精准营销

关键词: 精准营销；决策树；K-Means聚类；电子商务

摘要: 本文运用大数据技术采集某中小型服装商家数据，通过CHAID决策树分析，发现顾客购买该服装商家的第一层决策因素是性别，主要为女性，第二层决策因素是消费者年龄，第三层决策因素是消费者所在城市。再通过K-means将顾客订单分成三个聚类，第一类是一般订单，每一订单购买数量少且总金额不高；第二类是重要订单，每一订单购买数量多且总金额高；第三类是可提高订单，每一订单购买数量虽然不多，但是总金额高。最后根据决策树分析与聚类分析结果，提出相应的精准营销策略。

1. 引言

随着信息技术的发展和互联网的普及，改变了人们的生活方式，更推动了商务的创新发展。电子商务兴起，人们的购物方式更加多元，电商的行业竞争日益激烈。截至2021年6月，我国国内网络用户规模达10.11亿，较2020年12月增长2175万，互联网普及率达71.6%，较2020年12月提升1.2个百分点 [1] 。线上购物逐渐成为消费者的首选购物方式，这在一定程度上促进了我国国内电子商务的发展。伴随着电子商务的不断发展，我国的消费市场得以不断大步前进。对于商家而言，要想在竞争中脱颖而出，除了商品本身的品质之外，商家的营销策略更成为吸引消费者购买的重要的手段。在大数据技术快速发展的今天，电商大数据的采集、分析与挖掘渐渐成为商家订定营销策略的依据，大数据技术被誉为未来的新石油 [2] 。

近些年来，我国电子商务领域的信息呈现出爆发式增长的态势 [3] 。如何在这些海量的数据中找出有价值的信息，是大数据技术发展的初衷。通过大数据技术我们可以获取消费者的购买行为与消费习惯，刻画出用户画像并且拟定针对不同消费者的精准营销策略，帮助商家用最小的营销成本获取最大的利益，而消费者也能获得商家推送的合适和喜爱商品的相关信息，提高消费者粘性，从而实现买卖双方的共赢，帮助商家在竞争者中脱颖而出。本文旨在利用大数据技术分析电商某中小型服装商家的消费者行为、商品信息与相关数据，帮助商家了解自己的消费者群体，制定精准营销策略。

2. 文献综述

2.1. 大数据

“大数据”一词是由美国麦肯锡咨询公司提出的，指的是将各种渠道、各种类型、各种格式的海量数据，经过计算机的运算与分析，形成精准的数据信息，为企业提供市场信息、为政府提供发展报告、为人民提供建议的一个综合的、直观的、精准的咨询系统 [4] 。

2.2. 营销策略

传统营销是尽可能的把大量的产品和服务提供给大量的顾客，营销理论是以企业的利润为出发点，并未把顾客的需求放到与企业利润同等重要的位置。因此传统营销模式是以市场导向，它满足市场个性化需求的成本过高 [5] ，营销策略则是以产品、价格、渠道和促销的4P组合为主。Kotler认为营销策略是企业预期在市场达成营销目标的指导原则，包括营销支出、组合与资源分配 [6] 。Foxall认为营销策略为使用营销组合以达成营销目标 [7] 。

一个产品从出厂直到消费者购买到手，需要经过好几个经销环节。从生产厂家到各级分销商，再到消费者，这种传统的销售网络是传统营销的经典模式，具有强大的辐射能力，为产品占领市场发挥着巨大的作用。然而这种传统的营销模式也存在很多弊端，例如产品利润被层层瓜分，政策推广和执行力度逐级削减，生产厂家和消费者之间得不到及时有效的交流沟通，商家的营销不能够发挥作用。

互联网行业的繁荣，不仅能够及时满足企业产品展示、销售、信息反馈等各方面的需求，而且能够使消费者体验到源自产品的全方位、一体化的服务 [8] 。随着电商的崛起，企业若想提高市场占有率，就必须针对顾客需求，打破传统的营销模式格局，寻求产品依托互联网发展。在互联网时代，传统营销模式的转型和发展成为企业发展必然之势。

2005年，科特勒第一次明确提出了精准营销，并指出，企业需要更精准、可衡量和高投资回报的营销沟通，需要制定更注重结果和行动的营销传播计划，注重对直接销售沟通的投资。精准营销是通过定量与定性相结合的方法对目标市场的不同消费者进行细致分析，并根据其不同的消费心理和行为特征，采用有针对性的现代技术、方法和指向明确的策略，实现对目标市场不同消费者群体强有效性、高投资回报的营销沟通 [9] 。Zabin & Brebach (2004)提出的精准营销的4R准则，即正确的顾客(Right Customer)、正确的信息(Right Message)、正确的渠道(Right Channel)和正确的时间(Right Time) [10] 。

2.3. 大数据精准营销

大数据时代，数据已成为企业的核心资产和赖以生存的经济资源，网民和消费者的界限逐渐消弭，每一位网民都是潜在的消费者；企业的疆界变得模糊 [11] ，互联网深刻影响企业的销售模式。在大数据时代，企业需要快速、精准地了解产品以及消费市场信息，通过大数据分析技术抢抓市场机遇。国内外大数据精准营销策略的研究主要以消费者行为为主，通过对消费者行为的分析来确定消费人群，精准的定位市场，以达到商家利润最大化的目的。差异化营销是电商企业精准营销的重要内容，通过细分不同的产品与人群来使得产品与客户对应匹配，不同层次的人群接受不同价格的产品，享受不同的服务，虽然有失公平性，但却是很好的稳固客户的方式 [12] 。在众多平台牵头建立合法的行业数据平台的今天，挖掘用户信息不再是一种违法行为，企业可以合法的获得用户信息数据，并对所得数据进行分析，来制定针对客户的精准营销策略，使得自己的企业能够不断壮大，带领行业稳步发展。

