唐永平

摘 要：在互聯(lián)網(wǎng)應(yīng)用日益廣泛的當(dāng)下，微信成為手機(jī)端使用頻率最高的社交工具之一。高使用頻率使微信生成了數(shù)量龐大的真實(shí)內(nèi)容與有效信息。該文基于所得信息對(duì)數(shù)據(jù)進(jìn)行深入分析與細(xì)致挖掘，并將其運(yùn)用到客戶、關(guān)系鏈的管理與協(xié)調(diào)中，可助力于線下商家的實(shí)時(shí)搜索功能，使其就數(shù)據(jù)智能化的分析結(jié)果而達(dá)成更為有效的客戶推薦與決策指導(dǎo)。

關(guān)鍵詞：數(shù)據(jù)挖掘 微信用戶 消費(fèi)行為

中圖分類號(hào)：F74 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2019）01（a）-00-02

當(dāng)前，第三產(chǎn)業(yè)在國家經(jīng)濟(jì)的比重有所增加，這要求企業(yè)需巧妙運(yùn)用知識(shí)、滿足客戶的服務(wù)要求。然而大量有效知識(shí)信息往往以原始狀態(tài)存在并保留下來，現(xiàn)階段數(shù)據(jù)庫所進(jìn)行的錄入、統(tǒng)計(jì)與查詢過程，并未對(duì)原始數(shù)據(jù)實(shí)現(xiàn)有效的二次加工。日趨龐大、爆炸化的信息內(nèi)容停留于初級(jí)階段，并未形成有效化的知識(shí)體系。這就意味著，應(yīng)用某一方法將實(shí)用信息從巨額數(shù)據(jù)中挖掘出來在當(dāng)前的知識(shí)體系建構(gòu)中很有必要。

1 數(shù)據(jù)挖掘方法

1.1 統(tǒng)計(jì)方法

傳統(tǒng)統(tǒng)計(jì)學(xué)為統(tǒng)計(jì)數(shù)據(jù)提供了多樣化道德判別與分析方法，如貝葉斯推理、回歸分析、方差分析等。貝葉斯推理是知曉新信息后進(jìn)行數(shù)據(jù)集概率分布的修正工具，對(duì)于數(shù)據(jù)中的分類問題有著較強(qiáng)的應(yīng)用能力。而回歸分析則致力于尋找到輸入變量和輸出變量關(guān)系的最佳模型，如有的以某一變量與其他變量的變化趨勢(shì)作為分析對(duì)象；有的則以某些事件的發(fā)生進(jìn)行概率建模行為、實(shí)現(xiàn)預(yù)測(cè)變量集關(guān)系的線性回歸。方差分析則多用于回歸直線性能、自變量這些因素對(duì)最終回歸的影響估值與分析。上述分類分析方式能夠有效服務(wù)于數(shù)據(jù)挖掘具體操作與運(yùn)用流程。

1.2 關(guān)聯(lián)規(guī)則

作為一類使用范圍極光的分析手段，關(guān)聯(lián)規(guī)則以其有效性作用于某事物的屬性探討與規(guī)律掌握?；诖?，關(guān)聯(lián)原則在大型數(shù)據(jù)集的運(yùn)用與探討過程中有著廣泛的應(yīng)用。由于較少受到單一化變量這一要素的限定，它的運(yùn)用范圍極廣。在實(shí)際的算法發(fā)掘過程中，它可以實(shí)現(xiàn)對(duì)基礎(chǔ)化、體系化數(shù)據(jù)庫全面有效地進(jìn)行分析探討，廣泛服務(wù)于數(shù)據(jù)庫的后續(xù)應(yīng)用。但這并不意味著所有已關(guān)聯(lián)規(guī)則所發(fā)現(xiàn)的屬性都具備實(shí)際化的應(yīng)用性價(jià)值，在運(yùn)用過程中負(fù)責(zé)人需形成較強(qiáng)的規(guī)則評(píng)判力、篩選出有意義的關(guān)聯(lián)規(guī)則。

1.3 聚類分析

聚類分析有其特定選取的樣本空間，并以一定的關(guān)聯(lián)性特征作為衡量手段進(jìn)行小組式劃分，并以此有效保證了樣本本身的有效性程度。聚類分析的常用技術(shù)主要有分裂算法、凝聚算法、劃分聚類法和增量聚類法等。聚類方法在樣本內(nèi)部關(guān)系的探討過程中有著較高的使用度，對(duì)樣本內(nèi)部結(jié)構(gòu)有著較強(qiáng)的評(píng)判能力；同時(shí)聚類分析對(duì)于孤立點(diǎn)的檢測(cè)也較為適用。不過聚類分析算法的有效性也有其特定的范圍，在聚類算法的運(yùn)用前期需對(duì)數(shù)據(jù)本身的聚類趨勢(shì)實(shí)施較為規(guī)范的檢驗(yàn)工作。

