王玨

【摘 ?要】近些年我國高速的發(fā)展使得各種大數(shù)據(jù)、云計(jì)算以及人工智能技術(shù)逐漸地應(yīng)用到各行各業(yè)當(dāng)中，同時伴隨著互聯(lián)網(wǎng)電商的高速發(fā)展，使得電商的營銷理念以及實(shí)際的方法，相較于傳統(tǒng)的營銷理念以及方法存在著一定的差異性。論文基于KNN算法，對其農(nóng)產(chǎn)品電商精準(zhǔn)營銷展開分析。

【Abstract】In recent years， the rapid development of China has led to the gradual application of various big data， cloud computing and artificial intelligence technologies to all walks of life. At the same time， with the rapid development of internet e-commerce， the marketing concepts and practical methods of e-commerce are somewhat different from the traditional marketing concepts and methods. Based on KNN algorithm， this paper analyzes the precision marketing of agricultural products e-commerce.

【關(guān)鍵詞】KNN算法;農(nóng)產(chǎn)品;精準(zhǔn)營銷;大數(shù)據(jù)

【Keywords】KNN algorithm; agricultural products; precision marketing; big data

【中圖分類號】F323.7;F724.6 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文獻(xiàn)標(biāo)志碼】A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文章編號】1673-1069（2020）10-0134-02

1 引言

在日常的營銷過程中，其消費(fèi)者會在電商平臺當(dāng)中，進(jìn)行日常消費(fèi)而產(chǎn)生大量的數(shù)據(jù)信息，其中包含了消費(fèi)者的地域、性別、年齡以及個人喜好等個性化特征，因此對于這些個性化的數(shù)據(jù)進(jìn)行分析的過程中，便可以有效地對消費(fèi)者的消費(fèi)行為進(jìn)行預(yù)測以及分析，進(jìn)而動態(tài)地感知到消費(fèi)者即將開展的消費(fèi)活動，實(shí)現(xiàn)消費(fèi)的升級。同時這樣的銷售方式下，相比較傳統(tǒng)營銷方式，不僅僅很好地降低了社會成本，同時也極大地提升了營銷的準(zhǔn)確性和針對性，這對于農(nóng)產(chǎn)品電商的精準(zhǔn)營銷方面，有著重要的意義。在本文的分析過程中，著重對KNN算法進(jìn)行分析，以此實(shí)現(xiàn)了對目標(biāo)用戶各種消費(fèi)行為的預(yù)測分析。

2 KNN算法

所謂KNN算法，就是一種K最鄰近法，最早在1968年提出，是一種在理論上比較成熟的算法，同時也是在現(xiàn)階段的機(jī)器學(xué)習(xí)過程中，一種重要的基礎(chǔ)算法。在應(yīng)用該算法的過程中，思路十分明確且直觀：假如一個樣本，在特征空間當(dāng)中的K個最相似，也就是在特征空間當(dāng)中最為鄰近，這樣的樣本當(dāng)中，大多數(shù)都與其一個類別，因此該樣本也應(yīng)該屬于這個類別當(dāng)中。在使用這樣的方法對定類決策的過程中，只能夠依附于最鄰近的一個或者幾個不同樣本，進(jìn)行多份樣本所述類別的確定。

但是對于這種算法而言，也有著一定的缺陷，就是應(yīng)用的過程中需要大量的計(jì)算，使得對于每一個待分類的文本，都需要對全體已知樣本的距離進(jìn)行計(jì)算，這樣才可以求得K個最鄰近的點(diǎn)。當(dāng)下在對其方法進(jìn)行應(yīng)用的過程中，基本上是選擇對已知樣本點(diǎn)進(jìn)行事先的剪輯，以此去除一些對結(jié)果影響不大的樣本。

3 傳統(tǒng)農(nóng)產(chǎn)業(yè)電商的局限性

3.1 傳統(tǒng)的頂上營銷思維的局限性

現(xiàn)階段，對于一些農(nóng)產(chǎn)品電子商務(wù)企業(yè)的分析來看，其在運(yùn)作的過程中，基本上以傳統(tǒng)的B2C思維經(jīng)營農(nóng)產(chǎn)品，是一種普通的利用互聯(lián)網(wǎng)平臺進(jìn)行農(nóng)產(chǎn)品的交易。從本質(zhì)上進(jìn)行分析，是一種商務(wù)模式的誤區(qū)，對于很多電商平臺而言，因?yàn)槭且环N線上的B2C平臺，僅僅需要進(jìn)行流量的導(dǎo)入即可，讓客戶來到線上進(jìn)行購物即可，但是這樣的營銷方式下，其結(jié)果嚴(yán)重偏離了農(nóng)產(chǎn)品電商的本質(zhì)。首先，現(xiàn)階段在農(nóng)產(chǎn)品電商，依靠著傳統(tǒng)的B2C思維下，進(jìn)行的農(nóng)產(chǎn)品商務(wù)，嚴(yán)重地偏離了農(nóng)產(chǎn)品的電子交易過程中消費(fèi)者的設(shè)計(jì)需求。

