張 春 劉 超 劉旭東 陳志豪 江 勇 張 輝 周 輝 胡建村

(1.中移信息技術(shù)有限公司，黑龍江 哈爾濱 150000；2.哈爾濱工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院，黑龍江 哈爾濱 150000)

1 引言

商圈，即商業(yè)區(qū)域，是指商店以其所在地點(diǎn)為中心，沿著一定的方向和距離擴(kuò)展，吸引顧客的輻射范圍[1]。本文所研究的商圈更具體為商場(chǎng)及其鄰近街區(qū)內(nèi)的消費(fèi)場(chǎng)所。商圈是各類線下商業(yè)活動(dòng)集中活躍區(qū)域，但越來(lái)越多的消費(fèi)者選擇線上消費(fèi)，商圈的客流日趨減少。截至2020年6月我國(guó)手機(jī)網(wǎng)民規(guī)模達(dá)到9.32億，網(wǎng)民使用手機(jī)上網(wǎng)比例高達(dá)99.2%，網(wǎng)絡(luò)購(gòu)物消費(fèi)者規(guī)模達(dá)到7.49億[2]。傳統(tǒng)的發(fā)傳單及無(wú)差別短信推送的營(yíng)銷方式，無(wú)法掌握消費(fèi)者信息，營(yíng)銷效率低下。如何掌握更多的消費(fèi)者信息，識(shí)別商圈的忠誠(chéng)消費(fèi)者及潛在消費(fèi)者，是線下商圈與線上購(gòu)物平臺(tái)爭(zhēng)奪客流面臨的關(guān)鍵問(wèn)題。解決該問(wèn)題，將有助于線下商圈的持續(xù)發(fā)展。

在大數(shù)據(jù)背景下，一種解決該問(wèn)題的方式是通過(guò)自動(dòng)數(shù)據(jù)收集和智能數(shù)據(jù)提取獲取更多的消費(fèi)者信息，創(chuàng)建消費(fèi)者畫(huà)像并標(biāo)記出不同消費(fèi)者的需求，為市場(chǎng)營(yíng)銷提供決策依據(jù)，獲取商業(yè)的成功[3]。消費(fèi)者畫(huà)像，是針對(duì)消費(fèi)者信息內(nèi)容的整合，即信息的標(biāo)簽化，是通過(guò)分析消費(fèi)者的社會(huì)屬性、生活習(xí)慣以及消費(fèi)行為特點(diǎn)等信息而抽象出的一種標(biāo)簽化的消費(fèi)者模型[4]。利用大數(shù)據(jù)構(gòu)建消費(fèi)者畫(huà)像進(jìn)行消費(fèi)者分析成為了營(yíng)銷的新手段[5]，在民用航空的競(jìng)爭(zhēng)[6]、供應(yīng)鏈銷售[7]、新產(chǎn)品的推廣[8]、汽車的銷售[9]等多領(lǐng)域中都進(jìn)行了應(yīng)用，取得了顯著成效。但既有研究沒(méi)有關(guān)注到線下商圈的營(yíng)銷，也沒(méi)有為其設(shè)計(jì)構(gòu)造消費(fèi)者畫(huà)像挖掘潛在消費(fèi)者。

針對(duì)以上問(wèn)題，本文研究聯(lián)合中移信息技術(shù)有限公司，圍繞哈爾濱市主城區(qū)內(nèi)152個(gè)商圈及覆蓋的基站，利用信令數(shù)據(jù)搜集2020年1月1日至2020年1月21日到訪的400萬(wàn)消費(fèi)者的信息。消費(fèi)者信息經(jīng)過(guò)匿名、清洗后，根據(jù)數(shù)據(jù)的特征建立了客戶畫(huà)像、社交關(guān)系畫(huà)像、消費(fèi)偏好畫(huà)像的多維度畫(huà)像體系。畫(huà)像以消費(fèi)者忠誠(chéng)度指標(biāo)為核心，劃分了忠誠(chéng)消費(fèi)者和非忠誠(chéng)消費(fèi)者。本文利用邏輯回歸對(duì)各個(gè)商圈忠誠(chéng)消費(fèi)者進(jìn)行回歸分析，構(gòu)建不同商圈的核心客戶簇特征，再結(jié)合隨機(jī)森林方法，對(duì)各個(gè)商圈的非忠誠(chéng)消費(fèi)者進(jìn)行分類及預(yù)測(cè)，識(shí)別潛在的消費(fèi)者。經(jīng)過(guò)結(jié)算與檢驗(yàn)，本文建立的消費(fèi)者畫(huà)像與潛在消費(fèi)者挖掘方法的識(shí)別準(zhǔn)確度較高，能用于實(shí)際的營(yíng)銷活動(dòng)中。