1.4 決策樹方法

決策樹學(xué)習(xí)以根結(jié)點(diǎn)至葉結(jié)點(diǎn)為其特殊的排布方式，且各葉子結(jié)點(diǎn)即為實(shí)例的分類依據(jù)，講求以迫近離散值目標(biāo)函數(shù)的方式來實(shí)現(xiàn)學(xué)習(xí)過程。決策樹中各結(jié)點(diǎn)的分布結(jié)果顯示了具體案例中的屬性情況，結(jié)點(diǎn)后續(xù)分支則分別對(duì)應(yīng)了其可能的屬性值。決策樹在分類實(shí)例炭疽方面，以樹木根部結(jié)點(diǎn)為起始部位，并沿樹枝蔓延情況完成對(duì)數(shù)據(jù)的后續(xù)分析與探究，以此完成對(duì)某一屬性值的合理化測(cè)視。這一方法在數(shù)據(jù)挖掘的實(shí)際案例中的運(yùn)用有著極為廣泛性和普遍化。

1.5 神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)以龐大的基礎(chǔ)數(shù)據(jù)庫作為核心對(duì)象，并以自學(xué)式的數(shù)學(xué)模型作為其依托，基于此對(duì)人類個(gè)體乃至于計(jì)算機(jī)的腦部神經(jīng)進(jìn)行了運(yùn)行模范的有效抽離與發(fā)展趨向的先行描摹。神經(jīng)網(wǎng)絡(luò)在具體表現(xiàn)上可以是有指導(dǎo)的學(xué)習(xí)也可以是物質(zhì)導(dǎo)聚類，但神經(jīng)網(wǎng)絡(luò)的數(shù)值輸入都以數(shù)值形式體現(xiàn)出來。人為化的神經(jīng)元網(wǎng)絡(luò)主要就人類個(gè)體的腦部神經(jīng)元進(jìn)行了抽象化、虛擬化的結(jié)構(gòu)處理，可分為三大類別，其中又涵納了非線形映射特性、信息分布存儲(chǔ)、信息并行處理及全局集體等多維度、多方面的職能與功用，是有著高度自學(xué)性、自組織、自適應(yīng)能力的龐大功能庫。

2 微信數(shù)據(jù)挖掘的應(yīng)用

2.1 客戶關(guān)系管理

微信公眾平臺(tái)在實(shí)際生活中能夠?qū)^低端的小型商家實(shí)現(xiàn)初步的客戶關(guān)系梳理即CRM。商家可依托于第三方公司進(jìn)行微網(wǎng)站建設(shè)，完成相應(yīng)的會(huì)員卡制作、客戶信息收集與統(tǒng)計(jì)，這將有效提升商家客戶管理的效率。依托于微信公眾平臺(tái)的保存方式，能夠有效避免實(shí)體會(huì)員卡的丟失、遺忘問題。

2.2 關(guān)系鏈管理

作為微信的主體功能，微信通信錄集結(jié)了親朋好友、客戶同事等各類社交關(guān)系網(wǎng)絡(luò)、社會(huì)人際關(guān)系鏈，此外微信群聊、公眾平臺(tái)、通過“搖一搖”所添加的陌生人等也對(duì)有一定社會(huì)關(guān)系承擔(dān)能力。在進(jìn)行數(shù)據(jù)挖掘時(shí)，應(yīng)重視對(duì)上述社交關(guān)系網(wǎng)絡(luò)、社會(huì)人際關(guān)系鏈的有效挖掘，這也是數(shù)據(jù)統(tǒng)計(jì)工作的應(yīng)有之義。

2.3 數(shù)據(jù)智能分析和決策指導(dǎo)

現(xiàn)階段，淘寶主動(dòng)為店鋪賣家提供數(shù)據(jù)分析功能，以使賣家更好地完成對(duì)銷售情況的掌握。而微信用戶的數(shù)據(jù)引入，則能從更為細(xì)致、深入的維度輔助于商家的經(jīng)營決策過程。實(shí)際上，這一改變于無形成強(qiáng)化了人工智能在商業(yè)行為中的應(yīng)用能力，是對(duì)微信數(shù)據(jù)的有效利用。

