“互聯(lián)網(wǎng)+”趨勢下數(shù)據(jù)驅(qū)動油品銷售企業(yè)創(chuàng)新銷售模式研究

韓曉宏

摘 要：“互聯(lián)網(wǎng)+”已經(jīng)上升為國家戰(zhàn)略，在“互聯(lián)網(wǎng)+”趨勢下，傳統(tǒng)的油品銷售企業(yè)應該迅速進行數(shù)字化轉(zhuǎn)型，以適應新形勢下的市場競爭。數(shù)據(jù)分析能力是零售企業(yè)在進行數(shù)字化轉(zhuǎn)型過程中應重點關(guān)注的一個方面。文中闡述了數(shù)據(jù)分析的價值、數(shù)據(jù)基礎(chǔ)、數(shù)據(jù)來源等方面的理論與方法，并以某油品銷售企業(yè)的數(shù)據(jù)分析案例來說明數(shù)據(jù)分析技術(shù)在油品銷售企業(yè)中的應用。

關(guān)鍵詞：互聯(lián)網(wǎng)；油品銷售；數(shù)據(jù)分析；精準營銷

中圖分類號：TP39 文獻標識碼：A 文章編號：2095-1302（2018）09-00-06

0 引 言

2015年3月李克強總理在政府工作報告中提出：制定“互聯(lián)網(wǎng)+”行動計劃，推動移動互聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)等與現(xiàn)代制造業(yè)結(jié)合，促進電子商務、工業(yè)互聯(lián)網(wǎng)和互聯(lián)網(wǎng)金融健康發(fā)展，引導互聯(lián)網(wǎng)企業(yè)拓展國際市場?！盎ヂ?lián)網(wǎng)+”已上升為國家戰(zhàn)略，未來移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、社交媒體等新技術(shù)將與傳統(tǒng)產(chǎn)業(yè)結(jié)合，使得每一個企業(yè)都是

“互聯(lián)網(wǎng)企業(yè)”。“互聯(lián)網(wǎng)+”對傳統(tǒng)產(chǎn)業(yè)價值鏈升級將產(chǎn)生深遠影響，互聯(lián)網(wǎng)對企業(yè)的改造從消費者開始到前端的營銷和零售，再到后端的生產(chǎn)制造，一直追溯到上游供應鏈，不斷放大。

在新的成品油供需環(huán)境下，油品銷售企業(yè)利潤越來越薄，市場競爭環(huán)境愈加激烈，客戶需求逐漸多樣化，因此企業(yè)急需搭上互聯(lián)網(wǎng)經(jīng)濟發(fā)展的快車，實施數(shù)字化發(fā)展戰(zhàn)略，開展互聯(lián)網(wǎng)時代的業(yè)務轉(zhuǎn)型。

1 行業(yè)發(fā)展趨勢

在互聯(lián)網(wǎng)大潮下，傳統(tǒng)零售企業(yè)紛紛涉足電子商務，利用互聯(lián)網(wǎng)拓展銷售，強化供應鏈管理，聚集行業(yè)資源，提升企業(yè)地位。

按照成品油從煉廠到最終消費者的流通環(huán)節(jié)，我國成品油銷售主要包括批發(fā)和零售兩大市場。成品油批發(fā)環(huán)節(jié)從煉廠買入成品油，再銷售給零售企業(yè)；成品油零售則主要通過加油站等零售網(wǎng)點向千家萬戶供應成品油。此外，中石油和中石化還向終端用戶和大型用戶直接銷售部分成品油。成品油銷售產(chǎn)業(yè)鏈如圖1所示。

國內(nèi)各煉油主體銷售模式以零售為主，批發(fā)、直銷為輔。零售端利潤空間大，加油站終端成為兵家必爭之地。成品油零售環(huán)節(jié)在產(chǎn)業(yè)鏈中盈利能力較強。成品油零售端利潤主要來源于零售價與批發(fā)價之間的價差，即批零差。

隨著國家成品油經(jīng)營權(quán)放開，民營企業(yè)、外資企業(yè)積極進軍成品油零售市場，兩大石油巨頭銷售壟斷地位被打破，市場競爭日趨激烈。同時，隨著消費升級，消費者更加追求消費體驗，對商家服務提出了更高的要求。在此背景下，油品銷售企業(yè)必須擁抱“互聯(lián)網(wǎng)+”，利用大數(shù)據(jù)，以客戶為中心，創(chuàng)新銷售模式，包括引入“非油業(yè)務”，最大程度滿足客戶需求，贏得客戶信任。中石化推出易捷網(wǎng)上商城，線上與線下相結(jié)合。中石油2016年3月與阿里巴巴、螞蟻金服在北京簽署戰(zhàn)略合作框架協(xié)議，擬在阿里云、電子地圖、互聯(lián)網(wǎng)汽車以及中石油掌上營業(yè)廳、互聯(lián)網(wǎng)支付、電子加油卡和互聯(lián)網(wǎng)金融等領(lǐng)域開展合作。

