数据挖掘技术在精准营销策略中的应用

梁 林,胡凌云

(合肥经济学院,安徽 合肥 230011)

随着移动通信与计算机技术的不断改进,中国正式步入互联网时代。2021年8月,中国互联网络信息第48次发布《中国互联网络发展状况统计报告》,数据显示,截至2021年6月,中国网民规模达10.11亿,较2020年12月增长2 175万,互联网普及率达71.6%[1]。随着互联网的不断普及和网络用户的持续增长,中国各行各业均产生不同程度的改变,企业生产、经营、管理和营销等方面不断革新。在多种新兴科技的支持下,娱乐、消费、浏览等数据逐渐量化,客户的各种行为均会产生海量数据,从数据角度出发进行创新成为互联网时代企业革新的趋势。精准营销作为现代化营销手段,起源便是在客户数据分析基础上进行优化的一种方式,是企业在新时代背景下运用大数据相关技术进行优化的关键方向。“精准营销”这一概念最早于2005年由菲利普·科特勒(Philip Kotler)基于传统营销提出,其要求企业制定更精准、高回报、可衡量的营销计划,并采用先进技术开展营销[2]。精准营销需要对客户特征进行分析,其中涉及目标选择、深入沟通、动态分析等过程,上述内容均需大量数据支持,这与互联网时代的数据特征有机贴合。数据挖掘作为数据价值发掘的核心技术,成为各企业开展精准营销的有效工具。因而,新时代背景下,探索数据挖掘技术在精准营销策略中的应用势在必行。

现阶段,国内外关于数据挖掘技术与精准营销的研究较为成熟,分别从技术应用路径、营销策略调整以及数据挖掘算法等角度进行分析,为数据挖掘技术在精准策略中的应用提供不同参考,杨逸凡在其文章中应用数据挖掘技术对客户进行细分,并以电信行业为实例论证数据挖掘技术在精准营销中的可行性;卢亿雷基于互联网用户数据,通过数据挖掘算法为精准营销策略制定提供用户属性分析。本文从总体角度出发,分析数据挖掘技术本身对精准策略的现实意义及现实应用困境,并基于此提出对应的可行策略。

一、应用数据挖掘技术进行精准营销的实际价值

数据挖掘作为大数据的基础技术,其本质是对海量数据进行收集采样,根据数据特征进行探索、建模与评估,并从中发掘数据的潜在价值。数据挖掘是由“数据库发现知识”一词衍生而来,该技术主要包括数据准备、规律探寻和结果表示三个步骤,常用的算法有神经网络、决策树和智能算法等[3]。随着计算机技术的发展,数据挖掘呈现出更准确、更快捷和更科学的特点,企业能够运用数据挖掘技术进行数据收集、整理和分析等工作,进而辅助企业做出下一步决策,不断优化精准营销策略。

1.先进性:数据挖掘技术能够使精准营销更为前瞻

新时代背景下,民众能够通过互联网接触各式各样的信息内容,其消费习惯与倾向受到各种新兴事物的影响,反复更迭与变换成为新时代消费的特点,企业稍有偏差就会失去客户市场。为准确把控客户消费倾向,确保企业提前占领市场与客户,企业营销策略需要具有一定的前瞻性,营销内容要领先于消费者,保证产品不落后于时代。数据挖掘作为大数据技术的重要构成,是一种新兴科学技术,具有先进性特点,能够在历史数据的基础上进行预测,使企业将目光放得长远,使企业精准营销策略制定具有前瞻性。具体而言,数据挖掘技术具有系统的应用流程,其以数据库与信息资源库为基础,通过信息整合与模型搭建,形成灵活、可靠且安全的数据发掘架构。在数据挖掘技术的支撑下,客户信息得到规范化整理,模型通过学习客户既往消费、浏览等信息,得出客户消费习惯与规律,再结合当下发展趋势等信息数据,推断出客户接下来的消费倾向,企业可根据此结果制定具有前瞻性的精准营销策略,使营销内容能够跟进时代发展,贴合消费者需求,确保企业营销策略时刻领先于市场与消费者。

