王永周

內(nèi)容摘要：隨著科技的飛速發(fā)展，人們的生活方式和思維模式發(fā)生了轉(zhuǎn)變。本文結(jié)合大數(shù)據(jù)、消費(fèi)者行為學(xué)和預(yù)測科學(xué)理論，從消費(fèi)者購買決策的視角出發(fā)，通過文獻(xiàn)研究、案例研究和對比研究等方法，探索預(yù)測消費(fèi)者購買決策行為的新途徑，修正了傳統(tǒng)的消費(fèi)者購買行為模型。同時，本文強(qiáng)調(diào)大數(shù)據(jù)自身的工具性屬性，指出大數(shù)據(jù)并未改變營銷理念的根本，但運(yùn)用好大數(shù)據(jù)則可以更好地實現(xiàn)精準(zhǔn)化營銷，創(chuàng)造客戶感知價值，創(chuàng)造客戶資源。

關(guān)鍵詞：大數(shù)據(jù) 消費(fèi)者決策 預(yù)測 消費(fèi)者黑箱

引言

伴隨著廉價的存儲器、高速的寬帶和無線網(wǎng)絡(luò)、云計算和物聯(lián)網(wǎng)的發(fā)展以及各種移動設(shè)備、傳感器的廣泛應(yīng)用，用戶產(chǎn)生和保存數(shù)據(jù)比以往任何時期都要容易，全樣本和實時數(shù)據(jù)的搜集也成為了可能。大數(shù)據(jù)作為一種顛覆性的技術(shù)革命，對人們的生活方式和認(rèn)知世界的思維方式產(chǎn)生了極大的影響，因為大數(shù)據(jù)分析具有降低不確定性這一屬性，使得大數(shù)據(jù)受到政府、研究組織、媒體、商界以及社會公眾的高度重視。大數(shù)據(jù)背后所隱藏的行為規(guī)律，對挖掘大數(shù)據(jù)的營銷價值是全球營銷領(lǐng)域面臨的重要課題。

在國內(nèi)外已有的研究中，把消費(fèi)者決策行為和大數(shù)據(jù)結(jié)合起來研究的很少。目前，消費(fèi)者決策行為的研究過多地依賴傳統(tǒng)的營銷學(xué)、心理學(xué)和行為學(xué)的理論和方法，多是停留在模型探討及其影響因素，同時學(xué)術(shù)界對大數(shù)據(jù)的研究多從屬于信息科學(xué)的研究，主要偏重對數(shù)據(jù)的獲取、儲存、分析以及信息安全等技術(shù)路徑的探討。隨著大數(shù)據(jù)的應(yīng)用和發(fā)展，運(yùn)用大數(shù)據(jù)的相關(guān)理論，對營銷和消費(fèi)者行為的研究將富有巨大的意義。本文利用大數(shù)據(jù)的前沿理論，對能否打開“消費(fèi)者黑箱”這一傳統(tǒng)話題加以假設(shè)，并據(jù)此探討在大數(shù)據(jù)時代下的消費(fèi)者決策預(yù)測過程模型，從而得出對大數(shù)據(jù)影響下的營銷新思考。

大數(shù)據(jù)對消費(fèi)者決策預(yù)測的影響

（一）消費(fèi)者決策預(yù)測過程模型

著名數(shù)據(jù)科學(xué)家維克托·邁爾·舍恩伯格說過“大數(shù)據(jù)的核心是預(yù)測”。這一經(jīng)典論斷闡述了大數(shù)據(jù)和預(yù)測科學(xué)之間的關(guān)系。在構(gòu)建消費(fèi)者決策預(yù)測過程模型之前，本文將對模型的各個要素進(jìn)行分解和界定。本文將模型分解為三個要素，即大數(shù)據(jù)、消費(fèi)者決策、預(yù)測。以下是對三個要素的具體界定：

