基于大數(shù)據(jù)的網(wǎng)絡(luò)營(yíng)銷模型構(gòu)建

唐慧羽

（廣西現(xiàn)代職業(yè)技術(shù)學(xué)院，廣西 河池 547000）

0 引言

在互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計(jì)算等新興科技的迅速發(fā)展下，人們的生活已經(jīng)離不開數(shù)字信息，各類信息網(wǎng)互相交錯(cuò)，其線上信息量有了空前的發(fā)展效果。在此條件下產(chǎn)生了大數(shù)據(jù)概念，它作為一種超出傳統(tǒng)數(shù)據(jù)庫(kù)的工作能力集合的范圍數(shù)據(jù)，能夠大規(guī)模地獲取、存儲(chǔ)、管理和分析數(shù)據(jù)，具有數(shù)據(jù)信息存儲(chǔ)大、數(shù)據(jù)流傳速度快、數(shù)據(jù)類型多樣化、價(jià)值密度低四大優(yōu)勢(shì)。在近幾年來(lái)，因其巨大的商業(yè)價(jià)值，已成為新時(shí)代社會(huì)的焦點(diǎn)，越來(lái)越多的國(guó)家和企業(yè)相繼進(jìn)入大數(shù)據(jù)應(yīng)用領(lǐng)域。在美國(guó)，大數(shù)據(jù)應(yīng)用于醫(yī)療技術(shù)領(lǐng)域，平均每年可以創(chuàng)造4000億美元的生產(chǎn)價(jià)值，年生產(chǎn)力能夠提高0.75%，零銷行業(yè)每年能夠提高67%的凈利率[1]。從2004年開始我國(guó)大數(shù)據(jù)新興產(chǎn)業(yè)得利發(fā)展，帶動(dòng)相關(guān)產(chǎn)業(yè)GDP增加。但由于大數(shù)據(jù)營(yíng)銷的覆蓋范圍較廣，每個(gè)環(huán)節(jié)中的應(yīng)用和模式不同，大數(shù)據(jù)營(yíng)銷的技術(shù)缺乏現(xiàn)實(shí)領(lǐng)域的過(guò)渡切口，大多數(shù)的應(yīng)用實(shí)例無(wú)法成功在各個(gè)企業(yè)粘貼復(fù)制，依然在數(shù)據(jù)層面停留，沒有進(jìn)行深入的挖掘，導(dǎo)致用戶轉(zhuǎn)化率偏低，因此，本文基于大數(shù)據(jù)記錄和收集用戶信息，構(gòu)建大數(shù)據(jù)營(yíng)銷流程，識(shí)別用戶畫像規(guī)劃用戶類型，建立網(wǎng)絡(luò)營(yíng)銷模型，改善營(yíng)銷效果，增加客戶轉(zhuǎn)化率，為企業(yè)的發(fā)展提供可依靠的營(yíng)銷運(yùn)營(yíng)思路。

1 基于大數(shù)據(jù)構(gòu)建網(wǎng)絡(luò)營(yíng)銷模型

1.1 記錄和收集用戶信息

在當(dāng)前電子信息環(huán)境下，在建立營(yíng)銷模型前需要對(duì)用戶數(shù)據(jù)進(jìn)行整合，識(shí)別出不同來(lái)源的用戶群體。對(duì)于大數(shù)據(jù)下的用戶信息一般分為匿名用戶數(shù)據(jù)和實(shí)名用戶數(shù)據(jù)。匿名用戶數(shù)據(jù)是用戶通過(guò)網(wǎng)絡(luò)平臺(tái)上，進(jìn)行瀏覽和購(gòu)買產(chǎn)生的數(shù)據(jù)；而實(shí)名用戶數(shù)據(jù)是指經(jīng)過(guò)注冊(cè)后的用戶真實(shí)信息收集過(guò)程。首先，對(duì)于匿名用戶數(shù)據(jù)，可以在網(wǎng)絡(luò)瀏覽器的監(jiān)測(cè)下，將用戶在各個(gè)網(wǎng)站上的訪問記錄和購(gòu)買過(guò)的數(shù)據(jù)進(jìn)行留存并記錄，分析每個(gè)商品在此網(wǎng)站的對(duì)應(yīng)參數(shù)，通過(guò)這一參數(shù)，找到對(duì)應(yīng)的商品型號(hào)和品牌數(shù)據(jù)，在將其商品的大小和價(jià)格進(jìn)行對(duì)應(yīng)，在網(wǎng)站有效代碼的監(jiān)測(cè)下，了解該用戶在購(gòu)買商品前的瀏覽記錄，其各個(gè)商品屬性是什么，通過(guò)對(duì)該用戶多次的訪問記錄分析，有效識(shí)別該用戶在購(gòu)買前的決策過(guò)程，從而制定針對(duì)該用戶類型同樣訪問記錄的訪問者，商品營(yíng)銷的推薦路徑，收集此類用戶信息。其次，對(duì)于實(shí)名用戶，根據(jù)其在購(gòu)買商品時(shí)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(guī)劃該用戶經(jīng)常出入的場(chǎng)景，如工作地點(diǎn)、居住地點(diǎn)、購(gòu)物地點(diǎn)等，針對(duì)用戶的實(shí)名信息，能夠更真實(shí)地記錄該用戶的真實(shí)數(shù)據(jù)[2]。將這些信息收集并記錄歸納，進(jìn)行有效清洗，留下對(duì)后續(xù)營(yíng)銷有用的數(shù)據(jù)，建立信息系統(tǒng)，使所得數(shù)據(jù)能夠有效串聯(lián)并加以分析，形成能夠識(shí)別的用戶視圖信息，然后基于大數(shù)據(jù)構(gòu)建營(yíng)銷流程，便于后續(xù)營(yíng)銷工作的進(jìn)行。