2.经济性:数据挖掘技术能够使精准营销更为快捷

精准营销策略属于精细化营销策略,需要在准确定位的基础上,依托先进的科学技术构建服务体系,进而实现低成本扩张。因而,精准营销策略的制定与实施是一项耗时耗力的工作,会给企业生产带来巨大的成本。而依托大数据的数据挖掘技术具有显著的便捷性特点,能够给精准营销策略的制定与落实带来明显的经济效益。具体而言,通过数据收集、模型训练和架构搭建等,数据挖掘能够自行对客户特征进行划分与学习,更快捷地寻找目标客户,为企业省去人力与物力成本,降低“无用功”的付出占比,提高营销成功率[4]。同时,基于算法与模型构建的数据挖掘框架,数据挖掘技术能够在程序设定下进行自主学习、运行与计算,在数据输出与反馈的往复中对模型进行更新与优化,对精准营销策略进行动态调整,使企业能更快捷地输出策略方案。此外,在大数据技术的支持下,企业可以将经济性指标输入模型中,通过科学计算综合成本、效益、性价比等指标,得出最适宜的产品与定价,充分利用企业设备与信息资源。数据挖掘技术还能为企业提供自动化报表,节省员工的时间,使其能够将精力投入客户沟通与交流中。

3.可靠性:数据挖掘技术能够使精准营销更为科学

精准营销的核心目标是实现企业可持续发展,即通过准确有效的扩张,实现更精准、可衡量、高投资的回报。因而,企业实施精准营销策略要具有可靠性与稳定性,即能够为企业带来收益与回报。传统营销策略一般根据经验制定,具有明显的主观性与盲目性,难以确保企业通过营销获得相应回报。而数据挖掘作为高新技术,集计算机技术、大数据技术和机器学习等科技优势为一体,具有诸多理论支撑[5]。在精准营销策略中应用数据挖掘技术,能够以数学模型的形式进行客户识别、策略制定等活动,提高精准营销的定量分析可靠性,使营销策略更为科学。此外,数据挖掘技术可以对既往精准营销策略进行深度剖析,通过分析营销策略成功与失败的因素,为企业下次精准营销策略的制定提供科学建议,增强策略的可靠性。精准营销需要获取客户个人数据,涉及数据泄露等安全问题,处理不当会使企业失去客户资源。数据挖掘技术具有安全性,企业可通过安全等级保护构建多层次防控机制,从物理层面与系统层面等多个角度考虑潜在风险,确保数据来源安全,在数据分析与价值挖掘过程中保障数据安全。

4.针对性:数据挖掘技术能够使精准营销更为精准

互联网时代,民众能够便捷地接触各式各样的信息,个体特征被逐步放大,客户消费呈个性化趋势,企业营销策略需要更具针对性。由于针对个体客户的营销策略制定极为耗费人力与物力,传统精准营销策略往往面向某一类客户群体,无法兼顾个体客户的具体需求。在数据挖掘技术的支撑下,企业能够借助算法与计算机等先进科技,对客户特征进行详细分析,进而为每个客户提供极具针对性的营销策略,提高精准营销策略的准确度。具体而言,数据挖掘技术能够根据客户历史数据、企业营销过程等信息进行定量分析,如企业可以从客户的注册信息与浏览记录中获取客户个体信息,进而充分了解客户的年龄、性别、文化层次、爱好倾向等,分析客户兴趣,掌握客户的潜在消费需求。根据数据挖掘结果,企业能够针对客户个体具体特征,在合适的时间、地点向客户推送最适宜的产品,提升精准营销策略的成功率。同时,数据挖掘具有多样性与开放性,随着产品升级迭代,企业可根据实际情况对系统进行升级与调整,保障数据应用的可扩展性、可优化性,进而满足不同客户的需求。