第一個要素為大數(shù)據(jù)，本模型中大數(shù)據(jù)的內(nèi)涵，不僅包括大數(shù)據(jù)本身，也包含與之相關(guān)的大數(shù)據(jù)技術(shù)。第二個要素為消費(fèi)者決策，模型中所指的消費(fèi)者決策為相對廣義的消費(fèi)者購買決策，即消費(fèi)者的選擇偏好。第三個因素為預(yù)測，模型中的預(yù)測側(cè)重于數(shù)學(xué)模型的科學(xué)預(yù)測，是根據(jù)已有數(shù)據(jù)和相應(yīng)模型對目標(biāo)事件發(fā)生的概率的預(yù)測。基于模型科學(xué)性、可重復(fù)性、可行性等方面的考量，結(jié)合科學(xué)預(yù)測常用的研究范式，得出了消費(fèi)者決策預(yù)測過程模型，具體如圖1所示。

根據(jù)消費(fèi)者決策預(yù)測過程模型，企業(yè)可以充分運(yùn)用大數(shù)據(jù)，掌握“提出問題、追蹤歷史、構(gòu)建模型、收集數(shù)據(jù)、分析數(shù)據(jù)、做出預(yù)測”六大關(guān)鍵步驟，從而可以實現(xiàn)了解消費(fèi)者決策的目標(biāo)。以沃爾瑪為例：第一步，提出問題。美國加利佛利亞州發(fā)生罕見的雷雨天氣，沃爾瑪?shù)墓ぷ魅藛T發(fā)現(xiàn)，除了方便食品、手電筒、雨具、干燥劑等產(chǎn)品脫銷外，啤酒的銷量也明顯增加了。沃爾瑪?shù)墓芾砣藛T對此很不解，想探究啤酒銷量增加的驅(qū)動因素。第二步，追蹤歷史。根據(jù)對以往歷史的數(shù)據(jù)比較，除了那些應(yīng)該熱銷的產(chǎn)品外，啤酒的銷量在暴雨天氣確實有顯著差異。第三步，構(gòu)建模型。沃爾瑪假設(shè)影響啤酒銷量的因素有天氣、消費(fèi)者的消費(fèi)習(xí)慣、消費(fèi)者的消費(fèi)心理等。第四步，搜集數(shù)據(jù)。根據(jù)探討的問題需要，沃爾瑪?shù)臄?shù)據(jù)分析師通過自己的數(shù)據(jù)倉庫搜集了大量的二手?jǐn)?shù)據(jù)，同時也把最新的跟研究相關(guān)的條碼數(shù)據(jù)納入一手?jǐn)?shù)據(jù)分析。第五步，分析數(shù)據(jù)。數(shù)據(jù)分析師首先進(jìn)行了內(nèi)容分析，將分類數(shù)據(jù)轉(zhuǎn)化為序數(shù)，進(jìn)行邏輯回歸和卡方檢驗，發(fā)現(xiàn)了天氣在引入消費(fèi)者性別這個變量的條件下失效，可以剔除天氣這個影響因素，并且在購買啤酒的這些消費(fèi)者中，他們有63%的人也購買了尿不濕紙片。這是一個很大的發(fā)現(xiàn)，接下來用預(yù)測模型進(jìn)行仿真，發(fā)現(xiàn)男性消費(fèi)者的購物清單上啤酒和尿不濕這個產(chǎn)品呈高度相關(guān)。第六步，做出預(yù)測。因此，沃爾瑪?shù)墓芾韺宇A(yù)測暴雨天氣下，多是男性消費(fèi)者前來購物，在為孩子購買尿不濕的同時，也給自己捎帶點(diǎn)啤酒。在這樣的認(rèn)識下，沃爾瑪?shù)墓芾韺诱J(rèn)為，年輕爸爸去購買紙尿布時更傾向于購買啤酒。

