gè)字段的數(shù)據(jù)。根據(jù)業(yè)務(wù)場景，面向?qū)拵в脩暨M(jìn)行客群分層，篩出其中屬性字段“無移動(dòng)寬帶用戶”為“否”的用戶，剩余20859條有用數(shù)據(jù)。最后對數(shù)據(jù)進(jìn)一步標(biāo)準(zhǔn)化處理，去除所有用戶屬性全部相同的字段，因?yàn)檫@些字段對于用戶分群沒有參考價(jià)值。然后利用屬性字段中位數(shù)，平均值等具有統(tǒng)計(jì)性質(zhì)的數(shù)據(jù)填充到每條數(shù)據(jù)的缺失屬性中，最后所有數(shù)據(jù)統(tǒng)一標(biāo)準(zhǔn)化后得到一共20859條數(shù)據(jù)，保留了73個(gè)屬性字段。

在上述處理之后，本文還對數(shù)據(jù)的特征進(jìn)行了分析。對于保留的73個(gè)屬性字段數(shù)據(jù)，首先我們通過標(biāo)簽編碼、數(shù)據(jù)標(biāo)準(zhǔn)化處理剩余樣本數(shù)據(jù)。緊接著為了去除相關(guān)性較低的數(shù)據(jù)，我們通過特征相關(guān)熱力圖篩選出其中相關(guān)系數(shù)大于0.8的屬性字段，刪除了“用戶ID”， “家庭ID”， “當(dāng)前終端制式”，“5G開關(guān)”，“是否關(guān)鍵人”等相關(guān)系數(shù)低的無關(guān)字段，保留“5G終端標(biāo)識(shí)”“5G網(wǎng)絡(luò)標(biāo)識(shí)”“是否家庭成員”“近期有家寬投訴或故障”“無線網(wǎng)近期有投訴”等有關(guān)字段。預(yù)處理階段結(jié)束，共64個(gè)有用屬性字段被保留。

（二）數(shù)據(jù)探索

為了探索預(yù)處理數(shù)據(jù)的一些特征，本文利用了一些統(tǒng)計(jì)學(xué)手段對數(shù)據(jù)特征可視化，輔助尋找寬帶加油包產(chǎn)品的優(yōu)質(zhì)客戶，利用雷達(dá)圖展示了用戶的裸網(wǎng)關(guān)和質(zhì)差路由器的特征，并通過餅圖和條形圖對用戶的年齡與帶寬特征進(jìn)行了統(tǒng)計(jì)結(jié)果的可視化。通過以上數(shù)據(jù)可視化的操作，本文得到了以下結(jié)論：1.針對網(wǎng)關(guān)問題，大部分用戶為正常用戶，需求寬帶加油包產(chǎn)品用戶一般均存在的裸網(wǎng)關(guān)、路由器質(zhì)差問題，需重點(diǎn)對此類用戶開展精細(xì)化運(yùn)營；2. 30-60歲中年人是寬帶消費(fèi)的主體；3. 100M、300M、00M寬帶是主流寬帶用戶，千兆提速空間大。

此外，我們還探索了用戶年齡與消費(fèi)、流量、終端換機(jī)時(shí)長三大用戶關(guān)鍵屬性的相關(guān)關(guān)系， 通過分布圖與相關(guān)熱力圖得到結(jié)論：20-60歲區(qū)間用戶消費(fèi)高，流量需求大，并且更換終端設(shè)備的需求也較為旺盛。針對這部分用戶開展進(jìn)一步的客戶聚類建模，有助于客群特征細(xì)分、分類制定策略，提升精準(zhǔn)運(yùn)營成功率。

（三）數(shù)據(jù)挖掘

1. PCA主成分分析

PCA（principal component analysis），即主成分（主分量）分析，是一種數(shù)據(jù)統(tǒng)計(jì)與分析的方法，目的是提取數(shù)據(jù)中的主要成分。利用降維的思想，把多指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo)。在統(tǒng)計(jì)學(xué)中，PCA實(shí)際上是一個(gè)線性變換，這個(gè)變換把數(shù)據(jù)變換到一個(gè)新的坐標(biāo)系統(tǒng)中，保留數(shù)據(jù)中的低階主成分，忽略高階主成分，這些低階成分往往能夠保留住數(shù)據(jù)的最重要方面。

通過PCA 操作，我們需要對剩余64個(gè)屬性字段進(jìn)行降維處理，建模細(xì)分多類聚類客群，保留得到貢獻(xiàn)率大的新屬性。降維處理后，我們得到保留了15個(gè)貢獻(xiàn)度大于80%的新屬性，包含“5G家庭用戶”，“質(zhì)差路由器”等關(guān)鍵客群，最終需要聚類分群的數(shù)據(jù)共20859條，每條15個(gè)屬性。