2.4 實(shí)時(shí)的線下商家搜索

現(xiàn)有微信版本的附近人查找已具備微信會(huì)員卡的商家查找功能，對(duì)于實(shí)現(xiàn)線上與線下兩平臺(tái)的互通有無效用極佳。在微信應(yīng)用范圍日趨廣大的態(tài)勢(shì)下，平臺(tái)本身的開放性也已達(dá)成。如微盟等載體便以規(guī)范化、秩序化標(biāo)準(zhǔn)對(duì)具體流程的管理、實(shí)際金額的支付等各大環(huán)節(jié)進(jìn)行了二次更新，使微信以豐富多彩、秩序井然的面貌出現(xiàn)于使用者視野之中。這這也意味著，微信這一社交軟件必然演變?yōu)閲鴥?nèi)影響力最大的O2O媒介之一。

2.5 基于用戶行為分析的精準(zhǔn)推薦

一些商用信息本身是有著商業(yè)價(jià)值的，但卻往往因用戶不需要而蓋上“垃圾短信”“垃圾郵件”的帽子。而當(dāng)微信公眾平臺(tái)自身對(duì)用戶進(jìn)行了量化數(shù)據(jù)分析之后，商家可有選擇、有目的地完成信息發(fā)送行為。當(dāng)信息接收者與信息需要者的身份達(dá)成一致，短信本身的預(yù)期效果也得以達(dá)到最佳。

3 現(xiàn)階段微信平臺(tái)的數(shù)據(jù)統(tǒng)計(jì)與分析功能

3.1 用戶訪問量的統(tǒng)計(jì)

微信的用戶分析功能集中于用戶增長(zhǎng)量與用戶屬性兩個(gè)維度。前者多以圖標(biāo)等量化數(shù)據(jù)形式關(guān)注公眾平臺(tái)的用戶數(shù)量的浮動(dòng)變化，而后者則以地區(qū)、性別、于語言等類型化標(biāo)準(zhǔn)對(duì)關(guān)注用戶進(jìn)行細(xì)致化的數(shù)據(jù)分類處理。

3.2 圖文閱讀量的統(tǒng)計(jì)

圖文分析是現(xiàn)階段微信不可忽視的功能類別之一，主要涵括了兩大內(nèi)容：一是所推送文章在一定時(shí)間段內(nèi)的閱讀額與轉(zhuǎn)發(fā)量，時(shí)間單位為某一階段；二是當(dāng)日原文的翻閱額與具體轉(zhuǎn)發(fā)量，時(shí)間單位為1天。

3.3 消息分析功能

消息分析功能是微信長(zhǎng)期以來都具備的數(shù)據(jù)統(tǒng)計(jì)功能，用戶數(shù)量之浮動(dòng)為其基礎(chǔ)化的內(nèi)容。而本次版本更新則以1天作為基本時(shí)間單位、實(shí)現(xiàn)了對(duì)用戶數(shù)量與所發(fā)出信息量進(jìn)行了更為詳盡化、細(xì)致化的量化考察?，F(xiàn)有版本的數(shù)據(jù)統(tǒng)計(jì)功能則基于已有功能，呈現(xiàn)出了對(duì)原有統(tǒng)計(jì)功能的大幅度增強(qiáng)。早前的公眾平臺(tái)無法對(duì)推送賬號(hào)的實(shí)際打開數(shù)據(jù)進(jìn)行全面統(tǒng)計(jì)，所得數(shù)據(jù)基本以內(nèi)容質(zhì)量及關(guān)注用戶為基礎(chǔ)、反向推算所得。這就意味著所得數(shù)據(jù)并不能為營銷服務(wù)的品質(zhì)高低提供清晰明確的量化數(shù)據(jù)。而此次公眾平臺(tái)功能優(yōu)化與升級(jí)的根本意義在于，平臺(tái)內(nèi)部的原有功能得到了更為透明的公開與更為細(xì)致的量化。這意味著以微信為核心的代理式運(yùn)維、推廣式營銷等各類業(yè)務(wù)將不得不轉(zhuǎn)變?cè)欣砟钜赃m應(yīng)上述變動(dòng)的發(fā)生。

4 結(jié)語

現(xiàn)階段，互聯(lián)網(wǎng)以其高速化、迅猛化的發(fā)展苗頭對(duì)人類日常生活產(chǎn)生了不可忽視的影響，大數(shù)據(jù)時(shí)代的到來已成必然。這也意味著，人類行為幾乎已成為可預(yù)測(cè)的內(nèi)容之一。而微信也以其不可忽視的普及化程度，呈現(xiàn)出不可忽視的商貿(mào)化價(jià)值。

參考文獻(xiàn)

[1] 朱建平，來升強(qiáng).時(shí)態(tài)數(shù)據(jù)挖掘在手機(jī)用戶消費(fèi)行為中的應(yīng)用[J].數(shù)理統(tǒng)計(jì)與管理，2008（1）：42-53.

[2] 胡暢. 用戶行為分析系統(tǒng)設(shè)計(jì)[D].湖北工業(yè)大學(xué)，2011.