該模型可以為公司預(yù)測消費(fèi)者決策偏好所用，但對于很多管理者來說，可能對于數(shù)據(jù)分析并不精通，因此對該模型的運(yùn)用可能受限。筆者認(rèn)為，事實與管理者的擔(dān)憂恰恰相反，本模型并不需要模型使用者都精通數(shù)據(jù)分析，管理者只需要重點(diǎn)關(guān)注首尾環(huán)節(jié)，同時注意全程跟蹤，多提問即可。

（二）模型的可行性

由于消費(fèi)者決策預(yù)測過程模型屬于概念模型，是方法論的一種探討，其本身是不需要加以證明的。因此，問題的核心在于企業(yè)運(yùn)用大數(shù)據(jù)是否可以預(yù)測消費(fèi)者的決策。通過大數(shù)據(jù)的正確運(yùn)用，企業(yè)是可以預(yù)測到消費(fèi)者的購買決策行為的。其實人類一直都在研究自己的行為模式，人們對不確定的排斥推動了預(yù)測學(xué)的發(fā)展。20世紀(jì)的數(shù)學(xué)家泊松認(rèn)為，只要承認(rèn)人類的行為是隨機(jī)的，那么人類的行為便可以被預(yù)測。而美國著名復(fù)雜網(wǎng)絡(luò)學(xué)家巴拉巴西的進(jìn)一步研究表明，人類行為并非是隨機(jī)的，人類93%的行為是可以被預(yù)測的，剩下的7%為小概率事件。巴拉巴西通過記錄和分析人們收發(fā)郵件數(shù)據(jù)的實驗發(fā)現(xiàn)，實驗者處理郵件的時間順序并不服從泊松分布，而背離泊松分布的現(xiàn)象一般要隱含著潛在的規(guī)律，通過模型分析，巴拉巴西最終證明了人類行為遵循了冪律分布，人類行為是爆發(fā)式的。巴拉巴西緊接著做了很多相關(guān)實驗，進(jìn)一步得出了人類行為可以被預(yù)測的結(jié)論。正是如此，利用大數(shù)據(jù)，企業(yè)預(yù)測消費(fèi)者的決策行為是可行的。

第一，高信息科技為預(yù)測消費(fèi)者決策行為提供了物理基礎(chǔ)。隨著寬帶技術(shù)、計算機(jī)計算速度、硬盤存儲、傳感器、移動通訊設(shè)備、衛(wèi)星定位系統(tǒng)等硬件設(shè)施的發(fā)展，加上互聯(lián)網(wǎng)社交網(wǎng)站、網(wǎng)頁、移動App、郵件等軟件支持，人們的行為信息越來容易被采集，人們的蹤跡也越來越容易被捕捉。

第二，云計算等數(shù)據(jù)分析技術(shù)為預(yù)測消費(fèi)者決策行為提供了技術(shù)保障。隨著挖掘大數(shù)據(jù)價值的需求日益增長，大數(shù)據(jù)分析技術(shù)也得到了長足的發(fā)展。例如數(shù)據(jù)測試、關(guān)聯(lián)規(guī)則、數(shù)據(jù)分類、數(shù)據(jù)聚類、眾包、數(shù)據(jù)融合和集成、數(shù)據(jù)挖掘、集成學(xué)習(xí)、機(jī)器學(xué)習(xí)、遺傳算法、內(nèi)容分析、自然語言處理、神經(jīng)分析、優(yōu)化、模式識別、預(yù)測模型、回歸、情緒分析、信號處理、空間分析、統(tǒng)計、監(jiān)督式學(xué)習(xí)、無監(jiān)督式學(xué)習(xí)、模擬、時間序列分析、時間序列預(yù)測模型和可視化技術(shù)等。這些大數(shù)據(jù)處理和分析技術(shù)的發(fā)展，使得數(shù)據(jù)分析師能夠“點(diǎn)數(shù)成金”，從復(fù)雜、混亂、動態(tài)的大數(shù)據(jù)中發(fā)現(xiàn)潛藏的消費(fèi)者行為模式和規(guī)律。