2 “互聯(lián)網(wǎng)+”趨勢下以客戶為中心

“以客戶為中心”這一理念自其出現(xiàn)開始即受到零售業(yè)界的廣泛認同，在互聯(lián)網(wǎng)時代，這一理念依然有效。企業(yè)如何做到以客戶為中心？具體來說就是形成一個從“認識你的客戶”到“觸動你的客戶”和“贏取你的客戶”的客戶關(guān)系閉環(huán)管理。首先，通過基于數(shù)據(jù)的客戶分析和客戶分群，獲取對客戶的洞察力，明確目標客戶與目標市場；其次，基于瞄準的客戶群體，分析客戶的不同需求，通過開發(fā)創(chuàng)新的產(chǎn)品和方案來滿足客戶需求，甚至通過提供超過客戶期望的產(chǎn)品和服務來觸動客戶，從而獲取新的客戶；最后，基于產(chǎn)品和方案特點，以及與客戶交互的特點，設(shè)計無縫、靈活、多渠道協(xié)同的客戶交互方式，將產(chǎn)品和方案交付給客戶，在服務過程中使客戶獲取一致的客戶體驗，從而保持客戶黏性。通過這樣的業(yè)務閉環(huán)，不斷篩選、識別有價值的客戶，并與其長期保持業(yè)務關(guān)系。以客戶為中心的增長戰(zhàn)略如圖2所示。

互聯(lián)網(wǎng)商業(yè)模式逐漸改變了終端消費者的消費習慣，消費者越來越“苛刻”，除了要買到好產(chǎn)品，同時還要求“實惠”“方便”“選擇多”“買得省心”。個性化營銷、一站式服務、整體解決方案、一體化運營等越來越多地成為了企業(yè)的共識。研究發(fā)現(xiàn)，最能夠影響消費者購買決策的促銷方式是個性化的店內(nèi)折扣和通過電子郵件發(fā)送的優(yōu)惠券。研究還發(fā)現(xiàn)，雖然傳統(tǒng)的促銷式個性化互動最容易打動消費者，但建議類互動的影響力也不可低估，不同促銷手段的影響力如圖3所示。同時，消費者對于不同商品的不同促銷方式的接受度也不同。因此，零售商需要與消費者進行多維度、多方式的個性化互動才能有效促進消費者的購買行為。

由于個性化互動具有“定制性”特點，對數(shù)據(jù)分析的能力要求很高。如何為每位消費者“量體裁衣”提供消費者所需互動不僅考驗零售商的數(shù)據(jù)收集能力，更考驗其數(shù)據(jù)分析能力。

由此可見，強大的數(shù)據(jù)分析能力是互聯(lián)網(wǎng)環(huán)境下油品銷售企業(yè)需要重點關(guān)注的方面之一。

3 數(shù)據(jù)分析關(guān)注點

3.1 數(shù)據(jù)價值

通過數(shù)據(jù)分析可以為油品銷售企業(yè)帶來五個方面的價值：

（1）精準智能營銷?？梢越⒒诖髷?shù)據(jù)的客戶360度統(tǒng)一視圖，幫助企業(yè)理解客戶，認識客戶個體的特點，感知客戶行為模式的變化，準確預測客戶的需求。隨時隨地通過便捷的渠道提供個性化的產(chǎn)品與服務，并且根據(jù)客戶反饋隨時調(diào)整策略。

（2）產(chǎn)品創(chuàng)新。通過社交化媒體進行產(chǎn)品與品牌的輿情分析，可以基于數(shù)據(jù)分析指定品牌和市場戰(zhàn)略，通過RFID追蹤并分析產(chǎn)品的使用情況，通過對客戶的交易和行為的分析認識和把握客戶需求，針對需求推出個性化的產(chǎn)品和服務。

