王馨晨

（蘭州財經(jīng)大學(xué) 信息工程學(xué)院，甘肅 蘭州 730020）

大數(shù)據(jù)背景下數(shù)據(jù)挖掘技術(shù)在電子商務(wù)營銷拓展中的應(yīng)用
——以某網(wǎng)商企業(yè)為例

王馨晨

（蘭州財經(jīng)大學(xué) 信息工程學(xué)院，甘肅 蘭州 730020）

近年來，電子商務(wù)平臺網(wǎng)商企業(yè)在日益激烈的競爭態(tài)勢下，傳統(tǒng)商業(yè)模式中的粗放式盈利模式難以為繼，需要更加精細(xì)化的運(yùn)作和精準(zhǔn)化營銷，通過深入分析用戶行為，提升用戶體驗，通過個性化精準(zhǔn)服務(wù)或產(chǎn)品來提高企業(yè)自身效益。文章基于大數(shù)據(jù)背景，以某網(wǎng)商企業(yè)為例，深入研究了數(shù)據(jù)挖掘技術(shù)在電子商務(wù)營銷拓展中的應(yīng)用。

大數(shù)據(jù)；數(shù)據(jù)挖掘；電子商務(wù)；營銷拓展

一、引言

近年來，得益于信息技術(shù)的快速發(fā)展以及政府大力發(fā)展“互聯(lián)網(wǎng)+”戰(zhàn)略的政策紅利，我國的電子商務(wù)平臺網(wǎng)商企業(yè)迅速崛起，對傳統(tǒng)的商務(wù)業(yè)態(tài)形成了較大的沖擊，市場先行者也獲得了較好的收益。但是經(jīng)過多年的野蠻生長后，隨著行業(yè)進(jìn)入者的逐漸增多，行業(yè)內(nèi)的競爭越來越激烈，政府也加強(qiáng)了對行業(yè)的規(guī)范和監(jiān)管，同時傳統(tǒng)商務(wù)業(yè)態(tài)也積極推進(jìn)轉(zhuǎn)型改革來應(yīng)對其沖擊和挑戰(zhàn)。在這種大背景和大趨勢下，電子商務(wù)平臺網(wǎng)商企業(yè)依靠傳統(tǒng)的粗放式盈利模式難以為繼，需要更加精細(xì)化的運(yùn)作和經(jīng)營，通過扎實深入的研究用戶行為，提升用戶體驗，來提高網(wǎng)商企業(yè)的經(jīng)營效益。本文基于大數(shù)據(jù)背景，以某網(wǎng)商企業(yè)為例，深入研究數(shù)據(jù)挖掘技術(shù)在電子商務(wù)營銷拓展中的應(yīng)用，對于提高電子商務(wù)平臺網(wǎng)商企業(yè)的經(jīng)營效益，提升互聯(lián)網(wǎng)購物消費(fèi)者的消費(fèi)體驗，都有著重要的參考借鑒意義。

二、數(shù)據(jù)來源與樣本結(jié)構(gòu)

本文研究的數(shù)據(jù)來源是京東網(wǎng)電子商務(wù)平臺上某網(wǎng)商企業(yè)記錄的2016年全年的銷售數(shù)據(jù)。該網(wǎng)上企業(yè)的店鋪名稱叫做ZE果業(yè)，主要經(jīng)營芒果、木瓜、橙子等新鮮水果以及松子、核桃、開心果等堅果。數(shù)據(jù)分析采用的樣本數(shù)據(jù)量為1 535 288，每條數(shù)據(jù)包括訂單編號、消費(fèi)者ID、消費(fèi)者性別、消費(fèi)者年齡、消費(fèi)者地址、商品名稱、交易金額、交易單價、交易評價、消費(fèi)者信用、注冊時間、付款方式、整體好評率等內(nèi)容。圖1～圖5分別展示了該店鋪消費(fèi)記錄的性別結(jié)構(gòu)、年齡結(jié)構(gòu)、區(qū)域結(jié)構(gòu)、評價結(jié)構(gòu)和付款方式結(jié)構(gòu)。

圖1 消費(fèi)記錄性別結(jié)構(gòu)分析

圖1展示了該店鋪消費(fèi)記錄的性別結(jié)構(gòu)，可以看出，該網(wǎng)商企業(yè)消費(fèi)記錄中男性占比為46%，女性占比為54%，女性消費(fèi)記錄略高于男性，但差別不是很大，說明該店鋪的銷售并不顯著受消費(fèi)者性別因素影響，或者說男性和女性對于該店鋪銷售商品的偏好度并無明顯差異。

