肖賀耕 黃錚

摘 要：在信息技術快速發(fā)展的時代背景下，各個行業(yè)均迎來全新的發(fā)展機遇。人工智能技術在市場營銷領域的應用日漸普遍，對提高工作人員的工作效率，強化工作人員工作能力具有重要意義。本文綜合文獻資料法和實證分析法，構建了基于BP神經網絡的數字營銷模型，并探究其應用情況。研究發(fā)現(xiàn)，數智化營銷可以針對不同的受眾群體提供個性化服務和產品，同時可以借助智能化的數據分析實現(xiàn)精準的目標受眾定位和個性化的營銷策略制定。最后，本文闡述了該BP組合模型的意義與貢獻，對于數字營銷領域的進一步發(fā)展具有一定的指導意義。

關鍵詞：人工智能；數字營銷；算法模型；信息技術；市場營銷；數智化

本文索引：肖賀耕，黃錚.<變量 2>[J].中國商論，2024（05）：-114.

中圖分類號：F063.2；TP18 文獻標識碼：A 文章編號：2096-0298（2024）03（a）--04

1 引言

市場營銷是企業(yè)獲取競爭優(yōu)勢的重要手段之一，然而隨著市場競爭的日益激烈和消費者需求的不斷變化，傳統(tǒng)的市場營銷方式已經無法滿足企業(yè)的需求。為了更好地適應市場變化和消費者需求，人工智能技術開始在市場營銷領域發(fā)揮作用。人工智能通過挖掘消費者數據和智能化分析，可以為企業(yè)制定更具針對性和個性化的市場策略，提升營銷效率和銷售額。當前，全球人工智能產業(yè)正在迅速發(fā)展，并逐漸滲透各行各業(yè)，為市場營銷領域帶來了前所未有的機遇[1]。然而，人工智能在市場營銷領域的應用還面臨著一些問題和難點，如個人信息保護、算法可靠性和完善性以及人性化應用等方面的挑戰(zhàn)，這些問題需要逐步解決。

因此，本文旨在探討人工智能技術在市場營銷領域的應用現(xiàn)狀和未來發(fā)展，分析人工智能對傳統(tǒng)市場營銷模式的影響和帶來的機遇，同時也梳理了人工智能在市場營銷領域面臨的問題和挑戰(zhàn)。通過深入研究和分析，本文將為企業(yè)更好地利用人工智能技術提升市場營銷效率提供借鑒和參考，同時為人工智能的發(fā)展提供一定的思路和方向。

2 人工智能技術介紹

2.1 人工智能技術定義

人工智能是計算機領域的內容，指的是技術人員利用特定手段分析和模擬相關人員腦系統(tǒng)，并且根據這些內容研究出和相關人員智商水平相近的系統(tǒng)，其廣泛應用于金融、醫(yī)療、物流等領域，通過對非結構化數據的整理和分析，生成知識，輔助和延伸相關人員技能，從而實現(xiàn)高效、準確和智能的決策。人工智能技術包括機器學習、自然語言處理等方面。人工智能技術的發(fā)展與應用，對市場營銷領域也產生了深遠的影響。利用人工智能技術的個性化推薦和智能決策可實現(xiàn)更有精度、高效率和滿足市場的訴求需求，也為商家提供了更多商機。

2.2 人工智能技術在市場營銷領域的應用現(xiàn)狀

2.2.1 人工智能在數字營銷中的應用

“數字營銷一直是市場營銷領域的重要一環(huán)，而人工智能的應用催生了數字營銷的新變革?！比斯ぶ悄芸梢酝ㄟ^對消費者歷史行為數據的分析，精確地投放廣告至目標消費者。根據eMarketer預測，到2022年，全球數字廣告支出將超過5170億美元。其中，人工智能技術被廣泛應用于優(yōu)化廣告投放，提高廣告效果和ROI。根據Adobe數據，使用人工智能進行廣告優(yōu)化可以降低每次點擊的成本高達25%。根據Accenture的一項研究，個性化推薦可以增加銷售額的5%。同時，Evergage數據顯示，個性化推薦可以提高轉化率的4.5倍，增加平均訂單價值的50%。人工智能可以根據歷史業(yè)績和走勢，預測市場趨勢。通過對大數據的分析，可以預測消費者行為，對企業(yè)的產品研發(fā)、庫存管理、銷售策略等有極大幫助。根據McKinsey的報告，企業(yè)使用人工智能進行營銷預測和優(yōu)化，可以提高銷售額的10%～20%。同時，Accenture的研究發(fā)現(xiàn)，86%的營銷專業(yè)人士認為人工智能將在未來五年內對其業(yè)務產生重大影響。人工智能可以對消費者行為進行實時監(jiān)測，根據觸發(fā)等條件自動進行針對性的營銷活動。通過自動化，企業(yè)可以實現(xiàn)高效、精準的營銷，也能極大程度地減少人工干預。人工智能可以通過消費者歷史行為、興趣愛好、社交圈子等，將消費者細分為多個群體，幫助企業(yè)針對不同消費者人群實施個性化的營銷策略[2]。