3.2 “電”“商”分離的營銷模式

開展線上的營銷過程中，需要重視“商”的部分，互聯(lián)網(wǎng)僅僅是作為一種銷售的平臺。但是現(xiàn)階段，在大多數(shù)時候，其農(nóng)產(chǎn)品的營銷策略有著一定局限性，同時在對農(nóng)產(chǎn)品進(jìn)行銷售的過程中，也沒有很好地基于消費(fèi)者的實(shí)際需求，進(jìn)行有針對性的開展各種精準(zhǔn)營銷。

在現(xiàn)階段的農(nóng)產(chǎn)品電商精準(zhǔn)營銷的過程中，需要積極地讓消費(fèi)者在電商平臺進(jìn)行購物，以此能夠留下相應(yīng)的消費(fèi)記錄，并對消費(fèi)記錄進(jìn)行全面的分析，能夠充分地挖掘出海量的數(shù)據(jù)信息，同時還需要包含著消費(fèi)者的性別、個性、消費(fèi)記錄等信息數(shù)據(jù)，以此能夠較為準(zhǔn)確地對消費(fèi)者在未來的消費(fèi)行為當(dāng)中，實(shí)現(xiàn)較為準(zhǔn)確的預(yù)測。并且還需要對動態(tài)的營銷策略進(jìn)行相應(yīng)的分析，以此可以制定出符合消費(fèi)者需求的營銷策略。

4 基于KNN算法在電商農(nóng)產(chǎn)品精準(zhǔn)營銷中的應(yīng)用

在本文的分析過程中，主要是基于KNN算法，對其電商的農(nóng)產(chǎn)品精準(zhǔn)營銷，進(jìn)行相應(yīng)的預(yù)測，同時也需要對用戶的行為進(jìn)行漢明編碼，之后再對用戶之間的距離進(jìn)行相應(yīng)的計(jì)算，進(jìn)而保障可以很好地對消費(fèi)者和農(nóng)產(chǎn)品的消費(fèi)行為進(jìn)行相應(yīng)的預(yù)測，從而實(shí)現(xiàn)了將KNN算法應(yīng)用于這一領(lǐng)域當(dāng)中。相較于傳統(tǒng)的算法，使用這樣的數(shù)據(jù)分析預(yù)測方法下，可以進(jìn)一步地提升決策的準(zhǔn)確率和決策效率，因此是一種智能化的算法。

4.1 數(shù)據(jù)預(yù)處理

在本文的分析過程中，主要是通過問卷調(diào)查的方式，獲取了超過1000組的用戶數(shù)據(jù)，明確出用戶在對購買農(nóng)產(chǎn)品的具體消費(fèi)行為，進(jìn)行了相應(yīng)的預(yù)測分析。在本文的分析中，基于具體的營銷場景，從而篩選出相應(yīng)的具有著代表性的特征，并對其進(jìn)行深入的研究。

4.2 數(shù)據(jù)特征描述

在使用的KNN算法當(dāng)中，可以利用漢明距離來對每一個樣本數(shù)據(jù)進(jìn)行距離的表示。因此，在本文的數(shù)據(jù)樣本當(dāng)中，需要將特征字符明確出來，以此能夠很好地表示出用戶的實(shí)際特征項(xiàng)編碼。其中需要注意的是，由于一些特殊的群體在進(jìn)行購買農(nóng)產(chǎn)品的過程中，會出現(xiàn)消費(fèi)年齡的變動，就會使得需要進(jìn)行特殊化的處理。因此可以得出相應(yīng)的數(shù)據(jù)表格，如表1所示。