圖2展示了該店鋪消費(fèi)記錄的年齡結(jié)構(gòu)，可以看出，該網(wǎng)商企業(yè)消費(fèi)記錄中25歲～35歲的青年消費(fèi)記錄占比最高，而且遠(yuǎn)遠(yuǎn)高于其他年齡段的消費(fèi)記錄，其次是25歲以下顧客，再后是35歲～45歲顧客，最后是45歲以上顧客。說明該店鋪的消費(fèi)記錄以年輕人群為主，這與年輕人能夠認(rèn)同并且熟悉運(yùn)用電子商務(wù)平臺購買水果的原因是分不開的。

圖2 消費(fèi)記錄年齡結(jié)構(gòu)分析

圖3展示了該店鋪消費(fèi)記錄的區(qū)域結(jié)構(gòu)，可以看出，該網(wǎng)商企業(yè)消費(fèi)記錄中東部地區(qū)的消費(fèi)記錄占比最高，其次是中部地區(qū)，最后是西部地區(qū)。造成這種現(xiàn)象的原因一方面是東部地區(qū)經(jīng)濟(jì)發(fā)達(dá)、客戶購買力高，客戶的理念也較為先進(jìn)，能夠認(rèn)同互聯(lián)網(wǎng)購物理念并且習(xí)慣使用互聯(lián)網(wǎng)電商平臺進(jìn)行購物；另一方面是因為東部地區(qū)的物流系統(tǒng)較為發(fā)達(dá)，銷售區(qū)域局限性較小，運(yùn)輸費(fèi)用和快遞成本也相對更低。

圖3 消費(fèi)記錄區(qū)域結(jié)構(gòu)分析

圖4展示了該店鋪消費(fèi)記錄的評價結(jié)構(gòu)，可以看出，該網(wǎng)商企業(yè)消費(fèi)記錄中系統(tǒng)自動好評的比例最高，然后是主動好評，再后是中評，最后是差評。好評數(shù)量非常高說明該網(wǎng)商企業(yè)的口碑整體上還是可以的，但是系統(tǒng)自動好評的比例相對主動好評較高說明消費(fèi)者被動認(rèn)可程度要多于主動認(rèn)可程度，店鋪在消費(fèi)者關(guān)系維護(hù)方面還有進(jìn)一步提升空間。

圖4 消費(fèi)記錄評價結(jié)構(gòu)分析

圖5展示了該店鋪消費(fèi)記錄的付款方式結(jié)構(gòu)，可以看出，該網(wǎng)商企業(yè)消費(fèi)記錄中信用卡付款的比例最高，然后是平臺資金付款，最后是借記卡付款。說明該網(wǎng)商企業(yè)的消費(fèi)者以銀行存款資金消費(fèi)的占比較低，更多地依賴于銀行信用消費(fèi)或平臺資金沉淀消費(fèi)。

圖5 消費(fèi)記錄付款方式結(jié)構(gòu)分析

三、數(shù)據(jù)挖掘分析

數(shù)據(jù)挖掘分析部分本文采用的分析方法包括購買集中度分析、商品支持度和商品置信度分析。

（一）數(shù)據(jù)挖掘購買集中度分析

數(shù)據(jù)挖掘購買集中度分析指的是消費(fèi)金額與購買者人數(shù)之間的關(guān)系，旨在發(fā)現(xiàn)店鋪的銷售特點(diǎn)，以便更多的采取針對性的營銷策略。如果購買集中度較高，則代表著少數(shù)的消費(fèi)者貢獻(xiàn)了多數(shù)的銷售額，則需要采取重點(diǎn)維護(hù)策略，維護(hù)好高價值、高貢獻(xiàn)的優(yōu)質(zhì)客戶。如果購買集中度較低，則代表著消費(fèi)者的貢獻(xiàn)比較均勻，則需要采取普遍維護(hù)策略，批量化拓展客戶。如圖6所示，本次分析的消費(fèi)者購買集中度數(shù)據(jù)顯示，消費(fèi)金額前10%的消費(fèi)者人數(shù)占比為3%，消費(fèi)金額前10%～30%的消費(fèi)者人數(shù)占比為 10%，消費(fèi)金額前 30%～50%的消費(fèi)者人數(shù)占比為14%，消費(fèi)金額前50%～80%的消費(fèi)者人數(shù)占比為17%，消費(fèi)金額后20%的消費(fèi)者人數(shù)占比為56%。整體來看，該店鋪的購買集中度呈現(xiàn)出較強(qiáng)的“二八效應(yīng)”，優(yōu)質(zhì)客戶的購買力非常突出。該店鋪可以在客戶維護(hù)方面有所側(cè)重，集中更多的促銷資源針對貢獻(xiàn)度較高的顧客加大廣告宣傳和優(yōu)惠促銷力度。