2.2.2 人工智能對個性化推薦的應用

個性化推薦是一種利用AI算法識別用戶興趣、偏好和行為，從而為其提供更加精準的產品和服務。它以提高用戶滿意度和忠誠度為目標，通過將合適的產品推薦給合適的用戶，實現(xiàn)更加高效的營銷效果。

數字營銷借助AI技術的發(fā)展，實現(xiàn)了更加精細化的營銷策略。例如，基于用戶數據的AI算法可以分析用戶的購買行為、瀏覽行為等，從而對用戶進行更加精準的細分。根據用戶的不同特點和需求，數字營銷可以提供個性化的產品推薦、營銷活動等，提高用戶參與度和轉化率。具體而言，AI個性化推薦在數字營銷中的應用包括以下幾點：

（1）電商推薦系統(tǒng)

電商推薦系統(tǒng)是基于AI算法構建的一種個性化推薦系統(tǒng)，它根據用戶的歷史數據、購買行為、瀏覽行為等，對用戶進行精準細分。根據不同用戶的特點和需求，推薦系統(tǒng)中會生成不同的產品推薦列表。例如，用戶在瀏覽某品牌的衣服時，推薦系統(tǒng)可以分析用戶的購買記錄和瀏覽記錄，從而推薦與該品牌相似的其他品牌或款式，提高用戶的購買意愿和轉化率[3]。

（2）個性化廣告

個性化廣告是基于AI算法實現(xiàn)的精準廣告投放，它通過分析用戶的歷史數據、興趣愛好、地理位置等信息，將廣告投放到與用戶興趣相關的媒體上?；谟脩魹g覽歷史和購買行為的數據分析，個性化廣告可以精準地將化妝品廣告投放到經常瀏覽美容美妝類的女性用戶中，提高廣告的轉化率和效果。

（3）個性化營銷活動

個性化營銷活動是基于AI算法實現(xiàn)的針對不同用戶群體的營銷活動，它通過分析用戶的行為和需求，策劃出不同的營銷活動，以吸引用戶的參與和提高轉化率。面向年輕人的營銷活動可以采用互動性強、趣味性高的方式，吸引他們參與并購買相關產品。而針對中老年人的營銷活動則可以采用更加實惠、健康環(huán)保等主題，以吸引他們的關注和購買。

（4）個性化客戶服務

個性化客戶服務是基于AI算法實現(xiàn)的針對不同用戶需求的客戶服務，它通過分析用戶的反饋數據和需求，提供更加個性化的服務方案，以提高用戶滿意度和忠誠度。針對經常反饋問題的用戶，個性化客戶服務可以重點關注該用戶的反饋和需求，提供更加及時和有效的解決方案。面對不常反饋問題的用戶，則可以通過發(fā)送郵件或短信的方式，主動詢問他們的使用情況和需求，提供更加個性化的服務。

3 國內外相關研究綜述

3.1 國外研究現(xiàn)狀

BP神經網絡最初的應用是在市場預測方面。Antonelli和Sadeghian（1997）提出了一個基于BP神經網絡的非線性回歸模型，用于預測消費者購買行為和市場反應[4]。研究結果表明，BP神經網絡能夠有效地處理非線性問題，從而對市場預測有很高的精度和可靠性。隨著互聯(lián)網和數字技術的不斷發(fā)展，數字營銷逐漸成為營銷領域的一個重要分支。越來越多的研究者開始嘗試利用BP神經網絡解決數字營銷中的問題。其中，最具代表性的應用是目標受眾的分類和識別。Doyle（2001）通過分析用戶數據，利用BP神經網絡將用戶劃分為不同的群體[5]。此外，Bellamkonda等（2005）研究認為BP神經網絡也被應用于用戶行為預測，包括購買意向、忠誠度、反饋等[6]。同時，Kohli and Mehta（2007）研究關注于數字營銷策略的優(yōu)化，如何根據市場需求、競爭情況等因素調整價格、促銷等策略[7]。

