人工智能及大数据技术在数字营销中的应用

屈娟娟

（中山大学新华学院 广东广州 510520）

随着高新技术的快速发展，科技已经越来越融入和影响我们的生活，当前信息技术已经被广泛应用在各行各业中，在营销行业中也得到了充分的应用，尤其是数字营销行业的应用。5G时代的来临，使得万物变得有联系，正迅速地压缩时间以及空间的距离，人类正一步一步地迈向地球村的愿景。人工智能的发展，极大提高了每个行业以及细分领域的运营效率，尤其是最近几年，人工智能在客服、营销等领域的研究和应用逐渐加深，为这个行业和市场带来了机遇和挑战。在这样一个科技迅猛发展的时代，社会运转的节奏、人类处理信息的能力、科技对社会进步的影响都在加快，增加速度是前所未有的。本文针对人工智能以及大数据技术进行了介绍，再对人工智能及大数据技术在数字营销中的应用进行分析。

人工智能及大数据技术

人工智能技术。人工智能（Artificial Intelligence），英文缩写AI。它是一门全新的技术科学，主要用于对人进行模拟和扩展，包含与之相关的一系列理论、方式、技术和应用系统。人工智能技术通过分析人的思考、行为、动作，做出相关的推荐和分析。人工智能核心技术之一即是训练计算机学习人类的行为、思考方式，通过不断的训练，改善其学习能力和储存的新技术和知识，再通过计算机语言对储存的知识进行完善以丰富自身技能。计算机可以利用其记忆永久的特点储存大量的过往信息，不断优化其应用程序以提高性能标准。

大数据技术。大数据（big data）是一种信息资产，该信息资产是通过全新的处理模式以拥有更强的分析力、针对性和优化能力，它不能通过传统的常规应用程序进行收集、处理和管理，它是一种多样化的、一直在持续更新变化的资产。根据维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中的观点，大数据是运用所有的数据进行分析和处理，而不是用传统的随机分析或抽样调查的方法。IBM提出大数据有五个特点：Value（低价值密度）、Velocity（高速）、Variety（多样）、Volume（大量）、Veracity（真实性）。大数据技术就是在大量数据信息的基础之上，对这些数据所含的意义进行处理。通过把其储存的历史数据与实时更新数据进行结合，进行分析、处理，进一步开发出需要的新模型。

智能化数字营销的特点

图1 营销系统模型

图2 消费者需求培养模型

图3 决策框架模型

数字营销是一种借助网络技术、计算机技术、多媒体技术以及交互技术等数字化手段达到营销目的的营销手段。数字营销追求的是最大程度的利用计算机技术，高效地开拓市场和挖掘消费者需求。数字营销借助微博、短视频、微信、邮件等数字化多媒体方式，对数据库中明确的目标用户实现精准化营销。数字营销还具备一系列优势，比如低营销成本、可定制化、高时效性、用户关联性高等，这种数字传播渠道来推广产品和服务的实践活动，使得商家和消费者能更好进行沟通。具体如图1所示。

了解消费者需求。彼得·德鲁克是著名的管理学大师，提出营销的最终目标是深入洞察和知悉用户。人工智能技术和大数据技术的发展，使得企业能够更加充分的了解用户，提升对用户的服务质量，同时还可以不断完善企业自身在用户心中的形象。通过对每个用户的行为记录，利用智能化技术对每个用户进行“画像”。例如小明在网上购买了一双足球鞋，他的购买记录则被记录在数据库中，之后便会为小明推送各种足球、球袜、球衣等相关物品。以用户的行为数据为基础，结合人工智能、大数据等技术，挖掘这些行为数据背后潜在的行为活动，让营销人员更加有的放矢。利用人工智能和大数据技术，分析预测用户的未来行为轨迹，不断丰富用户“画像”进而与用户产生共鸣，既可以加深用户对于企业的认知度，又可以达到提升营销效率的效果，具体如图2所示。

网络流量助推数字营销。当前，短视频、网剧盛行，这些视频的一个重要特征就是娱乐化。这些视频首先通过娱乐的方式吸引眼球，再在更新视频的同时，慢慢加入营销。例如我们熟悉的“抖音”“快手”等短视频应用中，经常可以看到各类商品的营销。通常平台通过对个人浏览记录的分析以及全网用户的浏览数据进行分析，结合个人喜好以及视频流量的大小，进行推广和营销。在网剧数字营销方面，通过在网络连续更新剧目，培养大批粉丝，保护该剧目的大流量，同时不断培养粉丝对于网剧周边商品的需求。

数字营销的智能化应用举例

本文以某连锁酒店企业为例，在这里采用分群模型对智能数字化营销进行分析。该模型主要由以下四种算法组成。

首先为K-means聚类算法，聚类是将一组物理或抽象项目分组到相似项的类中，这些组既有意义又或有用，或者两者都有，该算法的基本思想是发现k簇，使得每个簇中的记录彼此相似，并且与其他簇中的记录不同。其次是决策树，决策树就是一种更具直观说服力的数据算法，它可以对数据进行快速的开发和计算，本文选取的是一种数据库分割式的决策树，即卡方自动交互检测（CHAID）决策树。接着是帕累托比率，该定律认为近80%的效应来源于20%的原由，这一比率常用来表述大量的事实，这是商业中常见的经验法则，例如企业家和业务经理相关的分布说明80%的利润来自20%的客户。最后是RFM模型，该方法被广泛应用于评估客户终身价值，并且RFM模型的聚类算法通过构建精准的客观变量，可以为研究提供了最有力的依据。

表1 聚类算法分析结果

表2 数据结果统计表

某酒店企业采用如图3所示的决策框架。该决策模型主要包括三部分，即数据准备部分：准备和分析客户的质量来决定他们的目标；客户分类部分：利用RFM模型、聚类算法、决策树算法、帕累托比率来分析每一个维度的客户信息，用以目标客户分类；最后在市场的基础上做出决策。

首先收集数据，考虑了24173个客户作为这个案例研究的目标客户。对其以聚类算法进行数据分析得到结果如表1所示。接着以CHAID决策树确定活动的人有较高的订单数的客户，以及帕累托比例细分客户价值，加上响应模型（Response Models）进行付费预测，得到的数据结果如表2所示。

借助相对成熟的智能数据开发技术，H酒店集团以CDP为数据平台，全方位多维度采集数据，从而发掘出3类价值较高的潜在客户，这三类客户包括：高价值的商业和旅游客户、节假日频繁出外游玩的客户群体、意向客户人群。然后，根据统计数据，针对不同的人群，制定了不同的营销策略，制定客户需要的服务，提升客户体验的满意程度。进行程序化广告定向激活，EDM信息促销，SMS信息传递等等。

结论

智能化时代已经来临，人工智能和大数据技术正在引领数字营销向智能化数字营销转变。首先，人工智能和大数据技术可以充分利用已有的营销数据并且能够更加便捷和高效；其次，人工智能和大数据技术可以为更准确、更有针对性和更有创造性的数字营销策略提供支撑。

将人工智能和大数据技术引入数字营销的同时，也需要保持思考，虽然这些智能化技术能极大提高数字营销的效率、准确度和多样化，但是想要完全用智能化技术取代传统人工，笔者认为至少在短期内还是不太可能的。营销都是以挖掘和研究用户需求为主，同时保持足够的沟通和交流，而沟通和交流这种互动行为，单纯的机器很难达到彻底取代人工的地步。因此，利用人工智能及大数据等智能化手段非常完美地促进数字化营销，仍有很长的路要走。