精准营销是对目标市场进行精准定位，以提升信息传播的针对性，精准营销相对于传统营销有着准确定位消费者的优势 [13] 。企业通过对消费者进行群体分类，能够明确的得知自家产品的主要消费顾客群体，对不同的消费群体制定不同的生产线以及产品，使得产品一经上市就能收到明显成效，增加营收利润。通过精准营销，企业只需要对特定消费群体进行专属于这个消费群体的营销宣传，而不必对所有的消费者都进行营销宣传，降低人力资源与营销成本，利用最低的成本去获取最高额的利润，为企业的长久发展提供更多的支撑。

2.4. 服装电商发展现状

随着经济的不断发展，我国的服装纺织产业得到了巨大的提升，开始走上了创新发展的道路，许多设计师纷纷建立并创造独具个人特色的服装品牌，大量具有中国特色的服装兴起，我国的服装产业开始呈现多样化、创新化的特点。目前全国服装产业主要集中在东南沿海省份，中西部地区的服装产业还处在比较落后的状态，绝大多数服装企业销售的模式以批发为主，企业之间的竞争也主要还停留在比款式、拼价格等恶性的竞争上面 [14] 。

电商的发展使整个服装产业，走向产业升级的道路，许多个人卖家纷纷在淘宝、拚多多等电商平台开设店铺，针对不同的人群，创造出不同的带有明显风格特色的电商服饰品牌，整个市场呈现百花齐放但竞争剧烈的景象。

3. 研究方法

电商的服装商家都会希望通过平台吸引更多流量增加营收，但并不是所有的店铺都有能力针对自己的品牌做消费者分析，然后依据结果针对不同群体制定精准的营销策略，只能通过大概的数据以及前期定位来制定营销策略。这也使得一些服装品牌的产品，无论是从设计、质量、还是价格来看，在都很让人满意的情况下，却得不到相匹配的流量和收益。

如果能够利用大数据技术分析企业的销售数据，来制定精准营销策略，将能够帮助企业更清晰确定市场定位，锁定消费者，抢占先机拓宽自己的市场，实现收益的最大化。本文拟利用大数据技术，采集某一电商平台服装企业的真实商业数据，进行大数据分析并提出营销策略，建立分析的流程与模式，提供企业参考。

3.1. 数据来源

本文数据来源于天猫电商某品牌2019年全年的消费数据，通过Python爬取，数据总行数为9268行，共9列，分别为消费者的ID，消费者所在城市，消费者性别，消费者年龄段，下单日期，商品种类，单件成品，订单物品量，订单总金额，数据概览如图1所示。

图1. 某电商平台服装企业的数据概览

3.2. 数据处理

消费者的ID为int类型，需要转成字符串object类型，以确保数据分析结果不会被混淆。原始数据没有缺失值和重复值，处理掉一些无效值后，数据变为9210行，共9列。此处的无效值是指数据为0或者UNknown的类型。

本研究的服装电商描述性统计资料整理如表1。由表1我们可以看出平均每笔订单购买1.24个商品，说明大部分的消费者在此服装电商的商店内仅购买单件商品，而用户每笔订单的平均消费额是1024.7元，中位数是809，说明这个店铺内的消费者大多数为中端消费者，不排除有个别的高端消费者。同时利用MONTH函数获取所有时间的月份，新增一类命名为month，用于后续月度的消费行为分析，增加“订单利润”列，用于分析店铺的收益情况。处理后的数据变为11列。

表1. 研究数据的描述性统计

3.3. 研究方法

本文利用CHAID决策树，针对中小服装电子商务消费者购买服装的主观、客观因素进行分类，找出购买的主要因素和下一级考虑因素。再利用K-means聚类分析和数据可视化呈现，对购买服装的消费者进行分类，建立同类型用户数据库，进行分析并给予相应的精准营销策略。

4. 数据分析结果

4.1. 决策树分析

决策树分析结果如图2所示。从图2我们可以看出购买该服装电商各类衣物的消费者第一层因素为性别。该店铺64.3％的消费者为女性，而男性占比仅为百分之35.7%，女性占比高出男性占比接近30%，但是共同之处是男性群体和女性群体都在短袖T恤上消费占比最大。在女性群体中，购买短袖T恤的占比为20.6%，其次为购买购买长袖T恤的占比13.0%，再其次是毛衣的占比11.7%和购买外套的占比10.6%；在男性群体中，购买短袖T恤的占比为18.8%，其次为购买毛衣的占比13.4%，再其次是购买外套的占比13.2%的占比和长袖T恤的占比12.5%。在女性群体中，购买短袖T恤、长袖T恤和毛衣的占比超过了45%；在男性群体中，购买短袖T恤、毛衣和外套的占比则超过了39%。因此该店铺的主营产品应该选定为短袖T恤、长袖T恤、毛衣和外套，再参酌这几项产品的成本与利润，做最后主营商品的决策。

其次第二层的分类因素为消费者年龄段，除了51~55岁年龄段的男性以购买外套占比最高35.6%外，其他所有年龄段不论是女性或男性群体，都在短袖T恤上消费占比最大。因此短袖T恤的精准营销策略在年龄层的选定上，应该避开51~55岁年龄段的男性。对51~55岁年龄段男性，应进行外套的精准营销广告推送。

最后在女性群体中，36~50岁年龄段的消费者主要来自北上广深等城市，其次为成都、武汉和上海，皆为一些经济较为发达的地区，并且这些区域的消费者购买最多的都是短袖T恤。因此精准营销策略在新产品的广告推送上，尤其是在短袖T恤的广告推送上，应该优先选择经济较为发达的城市地区。

4.2. K-Means聚类分析

本研究的K-means聚类分析结果如表2所示。