数据分析在移动互联网发展中的作用

2017-05-18黄琴

科技资讯 2017年8期

黄琴

摘要：随着移动互联网技术的发展，利用手机终端接收新闻、听音乐、看电视是众多消费者的第一选择。营销者想要在激烈的市场竞争中占据一席之地，就需要对海量用户数据进行挖掘分析，发现用户的个性喜好，从而对用户的消费行为进行准确把握。该文在对用户海量上网数据进行分析的基础上发现用户的上网行为，并将其与业务支撑系统数据进行结合分析，展现了用户动态与静态数据的互补性，为市场营销人员寻找目标客户打下了良好的基础，提升了营销准确率。

关键词：数据分析移动互联网客户营销

中图分类号：S763 文献标识码：A 文章编号：1672-3791（2017）03（b）-0026-02

据工信部统计，2013年1～4月我国每户移动互联网月接入流量庞大，高达121M。虽然通过3G移动网络接入移动互联网的手机用户占总用户的比例仅有25%，但消耗流量占比竟然高达50%。于此同时，智能信息终端产品的普及速度越来越快，仅1～4月，移动通信手持机销量激增，增速达30.7%，内销高达15 661.8万台。

随着移动互联网技术的逐渐发展和成熟，移动互联网应用的范围越来越广泛，已经渗透到人们生活和工作的诸多领域。这对于移动运营商来说既是机遇又是挑战，只有准确把握用户需求，了解用户喜好，才能快速适应移动互联网营销的发展步伐。

1 数据分析对移动互联网发展的意义

1.1 电信运营商在移动互联网时代的发展现状

信息技术不仅推动了移动互联网市场的发展，还促进了其市场营销方式的转变。营销者想要在市场竞争中取得优势地位，不仅需要树立移动策略的观念，还要对消费者的需求进行准确的了解。消费者的观念移动化了，营销者更不应该落后，而是与时俱进，甚至超越消费者。只有对消费者的需求进行全面的了解，才能制定出科学、合理的营销策略。

目前，电信运营商面临的普遍问题主要包括：琳琅满目的业务种类让人应接不暇，目标用户定位模糊，营销分析脱离市场实际发展状况，分析深度浮于表面，数据来源单一等。电信运营商为了解决上述问题以适应移动互联网时段的营销模式，应加大多个环节的数据分析能力建设，如梳理产品业务、科学选择目标用户群、积极指导营销活动、多渠道收集数据等，以此来适应移动互联网营销的快速发展。

1.2 移动互联网数据分析的实际应用

（1）数据预处理概念解析。

数据预处理就是指对收集到的原始数据进行处理。采集数据的渠道主要包括经分数据、用户终端数据、用户访问网站数据及微博、微信等相关数据。数据预处理发生在采集数据完成后，同时又处于数据分析挖掘算法之前。这三步相互联系，缺一不可，共同促进了移动互联网营销新模式的发展。

数据预处理技术主要包括以下几个方面，即数据清洗、数据转换和数据规约等。

数据清洗是指各个系统收集到的源数据中难免存在噪声数据和无关数据，需要对这些数据进行清除，同时还要处理缺失值，对异常数据也要进行删除操作。

数据转换主要包括两个方面：一是统一数据口径。因为性别在不同的系统可能存在着标识不一致的问题，只有统一标识，才能为下一步分析奠定基础；二是数据标准化。

数据规约是指汇总加工数据库中的海量数据，汇总加工后的数据需要满足一个共同特征，即尽量保留原始数据中的有用信息，以便为后续的数据挖掘工作做好充足的准备。

一般来说，一个完整的数据分析挖掘流程中包括数据的预处理和分析挖掘工作。其中数据预处理和分析挖掘工作所占工作量时间的百分比分别为60%和10%。

（2）产品梳理定义。

产品梳理是从市场分析、用户定位等角度对产品进行罗列、分类和排序，产品梳理的过程就是对运营商产品的再次整合，这种整合并不是盲目进行的，而是以市场为导向。在对产品梳理时可对产品进行级别划分，如极具推广价值、具备推广价值、已无推广价值等级别。当完成产品级别划分后，对于那些极具推广价值的产品与推广渠道进行进一步匹配，从而完成该级产品的用户群挖掘工作。

（3）数据挖据流程。

数据挖掘阶段也是锁定目前用户的阶段。数据挖掘流程包括4个部分，即挖掘前处理模块、挖掘操作模块、模式评估模块和知识输出模块。

挖掘前处理模块也叫数据预处理模块，通过对收集到的原始数据进行一系列操作如数据清洗、数据转换和数据规约，最后将其加载放到数据仓库或者数据超市中。

数据库管理模块是指对多种数据库如系统内数据库、数据仓库、数据集市以及数据挖掘知识库的管理和维护。这些数据库保存的数据是经过预处理后得到的数据，将其进行沉淀，数据库建模就是在此基础上完成的。

挖掘操作模块是指针对海量数据采用数据挖掘、数据分析算法对其进行进一步的加工处理，从而总结提炼出规则、模式和方法。

模式评估模块是指评估数据挖掘结果。在数据挖掘过程中可能会出现多种模式，想要得出正确模式，就需要结合具体数据和具体应用环境进行验证。

知识输出模块是指将前面所有步骤完成后得出的正确模式的实际应用。决策者和业务人员最终使用的便是数据挖掘结果的易懂版。

（4）对效果进行评估。

效果评估主要是由数据分析人员和营销人员共同完成的。数据分析人员的前期工作主要是数据分析和建模，之后是为其研究的产品挖掘出适合的目标群体；营销人员按照数据分析人员提供的目标群体开始精准营销并把营销效果反馈给数据分析人员，数据分析人员根据营销效果对该次营销进行效果评估，优化模型，促进营销效果的进一步提升。

2 联通数据分析应用案例

2.1 天津數据分析基础建设概况

在移动互联网数据分析应用方面，众多城市都取得了良好的效果。2012年，天津联通为了适应移动互联网营销模式的转型，投资建设了“精细化运营平台”，对移动互联网时段的运营具有非常重要的作用。经过4年的发展，取得了良好的运营效果。

天津在建立“精细化运营平台”时，对移动互联网的各项应用场景都进行了细致、全面的考虑。采集数据的渠道除了经分系统，还包括用户手机上网数据、第三方微博、微信等相关数据，为移动互联网营销的数据挖掘分析工作奠定了坚实的基础。

2.2 对天津互联网增值业务的梳理

数据分析人员对天津互联网增值业务进行了梳理。从多个角度进行考虑，如订购用户情况、产品效益等角度，优先筛选出适合推广的产品，如彩信包、3G国内流量包等。

2.3 天津数据分析和建模

在精细化运营平台上存在着众多的用户属性和行为指标，天津的数据分析人员从其中的上千条指标中选取了64项指标，经过重点分析和挖掘，在为增值业务进行建模时采取了决策树的算法。

2.4 天津数据分析营销效果评估

数据分析人员在认真工作的前提下与营销人员紧密互动，选定的增值业务销售业绩良好，整体环比效果与数据分析挖掘前相比有显著提升，是原来的2倍。

3 结语

移动互联网业务的数据分析挖掘建设之路任重而道远，并不能一蹴而就。移动通信用户数据庞大，需要研究人员投入更多的时间和精力去解决其中蕴含的理论和技术难题，从而促进移动互联网业务的发展。