基于精準(zhǔn)營銷的問答平臺(tái)數(shù)據(jù)挖掘算法需求綜述

劉艷　李一銘　劉子逸

【摘 要】隨著web2.0技術(shù)和數(shù)據(jù)挖掘算法的不斷發(fā)展，挖掘算法用于問答平臺(tái)的實(shí)踐愈加豐富。論文結(jié)合精準(zhǔn)營銷和數(shù)據(jù)挖掘的理論，從客戶前端的行為習(xí)慣分析、客戶后端的數(shù)據(jù)行為分析以及商家信息等方面，對(duì)問答平臺(tái)的營銷模式進(jìn)行多角度分析。最后，論文對(duì)于未來進(jìn)行了展望，隨著挖掘算法和精準(zhǔn)營銷理論的不斷優(yōu)化和發(fā)展，問答平臺(tái)的營銷模式會(huì)更加成熟。

【Abstract】 With the continuous development of web2.0 technology and mining algorithms， the practice of mining algorithm for Q & A platform becomes more abundant. Combined with the theory of precision marketing and data mining， this article analyzes the marketing model of Q & A platform from the aspects of behavior analysis of customer front-end， data behavior analysis of back-end customer and business information. Finally， this article looks forward to the future. With the optimization and development of mining algorithms and precision marketing theory， the marketing model of Q & A platform will be more mature.

【關(guān)鍵詞】問答平臺(tái)；精準(zhǔn)營銷；數(shù)據(jù)挖掘算法

【Keywords】 Q&A platform； precision marketing； data mining algorithm

【中圖分類號(hào)】C931.1；F49 【文獻(xiàn)標(biāo)志碼】A 【文章編號(hào)】1673-1069（2018）01-0152-02

1 引言

近年來，隨著社交網(wǎng)絡(luò)平臺(tái)的不斷發(fā)展，知識(shí)的交融及共享愈加多元化。百度知道、知乎等社會(huì)化問答平臺(tái)逐漸成為人們尋求知識(shí)的重要途徑。據(jù)統(tǒng)計(jì)，截至2017年9月，知乎個(gè)人注冊(cè)用戶總數(shù)超過1億，日活躍用戶量達(dá)2600萬。很多商家看到問答平臺(tái)上存在的大量商機(jī)，紛紛通過精準(zhǔn)廣告投放來達(dá)到營銷的目的。以往，由于技術(shù)不成熟，投放效果不明顯。但隨著挖掘算法的發(fā)展，其用于問答平臺(tái)的需求愈加豐富，如何做好對(duì)問答平臺(tái)精準(zhǔn)營銷挖掘算法的需求分析成為一個(gè)有待解決的問題。

2 相關(guān)理論研究

2.1 精準(zhǔn)營銷理論

2005年，著名營銷大師菲利普·科特勒首次明確提出精準(zhǔn)營銷（Precision marketing）理論。他認(rèn)為“精準(zhǔn)營銷是采取更精準(zhǔn)、可衡量和高投資回報(bào)的營銷溝通，制定更注重結(jié)果和行動(dòng)的營銷計(jì)劃，并更加重視對(duì)直接銷售溝通的投資”。國內(nèi)學(xué)者伍青生、余穎、鄭興山等人認(rèn)為“精準(zhǔn)營銷是企業(yè)通過定量和定性相結(jié)合的方法對(duì)目標(biāo)市場(chǎng)的不同消費(fèi)者進(jìn)行細(xì)致分析，根據(jù)他們不同的消費(fèi)心理和行為特征，采用有針對(duì)性的現(xiàn)代技術(shù)、方法和指向明確的策略，實(shí)現(xiàn)對(duì)目標(biāo)市場(chǎng)不同消費(fèi)者群體強(qiáng)有效性、高投資回報(bào)的營銷溝通”。

精準(zhǔn)營銷實(shí)施的策略和途徑分為三種：①基于數(shù)據(jù)庫的方法，主要包括郵件直付營銷、呼叫中心（Call Center）、手機(jī)短信等；②基于互聯(lián)網(wǎng)的方法，主要包括門戶網(wǎng)站廣告，“窄告”，關(guān)鍵詞搜索廣告，博客，Email廣告，電子優(yōu)惠券，來電廣告等；③基于第三方渠道的方法。