（3）優(yōu)化運營流程?？梢源蛲〝?shù)據(jù)驅(qū)動的信息流，輔助供應鏈優(yōu)化和渠道整合，實現(xiàn)服務創(chuàng)新和業(yè)務流程的整合優(yōu)化，并實現(xiàn)以客戶為中心的高效運營體系和扁平化組織體系。

（4）科學智能決策。通過智能數(shù)據(jù)分析與挖掘提升決策支持能力，使得決策更加科學、準確、高效。通過及時、高效的數(shù)據(jù)分析挖掘成果，可有效應對客戶與市場環(huán)境的各種細微變化。

（5）深入的客戶洞察?？梢詫崿F(xiàn)客戶在企業(yè)內(nèi)的交易交互行為分析，也可以進行客戶在企業(yè)外的行為活動分析，識別整合客戶在企業(yè)內(nèi)外的數(shù)據(jù)，對客戶進行全方位的理解洞察，對客戶的行為進行預測，并基于預測優(yōu)化客戶體驗。

3.2 數(shù)據(jù)來源

數(shù)據(jù)分析與挖掘的對象不僅僅關(guān)注企業(yè)內(nèi)部的數(shù)據(jù)，更要充分融合企業(yè)內(nèi)外的交易和交互數(shù)據(jù)，這樣才能充分挖掘到數(shù)據(jù)價值。應整合結(jié)構(gòu)化、非結(jié)構(gòu)化、半結(jié)構(gòu)化、實時數(shù)據(jù)流等各類數(shù)據(jù)，并進行企業(yè)間的數(shù)據(jù)交換合作。

以中石油公司為例，內(nèi)部數(shù)據(jù)庫存儲了大量的內(nèi)部運營數(shù)據(jù)、生產(chǎn)運行數(shù)據(jù)（包括油氣生產(chǎn)數(shù)據(jù)、油氣相關(guān)的產(chǎn)運銷儲貿(mào)數(shù)據(jù)、化驗分析數(shù)據(jù)等）、工程技術(shù)數(shù)據(jù)。“互聯(lián)網(wǎng)+”時代更為重要的企業(yè)和客戶互動時所產(chǎn)生的所有數(shù)據(jù)信息（OLTP）是了解客戶行為的原始材料，它們是企業(yè)的眼睛和耳朵。

企業(yè)內(nèi)部系統(tǒng)中的客戶信息、市場促銷、交易數(shù)據(jù)、結(jié)算數(shù)據(jù)等結(jié)構(gòu)化數(shù)據(jù)以及企業(yè)官網(wǎng)的數(shù)據(jù)只能達到企業(yè)正常營銷管理需求的15%的量能，不足以給出一個重要洞察和發(fā)現(xiàn)的規(guī)律。而其他85%的數(shù)據(jù)如社交媒體數(shù)據(jù)、郵件數(shù)據(jù)、地理位置、智能設(shè)備傳感器、音視頻等不斷增加的信息數(shù)據(jù)等更多以圖片、視頻等方式或半結(jié)構(gòu)化、非結(jié)構(gòu)化的數(shù)據(jù)存在，幾年前它們可能不被重視，甚至不被企業(yè)所采集。而在應用大數(shù)據(jù)技術(shù)后，對該部分數(shù)據(jù)的分析在競爭激烈的市場中日顯寶貴，作用突出。

3.3 數(shù)據(jù)基礎(chǔ)

客戶數(shù)據(jù)識別與整合的基礎(chǔ)在于數(shù)據(jù)的統(tǒng)一化和標準化。應建立一套客戶360度視圖核心內(nèi)容，多層次立體化的客戶標簽體系。

一套完整的客戶標簽體系通常具備以下幾方面內(nèi)容：

（1）基礎(chǔ)屬性特征：如年齡、性別、單位等；

（2）終端屬性特征：如手機品牌、型號等；

（3）內(nèi)容喜好特征：如軍事、旅游、音樂、游戲等；

（4）業(yè)務服務：如理財、存款、貸款、收集銀行等；

（5）位置信息：出沒規(guī)律、出行規(guī)律、商圈級別、差旅習慣等；

（6）作息時間：收集開關(guān)機時間、固網(wǎng)通話情況、寬帶或者上網(wǎng)時頻等；

（7）消費習慣：歷史消費情況、位置出現(xiàn)規(guī)律、付費習慣等；

（8）行為特征：通常是基于其網(wǎng)絡(luò)行為獲取的特征數(shù)據(jù)，包括下載、瀏覽、搜索、郵件等；

（9）應用偏好特征：微博、音樂、游戲、閱讀等；

（10）社交網(wǎng)絡(luò)：包括交往人群、圈子影響力等。

3.4 數(shù)據(jù)分析

在已建立數(shù)據(jù)基礎(chǔ)的前提下，油品銷售企業(yè)可以利用大量數(shù)據(jù)進行主題分析。本文主要從營銷角度出發(fā)，闡述以下幾個主題。

