李宗霖

關(guān)鍵詞：大數(shù)據(jù)挖掘;商品營銷;影響

1、目前大數(shù)據(jù)的應(yīng)用和發(fā)展

1.1大數(shù)據(jù)分析和數(shù)據(jù)挖掘在商業(yè)上的應(yīng)用

近年隨著移動互聯(lián)網(wǎng)和智能移動設(shè)備的興起，為消費(fèi)品大數(shù)據(jù)收集、分析、數(shù)據(jù)挖掘提供了環(huán)境基礎(chǔ)，每個(gè)消費(fèi)者在外購買行為和信息都可以有效地及時(shí)搜集，讓商品營銷公司可以更好地從數(shù)據(jù)中做出分析，并快速處理供銷存關(guān)系，從而高速推動大數(shù)據(jù)的分析行業(yè)發(fā)展。

1.2數(shù)據(jù)存儲方式的演進(jìn)

目前數(shù)據(jù)的存儲方式由關(guān)系數(shù)據(jù)庫向非關(guān)系數(shù)據(jù)化演進(jìn)。數(shù)據(jù)載體服務(wù)器集群，負(fù)載均衡，到分布給各個(gè)地方的服務(wù)器CDN加速，全世界不同地區(qū)數(shù)據(jù)同步收集要求在增高，云服務(wù)提供商的出現(xiàn)，讓商業(yè)企業(yè)特別是需要大數(shù)據(jù)分析的營銷企業(yè)初期節(jié)省了很多部署成本。

1.3數(shù)據(jù)挖掘方式的變化

十多年前數(shù)據(jù)都只是單純地非關(guān)聯(lián)地存儲或單節(jié)點(diǎn)，數(shù)據(jù)存儲量有限。目前可以很輕松存儲上萬GB的數(shù)據(jù)，并且成本不高。隨著科技的進(jìn)步，誕生了不少專門針對大數(shù)據(jù)分析的工具和計(jì)算機(jī)語言（R，python等），對上百TB的數(shù)據(jù)進(jìn)行分析變得比以前更為方便，通過大量的設(shè)備集群對數(shù)據(jù)進(jìn)行機(jī)器訓(xùn)練（MachineLearning，DataTraining），使得挖掘技術(shù)更為精準(zhǔn)。隨著時(shí)代的發(fā)展，數(shù)據(jù)挖掘算法從簡單的線性回歸，到邏輯回歸和二項(xiàng)式回歸，再到更新的智能神經(jīng)網(wǎng)絡(luò)算法，處理數(shù)據(jù)更海量更智能。

2、企業(yè)營銷數(shù)據(jù)挖掘的概念

2.1關(guān)聯(lián)分析法

關(guān)聯(lián)分析法指的是從所儲備的數(shù)據(jù)中能夠找出某些數(shù)據(jù)在某一事件中存在的關(guān)聯(lián)性。采用這種分析法需要先確定關(guān)聯(lián)規(guī)則，發(fā)現(xiàn)某一事件中不同數(shù)據(jù)是否存在關(guān)聯(lián)性，而這種關(guān)聯(lián)性與企業(yè)管理或銷售存在著怎樣的關(guān)系，從而據(jù)此對企業(yè)管理或銷售計(jì)劃做出調(diào)整。

2.2序列分析法

這種分析法與關(guān)聯(lián)分析法的規(guī)則類似，但是它尋找的是某一事件中數(shù)據(jù)之間在時(shí)間上的關(guān)聯(lián)性。這種分析法對于發(fā)現(xiàn)潛在用戶具有明顯作用，能夠廣泛應(yīng)用到醫(yī)療、工程等領(lǐng)域的企業(yè)當(dāng)中。

2.3分類和預(yù)測分析法

一般而言，分類與預(yù)測分析法是由兩個(gè)過程實(shí)現(xiàn)的，首先是先確定一個(gè)模型描述，描述出指定的數(shù)據(jù)類型和概念集，進(jìn)行分類劃分，然后使用這個(gè)分類進(jìn)行預(yù)測分析。這種分類預(yù)測分析法能夠?qū)μ囟ㄏM(fèi)習(xí)慣的用戶進(jìn)行有效分析，從而推斷出消費(fèi)習(xí)慣和下一步的消費(fèi)行為。

最后一種就是聚類分析法，這種分析法是專門針對缺乏數(shù)據(jù)描述的情況而采用的。例如，在聚類分析之前，數(shù)據(jù)特征等都是未知的，進(jìn)行聚類分析時(shí)就能夠?qū)?shù)據(jù)庫內(nèi)的信息進(jìn)行相似性最大化處理，這樣就能夠幫助企業(yè)了解出哪些是較為典型性的用戶，哪些是忠實(shí)用戶，哪些是流失用戶等，從而有助于企業(yè)根據(jù)不同用戶的消費(fèi)特征制定出不同的營銷策略。