第三，現(xiàn)代科學(xué)家的已有研究成果為預(yù)測消費(fèi)者決策行為提供了理論基礎(chǔ)。很多物理學(xué)家、數(shù)學(xué)家、計算機(jī)科學(xué)家、社會學(xué)家、心理學(xué)家在計算機(jī)和新技術(shù)的幫助下，通過利用人類行為數(shù)據(jù)庫來仔細(xì)研究某些特定的問題。通過實驗表明，人類的絕大多數(shù)行為都受制于規(guī)律、原理法則和模型，并且他們的可預(yù)測性和可重復(fù)性與自然科學(xué)近乎一致。而這些結(jié)論也已經(jīng)被谷歌和IBM等互聯(lián)網(wǎng)巨頭的商業(yè)模式所應(yīng)用和證明。因此，現(xiàn)代科學(xué)家的研究為預(yù)測消費(fèi)者行為提供了有效的方法論。

大數(shù)據(jù)時代下的營銷新思考

（一）對消費(fèi)者購買決策模型的修正

第一，大數(shù)據(jù)環(huán)境下的消費(fèi)者決策模型。根據(jù)菲利普·科特勒的消費(fèi)者行為理論，消費(fèi)者在受到營銷和外部環(huán)境兩方面的刺激下，進(jìn)入消費(fèi)者決策過程，最終做出反應(yīng)和購買決定。在科特勒的消費(fèi)者決策模型中，消費(fèi)者決策過程即消費(fèi)者黑箱是看不見、摸不著的。圖2是該模型簡化了的示意圖。

在科特勒的模型中，消費(fèi)者黑箱是需要營銷者不斷探索和了解的領(lǐng)域。正是在這個模型的指導(dǎo)下，科特勒將影響消費(fèi)者行為的因素總結(jié)為社會因素、個人因素、文化因素和心理因素四個方面。因此，科特勒的這一模型將消費(fèi)者購買決策視為一個條件反射模式，在營銷和其它環(huán)境因素作用下，消費(fèi)者心理通過黑箱反應(yīng)，從而決定了購買行為或者購買意向。所以，科特勒的消費(fèi)者購買決策模型可能更好地解釋消費(fèi)者購買行為，但并不能很好地指導(dǎo)營銷實踐，即使可以用于實踐，也得在產(chǎn)品上市之后，根據(jù)消費(fèi)者的反應(yīng)和反饋所分析的結(jié)論再應(yīng)用于實踐。

在大數(shù)據(jù)時代背景下企業(yè)可以預(yù)測消費(fèi)者的購買決策行為，并構(gòu)建了消費(fèi)者決策行為預(yù)測過程模型。換言之，企業(yè)可以利用大數(shù)據(jù)打開“消費(fèi)者黑箱”，即企業(yè)能夠預(yù)知消費(fèi)者的購買決策，并據(jù)此指導(dǎo)營銷實務(wù)。既然大數(shù)據(jù)時代下可能不存在“消費(fèi)者黑箱”，因此必須修正原有的消費(fèi)者購買決策行為模型。本文結(jié)合營銷策略理論和消費(fèi)者行為理論，對消費(fèi)者購買決策行為模型作如下修正，如圖3所示。

從圖3可以看出，修正后的模型引入了企業(yè)或者營銷者這個主體，是一個循環(huán)改善的過程模型。在整個模型當(dāng)中，企業(yè)首先通過消費(fèi)者決策過程進(jìn)行預(yù)測，從而得到預(yù)測結(jié)果，預(yù)測結(jié)果主要是消費(fèi)的購買決策內(nèi)容偏好，可能包括消費(fèi)者喜歡什么樣的產(chǎn)品、消費(fèi)者傾向于在哪里買到、消費(fèi)者可能在什么時候購買等。然后，根據(jù)預(yù)測結(jié)果制定出有針對性的營銷戰(zhàn)略和營銷組合策略，所謂的有針對性是指企業(yè)通過預(yù)測在清楚了消費(fèi)者行為和偏好的基礎(chǔ)上，量體裁衣式地滿足消費(fèi)者群體的需求。