1.2 基于大數(shù)據(jù)建立營(yíng)銷流程

在收集用戶數(shù)據(jù)信息后，由于該階段用戶還沒有產(chǎn)生咨詢行為和實(shí)際購(gòu)買記錄，所以需要構(gòu)建營(yíng)銷流程，對(duì)用戶信息進(jìn)行整合分析，激發(fā)潛在用戶購(gòu)買需求，提高后續(xù)用戶和商品的營(yíng)銷匹配度。當(dāng)公司和用戶接觸后，盡快地讓匿名用戶完成實(shí)名注冊(cè)，通過(guò)上述采集到的用戶感興趣產(chǎn)品促成用戶成交轉(zhuǎn)換，對(duì)潛在用戶的購(gòu)買行為和產(chǎn)品進(jìn)行用戶可購(gòu)買預(yù)測(cè)，使其完成注冊(cè)，獲取真實(shí)信息。通過(guò)產(chǎn)品關(guān)聯(lián)數(shù)據(jù)，對(duì)用戶的購(gòu)買記錄和產(chǎn)品數(shù)據(jù)進(jìn)行分析，總結(jié)用戶購(gòu)買結(jié)果和預(yù)測(cè)結(jié)果的關(guān)聯(lián)度，將相似產(chǎn)品納入營(yíng)銷中，營(yíng)銷流程如圖1所示。

圖1 營(yíng)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(shí)地完成實(shí)名轉(zhuǎn)化，會(huì)有些許的用戶在數(shù)據(jù)收集的初始階段存在流失現(xiàn)象，不產(chǎn)生購(gòu)買行為，此時(shí)就需要對(duì)用戶進(jìn)行網(wǎng)絡(luò)銷售，可以不定期地發(fā)送用戶感興趣的產(chǎn)品，增加用戶對(duì)商品的關(guān)注度，在此基礎(chǔ)上分析該用戶群體購(gòu)買可能性。其次，許多購(gòu)買后的用戶在一定時(shí)間內(nèi)不會(huì)產(chǎn)生再次購(gòu)買的需求，使得用戶信息輪轉(zhuǎn)至休眠數(shù)據(jù)，而對(duì)老客戶的激活比較轉(zhuǎn)換新用戶來(lái)講，成本更低，所用時(shí)間更少，因此在營(yíng)銷流程構(gòu)建中是必不可少的一步[3]。通過(guò)匿名用戶數(shù)據(jù)的轉(zhuǎn)化、實(shí)名用戶注冊(cè)、關(guān)聯(lián)營(yíng)銷設(shè)計(jì)、流失數(shù)據(jù)統(tǒng)計(jì)和老用戶激活五個(gè)階段構(gòu)建大數(shù)據(jù)營(yíng)銷流程，在此基礎(chǔ)上，對(duì)用戶畫像進(jìn)行識(shí)別規(guī)劃用戶類型，豐富用戶信息讓用戶的屬性產(chǎn)生更清晰的認(rèn)知。

1.3 規(guī)劃用戶類型構(gòu)建營(yíng)銷模型

用戶畫像能夠更好地聯(lián)系客戶訴求，從大數(shù)據(jù)中精準(zhǔn)地對(duì)畫像進(jìn)行識(shí)別和分類，是大數(shù)據(jù)營(yíng)銷的基礎(chǔ)。通過(guò)互聯(lián)網(wǎng)平臺(tái)收集所需要的用戶信息，在獲取用戶信息后，將各個(gè)系統(tǒng)內(nèi)的實(shí)名信息進(jìn)行清洗整合，從用戶姓名、手機(jī)、住址三方面進(jìn)行匹配，形成一體的用戶數(shù)據(jù)信息，在將不同的標(biāo)簽從不同緯度進(jìn)行識(shí)別，形成清晰的用戶類型信息，一般從四個(gè)維度規(guī)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(guān)聯(lián)用戶信息維度中涉及的體系標(biāo)簽，通過(guò)已知標(biāo)簽結(jié)合時(shí)間緯度，分別以一個(gè)月、三個(gè)月、近半年和一年為基礎(chǔ)，整合用戶信息。規(guī)劃用戶體系，能夠?qū)τ脩舢a(chǎn)生360度的全方位識(shí)別，即使沒有面對(duì)面地和用戶交流過(guò)，依舊可以對(duì)用戶的所有信息進(jìn)行精準(zhǔn)識(shí)別，對(duì)用戶群體進(jìn)行劃分，以某個(gè)用戶為例，通過(guò)其畫像體系規(guī)劃其所屬用戶類型，如圖2所示[4]。