圖6 數(shù)據(jù)挖掘購買集中度分析

（二）數(shù)據(jù)挖掘商品支持度和商品置信度分析

數(shù)據(jù)挖掘商品支持度和商品置信度分析可以探索不同商品之間的關(guān)聯(lián)關(guān)系，可以較好地反映出某商品組合受歡迎的程度，可以為組合營銷提供智力支持。假設(shè)有兩種商品：A商品和B商品，則A商品對于B商品的商品支持度反映的是，在所有的消費(fèi)者中，消費(fèi)者同時購買A商品和B商品的概率。A商品對于B商品的商品置信度反映的是，在所有購買A產(chǎn)品的消費(fèi)者中，購買B商品的概率。

商品支持度分析的公式是：

從商品支持度分析的概念和公式可以看出，A商品對B商品的支持度和B商品對A商品的支持度是相同的。

商品置信度分析的公式是：

從商品置信度分析的概念和公式可以看出，A商品對B商品的支持度和B商品對A商品的支持度是不同的。

表1 數(shù)據(jù)挖掘商品支持度分析結(jié)果

從表1商品支持度分析結(jié)果來看，核桃與松子組合是最高的，其次是核桃與橙子組合、核桃與木瓜組合、核桃與開心果組合等。

表2 數(shù)據(jù)挖掘商品置信度分析結(jié)果前六位

從表2商品置信度分析結(jié)果來看，芒果-橙子的置信度最高為78.89%，其次是橙子-芒果為75.42%，芒果與橙子組合、松子與核桃組合、開心果與木瓜組合相互之間的置信度比較高。該結(jié)果的分析對于店鋪的啟示是，芒果與橙子、松子與核桃、開心果與木瓜之間存在較強(qiáng)的關(guān)聯(lián)關(guān)系和相關(guān)依賴關(guān)系，如果店鋪針對這幾種商品組合開展一系列的促銷活動，那么就能起到相對較好的效果。

四、數(shù)據(jù)挖掘高頻次購買者行為分析和高價值購買者行為分析

（一）高頻次購買者行為分析

本文開展的高頻次購買者行為分析采用回歸分析方法，其中被解釋變量為按消費(fèi)者分類匯總的銷售次數(shù)（Y）。解釋變量包括消費(fèi)者性別（X1）、消費(fèi)者年齡（X2）、消費(fèi)者地區(qū)（X3）、消費(fèi)者信用（X4）、注冊時間（X5）、在線時間（X6）、整體好評率（X7）。其中消費(fèi)者性別（X1）為分類離散變量，將男性設(shè)置為1，女性設(shè)置為2；消費(fèi)者地區(qū)（X3）亦為分類離散變量，將東部地區(qū)設(shè)置為1，中部地區(qū)設(shè)置為2，西部地區(qū)設(shè)置為3；消費(fèi)者信用（X4）亦為分類離散變量，從1到5分為5個等級，數(shù)字越大，信用等級越好。其他變量均為連續(xù)變量。數(shù)據(jù)處理方面，為了消除不同量綱之間的差距和數(shù)據(jù)的異方差性，對數(shù)據(jù)進(jìn)行了對數(shù)標(biāo)準(zhǔn)化處理。建立的數(shù)據(jù)回歸分析模型如下所示：