2.2 數(shù)據(jù)挖掘理論

數(shù)據(jù)挖掘有多種定義，其中比較有代表性的是“從數(shù)據(jù)中汲取出包含著的過往不被知道的有利用價(jià)值的潛在信息”。在新世紀(jì)信息產(chǎn)業(yè)與網(wǎng)絡(luò)互聯(lián)持續(xù)發(fā)展、數(shù)據(jù)激增的背景下，數(shù)據(jù)挖掘相關(guān)技術(shù)如今已被各大領(lǐng)域大力應(yīng)用。如秦文哲等人提出把數(shù)據(jù)挖掘技術(shù)用于醫(yī)學(xué)研究[1]，張亮等人提出把數(shù)據(jù)挖掘方法用于公司的財(cái)務(wù)預(yù)警[2]，連德福提出把數(shù)據(jù)挖掘用于社交網(wǎng)絡(luò)的位置信息分析[3]，熊亞軍等人提出把KNN數(shù)據(jù)挖掘方法用于地區(qū)霾等級(jí)預(yù)報(bào)[4]等。常見的數(shù)據(jù)挖掘算法包括聚類分析、K-Means聚類算法、決策樹、邏輯回歸以及神經(jīng)網(wǎng)絡(luò)算法、遺傳算法以及粗糙集相關(guān)的算法等。

3 數(shù)據(jù)挖掘需求分析

3.1 用戶前端的行為習(xí)慣分析

在問答平臺(tái)中，對(duì)于用戶的前端行為習(xí)慣的分析關(guān)鍵是要結(jié)合用戶的行為流程進(jìn)行分析，用戶的行為流程主要包括用戶的瀏覽點(diǎn)擊過程以及用戶的搜索過程等。其目的是方便用戶快捷地尋找到符合自己查詢需求的結(jié)果?？蛻舻男袨榱?xí)慣的分析主要包括兩點(diǎn)內(nèi)容：一，特定用戶群的瀏覽規(guī)律及特點(diǎn)。通過對(duì)于用戶瀏覽訪問習(xí)慣的分析，追蹤出用戶習(xí)慣的頻繁訪問路徑并進(jìn)行抽取，用于平臺(tái)前端界面的優(yōu)化。二，用戶的搜索行為方式和特點(diǎn)。通過對(duì)用戶搜索習(xí)慣的分析，采集用戶的搜索特征信息，優(yōu)化用戶的搜索結(jié)果以及提供的搜索選項(xiàng)。

3.2 用戶后端的數(shù)據(jù)分析

用戶后端數(shù)據(jù)的分析主要通過用戶個(gè)人設(shè)置的興趣標(biāo)簽信息和用戶的提問或者回答的文本信息，用戶的收藏信息以及用戶的基本信息等來建立潛在用戶特征模型，為商家提供較為準(zhǔn)確的用戶類群信息。其主要內(nèi)容為：一，用戶的個(gè)性興趣愛好特征。通過用戶的興趣標(biāo)簽進(jìn)行統(tǒng)計(jì)分組，分析得出用戶可能會(huì)對(duì)于哪些廣告感興趣。二，用戶的互動(dòng)信息。通過用戶的提問信息以及用戶的回答信息的文本分析，從中得出用戶的情感趨向，最終對(duì)用戶進(jìn)行精準(zhǔn)營銷。三，潛在客戶的影響力價(jià)值。在得到潛在用戶的類群分組后，對(duì)潛在用戶的網(wǎng)絡(luò)影響力進(jìn)行計(jì)算分析，抽取出其中影響力較大的某些潛在客戶，通過某些方式使其成為商家的客戶，利用其影響力擴(kuò)大營銷。endprint

3.3 商家信息分析

社交網(wǎng)絡(luò)平臺(tái)對(duì)于商家的信息分析主要是完成商家的精準(zhǔn)廣告投放，從而謀取利益。在知識(shí)問答平臺(tái)上商家需要通過平臺(tái)找到其對(duì)應(yīng)的潛在客戶，然后通過平臺(tái)的某些方式（在用戶瀏覽的信息之間插入廣告、平臺(tái)通過快捷欄推送等）進(jìn)行廣告投放。平臺(tái)在這個(gè)過程中需要對(duì)商家的信息進(jìn)行分析，明辨商家投放廣告的需求量。如果需求量較大，平臺(tái)就需要慎重斟酌，在不影響用戶使用舒適度的保證下向用戶推送。此外，平臺(tái)還需要結(jié)合用戶群偏愛廣告的程度，向商家說明投放多少廣告和投放頻率能讓其對(duì)這些廣告不感到厭煩，保證平臺(tái)用戶數(shù)量穩(wěn)定。

4 數(shù)據(jù)挖掘算法研究

目前在問答平臺(tái)精準(zhǔn)營銷中數(shù)據(jù)挖掘算法的應(yīng)用主要為以下幾個(gè)方面：①使用關(guān)聯(lián)規(guī)則算法對(duì)UGC項(xiàng)集進(jìn)行信息挖掘和規(guī)則提取[5]；②使用分類和預(yù)測(cè)算法對(duì)文本信息進(jìn)行特征提?。虎凼褂梦谋揪垲愃惴?，對(duì)按照內(nèi)容或語義將同一問題下的所有答案進(jìn)行聚類等。本文將從聚類算法、分類和預(yù)測(cè)算法以及關(guān)聯(lián)規(guī)則算法的概念，基本原理以及使用范圍進(jìn)行綜述。

