李宗霖

關(guān)鍵詞：大數(shù)據(jù)挖掘;商品營銷;影響

1、目前大數(shù)據(jù)的應用和發(fā)展

1.1大數(shù)據(jù)分析和數(shù)據(jù)挖掘在商業(yè)上的應用

近年隨著移動互聯(lián)網(wǎng)和智能移動設備的興起，為消費品大數(shù)據(jù)收集、分析、數(shù)據(jù)挖掘提供了環(huán)境基礎，每個消費者在外購買行為和信息都可以有效地及時搜集，讓商品營銷公司可以更好地從數(shù)據(jù)中做出分析，并快速處理供銷存關(guān)系，從而高速推動大數(shù)據(jù)的分析行業(yè)發(fā)展。

1.2數(shù)據(jù)存儲方式的演進

目前數(shù)據(jù)的存儲方式由關(guān)系數(shù)據(jù)庫向非關(guān)系數(shù)據(jù)化演進。數(shù)據(jù)載體服務器集群，負載均衡，到分布給各個地方的服務器CDN加速，全世界不同地區(qū)數(shù)據(jù)同步收集要求在增高，云服務提供商的出現(xiàn)，讓商業(yè)企業(yè)特別是需要大數(shù)據(jù)分析的營銷企業(yè)初期節(jié)省了很多部署成本。

1.3數(shù)據(jù)挖掘方式的變化

十多年前數(shù)據(jù)都只是單純地非關(guān)聯(lián)地存儲或單節(jié)點，數(shù)據(jù)存儲量有限。目前可以很輕松存儲上萬GB的數(shù)據(jù)，并且成本不高。隨著科技的進步，誕生了不少專門針對大數(shù)據(jù)分析的工具和計算機語言（R，python等），對上百TB的數(shù)據(jù)進行分析變得比以前更為方便，通過大量的設備集群對數(shù)據(jù)進行機器訓練（MachineLearning，DataTraining），使得挖掘技術(shù)更為精準。隨著時代的發(fā)展，數(shù)據(jù)挖掘算法從簡單的線性回歸，到邏輯回歸和二項式回歸，再到更新的智能神經(jīng)網(wǎng)絡算法，處理數(shù)據(jù)更海量更智能。

2、企業(yè)營銷數(shù)據(jù)挖掘的概念

2.1關(guān)聯(lián)分析法

關(guān)聯(lián)分析法指的是從所儲備的數(shù)據(jù)中能夠找出某些數(shù)據(jù)在某一事件中存在的關(guān)聯(lián)性。采用這種分析法需要先確定關(guān)聯(lián)規(guī)則，發(fā)現(xiàn)某一事件中不同數(shù)據(jù)是否存在關(guān)聯(lián)性，而這種關(guān)聯(lián)性與企業(yè)管理或銷售存在著怎樣的關(guān)系，從而據(jù)此對企業(yè)管理或銷售計劃做出調(diào)整。

2.2序列分析法

這種分析法與關(guān)聯(lián)分析法的規(guī)則類似，但是它尋找的是某一事件中數(shù)據(jù)之間在時間上的關(guān)聯(lián)性。這種分析法對于發(fā)現(xiàn)潛在用戶具有明顯作用，能夠廣泛應用到醫(yī)療、工程等領域的企業(yè)當中。

2.3分類和預測分析法

一般而言，分類與預測分析法是由兩個過程實現(xiàn)的，首先是先確定一個模型描述，描述出指定的數(shù)據(jù)類型和概念集，進行分類劃分，然后使用這個分類進行預測分析。這種分類預測分析法能夠?qū)μ囟ㄏM習慣的用戶進行有效分析，從而推斷出消費習慣和下一步的消費行為。

最后一種就是聚類分析法，這種分析法是專門針對缺乏數(shù)據(jù)描述的情況而采用的。例如，在聚類分析之前，數(shù)據(jù)特征等都是未知的，進行聚類分析時就能夠?qū)?shù)據(jù)庫內(nèi)的信息進行相似性最大化處理，這樣就能夠幫助企業(yè)了解出哪些是較為典型性的用戶，哪些是忠實用戶，哪些是流失用戶等，從而有助于企業(yè)根據(jù)不同用戶的消費特征制定出不同的營銷策略。

