基于“用户画像”的精准营销数学模型

王倩倩

【摘 要】在大数据时代，完善“会员画像”描绘，挖掘消费数据，加强对现有会员的精细化管理，实施会员细分和精准营销，不仅能够维系会员的忠诚度，给商场带来更大的利润，还能够节约商场的营销成本。文章从营销的角度构建了精准营销细分模型，并以百货商场的销售数据为对象，利用SPSS工具对会员进行细分，并根据著名的“尿布与啤酒的故事”，采用FP-Growth算法对会员消费数据进行关联分析，从而可以对商品实施连带销售。

【关键词】会员画像;数据挖掘;K-均值聚类;关联规则算法

【中图分类号】F426.86;F274【文献标识码】A 【文章编号】1674-0688（2019）11-0042-02

1 大数据时代精准营销模型的建构

1.1 会员画像

由于“会员画像”属于信息层面，因此需要用SQL Server数据库的语言进行设计，也就是需要使用实体—联系图。E-R图提供了实体（即数据对象）、属性、联系的方法，用来描述现实世界的概念模型（如图1所示）。

1.2 会员细分模型

为了对会员的购买力进行刻画，我们根据会员的消费特征，选用K-均值聚类法，运用SPSS软件对筛选整理好的数据进行聚类分析，将会员进行分类，建立分类模型。先寻找对会员最合适的分类个数（即K值），K值以公式（1）进行确定（使得D值最小）：

D=类内平均距离/类间平均距离（1）

D值计算结果如图2所示。

通过分析可知，K取值4，使D值最小，故将会员分为4类。通过数据分析，将消费金额和消费次数分为低、较低、较高、高4级。

表1和表2中，一类会员为大众会员;二类会员为黄金会员;三类会员铂金会员;四类会员为钻石会员。通过对会员的分类，使得商场能对每一位会员的价值进行识别。

1.3 商品關联分析模型

商场策划促销活动，主要是为了提高销售量，同时减少库存。处于此目的，对商品的连带销售的营销模式是非常有效的，在此营销模式中，对商品的关联分析是尤为重要的。

对数据进行关联分析，找出商品之间的关联规则，有利于商品之间的连带销售。商品之间的关联规则，就如尿布和啤酒一起卖的案例，其中的商品的关联规则可表示为{Diaper}→{Beer}。

{Diaper}→{Beer}代表的意义是购买了纸尿裤的顾客会购买啤酒。这个关系不是必然的，但是可能性很大，这就已经足够用来辅助商家调整纸尿裤和酒的摆放位置了，例如摆放在相近的位置，进行捆绑促销来提高销售量。

采用购物篮数据采用FP-Growth算法，对会员消费明细数据进行关联分析，支持度计数设为50，即规则支持度计数大于等于50才是频繁项集，得到关联分析的excel表，展示部分计算结果见表3。

根据上述数据分析，为了提高商场连带消费的效益，建议将置信度高的X和Y商品摆放在相同区域（置信度建议选取0.8及以上），以便会员能同时找到这几种商品，很快完成购物，实现商场捆绑销售的目的。

2 结语

大数据时代，基于“用户画像”数据库基础上的精准营销，不是对经典营销理论和方法的颠覆，而是在对数据深入挖掘的基础上，重新理解消费者。本文通过构建“用户画像”数据库挖掘消费需求，并在整理消费者细分因素的基础上，构建了大数据时代消费者细分模型及商品关联模型，不仅为企业实施精准营销策略提供了借鉴，同时也为大数据时代研究精准营销提供了一些思路。

参 考 文 献

[1]刘海，卢慧，阮金花，等.基于“用户画像”挖掘的精准营销细分模型研究[J].丝绸，2015，12（12）：37-47.

[2]王志春.一种改进的挖掘关联规则Apriori算法[J].电脑知识与技术，2015，12（34）：4-17.

[3]黄升民，刘珊.大数据背景下营销体系的结构与重构[J].现代传播，2012（12）：13-20.

[4]吕红艳.基于顾客价值的市场细分研究[D].天津：天津大学，2007：5-8.