3.4.1 通過聚類分析實現(xiàn)客戶的差異化分群

客戶分群是將全體客戶劃分為多個組并刻畫特征的過程，使得組內(nèi)客戶高度相似，組間客戶差異明顯，目的是方便為客戶提供差異化、專業(yè)化的服務及更加精準的營銷、銷售。

聚類分析模型是目前主要的客戶分群方法。主流的聚類算法包括K-means、兩步聚類、層級聚類、時間序列聚類、譜聚類以及核聚類等。這些通常是半監(jiān)督或無監(jiān)督的數(shù)據(jù)挖掘方法，即通過數(shù)據(jù)本身發(fā)現(xiàn)可能的業(yè)務模式。聚類分析建模過程如圖4所示。

3.4.2 客戶流失分析預測

與客戶打交道的業(yè)務就不得不應對由于各種原因而導致的客戶流失。這也催生了客戶流失分析預測，或者我們稱之為生存分析。業(yè)務人員希望通過該模型得知何時開始擔心客戶做出某些重大事件，如終止購買或者進行另一項采購。同時還可以識別哪些因素與這些事件相關(guān)?？蛻袅魇€也可以提供客戶和客戶生存周期的快照，并回答例如“我們應該在多大程度上擔心這位客戶會在不久的將來離開？”或者“這位客戶最近沒有購買行為，是否該開始擔心該客戶不會再光顧？”等問題。

流失分析利用了客戶行為中最重要的一個方面——持續(xù)期。客戶已經(jīng)光顧的時間可以為我們提供豐富的信息，尤其是當與某些特定業(yè)務相關(guān)時。流失分析建模過程如圖5所示。

首先通過采集已經(jīng)定義為流失客戶的業(yè)務歷史數(shù)據(jù)作為樣本，應用邏輯回歸、決策樹或神經(jīng)網(wǎng)絡(luò)算法，基于樣本數(shù)據(jù)訓練形成流失模型，進而尋找到流失客戶的共同特征。應用該模型對當前還未流失的客戶的下一步流失可能性進行打分，打分過程實際體現(xiàn)了當前客戶的行為與已流失客戶行為的相似程度。對于流失可能性打分較高的客戶，預示著他們的行為與曾經(jīng)流失的客戶行為相像，也提醒業(yè)務人員將其列為重點關(guān)注或挽留的目標客戶。

3.4.3 客戶購買關(guān)聯(lián)挖掘分析

利用客戶購買交易行為數(shù)據(jù)，發(fā)現(xiàn)在一定時間內(nèi)頻繁購買的商品項目。從所有的客戶購物交易數(shù)據(jù)中選取一定時間區(qū)間的記錄數(shù)據(jù)，如一年、一個季度等，尋找當用戶購買了A商品的基礎(chǔ)上，又購買了B商品的人數(shù)所占比例，當該比例達到預設(shè)的目標水平時，我們就認為這兩個商品存在一定的關(guān)聯(lián)性，所以當用戶購買了A商品但還未購買B商品時，我們就可以向該類用戶推薦B商品。關(guān)聯(lián)分析建模過程如圖6所示。

在對關(guān)聯(lián)規(guī)則進行分析的過程中，通常使用持度、置信度和提升度判別關(guān)聯(lián)規(guī)則的好壞。

國外企業(yè)在這方面做的比較好，中石化、中石油等借鑒海外經(jīng)驗率先拓展非油品業(yè)務，向綜合性服務商轉(zhuǎn)變。將成品油零售業(yè)與傳統(tǒng)商業(yè)逐步融合，積極拓展便利店、快餐、汽車美容等非油品業(yè)務，實現(xiàn)“油非”互促，從而提高加油站盈利能力和抗風險能力。根據(jù)海外經(jīng)驗，通過戰(zhàn)略合作引入外部專業(yè)化品牌，或者設(shè)立從屬于公司品牌的專業(yè)化子品牌，就成為石油公司發(fā)展非油業(yè)務的基本選擇。

