基于数据挖掘的公众客户精准营销策略研究

董博雯 魏盈盈

[摘要]随着移动、联通和电信三大通信行业的快速发展，通信行业掌握了客户的海量数据，在精准化营销过程中客户数据资源如何被有效挖掘具有重要意义。以通信行业公众客户为研究对象，在分析精准营销和数据挖掘关系的基础上，归纳总结出商业常用的数据挖掘方法及注意事项，并从产品、价格、促销、渠道四个方面提出公众客户精准营销策略。

[关键词]通信行业；公众客户；数据挖掘；精准营销

[中图分类号]F713.36[文献标识码]A[文章编号]2095-3283（2018）07-0123-03

Research on the Precision Marketing Strategy of Public Customers Based on Data Mining

Dong BowenWei Yingying

（1.Heilongjiang Institute of Foreign Trade and Economic Cooperation， Heilongjiang， Harbin 150001；

2.East University of Heilongjiang， Heilongjiang， Harbin 150066）

Abstract： With the rapid development of China Mobile， China Unicom， and China Telecom， the communications industries have mastered the mass data of customers. It is the great significance that customer data resources are effectively tapped in the process of accurate marketing. Taking the public client of the communication industry as the research object， based on the analysis of the relationship between precision marketing and data mining， this paper summarizes the commonly used data mining methods and precautions， and from four aspects of product， price， promotion， and channel， the precision marketing strategy of public customers is put forward.

Keywords： Communications Industry； Public Customers； Data Mining； Precision Marketing

[作者简介]董博雯（1983-），女，辽宁锦州人，经济师，研究方向：国际贸易、区域经济；魏盈盈（1983-），女，黑龙江哈尔滨人，讲师，研究方向：电子商务。一、精准营销与数据挖掘的关系

近年来，通信市场日渐饱和，通过“降价、捆绑、增值服务”等传统营销活动达不到挖掘客户资源的目的，但通信行业自身具有得天独厚的优势，即已掌握海量的客户数据，如何科学地管理数据、高效地进行统计分析并合理地挖掘出商业信息和潜在客户消费规律，从而为企业带来更多的商业价值，已成为通信行业发展转型的核心竞争力。

（一）精准营销概念与内涵

精准营销（Precision marketing）是在市场营销状况分析和人群精准定位分析的基础上，依托现代化信息技术，建立个性化的顾客沟通服务体系，为企业建立更精准、可衡量和高投资回报的营销扩张之路。

相对于传统营销方式，精准营销内涵体现为：首先，洞察客户需求。通过调研和整合公众客户信息、细分客户群体、提炼群体特征行为，结合公众客户行为分析及时掌握各群体的精准差异化需求；其次，制定个性化营销服务渠道。在群体差异化需求的基础上，细分公众客户群体，设计不同的营销方案（包括销售渠道、促销手段、传播途径、售后服务等），為公众客户提供有针对性的产品；最后，量化评价指标体系。在精准营销中需要借助信息技术手段量化指标体系，才能达到实现各个营销环节标准化管理。

（二）数据挖掘技术与步骤

现代通信企业拥有大量的公众客户信息资源，应用数据挖掘（Data mining）技术可以在大型数据库或数据池中通过科学方法对数据进行过滤与筛选，搜索数据之间隐藏的相互关系、揭示商业规律、预测未来的客户行为走势，最终实现对有用信息的良性应用，并扩大数据价值。

在通信行业，数据挖掘技术通常应遵循以下三个步骤：1.数据工程师建立订单集成系统，获取数据集合。如公共用户的基础信息（年龄、套餐、归属地等）、消费信息（话费、流量、宽带等）、应用信息（App、游戏、视频、网站等）；2.数据工程师和产品经理确定数据挖掘的目的，使用分类、回归、聚类等相关挖掘技术进行用户分析，建立多维度的用户行为画像，摸索出符合实际用户行为的挖掘模型体系；3.数据工程师解释数据挖掘结果，如识别公众客户统计特征间的联系和购买行为，发现客户潜在购买模式和行为趋势。产品经理结合数据结果解决实际营销问题，改善服务品质，提高客户满意度，并对数据挖掘的结果和营销策略进行反馈及评估。

二、数据挖掘在公众客户精准营销中的应用

数据挖掘技术在通信行业中的应用越来越广泛，它以市场为导向，主要包括客户行为分群、客户关联预测、产品生命周期分析、销售趋势预测等。主要的应用方式有：

聚类分析（Cluster analysis）指将抽象对象的集合分组为由类似的对象组成的多个类的分析过程。在商业中常用来分类不同的客户群体，并通过购买模式刻画出不同的客户群体特征。主要包括目标客户群体分类、客户行为分群、客户背景分析、产品价格组合、市场的细分等。

关联分析（Correlation analysis）是在交易数据、关系数据或其他信息载体中，查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构。其目的是找出数据库中隐藏的关联网，可分为简单关联、时序关联和因果关联。最典型的例子就是购物车分析，通过发现顾客放入其购物车中的不同商品之间的联系，分析顾客的购买习惯。了解哪些商品频繁地被顾客同时购买，这种关联的发现可以帮助厂商制定营销策略。