在以上的數(shù)據(jù)當(dāng)中，可以Y表示同意，N表示否，因此可以得出表2，在不同閾值K下，進(jìn)行預(yù)測的實(shí)際精度。

4.3 KNN特征分類算法的應(yīng)用

在本文的分析過程中，由于得到了相應(yīng)的數(shù)據(jù)分析特征變化，因此可以對其用戶的特征性編碼進(jìn)行相應(yīng)的計(jì)算，以此成功地獲取到相應(yīng)的購買意向。

4.4 測試結(jié)果

在上述模型的建立過程中，通過KNN計(jì)算方法，很好地對消費(fèi)者的農(nóng)產(chǎn)品購買意向進(jìn)行了相應(yīng)的預(yù)測分析，同時也在未來的精準(zhǔn)營銷過程中，提供了良好的方案設(shè)計(jì)數(shù)據(jù)基礎(chǔ)，能夠?qū)δ繕?biāo)用戶人群提供精準(zhǔn)的消息推送。

同時，在對農(nóng)產(chǎn)品電商精準(zhǔn)營銷領(lǐng)域當(dāng)中，進(jìn)行預(yù)測模型建立過程中，其特征項(xiàng)的選擇與預(yù)測的實(shí)際結(jié)果以及精度有著密切的關(guān)系。例如，在進(jìn)行魚類產(chǎn)品的營銷過程中，由于消費(fèi)者的自身個性化屬性，就會導(dǎo)致在進(jìn)行營銷策略制定的過程中，需要有著一定的針對性，能夠?qū)σ恍┨卣黜?xiàng)進(jìn)行相應(yīng)的取舍，進(jìn)而保障在方案的制定過程中，也能夠結(jié)合其對各個特征項(xiàng)之間產(chǎn)生的相互影響進(jìn)行考慮。

4.5 疫情下的農(nóng)產(chǎn)品電商精準(zhǔn)銷售

隨著今年爆發(fā)的新冠肺炎疫情，人們無法很好地進(jìn)行社交以及出行，同時對于各個行業(yè)的發(fā)展而言，都產(chǎn)生了巨大的影響，傳統(tǒng)的銷售模式下，便無法進(jìn)行使用。因此，在這樣的背景下，互聯(lián)網(wǎng)購物成為人們重要的一種購物方式，能夠在不接觸外界的情況下，就進(jìn)行各種物品的采購。對于農(nóng)產(chǎn)品而言，由于傳統(tǒng)的銷售途徑受到了嚴(yán)重的限制，在開展的電商銷售過程中，更加需要進(jìn)行深入的研究以及分析。

通過上述的試驗(yàn)以及模型的建立可以表明，在對其電商農(nóng)產(chǎn)品開展的精準(zhǔn)營銷系統(tǒng)的建立過程中，能夠有效地對消費(fèi)者的購買意向進(jìn)行相應(yīng)的預(yù)測，同時具有較高的精準(zhǔn)度，因此可以保障企業(yè)在對精準(zhǔn)營銷進(jìn)行決策時，能夠有著可靠的依據(jù)。但是，由于分析的過程中，數(shù)據(jù)樣本的采集有限，使得在本文的預(yù)測模型建立過程中，在特征項(xiàng)上，還有著一定的提升空間。為此，需要在進(jìn)行分析的過程中，進(jìn)一步地提升樣本的采集規(guī)模。同時能夠保障對各種特征項(xiàng)當(dāng)中的相互影響進(jìn)行分析，以此保障進(jìn)一步提升電商農(nóng)產(chǎn)品的精準(zhǔn)營銷方案。

5 結(jié)語

綜上所述，在對基于KNN算法的農(nóng)產(chǎn)品電商精準(zhǔn)營銷分析中，需要從模型建立的角度進(jìn)行分析，進(jìn)而在未來的營銷決策當(dāng)中，有效地提升營銷的精準(zhǔn)度，能夠精準(zhǔn)地進(jìn)行營銷，保障為目標(biāo)群體制定出良好的農(nóng)產(chǎn)品銷售方案。

【參考文獻(xiàn)】

【1】王丹.南疆特色農(nóng)產(chǎn)品電子商務(wù)發(fā)展的制約因素研究[D].阿拉爾：塔里木大學(xué)，2020.

【2】蘇秀梅.農(nóng)產(chǎn)品電商抖音玩法分析[J].現(xiàn)代營銷（信息版），2019（12）：76.

【3】黃成明，胡堅(jiān).基于KNN算法的農(nóng)產(chǎn)品電商精準(zhǔn)營銷的研究[J].計(jì)算機(jī)產(chǎn)品與流通，2019（05）：73+80.