2002年起，中石化通過與殼牌、BP和?？松梨诘裙竞腺Y經(jīng)營加油站，開始積累非油品業(yè)務經(jīng)驗。2008年，中石化正式創(chuàng)立“易捷”便利店品牌，涉足非油品業(yè)務。便利店以自營為主，采用通過廣告、快餐等業(yè)務以引進知名品牌、場地出租為主的經(jīng)營模式。但易捷便利店依托加油站限制了其顧客群體及消費次數(shù)，單店銷售額與市場上的專業(yè)便利店還存在不小差距。為了提高公司非油品的經(jīng)營能力，中石化銷售公司于2014年組建了專業(yè)的全資子公司，“中石化易捷銷售有限公司”在北京揭牌成立。2017年初，易捷便利店脫離中石化加油站，在北京開啟第一家對外的獨立門店，向便利店零售市場發(fā)起沖擊，以提升非油品業(yè)務的盈利能力。

2002年中石油通過借鑒合資公司的運營模式和經(jīng)驗，開始探索非油品業(yè)務。 2007年中石油成立了正式的非油品機構(gòu)，全面啟動非油品業(yè)務。2008年，中石油推出“昆侖好客”品牌便利店，開始嘗試向綜合服務商轉(zhuǎn)變。截至2015年底，中石油全國加油站便利店數(shù)量超過1萬座，2015年全年實現(xiàn)非油業(yè)務收入124.2億元，占銷售板塊營業(yè)總收入的0.9%。

4 油品銷售企業(yè)數(shù)據(jù)分析應用案例

過去10年，隨著互聯(lián)網(wǎng)技術(shù)的變革，油品銷售行業(yè)已發(fā)生巨大改變，主要體現(xiàn)在終端零售客戶的體驗被極大地豐富，一方面客戶獲取產(chǎn)品信息的渠道不再局限于單一的模式，擁有了更多選擇，傳統(tǒng)營銷手段如報紙、廣播和電視等媒體對于客戶的影響力被大幅稀釋；另一方面，客戶進行交易的場所和客戶觸點也逐漸由單純的線下轉(zhuǎn)為線上線下混合模式，客戶在快速適應或者正在享受以互聯(lián)網(wǎng)為主要介質(zhì)的消費互動方式?？蛻趔w驗的發(fā)展如圖7所示，實體結(jié)合虛擬數(shù)字化的消費體驗正在成為未來的主流趨勢。

在此背景下，研究某國際傳統(tǒng)油品銷售企業(yè)的“觸網(wǎng)”轉(zhuǎn)型之路，研究其如何應用數(shù)據(jù)分析技術(shù)提供更為全面的客戶體驗，進而提升企業(yè)效益，對拓展如何攫取數(shù)據(jù)價值的思路具有借鑒意義。

4.1 該企業(yè)數(shù)據(jù)分析的整體實施過程

該企業(yè)將建立數(shù)據(jù)驅(qū)動的精準營銷作為目標。如圖8所示，其首先整合多方數(shù)據(jù)形成360度客戶視圖，基于上述數(shù)據(jù)計算客戶價值，并基于客戶價值和行為特征開展分群；基于聚類分析，描述可執(zhí)行的客戶分群的行為特征和需求；基于不同客戶群體的共性和公司業(yè)務目標，將統(tǒng)計學上聚類分析的結(jié)果進行調(diào)整和優(yōu)化；之后，該企業(yè)形成了自身客戶畫像，包括制定各類客戶的發(fā)展策略（挽留、放棄、開發(fā)等）等；基于客戶的渠道偏好、交互偏好設(shè)計有針對性的渠道和交互策略；針對特定分群設(shè)計有針對性的營銷方案，持續(xù)監(jiān)控營銷活動效果與預期的差異，并及時調(diào)整和優(yōu)化。

通過以上分析與精準營銷，該企業(yè)預期提升約15%～20%的銷售收入。

4.2 通過聚類分析實現(xiàn)客戶的差異化分群

圖9所示為該企業(yè)應用數(shù)據(jù)分析軟件設(shè)計并實施相應的聚類分析模型后形成的客戶分群結(jié)果。具有如下特點：

（1）該企業(yè)的高價值客戶細分為四個群體：高忠誠度客戶、職業(yè)司機、常規(guī)客戶、食品和日常用品購買者。

（2）高價值客戶人數(shù)約占該企業(yè)客戶總?cè)藬?shù)的20%，卻為該企業(yè)貢獻了近60%的油品銷量和近75%的非油品銷量。該結(jié)果暗示了對于高價值客戶的營銷活動與維系其投資的回報率可能會更高。