回归分析（Regression analysis）是确定两种或两种以上变量间相互依赖的定量关系方法，其主要研究问题包括序列的趋势特征，以及数据间的预测关系。可以应用到客户寻求、保持和预防客户流失活动、产品生命周期分析、销售趋势预测及有针对性的促销活动等。

偏差分析（Variance analysis）又称为挣得值分析法，它是对项目进度和费用进行综合控制的一种有效方法，其目的是寻找参照量与观察结果之间有意义的差别。偏差挖掘可以应用到各种异常信息的发现、分析、识别和评价等方面。

三、基于数据挖掘的公众客户精准营销策略

以往研究中，主要强调数据挖掘在精准营销中的实现作用，而忽视公众客户与精准营销策略对应关系的建设。数据工程师与产品经理应从产品、价格、促销、渠道四个营销方面进行深入沟通，建立完善的公众客户精准营销整合体系，以达到最优的营销效果，建议从以下方面开展精准营销：

（一）产品策略

响应公众客户实时需求，制定产品模块化组装策略。数据工程师需及时分析出公众客户差异化需求动向，产品经理要对不同的客户需求进行快速响应，首先要做好现有产品进行模块化拆分。产品模块化意味着不同产品可以及时组合，结合数据分析结果快速地组装成个性化的产品，响应客户实时需求。

（二）价格策略

探寻消费感知差异，制定差异化产品价格。消费感知价值差异决定了需求水平的差异化，导致了不同购买意愿存在显著差异。公众客户群体价值差异化显著，由于购买意愿取决于感知收益和感知价值之间的差额，因此要充分探寻消费感知价值差异，提升公众客户的购买意愿。针对不同生命周期的公众客户，其对产品感知价值也存在着周期性差异，可以根据公众客户消费感知价值周期，精确设定差异化产品价格策略。

（三）促销策略

合理建立互动平台，实现精准促销。运营商的传统促销策略主要体现为单向式信息传播，公众群体被动接收信息，促销系统缺少对公众客户反馈意见的数据收集分析，导致促销调整策略周期滞后。精准营销侧重于关注公众客户的参与过程感受。产品经理可以基于移动互联网为沟通载体，在电信业务的促销过程构建网络社交互动平台，与消费者进行互动沟通。另一方面，基于大数据分析系统，实时收集公众客户对产品体验的反馈意见并进行统计识别和细分，分析结果进而可以指导产品经理进行促销策略地及时调整。

（四）渠道策略

全面整合数据资源，打通精准营销渠道。以往营销渠道主要分为线上电子业务和线下营业厅人工业务，随着业务的逐年扩大，企业规模存在着层次性的叠加，缺少业务整合一直是打通精准营销渠道的最大障礙。应建立有效的整合营销渠道，各渠道之间做到数据实时共享。如将公众客户的社交网络关系、历史购买记录和人口统计特征等信息实时共享给各营销渠道，那么各渠道的营销人员就可以为公众客户信息提供个性化的精准营销服务。如针对国内旅游客户，根据GPS定位信息，及时推送不同国内流量模块资费信息，便于公众客户及时选择组合产品资费。

四、企业开展数据挖掘的注意事项及未来发展趋势

（一）注意事项

选择专业的合作伙伴。通信企业缺少数据挖掘的专业统计人员，常以外包的形式开展数据分析工作。但现有专业统计公司技术水平参差不齐，容易陷入低价中标误区，导致难以达到理想数据分析的效果。企业应结合数据分析任务目标，对外包项目单位进行实际案例调研，选择具有项目针对性强的数据分析公司；各分公司快速建立自有大数据分析部门，尽量做好任务分配及数据结果反馈协调工作；外包单位尽量派专人实施阶段性驻场数据分析。

数据挖掘要严防信息泄密风险。应在管理上采取预防措施，如数据挖掘软件安装在专用电脑上并采取加密措施专机专用，禁止使用移动设备传输信息，禁止上网等基本安全保密工作。并与合作公司签订保密条款，明确数据泄密职责，预防数据泄露风险。

（二）未来发展趋势

目前，数据挖掘在公众客户精准营销中的应用正从单一的挖掘模型转向多维组合模型。单一挖掘模型已被运营商合理应用并取得了显著的效果。而多维组合模型可以更加精细划分公众客户社会群体行为，通信企业应配合精准营销策略的设计与应用，提供符合客户消费认知的精准营销信息，提高广告的有效性，增加客户消费体验感知。

[参考文献]

[1]符亚男，陈丽华. 4G时代中国移动SWOT分析及战略选择[J]. 中国管理科学，2015， 23（S1）： 679-685.

[2]刘征宇. 精准营销方法研究[J]. 上海交通大学学报， 2007（s1）：143-146.

[3]龚敏， 刘广丹. 基于大数据的精准营销应用研究综述[J]. 市场周刊：理论研究， 2016（7）：58-60.

[4]张向征. 数据挖掘在通信行业营销中的应用[J]. 全国流通经济， 2017（18）：12-13.

[5]李健宏，余薇. 关联规则增量式更新的改进算法[J]. 南昌大学学报（理科版）， 2004， 28（3）：304-306.

（责任编辑：顾晓滨）【经贸管理】