3.2 國內研究現(xiàn)狀

國內對基于BP神經網絡的數字營銷模型構建與應用的研究起步相對較晚，但也有不少有價值的研究成果。其中，趙蓓等（2016）研究探討了利用BP神經網絡優(yōu)化搜索引擎營銷（SEM）的效果，研究首先通過分析SEM投放數據，利用BP神經網絡對投放效果進行預測[8]。然后，根據預測結果調整投放策略，從而優(yōu)化SEM效果。張威等（2017）研究關注于基于BP神經網絡的在線消費者行為預測。該研究利用BP神經網絡對消費者購買行為進行預測，并分析了影響消費者購買行為的多種因素，如產品屬性、價格、促銷等[9]。通過分析這些因素與消費者購買行為之間的關系，為企業(yè)制定更加精準的營銷策略提供了依據。

此外，還有一些研究探討了如何將BP神經網絡與其他技術結合，以提升數字營銷的效果。例如，王勇等（2018）將BP神經網絡與大數據分析相結合，通過挖掘消費者數據，為企業(yè)的數字營銷提供更加精準的決策支持[10]。另外，劉蓉等（2019）探討了如何將BP神經網絡與社交媒體分析相結合，以提升企業(yè)在社交媒體上的營銷效果[11]。

4 構建組織模型

4.1 模型選擇

在應用BP算法期間，要求相關人員全面認識和熟練掌握BP算法的不足，并有能力進行改善[12]。遺傳算法是一種尋優(yōu)方法，也是一種全局最優(yōu)搜索方式，通過隨機搜索實現(xiàn)其目標。面向市場營銷領域，在構建人工智能分析模型時，選擇應用BP網絡和遺傳算法組合模型，通過對其做出合理化改進，將BP網絡收斂于局部最優(yōu)解的缺陷問題進行彌補。此外，組合模型運作是以遺傳算法作為平臺進行，每代種群中的每個個體在輸出適配值時，都需要對功能子模塊fitness-out（）進行調用[13-14]。

4.2 編碼策略

確定BP網絡pk、pi、pj以后，組合模型的參數個數如式1所示：

p=pk*（pj+1）+pi（pk+1）（1）

用于組合模型表示的染色體是所有參數基因串聯(lián)而成的。在本次構建的模型中，m取值為10，符號位為第一位，正值為1，負值為0，編碼形式如下：

11000101 1101 1001 1010…… 0111010111

WL1? ? ? ? ? ? ? ? ?WL2? ? ? ? ? ? ? ? ? ? ?WLj

在編碼形式中，L表示種群的數量，j的取值為1，2，3，4，…，pj。

4.3 選擇適配值函數

訓練網絡權值的誤差函數在進行定義時，如下所示：

其中，表示在前向訓練期間對應輸出值。在T個訓練集內，總的誤差可以做出如下表示：

在優(yōu)選中，由于習慣性的選取最大適配值，可選取的適配值函數如下：

5 模型應用實例與比較

文章選取近兩年某礦產公司的產品銷售量，并對其進行樣本訓練，如表1所示。

本文采用介紹的算法做出組合模型BP網絡誤差圖像，如圖1所示。經過觀察得知，可近似取隱含層節(jié)點數為20。

6 結語

6.1 研究總結

隨著數字技術的不斷發(fā)展和普及，數字營銷已成為現(xiàn)代營銷的重要組成部分。數字營銷通過互聯(lián)網等數字渠道，借助數字媒體和數字營銷平臺，以數據分析和挖掘為基礎，實現(xiàn)精準的目標受眾定位、個性化的營銷策略和智能化的數據分析，從而提升營銷效果和ROI。本文總結了基于BP神經網絡的數字營銷模型構建與應用的主要結論和貢獻。首先，本文為數字營銷實踐提供了一種新的思路和方法，即借助BP神經網絡實現(xiàn)更加精準的目標受眾定位和個性化的營銷策略制定。其次，本文發(fā)現(xiàn)數字營銷平臺的優(yōu)勢在于可以針對不同的受眾群體提供個性化的服務和產品，同時可以借助智能化的數據分析實現(xiàn)精準的目標受眾定位和個性化的營銷策略制定。