在輸入刺激作用下，消費(fèi)者的決策過程由“消費(fèi)者黑箱”變?yōu)椤跋M(fèi)者白箱”，因為企業(yè)已經(jīng)運(yùn)用大數(shù)據(jù)進(jìn)行消費(fèi)者購買決策預(yù)測，對消費(fèi)者的偏好和選擇有了很大程度的把握，更為極端的一種情況是，消費(fèi)者可能自身都不知道自己的真正需求是什么或者自己的購買動機(jī)，但手握大數(shù)據(jù)的營銷者卻已經(jīng)預(yù)測到了結(jié)果。

第二，與傳統(tǒng)消費(fèi)者決策模型的對比。盡管有關(guān)消費(fèi)者購買決策模型的觀點(diǎn)很多，研究也各有側(cè)重，但是科特勒總結(jié)的消費(fèi)者購買行為模型最為經(jīng)典，也最為一般。不管是廣義的消費(fèi)者決策模型，還是狹義的消費(fèi)者決策模型，都限于心理學(xué)和行為學(xué)的學(xué)科范疇，來解釋消費(fèi)者在外界刺激和內(nèi)部心理作用下所做出的行為反應(yīng)。修正后的消費(fèi)者決策模型與傳統(tǒng)消費(fèi)者決策模型的對比有以下特性：其一，傳統(tǒng)的消費(fèi)者決策模型具有滯后性。由于傳統(tǒng)的消費(fèi)者決策模型都是基于對各種因素對消費(fèi)者購買行為影響的假設(shè)，具有很強(qiáng)的概括性，如果一個分析框架沒有經(jīng)過長時間的跟蹤和試錯，模型的有效性值得商榷。而修正后的決策模型則恰恰相反，不僅不存在滯后性的缺陷，反而具有先驗性的優(yōu)點(diǎn)。營銷者可以實現(xiàn)通過大數(shù)據(jù)比較精準(zhǔn)地把握消費(fèi)者的行為偏好。其二，傳統(tǒng)的消費(fèi)者決策模型是靜態(tài)的，而修正后的模型是動態(tài)循環(huán)的。傳統(tǒng)的消費(fèi)者決策模型只是就某個特定產(chǎn)品或消費(fèi)群進(jìn)行一個局部的分析，從而得出一定的感性結(jié)論。而修正后的模型是一個正反饋系統(tǒng)，它可以通過不斷地循環(huán)糾正偏差和發(fā)現(xiàn)新的機(jī)會。其三，傳統(tǒng)的消費(fèi)者決策模型是單向的，而修正后的模型具有互動性。在大數(shù)據(jù)背景下，利用大數(shù)據(jù)，企業(yè)可以整合內(nèi)外部資源，同時根據(jù)消費(fèi)者的實時反饋進(jìn)行調(diào)整。其四，傳統(tǒng)的消費(fèi)者決策模型主要依賴經(jīng)驗，而修正后的模型主要依賴大數(shù)據(jù)。要運(yùn)用傳統(tǒng)的消費(fèi)者決策模型，例如營銷策略的應(yīng)用來刺激消費(fèi)者，這一點(diǎn)很依賴管理者的經(jīng)驗和直覺。

（二）回歸營銷本質(zhì)的新工具

麻省理工斯隆管理學(xué)院的瑞克.布約爾尼克教授的研究發(fā)現(xiàn)，大數(shù)據(jù)主導(dǎo)的決策可以給公司提升6%的業(yè)績。大數(shù)據(jù)的魅力在于引領(lǐng)新的管理革命，但大數(shù)據(jù)只是回歸營銷的基礎(chǔ)理念—以客戶為中心創(chuàng)造價值。