二、精准营销策略中应用数据挖掘技术的现实困境

精准营销概念起源较早,早期精准营销策略主要采用单向思维向客户推销。随着经济实力与物质水平的不断提升,客户对产品的兴趣不断产生改变,精准营销策略也不断改革,逐步转变为以互动为核心的双向交互[6]。新时代,在海量数据支撑下,企业能够根据客户特性研发并推送针对性产品,这与新时代用户个性化特点相吻合,精准营销策略向个性化转变。然而,传统营销思维与方式方法固化、传播主体与客体之间的转换难以及时调整、产品内容无法与时俱进等诸多原因均制约着数据挖掘技术在精准营销策略中的应用。

1.客户数据标准化程度不足,难以支撑数据挖掘需要

数据收集与存储是数据挖掘的基础,若无法获取有效的数据源,就无法对数据内部价值进行挖掘。数据收集需要对数据内容进行详细统计,包括时间标签、产生地点、数据格式和限制条件等内容。唯有充分统计数据信息,才能从数据间探寻出相关规律。然而,目前部分企业存在数据标准化程度不足的问题,致使其在应用数据挖掘技术时缺少基础支撑。具体而言,部分企业缺少数据标准化意识,在研发系统时数据自动收集的规则不统一,在存储后仍需要进行数据预处理、数据清理等工作,给数据挖掘带来不必要的工作量。同时,在进行人工数据收集时,由于工作人员自身习惯问题,致使数据统计格式不一,在进行系统输入与数据存储时仍旧需要进行标准化处理。由于标准化程度不足,数据筛选时会剔除部分无效数据,而剔除的数据中难免会存在关键信息,这就导致企业失去可挖掘的价值内容,制约精准营销策略制定。以图书销售为例,新华书店等大型连锁书店均有自身数据收集系统,但由于进货渠道、出版社和营销模式存在细微差异,各店面运营管理方式存在差异,系统收集的数据格式有差异,无法准确获取各类客户的消费信息,无法为数据挖掘夯实基础[7]。

2.传统营销策略思维套路化,难以贴合数据挖掘逻辑

数据挖掘的本质是从大数据中探寻有价值的信息,这表明数据本身的价值密度较低,需要海量数据与关键技术支撑,才能从中探寻贴合企业发展需要的有效信息。传统营销思路具有重利润、高成本和条件多等特点,与数据挖掘技术内在核心不吻合。首先,传统营销策略的核心注重点是企业利润的扩张,只为提高收益,对客户数据的分析明显不足,并未探寻利润提升的本质原因,无法实现可持续发展,这与数据挖掘技术对关联性的强调相悖。其次,传统营销策略需要耗费大量人力、物力,并且较为依靠营销经验等主观条件,对客户数据关注不足;而数据挖掘具有高度系统性与科学性,能够通过模型算法分析客户特征与潜在需求,与传统营销注重经验的思维相悖。因此,在精准营销中应用数据挖掘技术必须提高企业对数据的重视程度。最后,受到运输条件、信息传播速度和产品存储等因素的影响,传统精准营销需要考虑时间、空间和市场等因素的限制,策略的制定与实施受到诸多条件的影响;而数据挖掘能在互联网等技术的支撑下,为企业提供更快捷且准确的营销策略,有效突破传统营销思维限制。

