大數(shù)據(jù)精準(zhǔn)營銷模型構(gòu)建略談

1、數(shù)據(jù)采集

數(shù)據(jù)采集是大數(shù)據(jù)營銷平臺的基礎(chǔ)，數(shù)據(jù)類型的多樣性及數(shù)據(jù)來源的差異化是影響數(shù)據(jù)質(zhì)量乃至挖掘效果的重要因素。從數(shù)據(jù)的時效性來看，可將數(shù)據(jù)類型分為：

靜態(tài)數(shù)據(jù)包括人口屬性、商業(yè)屬性等，主要用于用戶的基本屬性分析和智能標(biāo)簽分類。通過性別、年齡、職業(yè)、學(xué)歷、收入等數(shù)據(jù)的關(guān)聯(lián)分析，知道“用戶是什么樣的人”。

近期數(shù)據(jù)主要為用戶一段時間內(nèi)的網(wǎng)絡(luò)行為數(shù)據(jù)，通過對用戶近期活躍應(yīng)用、內(nèi)容訪問、通信行為、常駐區(qū)域等具有一定時效性數(shù)據(jù)的分析，獲取用戶的興趣偏好和消費習(xí)慣等，知道“用戶對什么感興趣”。

實時數(shù)據(jù)主要為用戶實時變化的網(wǎng)絡(luò)行為數(shù)據(jù)，包括搜索信息、購物信息、實時地理位置等，通過地理位置信息實時捕獲用戶的潛在消費場景，抓住營銷機(jī)會，實時觸達(dá)目標(biāo)用戶，知道“用戶在哪里干什么”。

2 用戶畫像

用戶畫像是營銷模型的重中之重，其核心在于用高度精煉的特征來為用戶“打標(biāo)簽”，如年齡、性別、地域、用戶偏好、消費能力等，最后綜合關(guān)聯(lián)用戶的標(biāo)簽信息，勾勒出用戶的立體“畫像”。用戶畫像可較完美地抽象出一個用戶的信息全貌，為進(jìn)一步快速地預(yù)測用戶行為、消費意愿等重要信息，提供了全面的數(shù)據(jù)基礎(chǔ)，是實現(xiàn)大數(shù)據(jù)營銷的基石?；诖?，筆者建議從六個維度構(gòu)建基于大數(shù)據(jù)分析的用戶畫像，包括人口屬性、內(nèi)容偏好、APP偏好、通信行為、金融征信、常駐/實時位置等，各維度的具體指標(biāo)。

3 模型構(gòu)建

常用的數(shù)據(jù)挖掘方法主要是基于用戶畫像體系與結(jié)果，選取相關(guān)性較大的特征變量，通過分類模型、聚類模型、回歸模型、神經(jīng)網(wǎng)絡(luò)和關(guān)聯(lián)規(guī)則等機(jī)器算法進(jìn)行深度挖掘。