唐志晶，孫景浩，王執(zhí)政，伍玉通，周書冉

（河南師范大學(xué)，河南 新鄉(xiāng) 453007）

隨著我國(guó)電子商務(wù)和移動(dòng)支付的快速發(fā)展，手機(jī)已成為人們生活中必不可少的工具。除了常規(guī)的通信功能外，手機(jī)還可以進(jìn)行購(gòu)物、支付、娛樂、學(xué)習(xí)和交流等。因此，選擇一個(gè)什么樣的手機(jī)已經(jīng)成為廣大消費(fèi)者注重要考慮的問題。移動(dòng)終端的普及，讓數(shù)據(jù)分析隨地可行。大數(shù)據(jù)營(yíng)銷使得營(yíng)銷行動(dòng)目標(biāo)明確、可追蹤、可衡量、可優(yōu)化，從而造就了以數(shù)據(jù)為核心的營(yíng)銷閉環(huán)，營(yíng)銷行動(dòng)得到良性循環(huán)[1]。

1 對(duì)數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析

以網(wǎng)絡(luò)上某一品牌手機(jī)為例，進(jìn)行數(shù)據(jù)分析，調(diào)查用戶的基本行為特征對(duì)手機(jī)購(gòu)買的影響以及如何影響[2]。首先對(duì)數(shù)據(jù)進(jìn)行量化處理，進(jìn)而建立主成分分析模型，得到影響用戶購(gòu)買手機(jī)的主要成分；最后，建立多項(xiàng)Logistic回歸模型，運(yùn)用SPSS對(duì)數(shù)據(jù)進(jìn)行處理，計(jì)算出各個(gè)因素對(duì)影響購(gòu)買手機(jī)的權(quán)重，用以研究各個(gè)因子是如何影響是否購(gòu)買手機(jī)的[3]。研究消費(fèi)者的基本屬性和個(gè)人偏好對(duì)購(gòu)買手機(jī)的影響，從而得出精準(zhǔn)營(yíng)銷策略[4]。

1.1 主成分分析模型

首先，分析用戶的個(gè)人偏好，發(fā)現(xiàn)并不是所有偏好都與用戶對(duì)手機(jī)的購(gòu)買有所關(guān)聯(lián)，因此，建立主成分分析模型對(duì)用戶的基本屬性特征以及個(gè)人偏好進(jìn)行主成分分析處理。

運(yùn)用SPSS軟件對(duì)表格數(shù)據(jù)進(jìn)行主成分分析處理，可得結(jié)果如表1所示。

表1 解釋的總方差

已知表1中合計(jì)項(xiàng)為主成分，則可知主成分為年齡、性別、學(xué)歷、職業(yè)、網(wǎng)絡(luò)購(gòu)物指數(shù)、網(wǎng)絡(luò)活躍指數(shù)。

1.2 多項(xiàng)Logistic回歸模型

Logistic回歸分析的因變量應(yīng)是分類變量，并且包含順序變量和名義變量。不論是哪一種變量都要用數(shù)字來表示其取值。自變量是數(shù)據(jù)型的連續(xù)變量，也可以使順序型分類變量。如果是名義變量，則需轉(zhuǎn)化成啞變量來解決。

二值變量的Logistic回歸模型：假設(shè)因變量y是一個(gè)取值為1和0二值變量（binary variable），x是一個(gè)影響y的危險(xiǎn)因子（risk factor）。令在x條件下y=1的概率是P=P(y=1|x)，則有表達(dá)式：

首先，對(duì)主成分分析模型計(jì)算出的主要因子進(jìn)行集成處理，利用SPSS軟件進(jìn)行多項(xiàng)Logistic回歸分析，將用戶是否購(gòu)買手機(jī)設(shè)為因變量y，性別、年齡、學(xué)歷、職業(yè)、網(wǎng)絡(luò)購(gòu)物指數(shù)和網(wǎng)絡(luò)活躍指數(shù)為自變量xi(i=1,2,…,6)，得出模型擬合信息與擬合優(yōu)度（見表2—3）。

表2 模型擬合信息

表3 擬合優(yōu)度

通過讀取模型擬合信息表的最后一列“顯著性”可知，顯著性值小于0.05，這說明模型具有統(tǒng)計(jì)意義，模型通過了初步檢驗(yàn)；原假設(shè)模型能夠很好地?cái)M合原始數(shù)據(jù)，通過讀取擬合優(yōu)度表可知，最后一列Pearson卡方顯著性值為0.606，說明自變量與因變量呈強(qiáng)相關(guān)狀態(tài)，因此，模型對(duì)原始數(shù)據(jù)的擬合通過檢驗(yàn)。進(jìn)而對(duì)參數(shù)估計(jì)表進(jìn)行分析，該表中B列為自變量不同分類水平在模型中的相關(guān)系數(shù)，正負(fù)號(hào)表明它們與購(gòu)買選擇是呈正比還是反比關(guān)系。其中第六列是瓦爾德檢驗(yàn)顯著性值，此值小于0.05說明對(duì)應(yīng)自變量的系數(shù)具有統(tǒng)計(jì)意義，對(duì)因變量不同分類水平的變化有顯著影響。