3.企业对客户需求认知有限,难以发挥数据挖掘价值

在既往营销策略中,企业是策略制定的主体,策略内容以产品为主导,通过提高产品质量主动吸引客户进行扩张。互联网时代背景下,客户接收的信息内容丰富多样,其个性化特征凸显,对产品的需求产生巨大转变,兴趣、价格、产品质量等均成为消费影响因素。在网络空间的支持下,客户成为传播主体,营销主客体身份逐步模糊,客户与企业共同构成营销主体角色。现阶段,在技术条件、营销思维等多重因素的影响下,部分企业并未真正了解客户真实需求,认为进行简单的客户需求分析即可,这与数据挖掘对价值的深度剖析相悖,会阻碍数据挖掘技术的应用。具体而言,企业并未对客户进行详细分类,仅对不同消费群体进行划分,并未据此进行特征归纳,也未能为客户个体进行画像,致使企业对客户需求认知有限,无法提供数据挖掘进行明确的价值探寻。以银行业务为例,J银行在2020年提取的客户数据主要为风险排查与法律合规等审计类数据,对客户营销数据、金融类数据提取不足,表明J银行并未对企业客户行为数据进行详细提炼,分析结果片面且粗糙,未发挥数据挖掘技术的真正价值[8]。

4.大数据技术相关人才缺失,难以支持精准营销研发

数据挖掘作为新时代高新科技的重要内容,是一项复杂且系统的工程,其技术含量较高,对所需人才同样提出高标准、严要求。然而,目前部分企业大数据相关人才缺乏,引进的一些技术人才对企业内部营销结构不够了解,导致数据挖掘技术与精准营销策略难以有机结合。一方面,企业大数据相关人才储备不足。数据挖掘需要对海量数据进行收集、存储、分析等操作,不同步骤需要对应不同的专业基础设施与人才支撑,由于设备与人才成本过高,多数中小企业难以支持相关人才的储备。以营销成功的代表企业为例,京东在大数据精准营销方面成立了专门的部门,该部门含员工4 000名与800台集群服务器,用于支持客户数据收集与营销工作[9]。另一方面,数据安全问题难以保障。大数据时代背景下,数据安全成为社会高度关注的问题。客户数据包含个人姓名、家庭住址、银行账户等关键信息,稍有泄露就会给客户带来信息安全问题,因此,在收集客户数据的同时保障数据安全是各企业的必要工作。然而,数据安全保障是一项技术要求较高的工作,部分企业仅依靠自身力量难以保障客户数据安全,给精准营销埋下隐患。

三、数据挖掘技术在精准营销策略中的应用路径

随着网络用户的不断增加,互联网空间下的客户数据呈指数级增长,大数据时代已然到来,企业应当与时俱进地应用大数据技术进行革新。精准营销作为一种集定量与定性分析为一体的策略,要根据现有及潜在客户内在需求,实施针对性营销策略,以最小的投入换取最大经验效果。大数据时代背景下,客户数据更为清晰可见,且数量极为可观,企业能够从海量数据中获取足够的内容。为此,企业要根据自身现状与发展需要,从精准营销与数据挖掘结合困境角度出发,通过明确数据标准、拓展营销思路、分析客户需求和开展技术研发等路径挖掘数据价值,提高精准营销策略质量。

1.明确数据标准化规则,构建客户群体精细化画像

数据收集与存储是数据挖掘技术的基础构成,只有保障数据源的质量,才能从海量数据中挖掘出对应内容。因而,为从价值密度偏低的海量数据中寻找企业所需的信息,在应用数据挖掘技术时,需要明确数据的标准规则,确保收集的数据规范、有序,进而为客户群体构建精细化管理画像,夯实数据价值挖掘基础。一方面,企业要根据自身业务明确数据标准。大数据是数据挖掘技术的根本基础,企业需要构建自有数据仓库,为价值挖掘等工作奠定基石。标准的数据格式能够提高价值挖掘效率、减少不必要工作,企业首要工作便是明确数据标准,提高数据采集质量。以零售行业为例,为收集会员购物数据,将其消费内容分为会员卡号、付款总额、支付方式、购物内容等几大类,购物内容又细分为水果蔬菜、新鲜肉品、牛奶、酒水等,通过标准化规则提高客户数据收集质量[10]。另一方面,为客户群体进行精准化画像构建。客户是企业效益与收入的根本来源,构建客户画像能使企业管理更为精细化。在数据收集标准化完成后,企业设置划分规模、利润、粘性和忠诚度等模块,通过精细分类、关联疏通等方式进行客户分组,并针对客户个体进行精准画像,为其制作特征标签。