（3）在非高價值客戶中，44%的客戶群體為消費頻率較低的客戶或新客戶，如何挖掘這部分客戶的需求，刺激其消費，發(fā)現(xiàn)其中的潛在客戶同樣具有重要意義。

（4）由于比較準確地描述了不同群體的客戶消費特點、偏好，該企業(yè)可以組織有針對性的營銷活動，例如將部分屬于非高價值客戶群的客戶遷移為高價值客戶，或針對品牌中立者開展針對性營銷，使之發(fā)展為品牌追隨者。

4.3 形成客戶的360視圖

該企業(yè)對于客戶的數(shù)據(jù)分析結(jié)果除了進行精準營銷外，還豐富并形成了每一個B2C客戶的360視圖，真正做到“千人千面”，為基于客戶的個性化特點提供個性化服務打好基礎(chǔ)。

客戶360視圖如圖10所示。以George先生為例，該企業(yè)最終構(gòu)建的George 360視圖包括其位置信息、加油信息、發(fā)展?jié)摿?、所享受的?yōu)惠方案、其接觸企業(yè)的渠道、消費的頻率、需求等。當George再進行某次消費時，業(yè)務人員可以及時查看他的360視圖信息，最終實現(xiàn)顧問式互動營銷，及時挖掘George的潛在需求，提供無縫、舒適的用戶體驗，進而始終保持該客戶的品牌忠誠度，為企業(yè)帶來持續(xù)的口碑和利潤提供了無限可能。

5 結(jié) 語

“互聯(lián)網(wǎng)+”時代，移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、社交媒體等新技術(shù)都將與傳統(tǒng)產(chǎn)業(yè)結(jié)合，使得每一個企業(yè)都是“互聯(lián)網(wǎng)企業(yè)”。在新的成品油供需環(huán)境下，傳統(tǒng)油品銷售企業(yè)利潤越來越微薄，市場競爭越來越激烈，客戶需求越來越多樣化。

因此，為更好地滿足客戶需求，實現(xiàn)精準營銷，持續(xù)提升效益，油品銷售企業(yè)必須充分認識到“互聯(lián)網(wǎng)+”時代數(shù)據(jù)分析的重要性和緊迫性，切實提升數(shù)據(jù)分析和應用能力，實施數(shù)字化發(fā)展戰(zhàn)略，創(chuàng)新銷售模式，為企業(yè)可持續(xù)發(fā)展奠定良好基礎(chǔ)。

參考文獻

[1]許佑宏，文迪.轉(zhuǎn)型無縫零售[M].Accenture，2014.

[2]維克托·邁爾-舍恩伯格，肯尼思·庫克耶.大數(shù)據(jù)時代：生活、工作與思維的大變革[M].杭州：浙江人民出版社，2013.

[3]戴夫·柯本，特蕾莎·布朗，瓦萊麗·普里查德.互聯(lián)網(wǎng)新思維：未來十年的企業(yè)變形計[M].北京：中國人民大學出版社，2014.

[4] JIAWEIHAN，MICHELINEKAMBER，JIANPEI.數(shù)據(jù)挖掘概念與技術(shù)[M].北京：機械工業(yè)出版社，2012.

[5] MICHAELJ A BERRY，GORDONS LINOFF.數(shù)據(jù)挖掘技術(shù)：應用于市場營銷、銷售與客戶關(guān)系管理領(lǐng)域應用[M].北京：機械工業(yè)出版社，2013.

[6]比約·布勞卿，拉斯·拉克，托馬斯·拉姆什.大數(shù)據(jù)變革：讓客戶數(shù)據(jù)驅(qū)動利潤奔跑[M].北京：機械工業(yè)出版社，2014.

[7]麥德奇，保羅B布朗，王維丹.大數(shù)據(jù)營銷 定位客戶[M].北京：機械工業(yè)出版社，2014.

[8]菲爾·西蒙，漆晨曦.大數(shù)據(jù)可視化：重構(gòu)智慧社會[M].北京：人民郵電出版社，2015.

[9] Digital Marketing Customer Analytics[M].Accenture，2015.

[10]騰訊科技頻道.跨界開啟互聯(lián)網(wǎng)與傳統(tǒng)行業(yè)融合新趨勢[M].北京：機械工業(yè)出版社，2014.

[11]盧輝.數(shù)據(jù)挖掘與數(shù)據(jù)化運營實戰(zhàn) 思路、方法、技巧與應用[M].北京：機械工業(yè)出版社，2013.