2 相關(guān)研究

近年來(lái)，圍繞“大數(shù)據(jù)”，或利用新的數(shù)據(jù)源，或利用大數(shù)據(jù)處理分析技術(shù)，解決傳統(tǒng)領(lǐng)域難以解決的問(wèn)題的研究方興未艾。如利用消費(fèi)者的網(wǎng)頁(yè)點(diǎn)擊數(shù)據(jù)，根據(jù)矩陣計(jì)算分析競(jìng)爭(zhēng)對(duì)手在美國(guó)航空市場(chǎng)中的表現(xiàn)[6]；利用消費(fèi)者在線評(píng)論，通過(guò)自然語(yǔ)言處理技術(shù)幫助企業(yè)測(cè)試新產(chǎn)品[8]；利用微博等社交平臺(tái)的用戶數(shù)據(jù)，通過(guò)構(gòu)建消費(fèi)者畫(huà)像，為汽車企業(yè)捕捉潛在消費(fèi)者[9]等等，不一而足。注意到，這些“新數(shù)據(jù)源”都是與互聯(lián)網(wǎng)相關(guān)的數(shù)據(jù)，但由于互聯(lián)網(wǎng)自身局限與匿名化特征，搜集而來(lái)的數(shù)據(jù)維度不夠廣，真實(shí)程度存疑[10]。

當(dāng)前有一種特殊的數(shù)據(jù)源，是由通信運(yùn)營(yíng)商提供的匿名化的消費(fèi)者信令數(shù)據(jù)，以及與之相關(guān)的話單數(shù)據(jù)、客戶資料等。信令數(shù)據(jù)是通信運(yùn)營(yíng)商用戶與發(fā)射基站之間的數(shù)據(jù)，包含了用戶當(dāng)前的經(jīng)緯數(shù)據(jù)、用戶通信數(shù)據(jù)等。由于我國(guó)實(shí)行手機(jī)卡實(shí)名制且手機(jī)使用者數(shù)量龐大，其所產(chǎn)生的信令數(shù)據(jù)是當(dāng)前包含用戶數(shù)據(jù)規(guī)模最大、維度最廣的數(shù)據(jù)源。既有研究中，利用信令數(shù)據(jù)識(shí)別用戶的軌跡，幫助城市進(jìn)行道路交通規(guī)劃[11]，識(shí)別不同興趣點(diǎn)的消費(fèi)者在畫(huà)像特征上有明顯差異[12]，都取得了顯著的成果。但限于數(shù)據(jù)的敏感性，利用該數(shù)據(jù)源進(jìn)行的研究較少。

消費(fèi)者畫(huà)像，或稱用戶畫(huà)像，是標(biāo)簽化的模型[13]。當(dāng)前結(jié)合大數(shù)據(jù)，利用消費(fèi)者畫(huà)像進(jìn)行目標(biāo)客戶挖掘的常用的算法有分類算法[14]、聚類算法[15]、因子模型[16]等。不同的算法具有不同的特點(diǎn)，需結(jié)合數(shù)據(jù)集特征進(jìn)行選擇[17]。需要特別注意的是，基于消費(fèi)者畫(huà)像的潛在/目標(biāo)消費(fèi)者識(shí)別，都是根據(jù)消費(fèi)者畫(huà)像特征的相似程度進(jìn)行識(shí)別[18]。

綜上，圍繞著大數(shù)據(jù)的精準(zhǔn)營(yíng)銷應(yīng)用，既有的研究重點(diǎn)在于新的、規(guī)模大的數(shù)據(jù)源的利用。鮮有利用通信運(yùn)營(yíng)商的數(shù)據(jù)進(jìn)行精準(zhǔn)營(yíng)銷的研究，也鮮有圍繞商圈的消費(fèi)者畫(huà)像識(shí)別的研究。既有的研究關(guān)于利用消費(fèi)者畫(huà)像識(shí)別潛在消費(fèi)者的原理一致，但使用何種方法更好，因研究場(chǎng)景而異。

3 方法設(shè)計(jì)與畫(huà)像構(gòu)建

3.1 方法框架

本研究基于通訊運(yùn)營(yíng)商提供的涉及訪商圈消費(fèi)者的數(shù)據(jù)集建立消費(fèi)者畫(huà)像。具體地，基于信令數(shù)據(jù)進(jìn)行忠誠(chéng)度計(jì)算，建立客戶畫(huà)像；基于話單數(shù)據(jù)進(jìn)行社交親密度計(jì)算，建立社交關(guān)系畫(huà)像；基于APP 使用數(shù)據(jù)進(jìn)行消費(fèi)傾向計(jì)算，建立消費(fèi)偏好畫(huà)像。再基于三種畫(huà)像構(gòu)建的多維畫(huà)像體系，依據(jù)忠誠(chéng)度將商圈的消費(fèi)者劃分為忠誠(chéng)消費(fèi)者、非忠誠(chéng)消費(fèi)者。進(jìn)行隨機(jī)采樣后，進(jìn)行邏輯回歸計(jì)算得到各個(gè)商圈的核心消費(fèi)者特征。再根據(jù)特征建立隨機(jī)森林，將全部的非忠誠(chéng)消費(fèi)者進(jìn)行分類，將作為正例輸出的消費(fèi)者識(shí)別為潛在消費(fèi)者。