圖2 用戶畫像識(shí)別舉例

通過(guò)上述用戶畫像信息，我們可知這是一位未婚的26歲男性，現(xiàn)居住在河南，近半年內(nèi)對(duì)家電的需求量增加，幾乎高消費(fèi)金額都產(chǎn)生在家電類別，支出金額偏高，結(jié)合收貨地區(qū)信息，可知所處小區(qū)位置，所有電器均在網(wǎng)絡(luò)平臺(tái)購(gòu)買，沒有固定品牌，但外觀均以白色為主，對(duì)價(jià)格不敏感，可以推斷出該青年收入較高，且近半年內(nèi)處于房屋裝修狀態(tài)，結(jié)合獲取信息，可以將該用戶規(guī)劃在新房裝飾類別，在后續(xù)營(yíng)銷中可以推薦相關(guān)產(chǎn)品，帶來(lái)其他類別產(chǎn)品轉(zhuǎn)化。通過(guò)上述三個(gè)方面，在收集用戶信息后，針對(duì)用戶所在群體制定相對(duì)應(yīng)營(yíng)銷策略，規(guī)劃用戶群體推送合適的產(chǎn)品，構(gòu)建網(wǎng)絡(luò)營(yíng)銷模型。

2 實(shí)驗(yàn)論證分析

為驗(yàn)證新的營(yíng)銷模型能夠增加用戶轉(zhuǎn)化率，用戶轉(zhuǎn)化率是指在瀏覽數(shù)據(jù)的總?cè)藬?shù)中最后的成交結(jié)果和總?cè)藬?shù)比值，在同樣的客戶群體數(shù)量下，根據(jù)成交數(shù)量，對(duì)比用戶轉(zhuǎn)化率pvr，其計(jì)算公式為：

式中：成交結(jié)果用iu表示；瀏覽總?cè)藬?shù)用full表示；根據(jù)影響轉(zhuǎn)化率的因素，設(shè)置對(duì)比實(shí)驗(yàn)條件，以雙“11.11”購(gòu)物節(jié)前預(yù)熱五天的用戶數(shù)據(jù)為例，根據(jù)每天的總瀏覽人數(shù)，對(duì)比兩種營(yíng)銷模型下成交數(shù)量，分析各自的轉(zhuǎn)化率，對(duì)比結(jié)果如表2所示。

表2 兩種營(yíng)銷模型下成交對(duì)比結(jié)果（人）

由表1可知，在11月6號(hào)到11月11號(hào)之間傳統(tǒng)模型的轉(zhuǎn)化率分別6.94%、5.65%、5.34%、4.27%、3.68%、3.69%；新營(yíng)銷模型的轉(zhuǎn)化率分別為19.7%、23.0%、20.1%、16.7%、18.4%、19.2%；比傳統(tǒng)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(tǒng)模型用戶總轉(zhuǎn)化率為4.5%，新營(yíng)銷模型為19.1%，比傳統(tǒng)模型提高了14.6%，說(shuō)明新設(shè)計(jì)的網(wǎng)絡(luò)營(yíng)銷模型能夠提高用戶轉(zhuǎn)化率，能增加營(yíng)銷效果。

3 結(jié)語(yǔ)

本文在大數(shù)據(jù)的運(yùn)用基礎(chǔ)上，記錄收集用戶信息，構(gòu)建營(yíng)銷流程，識(shí)別數(shù)據(jù)畫像規(guī)劃用戶類型，建立網(wǎng)絡(luò)營(yíng)銷模型，改善營(yíng)銷效果，使客戶的轉(zhuǎn)化率增加了14.6%，為企業(yè)的發(fā)展提供了可靠依據(jù)。但本文的研究?jī)H限于定量分析，構(gòu)建的模型只研究了對(duì)大數(shù)據(jù)信息的處理問題，沒有產(chǎn)生直接量化效果，具有一定的局限性，需要企業(yè)在自我實(shí)際應(yīng)用中總結(jié)和分析。在后續(xù)的工作中可以針對(duì)大數(shù)據(jù)的其他特征進(jìn)行廣泛研究，使得大數(shù)據(jù)對(duì)營(yíng)銷領(lǐng)域產(chǎn)生更深刻的影響，提供更可靠的理論依據(jù)。