便利店不會在零售業(yè)態(tài)中消亡，更不可能被超市或者大賣場所取代。其中一個十分重要的原因是便利店可以實現(xiàn)一對一的客戶關(guān)系管理，這一優(yōu)勢在社區(qū)店更為凸顯。由于大數(shù)據(jù)技術(shù)可以獲取消費(fèi)者個性化的信息，并可以通過存儲下的海量數(shù)據(jù)進(jìn)行數(shù)據(jù)分析。因此，大數(shù)據(jù)時代下可以解決現(xiàn)代營銷管理最大的一個矛盾—大規(guī)模生產(chǎn)和個性化需求之間的矛盾。

以俄羅斯的一家通信公司為例，該公司和TERADATA公司共同研發(fā)了一個數(shù)據(jù)庫軟件系統(tǒng)。這個系統(tǒng)最大的功能在于可以使這家電信公司預(yù)測到哪位客戶可能想要更換運(yùn)營商。這個系統(tǒng)通過精準(zhǔn)的測算，可以自動發(fā)現(xiàn)可能流失的客戶的行為模式。通過檢測到幾個通話頻繁的聯(lián)系人之間突然多了一個新號碼，系統(tǒng)可以認(rèn)為這個朋友圈內(nèi)有一個朋友換了新卡。在發(fā)現(xiàn)這個問題之后，系統(tǒng)會在這位客戶拋棄舊卡之前給予其定制化的優(yōu)惠套餐，同時客服人員可以通過數(shù)據(jù)庫所記錄的性別、年齡等基本信息以便于一對一的溝通，從而實現(xiàn)保留客戶的目的。此外，該系統(tǒng)的數(shù)據(jù)庫也可以發(fā)現(xiàn)一些其它的技術(shù)問題或者用戶習(xí)慣，從而增強(qiáng)了用戶粘性。運(yùn)用大數(shù)據(jù)可以成功地進(jìn)行個性化的客戶關(guān)系管理和營銷模式的創(chuàng)新，但大數(shù)據(jù)所體現(xiàn)的哲學(xué)并非是數(shù)據(jù)分析或者數(shù)據(jù)運(yùn)用本身，而是營銷的基本觀點(diǎn)—以客戶為中心創(chuàng)造價值。通過大數(shù)據(jù)的運(yùn)用，即是找到客戶的方法，也是創(chuàng)造價值、維護(hù)客戶黏性的手段。因此，“以客戶為中心創(chuàng)造價值”不僅是指導(dǎo)大數(shù)據(jù)管理的核心理念，更是檢驗大數(shù)據(jù)技術(shù)是否成功的標(biāo)準(zhǔn)。

結(jié)論

本文在結(jié)合大數(shù)據(jù)理論、消費(fèi)者行為學(xué)和預(yù)測科學(xué)理論的基礎(chǔ)上，從消費(fèi)者購買決策的視角出發(fā)，通過文獻(xiàn)研究法、案例研究法和對比研究等研究方法，在大數(shù)據(jù)的時代背景下提出了一種新的關(guān)于預(yù)測消費(fèi)者購買決策行為的方法論，并據(jù)此重新修正了傳統(tǒng)的消費(fèi)者購買行為模型。此外，本文在肯定了大數(shù)據(jù)引領(lǐng)營銷變革新浪潮的同時，強(qiáng)調(diào)了大數(shù)據(jù)自身的工具性屬性，即大數(shù)據(jù)并未改變營銷理念的根本，而運(yùn)用好大數(shù)據(jù)則可以更好地實現(xiàn)以客戶為中心創(chuàng)造價值的這一核心目標(biāo)。本文的具體發(fā)現(xiàn)如下：

第一，本文構(gòu)建了消費(fèi)者購買決策預(yù)測過程模型，并論證了模型的可行性。在結(jié)合社會科學(xué)研究范式和大數(shù)據(jù)科學(xué)方法的基礎(chǔ)上，提出了預(yù)測消費(fèi)者購買決策的過程模型，即“提出問題、追蹤歷史、構(gòu)建模型、搜集數(shù)據(jù)、分析數(shù)據(jù)和做出預(yù)測”六大關(guān)鍵步驟，企業(yè)通過運(yùn)用大數(shù)據(jù)和結(jié)合本文的方法論即可以得到有關(guān)消費(fèi)者決策行為的預(yù)測結(jié)果；其后，論文通過已有研究成果的整合，論證了該模型的可行性。