大學(xué)本科用戶和大學(xué)?？朴脩粝啾龋髮W(xué)本科用戶更傾向于購(gòu)買此種手機(jī)，并且這種可能是與碩士及以上用戶構(gòu)成顯著差異；手機(jī)的購(gòu)買選擇，被調(diào)查用戶的網(wǎng)絡(luò)購(gòu)物指數(shù)和網(wǎng)絡(luò)活躍指數(shù)介于501～1000沒有影響。從而我們得到未購(gòu)買的判別方程如式（3）所示：

由于單一調(diào)查用戶的各項(xiàng)數(shù)據(jù)只會(huì)出現(xiàn)在一個(gè)分段，所以上式的αi就代表B列中的相關(guān)系數(shù)，例如某用戶的年齡為30，性別男，學(xué)歷大學(xué)本科，則上式中α1為-0.013, αi為30，α2為0，bi為1，α3為0.232，di為1，以此類推。

2 精準(zhǔn)營(yíng)銷分析

精準(zhǔn)營(yíng)銷的溝通對(duì)象不再是所有客戶而是經(jīng)過細(xì)分的目標(biāo)客戶，精準(zhǔn)營(yíng)銷不僅僅是基于互聯(lián)網(wǎng)的一種營(yíng)銷工具，不再僅僅依靠大眾媒體，而是以社交平臺(tái)、搜索引擎等分眾媒體為主進(jìn)行溝通，通過高效的互動(dòng)，使得受眾的接觸度更直觀，從而使實(shí)施效果可衡量、更精準(zhǔn)。精準(zhǔn)營(yíng)銷的前提是精準(zhǔn)定位。只有運(yùn)用基于用戶行為的精準(zhǔn)廣告投放，才能精準(zhǔn)地體現(xiàn)用戶的愛好，給用戶提供精準(zhǔn)的個(gè)性化的服務(wù)。做到精準(zhǔn)營(yíng)銷要有精準(zhǔn)的營(yíng)銷理念、對(duì)客戶進(jìn)行精準(zhǔn)分析、對(duì)產(chǎn)品進(jìn)行精準(zhǔn)的市場(chǎng)定位、將產(chǎn)品精準(zhǔn)投放到不同地區(qū)、提升客戶的體驗(yàn)度、最后要對(duì)品牌進(jìn)行精準(zhǔn)的管理。

精準(zhǔn)營(yíng)銷的前提是精準(zhǔn)定位。根據(jù)建立的挖掘模型對(duì)所查閱的數(shù)據(jù)進(jìn)行處理后，得到100位潛在用戶。分析這100位用戶的基本特征和行為偏好可知，購(gòu)買手機(jī)概率高的用戶，會(huì)選擇在某購(gòu)物平臺(tái)上瀏覽、搜索不同手機(jī)品牌的信息，針對(duì)此現(xiàn)象，手機(jī)銷售部門可以加大在此購(gòu)物平臺(tái)上的廣告投放力度，再根據(jù)停留時(shí)間進(jìn)一步分析可知，可以選擇17：00-21：00時(shí)間段內(nèi)為廣告投放時(shí)間；同理即可分析出其他用戶的愛好與廣告投放之間的聯(lián)系。同時(shí)，手機(jī)宣傳部門可以針對(duì)有不同購(gòu)買概率的用戶，進(jìn)行廣告投放力度的調(diào)整，包括投放時(shí)間長(zhǎng)短、投放平臺(tái)數(shù)量等因素。就是說，可以針對(duì)購(gòu)買概率極高的用戶所在網(wǎng)絡(luò)停留時(shí)間段和停留的購(gòu)物平臺(tái)，采取最大的廣告投放力度，投放時(shí)間最長(zhǎng)、投放數(shù)量最多；購(gòu)買概率較高的用戶，可以在上述投放力度上減小些，投放時(shí)間減短一些、投放數(shù)量減少些；對(duì)于購(gòu)買概率相對(duì)較低的用戶，可以采取最低的廣告投放力度，時(shí)間最短，平臺(tái)投放量最少。

3 結(jié)語

該模型結(jié)合數(shù)據(jù)挖掘可應(yīng)用于商品實(shí)現(xiàn)精準(zhǔn)營(yíng)銷，以及在不同的網(wǎng)絡(luò)平臺(tái)上的廣告投放問題，可幫助企業(yè)制定營(yíng)銷戰(zhàn)略，定量分析出在什么合適的時(shí)間，什么合適的地點(diǎn)，把商品以合適的方式推銷給那些合適的人。亦可結(jié)合“大數(shù)據(jù)殺熟”策略，針對(duì)不同的用戶，實(shí)現(xiàn)營(yíng)銷捆綁，興趣牽制等目標(biāo)。

[1]金懿.大數(shù)據(jù)下的廣告營(yíng)銷戰(zhàn)略發(fā)展趨勢(shì)[J].中國(guó)傳媒科技，2013（14）：39-40.

[2]曲曉琳.大數(shù)據(jù)為精準(zhǔn)營(yíng)銷鋪路[J].經(jīng)濟(jì)論壇，2015（6）：118-120.

[3]李存琛.海量數(shù)據(jù)分布式存儲(chǔ)技術(shù)的研究與應(yīng)用[D].北京：北京郵電大學(xué)，2013.

[4]玄文啟.大數(shù)據(jù)背景下的網(wǎng)絡(luò)營(yíng)銷模式[J].中國(guó)科技信息，2015（17）：105-106.