使用STATA12.0對模型進(jìn)行估計的結(jié)果如表3所示：

表3 潛在客戶挖掘高頻次購買者行為分析結(jié)果

從回歸分析的結(jié)果可以看出，消費(fèi)者性別（X1）的系數(shù)顯著為正，說明女性消費(fèi)者的高頻次購買行為相對更多；消費(fèi)者年齡（X2）的系數(shù)顯著為負(fù)，說明年輕消費(fèi)者的高頻次購買行為相對更多；消費(fèi)者地區(qū)（X3）的系數(shù)顯著為負(fù)，說明東部地區(qū)的高頻次購買行為相對更多；消費(fèi)者信用（X4）的系數(shù)顯著為正，說明信用度高的消費(fèi)者的高頻次購買行為相對更多；注冊時間（X5）的系數(shù)不夠顯著，說明消費(fèi)者的注冊時間對高頻次購買行為的影響關(guān)系較弱；在線時間（X6）的系數(shù)顯著為正，說明在線時間長的消費(fèi)者的高頻次購買行為相對更多；整體好評率（X7）的系數(shù)不夠顯著，說明消費(fèi)者的整體好評率對高頻次購買行為的影響關(guān)系較弱。綜上所述，信用度高且在線時間長的東部地區(qū)年輕女性消費(fèi)者的高頻次購買行為相對更多。

（二）高價值購買者行為分析

本文開展的高頻次購買者行為分析采用回歸分析方法，其中被解釋變量為被按消費(fèi)者分類匯總的銷售金額（Y）。解釋變量包括消費(fèi)者性別（X1）、消費(fèi)者年齡（X2）、消費(fèi)者地區(qū)（X3）、消費(fèi)者信用（X4）、注冊時間（X5）、在線時間（X6）、整體好評率（X7）。其中消費(fèi)者性別（X1）為分類離散變量，將男性設(shè)置為1，女性設(shè)置為2；消費(fèi)者地區(qū)（X3）亦為分類離散變量，將東部地區(qū)設(shè)置為1，中部地區(qū)設(shè)置為2，西部地區(qū)設(shè)置為3；消費(fèi)者信用（X4）亦為分類離散變量，從1到5分為5個等級，數(shù)字越大，信用等級越好。其他變量均為連續(xù)變量。數(shù)據(jù)處理方面，為了消除不同量綱之間的差距和數(shù)據(jù)的異方差性，對數(shù)據(jù)進(jìn)行了對數(shù)標(biāo)準(zhǔn)化處理。建立的數(shù)據(jù)回歸分析模型如下所示：

使用STATA12.0對模型進(jìn)行估計的結(jié)果如表4所示：

表4 潛在客戶挖掘高價值購買者行為分析結(jié)果

從回歸分析的結(jié)果可以看出，消費(fèi)者性別（X1）的系數(shù)顯著為正，說明女性消費(fèi)者的高價值購買行為相對更多；消費(fèi)者年齡（X2）的系數(shù)顯著為負(fù)，說明年輕消費(fèi)者的高價值購買行為相對更多；消費(fèi)者地區(qū)（X3）的系數(shù)顯著為負(fù)，說明東部地區(qū)的高價值購買行為相對更多；消費(fèi)者信用（X4）的系數(shù)顯著為正，說明信用度高的消費(fèi)者的高價值購買行為相對更多；注冊時間（X5）的系數(shù)不夠顯著，說明消費(fèi)者的注冊時間對高價值購買行為的影響關(guān)系較弱；在線時間（X6）的系數(shù)顯著為正，說明在線時間長的消費(fèi)者的高價值購買行為相對更多；整體好評率（X7）的系數(shù)不夠顯著，說明消費(fèi)者的整體好評率對高價值購買行為的影響關(guān)系較弱。綜上所述，信用度高且在線時間長的東部地區(qū)年輕女性消費(fèi)者的高價值購買行為相對更多。

從數(shù)據(jù)挖掘高頻次購買者行為分析和高價值購買者行為分析的結(jié)果來看，信用度高且在線時間長的東部地區(qū)年輕女性消費(fèi)者既是高頻次購買者，也是高價值購買者。結(jié)合前述的數(shù)據(jù)挖掘購買集中度分析結(jié)果中，商鋪銷售中存在的明顯的“二八定律”特征，商鋪應(yīng)該選擇該部分客戶優(yōu)先拓展。在拓展策略方面，結(jié)合前述的數(shù)據(jù)挖掘商品支持度和商品置信度分析結(jié)果，店鋪銷售的芒果與橙子、松子與核桃、開心果與木瓜之間存在較強(qiáng)的關(guān)聯(lián)關(guān)系和相關(guān)依賴關(guān)系，如果店鋪針對這幾種商品組合開展一系列的促銷活動，那么就能起到相對較好的效果。