3、良好數(shù)據(jù)挖掘?qū)ζ髽I(yè)營銷策略的影響

3.1有助于優(yōu)化產(chǎn)品布局，為營銷策略提供參考

從某種意義上講，企業(yè)產(chǎn)品是企業(yè)最真實(shí)的代表，因此，需要在產(chǎn)品生產(chǎn)以及銷售的過程中對收集來的數(shù)據(jù)進(jìn)行有效分析。主要包括兩個(gè)方面，一是在產(chǎn)品生產(chǎn)過程中成本價(jià)格浮動數(shù)據(jù)。用最通俗的例子來表述，就是當(dāng)某一個(gè)較為暢銷的產(chǎn)品的成本價(jià)格上升時(shí)，僅僅靠提升產(chǎn)品價(jià)位，來鞏固銷售額不是最好的辦法，而是需要考慮調(diào)整產(chǎn)品布局，對該暢銷產(chǎn)品進(jìn)行組合銷售、范圍銷售、帶動銷售的情況下，來獲得更好的利潤。這些營銷策略需要在嚴(yán)密、準(zhǔn)確、全面的數(shù)據(jù)挖掘情況下進(jìn)行，否則就增加了企業(yè)的運(yùn)營風(fēng)險(xiǎn)。二是產(chǎn)品在銷售過程中的銷量數(shù)據(jù)浮動。假如產(chǎn)品在某一區(qū)域的銷量逐漸上升或逐漸下降，就需要對這類事件進(jìn)行充分?jǐn)?shù)據(jù)挖掘，在進(jìn)行這類數(shù)據(jù)挖掘時(shí)可以采用聚類分析法和分類與預(yù)測相結(jié)合的方法，從而制定相應(yīng)的營銷策略，抓住企業(yè)的各類用戶，并對忠實(shí)用戶進(jìn)行鞏固。

3.2有助于管理用戶類別，為營銷策略提供支撐

根據(jù)真實(shí)有效的數(shù)據(jù)來進(jìn)行分析挖掘是企業(yè)用戶管理的基礎(chǔ)，是企業(yè)營銷策略落實(shí)的關(guān)鍵。首先，數(shù)據(jù)挖掘可以幫助企業(yè)將用戶類別標(biāo)準(zhǔn)進(jìn)行明晰，使企業(yè)能夠根據(jù)不同用戶群的需求來制定營銷策略。其次，數(shù)據(jù)挖掘時(shí)可以通過分類預(yù)測分析法對潛在用戶進(jìn)行吸納，使企業(yè)在維護(hù)好原有用戶的基礎(chǔ)上將潛在用戶歸納到現(xiàn)有類別當(dāng)中。同時(shí)還可以根據(jù)已經(jīng)掌握的用戶資料，根據(jù)性別、年齡、區(qū)域以及洽談手段進(jìn)行歸類分析，從而了解不同用戶的合作趨向，為用戶提供更好的服務(wù)。

3.3有助于實(shí)現(xiàn)營銷數(shù)據(jù)管理科學(xué)化，提高營銷策略制定時(shí)效性

通過對營銷數(shù)據(jù)挖掘與分析，能夠?yàn)槠髽I(yè)決策者提供更加精準(zhǔn)地市場分析，為擺正企業(yè)發(fā)展目標(biāo)，準(zhǔn)確開展市場營銷活動，提供強(qiáng)有力的支撐，在實(shí)際落實(shí)中則大大增加了營銷策略制定的時(shí)效性。企業(yè)在進(jìn)行數(shù)據(jù)挖掘時(shí)能夠?qū)τ脩魧Ξa(chǎn)品的使用情況進(jìn)行及時(shí)掌握，快速做出反應(yīng)，為企業(yè)調(diào)整、擬定營銷策略提供可靠依據(jù)，大大提升了營銷策略的制定速度，縮短了從制定到落實(shí)的時(shí)間差，為企業(yè)發(fā)展、產(chǎn)品銷售贏得了寶貴時(shí)間。比如，制定交叉銷售策略時(shí)，企業(yè)可以快速利用現(xiàn)有老用戶的信息及其所在社會層次制訂老客戶帶動新客戶的營銷方案，大大提升了尋找新用戶、掌握新用戶信息的速度，不僅能夠有效開展富有個(gè)性化的交叉銷售，還能夠在一定程度上保證了營銷策略有效落實(shí)。

4、總結(jié)

大數(shù)據(jù)應(yīng)用通過對消費(fèi)行為的細(xì)分及用戶屬性歸納，依托大數(shù)據(jù)算法進(jìn)行線性分析、概率分析、關(guān)系分析以及其他智能分析，形成消費(fèi)模型，從而指導(dǎo)銷售、生產(chǎn)、原材料提供等環(huán)節(jié)，降低成本，提高各環(huán)節(jié)經(jīng)濟(jì)效益。隨著大數(shù)據(jù)應(yīng)用的廣度及深度的延伸，特別是近年來計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)計(jì)算的興起，對商品供銷存關(guān)系的影響也會越來越大，會對商品營銷的價(jià)值鏈重構(gòu)產(chǎn)生直接影響。作為大數(shù)據(jù)應(yīng)用核心的大數(shù)據(jù)模型及算法，也將會是下一個(gè)研究應(yīng)用的風(fēng)口。