2.拓展数据化营销思维,打造大数据精准营销平台

随着互联网普及程度的不断提高,市场竞争与客户需求发生动态转变,传统的营销思路与策略不再适用于当前时代。为此,新时代背景下,企业要以大数据思维为基础,拓展数据化营销思维,打造大数据精准营销平台。首先,优化平台架构。目前,大部分企业都有自建或租用的大数据平台。为将数据挖掘技术有效应用于精准营销中,企业要根据精准营销特点对大数据平台进行架构优化,提高数据挖掘科学性。以大型银行大数据平台为例,在现有系统的基础上,逐步向开放化过度,形成核心交易在“主机+开放”形势下的同向运行[11]。其次,拓宽平台场景。大数据精准营销平台要面向全体员工,企业要为不同部门的员工提供操作模块,促使各员工均能参与精准营销策略制定过程。例如,财务部门人员可将企业收益率纳入精准营销影响因素范畴。最后,落实反馈机制。精准营销策略的最终面向群体是客户,优化策略的有效途径便是吸取客户建议。企业要在大数据平台中设置反馈模块,并安排专员为客户提供售后服务,动态捕捉客户需求,不断提升企业服务质量与客户满意度。

3.定位客户潜在性需求,实施定向化精准营销策略

精准营销策略的本质是将特定的营销内容推送给目标客户群体,进而提高营销收益的概率。因而,客户需求与营销内容的贴合程度便是精准营销质量高低的关键因素,探索客户潜在性需求成为各企业发展的关键。为此,基于数据挖掘技术,企业能够精准地分析客户特征,定位客户潜在性需求,根据分析结果制定个性化精准营销策略,并通过定向传播进行方案实施。具体而言,企业要充分发挥数据挖掘技术在客户需求分析方面的价值。根据此前对客户的精细化画像构建,企业能够获取客户个体收入水平、支付能力等基础信息。针对特定客户,企业要应用数据挖掘技术分析其具体消费数据,通过模式训练与学习发现其购买偏好。以餐饮行业为例,企业可根据消费数据分析客户为“健康饮食”或是“偏爱甜食”等消费倾向,并根据其消费数据分析其购买倾向,进而依据分析结果推送新产品或重复购买物,增加精准营销策略成功率[12]。此外,根据客户画像分析,企业还能应用数据挖掘技术对不同营销策略进行分析,分析客户对不同营销策略类型的倾向度,为不同客户定制动画、影视、文案等不同类型的营销方案,实施定向化精准营销。

4.注重大数据技术研发,培养精准营销复合型人才

数据挖掘技术应用需要基础设备与专业人才支撑。大数据时代背景下,健全相关人才培养机制是各企业的重点任务。为在精准营销策略中充分运用数据挖掘技术,企业要以大数据技术研发为目标,培养熟悉精准营销与数据挖掘的复合型人才。其一,企业要明确科技人才引进计划。新时代背景下,计算机等相关专业逐步受到各行各业重视,IT类人才成为各企业人才资源库的重要构成[13]。为充分应用数据挖掘技术,企业必须明确IT类人才引进机制,通过制定大数据研发计划,有序并有预见性地吸引相关人才。同时,企业需要明确IT板块管理体系、薪酬制度和考核激励方式,引进高端人才。其二,企业要制定员工培养制度。大数据背景下,员工需要具备大数据思维,才能在营销活动中有效应用数据挖掘技术。为此,企业要根据员工情况制定培养计划,针对研发人员、营销人员、管理人员安排不同培训内容,在企业不同板块开展差异性教育,确保复合型人才的培养。其三,企业要落实产品经理体系。产品经理属于复合型人才,能够准确认知客户需求与技术要点,可以全过程参与产品研发、需求发掘、开发测试、营销跟踪等多个环节,将数据挖掘技术有效应用于精准营销策略中。