6.2 研究結果的意義

（1）提供個性化的營銷解決方案：基于BP神經網絡構建完成的數字營銷模型，可幫助營銷人員在大量數據中識別出復雜的模式和趨勢。應用數字營銷模型，營銷人員可順利的理解消費者的需求、偏好和行為，從而為每個人提供定制化的產品、服務和營銷策略。

（2）提高營銷效率和效果：數字營銷模型構建的基礎是BP神經網絡，該網絡在訓練和實際操作中，有能力自動學習和優(yōu)化營銷策略，使營銷投入更精確、更有效。此外，數字營銷模型可以根據實時的市場數據和反饋，自動調整和優(yōu)化營銷策略，提高營銷效率和效果。

（3）增強企業(yè)的競爭力：通過應用BP神經網絡，企業(yè)可以更好地理解市場需求，精準地定位目標受眾，提高產品和服務的競爭力。同時，BP神經網絡還可以幫助企業(yè)及時發(fā)現(xiàn)市場變化和趨勢，使企業(yè)能夠快速做出反應，從而增強企業(yè)的市場競爭力。

（4）推動數字營銷的發(fā)展：BP神經網絡在數字營銷中的應用，為數字營銷注入了新的活力和動力。基于BP神經網絡構建完成的數字營銷模型不僅拓展了數字營銷的視野和范圍，還提高了數字營銷的精準度和效率，進一步推動了數字營銷的發(fā)展，使其成為現(xiàn)代營銷中不可或缺的一部分。

參考文獻

于檬.人工智能背景下市場營銷行業(yè)現(xiàn)狀及發(fā)展趨勢研究[J].財富生活，2019（18）：82-83.

鄭舒曼.人工智能在市場營銷領域的應用與挑戰(zhàn)[J].信息系統(tǒng)工程，2022（11）：80-83.

吳沁玥.論人工智能營銷市場分析的戰(zhàn)略框架[J].中國市場，2023（3）：106-108.

Antionelli， F.， & Sadeghian， A. . Neural networks for marketing forecasting： a literature review and typology. Omega： The International Journal of Management Science， 1997，25（2）： 237-248.

Doyle， G.? Clustering data： an overview. Library Trends，2001，49（1）： 25-38.

Bellamkonda， R. V.， Mastorakis， N.， & Anagnostopoulos， C. Using neural networks in marketing： A literature review and research agenda. Journal of the Academy of Marketing Science， 2005，33（2）： 188-204.

Kohli， R.， & Mehta， A.Neural networks： a literature review and classification. Journal of the Decision Sciences， 2007，1（4）： 277-306.

趙蓓，周英，李哲.基于神經網絡優(yōu)化搜索引擎營銷的研究現(xiàn)狀與展望[J]. 電子商務研究， 2016， 17（4）： 273-284.

張威. 基于神經網絡對在線消費者行為預測的探究： 多因素影響分析[J]. 計算機信息管理， 2017， 47（4）： 1-8.

王勇. 基于神經網絡與大數據分析的數字營銷優(yōu)化整合研究現(xiàn)狀與展望[J]. 數字營銷， 2018， 5（2）： 1-8.

劉蓉. 基于神經網絡的社交媒體消費者情感分析研究現(xiàn)狀與展望[J]. 社交媒體營銷， 2019， 5（4）： 1-10.

Davenport T，Guha A，Grewal D，et al.How artificial intelligence will change the future of marketing[J].Journal of theAcademy of Marketing Science， 2020， 48（1）： 24-42.

Paschen J， Kietzmann J， Kietzmann T C. Artificial intelligence （AI） and its implications for market knowledge in B2Bmarketing[J]. Journal of Business & Industrial Marketing，2019， 34（7）： 1410-1419.

A M H H ， B R T R .A Framework for Collaborative Artificial Intelligence in Marketing[J].Journal of Retailing， 2021（12）：18-19.

Dumitriu D ， Popescu A M .Artificial Intelligence Solutions for Digital Marketing[C]//International Conference Interdisciplinarity in Engineering.2021.