第二，本文在大數(shù)據(jù)背景下對傳統(tǒng)的消費(fèi)者購買行為模型進(jìn)行了修正。通過大數(shù)據(jù)預(yù)測過程和引入企業(yè)營銷者主體因素，打開“消費(fèi)者黑箱”，最后使整個模型形成一個動態(tài)的、互動的自反饋系統(tǒng)。在修正這個模型之后，將其與傳統(tǒng)的模型進(jìn)行比較，總結(jié)了兩者存在四方面的區(qū)別。

第三，本文認(rèn)為大數(shù)據(jù)技術(shù)只是一種工具，并沒有顛覆管理理論的根本理念。論文通過案例系統(tǒng)地分析了企業(yè)通過大數(shù)據(jù)可以獲取并存儲消費(fèi)者的個性化需求，從而重新?lián)碛幸粚σ坏目蛻絷P(guān)系管理優(yōu)勢。因此，正是依賴于大數(shù)據(jù)的發(fā)展，以客戶為中心創(chuàng)造價值這一核心目標(biāo)才更容易實現(xiàn)。

大數(shù)據(jù)背后所蘊(yùn)含的價值是巨大的，而由此所驅(qū)動的企業(yè)對信息的搜集和隱私的泄露使公眾利益受損。只有通過合理保護(hù)公眾的個人隱私，并將所開發(fā)出的大數(shù)據(jù)的價值與公眾分享，大數(shù)據(jù)營銷才會健康發(fā)展。 本文主要側(cè)重于方法論的探討，缺乏實證研究。若能通過實驗設(shè)計，則更能體現(xiàn)論文的科學(xué)性和嚴(yán)謹(jǐn)性。

參考文獻(xiàn)：

1.Smith M D，Brynjolfsson E.Consumer decision-making at an Internet shop bot：Brand still matters [J].The Journal of Industrial Economics，2001，49（4）

2.Cui D，Curry D.Prediction in marketing using the support vector machine[J]. Marketing Science，2005，24（4）

3.Guadagni P M，Little J D C.A logit model of brand choice calibrated on scanner data[J].Marketing science，1983，2（3）

4.Berry M J，Linoff G S.Data mining techniques：for marketing，sales，and customer relationship management [M].Wiley.com，2004

5.Aissi S，Malu P，Srinivasan K. E-business process modeling：the next big step [J].Computer，2002，35（5）

6.Lilien G L，Kotler P.Marketing decision making：A model-building approach [M].New York：Harper & Row，1983

7.Kim D J，F(xiàn)errin.D.L，Rao H R.A trust-based consumer decision-making model in electronic commerce：The role of trust， perceived risk，and their antecedents[J].Decision support systems，2008，44（2）

8.Kotler P.Behavioral models for analyzing buyers [J].The Journal of Marketing，1965

9.馮利芳，麻震敏，孫等.Big Data，大數(shù)據(jù)重塑營銷[J].成功營銷，2012 （8）

10.科特勒.營銷管理[M].清華大學(xué)出版社，2007

11.德爾·I·霍金斯著.符國群譯.消費(fèi)者行為學(xué)[M].機(jī)械工業(yè)出版社，2003

12.陶雪嬌，胡曉峰，劉洋.大數(shù)據(jù)研究綜述[J].Journal of System Simulation，2013

13.艾伯特·拉斯洛·巴拉巴西.爆發(fā)，大數(shù)據(jù)時代預(yù)見未來的新思維[M].中國人民大學(xué)出版社，2013

14.維克托，邁爾·舍恩伯格，肯尼思· 庫克耶[J].大數(shù)據(jù)時代，2013