2. K_means聚類

K_means算法全稱為K均值聚類算法，是一種廣泛使用的聚類方法。其計(jì)算過程簡單來說就是：先將數(shù)據(jù)分為K組，隨機(jī)選取K個(gè)對象作為初始的聚類中心，然后計(jì)算每個(gè)對象與各個(gè)種子聚類中心之間的距離，把每個(gè)對象分配給距離它最近的聚類中心。聚類中心以及分配給它們的對象就代表一個(gè)聚類，最終迭代聚類中心不再改變或者沒有對象被分配給不同聚類后就完成了對數(shù)據(jù)的分類[10]。

為了確定最佳的K值，即最終的聚類數(shù)目，我們計(jì)算了不同K值下的CH（簇內(nèi)緊密度）和SC（輪廓系數(shù)）值。CH值與SC值是評價(jià)分群算法好壞的關(guān)鍵指標(biāo)之二，每個(gè)簇的中心點(diǎn)（即K個(gè)質(zhì)心之一），并計(jì)算每個(gè)簇中所有數(shù)據(jù)點(diǎn)到該簇中心點(diǎn)的距離的平均值，這個(gè)值被稱為CH值。輪廓系數(shù)（Silhouette Score，簡稱SC值）衡量的是每個(gè)數(shù)據(jù)點(diǎn)到其所屬簇內(nèi)其他數(shù)據(jù)點(diǎn)的平均距離與到任意其他簇內(nèi)數(shù)據(jù)點(diǎn)的平均距離之間的比例。在不同K值下，兩個(gè)指標(biāo)的數(shù)值如表1。

通過表1，尋找了簇內(nèi)緊密度（CH值）最低和輪廓系數(shù)（SC值）最高的點(diǎn)，從而最終確定了最佳的聚類數(shù)目K=2。根據(jù)這一結(jié)果，將客戶群體分為兩類，類別1用戶11096戶，類別2用戶9763戶。為了確認(rèn)這兩類用戶的關(guān)鍵需求，本文篩選業(yè)務(wù)側(cè)關(guān)心的重要四維屬性“5G高價(jià)值關(guān)鍵人”“質(zhì)差路由器”“寬帶電視用戶”和“區(qū)域流量用戶”，利用雷達(dá)圖對用戶進(jìn)行需求建模，并最后確定類別1用戶群體主要具有“5G高價(jià)值用戶”這一屬性，類別2用戶屬性主要為“質(zhì)差路由器”。

五、運(yùn)營策略

根據(jù)K_means聚類結(jié)果，本文劃分得到了兩類關(guān)鍵用戶，一類是具有質(zhì)差路由器的用戶約9763人，另一類是5G高價(jià)值家庭關(guān)鍵人用戶約1.1萬人。針對這兩類不同的用戶群體，本文設(shè)立了“資費(fèi)較低帶寬相對小的寬帶加油包”、 “資費(fèi)高帶寬大的寬帶加油包”兩種不同產(chǎn)品，并針對兩者“新路由器”與“高質(zhì)量寬帶”的不同需求制訂了獨(dú)特營銷策略。

分析兩類潛在用戶群體的需求，其中一個(gè)群體升級寬帶加油包的需求來源主要是由路由器卡頓導(dǎo)致的極差上網(wǎng)體驗(yàn)。針對這一有網(wǎng)關(guān)需求的用戶，運(yùn)營策略應(yīng)強(qiáng)調(diào)解決路由器卡頓和上網(wǎng)體驗(yàn)問題，提供購買寬帶加油包贈(zèng)送新路由器的方案。宣傳重點(diǎn)為新路由器的性能和優(yōu)勢，強(qiáng)調(diào)新路由器的穩(wěn)定性、速度和覆蓋范圍，首次突出高帶寬的速率優(yōu)勢，二者結(jié)合能為用戶提供穩(wěn)定快速的網(wǎng)絡(luò)體驗(yàn)，產(chǎn)品定位為解決用戶“上網(wǎng)難”的問題。

而對于另一類5G高價(jià)值用戶，營銷的關(guān)鍵并不在于解決帶寬低或路由器質(zhì)量差的問題，這些用戶的核心需求是更高、更快、延遲更低的寬帶網(wǎng)絡(luò)。因此，主要運(yùn)營策略應(yīng)側(cè)重于宣傳大帶寬所帶來的高品質(zhì)網(wǎng)絡(luò)體驗(yàn)。強(qiáng)調(diào)加油包產(chǎn)品的大帶寬、高穩(wěn)定性，并突出其“全屋覆蓋”“極速下載速率”“支持高清視頻”和“低游戲延遲”等優(yōu)點(diǎn)，以滿足用戶對高質(zhì)量上網(wǎng)體驗(yàn)的需求。