3、良好數(shù)據(jù)挖掘?qū)ζ髽I(yè)營銷策略的影響

3.1有助于優(yōu)化產(chǎn)品布局，為營銷策略提供參考

從某種意義上講，企業(yè)產(chǎn)品是企業(yè)最真實的代表，因此，需要在產(chǎn)品生產(chǎn)以及銷售的過程中對收集來的數(shù)據(jù)進行有效分析。主要包括兩個方面，一是在產(chǎn)品生產(chǎn)過程中成本價格浮動數(shù)據(jù)。用最通俗的例子來表述，就是當某一個較為暢銷的產(chǎn)品的成本價格上升時，僅僅靠提升產(chǎn)品價位，來鞏固銷售額不是最好的辦法，而是需要考慮調(diào)整產(chǎn)品布局，對該暢銷產(chǎn)品進行組合銷售、范圍銷售、帶動銷售的情況下，來獲得更好的利潤。這些營銷策略需要在嚴密、準確、全面的數(shù)據(jù)挖掘情況下進行，否則就增加了企業(yè)的運營風險。二是產(chǎn)品在銷售過程中的銷量數(shù)據(jù)浮動。假如產(chǎn)品在某一區(qū)域的銷量逐漸上升或逐漸下降，就需要對這類事件進行充分數(shù)據(jù)挖掘，在進行這類數(shù)據(jù)挖掘時可以采用聚類分析法和分類與預測相結(jié)合的方法，從而制定相應的營銷策略，抓住企業(yè)的各類用戶，并對忠實用戶進行鞏固。

3.2有助于管理用戶類別，為營銷策略提供支撐

根據(jù)真實有效的數(shù)據(jù)來進行分析挖掘是企業(yè)用戶管理的基礎，是企業(yè)營銷策略落實的關(guān)鍵。首先，數(shù)據(jù)挖掘可以幫助企業(yè)將用戶類別標準進行明晰，使企業(yè)能夠根據(jù)不同用戶群的需求來制定營銷策略。其次，數(shù)據(jù)挖掘時可以通過分類預測分析法對潛在用戶進行吸納，使企業(yè)在維護好原有用戶的基礎上將潛在用戶歸納到現(xiàn)有類別當中。同時還可以根據(jù)已經(jīng)掌握的用戶資料，根據(jù)性別、年齡、區(qū)域以及洽談手段進行歸類分析，從而了解不同用戶的合作趨向，為用戶提供更好的服務。

3.3有助于實現(xiàn)營銷數(shù)據(jù)管理科學化，提高營銷策略制定時效性

通過對營銷數(shù)據(jù)挖掘與分析，能夠為企業(yè)決策者提供更加精準地市場分析，為擺正企業(yè)發(fā)展目標，準確開展市場營銷活動，提供強有力的支撐，在實際落實中則大大增加了營銷策略制定的時效性。企業(yè)在進行數(shù)據(jù)挖掘時能夠?qū)τ脩魧Ξa(chǎn)品的使用情況進行及時掌握，快速做出反應，為企業(yè)調(diào)整、擬定營銷策略提供可靠依據(jù)，大大提升了營銷策略的制定速度，縮短了從制定到落實的時間差，為企業(yè)發(fā)展、產(chǎn)品銷售贏得了寶貴時間。比如，制定交叉銷售策略時，企業(yè)可以快速利用現(xiàn)有老用戶的信息及其所在社會層次制訂老客戶帶動新客戶的營銷方案，大大提升了尋找新用戶、掌握新用戶信息的速度，不僅能夠有效開展富有個性化的交叉銷售，還能夠在一定程度上保證了營銷策略有效落實。

4、總結(jié)

大數(shù)據(jù)應用通過對消費行為的細分及用戶屬性歸納，依托大數(shù)據(jù)算法進行線性分析、概率分析、關(guān)系分析以及其他智能分析，形成消費模型，從而指導銷售、生產(chǎn)、原材料提供等環(huán)節(jié)，降低成本，提高各環(huán)節(jié)經(jīng)濟效益。隨著大數(shù)據(jù)應用的廣度及深度的延伸，特別是近年來計算機神經(jīng)網(wǎng)絡計算的興起，對商品供銷存關(guān)系的影響也會越來越大，會對商品營銷的價值鏈重構(gòu)產(chǎn)生直接影響。作為大數(shù)據(jù)應用核心的大數(shù)據(jù)模型及算法，也將會是下一個研究應用的風口。