4.1 聚類算法

聚類是一種無監(jiān)督的機(jī)器學(xué)習(xí)方法，可以實(shí)現(xiàn)針對(duì)目標(biāo)群體的多指標(biāo)群體劃分，這些分類往往是精準(zhǔn)營銷的基礎(chǔ)和核心。只有正確地對(duì)目標(biāo)群體進(jìn)行分類，精準(zhǔn)營銷的業(yè)務(wù)才能有效開展。其主要使用的業(yè)務(wù)范圍包括：一是目標(biāo)客戶群的分類；二是不同產(chǎn)品的價(jià)值組合。該算法有五種分類：基于層次、基于劃分、基于密度、基于網(wǎng)格的方法和基于模型的方法。

4.2 分類與預(yù)測(cè)算法

分類算法是一種有監(jiān)督的學(xué)習(xí)，通過對(duì)已知類別訓(xùn)練集的分析，從中發(fā)現(xiàn)分類規(guī)則，以此預(yù)測(cè)新數(shù)據(jù)的類別。預(yù)測(cè)方法用于對(duì)預(yù)測(cè)數(shù)據(jù)對(duì)象的連續(xù)取值。分類算法主要應(yīng)用的業(yè)務(wù)范圍包括：按照既定的標(biāo)簽或目的對(duì)客戶進(jìn)行分類以便尋找不同種類用戶的特征。常用算法包括決策樹、貝葉斯法、SVM法、粗糙集、遺傳算法、BP神經(jīng)網(wǎng)絡(luò)算法等。預(yù)測(cè)算法主要應(yīng)用的業(yè)務(wù)范圍是預(yù)測(cè)客戶訪問行為、潛在客戶轉(zhuǎn)化為使用客戶的可能性等，算法主要包括線性回歸、非線性回歸、多元回歸等。

4.3關(guān)聯(lián)規(guī)則算法

關(guān)聯(lián)規(guī)則算法主要是發(fā)現(xiàn)不同項(xiàng)之間的相關(guān)性，利用關(guān)聯(lián)規(guī)則可以發(fā)現(xiàn)存在于數(shù)據(jù)庫中的可被發(fā)現(xiàn)的兩個(gè)或多個(gè)變量取值之間存在的規(guī)律性。關(guān)聯(lián)規(guī)則典型的算法是Apriori算法。在問答平臺(tái)中關(guān)聯(lián)規(guī)則算法的主要應(yīng)用的業(yè)務(wù)范圍包括：UGC項(xiàng)集的規(guī)則挖掘，分析用戶的情感趨向。

5 總結(jié)與展望

通過對(duì)精準(zhǔn)營銷理論，挖掘算法理論、問答平臺(tái)挖掘算法的需求分析以及用于問答平臺(tái)的數(shù)據(jù)挖掘算法的介紹，本文總結(jié)得出當(dāng)前用于問答平臺(tái)的數(shù)據(jù)挖掘算法仍然存在許多需要優(yōu)化的地方。但是，隨著問答平臺(tái)和數(shù)據(jù)挖掘算法的不斷發(fā)展，用戶的需求將會(huì)不斷得到解決，精準(zhǔn)營銷用于問答平臺(tái)的理論支撐將更加豐富，問答平臺(tái)的營銷模式將不斷得以優(yōu)化和完善。

【參考文獻(xiàn)】

【1】秦文哲，陳進(jìn)，董力. 大數(shù)據(jù)背景下醫(yī)學(xué)數(shù)據(jù)挖掘的研究進(jìn)展及應(yīng)用[J].中國胸心血管外科臨床雜志，2016，23（01）：55-60.

【2】張亮，張玲玲，陳懿冰，等. 基于信息融合的數(shù)據(jù)挖掘方法在公司財(cái)務(wù)預(yù)警中的應(yīng)用[J]. 中國管理科學(xué)，2015，23（10）：170-176.

【3】連德富. 基于位置社交網(wǎng)絡(luò)的數(shù)據(jù)挖掘[D].合肥：中國科學(xué)技術(shù)大學(xué)，2014.

【4】熊亞軍，廖曉農(nóng)，李梓銘，等. KNN數(shù)據(jù)挖掘算法在北京地區(qū)霾等級(jí)預(yù)報(bào)中的應(yīng)用[J]. 氣象，2015，41（01）：98-104.

【5】胡燁.電子商務(wù)環(huán)境下UGC的數(shù)據(jù)挖掘及營銷應(yīng)用[J]. 中國高新技術(shù)企業(yè)，2015（07）：176-177.endprint