五、研究結(jié)論

本文基于大數(shù)據(jù)背景，以某網(wǎng)商企業(yè)為例，深入研究了數(shù)據(jù)挖掘技術(shù)在電子商務(wù)營銷拓展中的應(yīng)用。研究發(fā)現(xiàn)，店鋪銷售的性別結(jié)構(gòu)方面，男性和女性對于該店鋪銷售商品的偏好是無偏的；年齡結(jié)構(gòu)方面，店鋪的消費(fèi)記錄以年輕人群為主；區(qū)域結(jié)構(gòu)方面，東部地區(qū)的消費(fèi)記錄占比最高，其次是中部地區(qū)，最后是西部地區(qū)；評價結(jié)構(gòu)方面，系統(tǒng)自動好評的比例最高，店鋪口碑整體上還可以的，但系統(tǒng)自動好評的比例相對主動好評較高，消費(fèi)者被動認(rèn)可程度要多于主動認(rèn)可程度；付款方式結(jié)構(gòu)方面，該網(wǎng)商企業(yè)的消費(fèi)者以銀行存款資金消費(fèi)的占比較低，更多的依賴于銀行信用消費(fèi)或平臺資金沉淀消費(fèi)。數(shù)據(jù)挖掘購買集中度分析發(fā)現(xiàn)，店鋪銷售呈現(xiàn)出較強(qiáng)的“二八效應(yīng)”，優(yōu)質(zhì)客戶的購買力非常突出。數(shù)據(jù)挖掘商品支持度和商品置信度分析發(fā)現(xiàn)，店鋪銷售的芒果與橙子、松子與核桃、開心果與木瓜之間存在較強(qiáng)的關(guān)聯(lián)關(guān)系和相關(guān)依賴關(guān)系，數(shù)據(jù)挖掘高頻次購買者行為分析和高價值購買者行為分析發(fā)現(xiàn)，信用度高且在線時間長的東部地區(qū)年輕女性消費(fèi)者的高頻次和高價值購買行為相對更多。商鋪可針對該部分客戶推出關(guān)于芒果與橙子、松子與核桃、開心果與木瓜組合銷售的優(yōu)惠活動以提升經(jīng)營績效。

[1]李勇，張敏，劉浩，等，2016.數(shù)據(jù)挖掘與應(yīng)用統(tǒng)計現(xiàn)狀及趨勢研究——第八屆國際數(shù)據(jù)挖掘與應(yīng)用統(tǒng)計研究會年會學(xué)術(shù)綜述[J].會計之友（22）：24-26.

[2]張維亞，嚴(yán)偉，湯澍，2016.基于數(shù)據(jù)挖掘的旅游者消費(fèi)行為數(shù)字足跡特征分析[J].商業(yè)經(jīng)濟(jì)研究（18）：65-68.

[3]盛夏，李斌，張迪，2016.基于數(shù)據(jù)挖掘的上市公司信用評級變動預(yù)測[J].統(tǒng)計與決策（15）：159-162.

[4]王藝，姚正海，2016.制造業(yè)上市公司財務(wù)預(yù)警體系的構(gòu)建及比較——基于數(shù)據(jù)挖掘技術(shù)[J].財會月刊（21）：49-55.

[5]張維化，2016.基于數(shù)據(jù)挖掘的移動客戶流失量預(yù)測模型[J].內(nèi)蒙古師范大學(xué)學(xué)報（自然科學(xué)漢文版）（4）：469-472.

[6]張健，2016.基于供給側(cè)改革和數(shù)據(jù)挖掘的茶葉在線銷售策略探析[J].商業(yè)經(jīng)濟(jì)研究（12）：53-54.

[7]張玉峰，曾奕棠，郝彥，2016.基于動態(tài)數(shù)據(jù)挖掘的物流信息智能分析策略研究[J].圖書館學(xué)研究（5）：46-49.

[8]張冬，丁宏進(jìn)，張俊杰，2015.數(shù)據(jù)挖掘技術(shù)在產(chǎn)銷差決策系統(tǒng)中的應(yīng)用[J].中國給水排水（13）：60-63.

（責(zé)任編輯：D 校對：L）

F724.6

A

1004-2768（2017）04-0064-04

2017-02-28

王馨晨（1979-），女，陜西漢中人，蘭州財經(jīng)大學(xué)信息工程學(xué)院講師，研究方向：信息管理、信息經(jīng)濟(jì)、電子商務(wù)。