六、結(jié)束語

本文運(yùn)用用戶分群技術(shù)成功實(shí)現(xiàn)了對寬帶加油包產(chǎn)品的精準(zhǔn)運(yùn)營。首先采用大數(shù)據(jù)挖掘技術(shù)和統(tǒng)計(jì)學(xué)方法，對原始數(shù)據(jù)進(jìn)行了降維、清洗等一系列數(shù)據(jù)處理操作。隨后，利用K-means聚類算法將寬帶加油包用戶進(jìn)行分類，確定了分類數(shù)為2。最終，根據(jù)這兩類用戶的特點(diǎn)，制定了精準(zhǔn)的運(yùn)營策略，并推出了針對不同用戶群體的定制化寬帶加油包方案，提供符合用戶興趣和偏好的個(gè)性化產(chǎn)品。在如今5G網(wǎng)絡(luò)已廣泛普及的中國，良好的上網(wǎng)體驗(yàn)已成為眾多網(wǎng)民的基本需求。并且隨著國內(nèi)物聯(lián)網(wǎng)技術(shù)的成熟，越來越多的家庭設(shè)備也開始接入網(wǎng)絡(luò)。由此可見，用戶對寬帶加油包的需求及其多樣性實(shí)際上正在逐漸增長。為了滿足這更加復(fù)雜更加龐大的寬帶用戶需求，對于電信運(yùn)營商來說，提升自己產(chǎn)品運(yùn)營能力是必不可少的。如何提升精準(zhǔn)運(yùn)營的能力呢？一個(gè)有效的方法是采用更先進(jìn)的技術(shù)。新技術(shù)能夠帶來更準(zhǔn)確的用戶分群、更清晰的用戶畫像，以及對用戶需求更精準(zhǔn)的分析，而電信企業(yè)也能由此建立更精準(zhǔn)的運(yùn)營系統(tǒng)。而在當(dāng)今，深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、大模型等概念大火，許多行業(yè)的企業(yè)也已經(jīng)跟進(jìn)并建立自己的產(chǎn)品模型。對于電信企業(yè)來說，建立自己的寬帶產(chǎn)品網(wǎng)絡(luò)模型不失為一個(gè)好選擇，利用大模型構(gòu)建能更加清晰與準(zhǔn)確地用戶畫像，也能輔助判斷運(yùn)營策略的優(yōu)劣。相信借助這些新時(shí)代的技術(shù)，能更準(zhǔn)確更及時(shí)向用戶推送更適宜的產(chǎn)品，也能幫助企業(yè)建立更加精準(zhǔn)的經(jīng)營系統(tǒng)。

作者單位：張磊 中國移動(dòng)通信集團(tuán)山西有限公司

朔州分公司

參考文獻(xiàn)

[1] 菲利普·科特勒. 市場營銷原理[M]. 北京：機(jī)械工業(yè)出版社， 2006： 77-78.

[2] Francine Espinoza Petersen， Heather Johnson Dretsch， Yuliya Komarova Loureiro. Who needs a reason to indulge Happiness following reason-based indulgent consumption[J]. International Journal of Research in Marketing，2018，1（35）： 170-184.

[3] Abel F ， Gao Q ， Houben G J ， et al. Analyzing User Modeling on Twitter for Personalized News Recommendations[A].Konstan J A. 19th International Conference on User Modeling， Adaption and Personalization （UMAP 2011） [C]. Heidelberg： Springer，2011： 1-12.

[4] 王波，吳子玉. 大數(shù)據(jù)時(shí)代精準(zhǔn)營銷模式研究[J]. 經(jīng)濟(jì)師，2013（05）： 14-16.

[5] 萬紅玲. 大數(shù)據(jù)時(shí)代下的精準(zhǔn)營銷[J]. 新聞傳播，2014（01）： 71.

[6] 葛曉鳴. 基于“用戶畫像”模型構(gòu)建的精準(zhǔn)營銷策略[J]. 遼東學(xué)院學(xué)報(bào)（社會(huì)科學(xué)版），2019，12（04）： 50-57.

[7] 王紫晞. 大數(shù)據(jù)對精準(zhǔn)營銷的影響與展望[J]. 現(xiàn)代營銷（經(jīng)營版），2020（02）： 106-107.

[8] 李衛(wèi)萍. X公司基于用戶畫像的家庭寬帶精準(zhǔn)營銷策略研究[D]. 山東： 山東建筑大學(xué)，2022.

[9] 王克富. 論大數(shù)據(jù)視角下零售業(yè)精準(zhǔn)營銷的應(yīng)用實(shí)現(xiàn)[J]. 商業(yè)經(jīng)濟(jì)研究，2015（06）： 50-51.

[10] 李曉明. k-means類型變量加權(quán)聚類算法的研究與實(shí)現(xiàn)[D]. 哈爾濱： 哈爾濱工業(yè)大學(xué)，2006.