3.2 客戶畫(huà)像

客戶畫(huà)像用于反應(yīng)客戶對(duì)商場(chǎng)的關(guān)注度、忠誠(chéng)度。本文設(shè)計(jì)核心客戶忠誠(chéng)度指標(biāo)，在運(yùn)營(yíng)商數(shù)據(jù)基礎(chǔ)上描述某商場(chǎng)核心消費(fèi)者的質(zhì)量，從而提高以核心消費(fèi)者為基礎(chǔ)的潛在消費(fèi)者識(shí)別的準(zhǔn)確度。本文提出了忠誠(chéng)度計(jì)算及迭代方法，以同時(shí)考慮消費(fèi)者對(duì)商場(chǎng)訪問(wèn)程度相對(duì)核心消費(fèi)者群整體的水平和消費(fèi)者對(duì)商場(chǎng)的歷史訪問(wèn)情況。

消費(fèi)者的周訪問(wèn)總時(shí)長(zhǎng)為t，周訪問(wèn)次數(shù)為n，則每周訪問(wèn)平均時(shí)長(zhǎng)λ可以表示為：

顯然λ≥0，為了根據(jù)數(shù)據(jù)分布得到更合理的估計(jì)，對(duì)λ作如下對(duì)數(shù)變換得到周訪問(wèn)度λln：

對(duì)所有消費(fèi)者計(jì)算周訪問(wèn)度λln，計(jì)算得到λln的均值μλ和標(biāo)準(zhǔn)差σλ,則消費(fèi)者x的周訪問(wèn)時(shí)長(zhǎng)得分scoret,x和周訪問(wèn)次數(shù)得分scoren,x的計(jì)算公式如下：

這里需要說(shuō)明的是scoren,x的取值原則是考慮消費(fèi)者一周內(nèi)1次長(zhǎng)時(shí)間訪問(wèn)近似等效于3次短時(shí)間訪問(wèn)對(duì)忠誠(chéng)度產(chǎn)生的影響。本周忠誠(chéng)度得分Lx與上周忠誠(chéng)度得分之間的迭代計(jì)算關(guān)系為：

綜上，客戶畫(huà)像構(gòu)成如表1所示。

表1 客戶畫(huà)像屬性表

3.3 社交關(guān)系畫(huà)像

社交關(guān)系的親密程度高的兩消費(fèi)者更可能有著相似的生活水平和消費(fèi)習(xí)慣。本文定義社交親密度屬性衡量消費(fèi)者間的社交親密程度，社交親密度指特定雙方消費(fèi)者之間的親密程度，以多種通話記錄屬性作為衡量基礎(chǔ)。由于主要屬性如通話時(shí)長(zhǎng)、通話次數(shù)與消費(fèi)者職業(yè)、所處社會(huì)環(huán)境有較大關(guān)聯(lián)，不適合給定同一標(biāo)準(zhǔn)，故使用局部排名作為衡量依據(jù)。此處先介紹單向?qū)傩缘挠?jì)算，即以雙方消費(fèi)者中的一方作為研究對(duì)象，研究其主叫時(shí)長(zhǎng)、主要次數(shù)等影響。

下文以消費(fèi)者A與消費(fèi)者B為例，以消費(fèi)者A為研究對(duì)象介紹算法。對(duì)于主叫時(shí)長(zhǎng)屬性，定義平均主叫時(shí)長(zhǎng)降序排名rankduravg，即消費(fèi)者A 主叫消費(fèi)者B 的通話平均時(shí)長(zhǎng)在消費(fèi)者A 的所有主叫通話平均時(shí)長(zhǎng)中的排名?？紤]到A 和B可能因?yàn)楣ぷ麝P(guān)系有較長(zhǎng)的通話時(shí)間，為了降低此類影響，綜合考慮通話的閑忙時(shí)段，參與排名計(jì)算的矯正通話時(shí)長(zhǎng)calling'與原始通話時(shí)長(zhǎng)calling之間的關(guān)系如下：

其中，busy為忙時(shí)通話時(shí)長(zhǎng)，called為被叫時(shí)長(zhǎng)，即消費(fèi)者B主叫消費(fèi)者A的通話時(shí)長(zhǎng)。對(duì)于主叫次數(shù)屬性，定義主叫次數(shù)降序排名rankcnt,即消費(fèi)者A主叫消費(fèi)者B的通話次數(shù)在消費(fèi)者A的所有主叫通話次數(shù)中的排名。

此外，考慮到社交關(guān)系較近即社交親密度較高的消費(fèi)者間應(yīng)該有較高的通話頻率。定義通話密度排名rankdense,實(shí)現(xiàn)為對(duì)一個(gè)月內(nèi)A到B的通話記錄，在A的對(duì)端通話中先根據(jù)通話天數(shù)降序排序，再根據(jù)通話最長(zhǎng)間隔天數(shù)升序排名的最終排名。為避免其中某一屬性因特殊情況有較大偏差影響整體排名，做調(diào)和平均處理，獲得消費(fèi)者B 在消費(fèi)者A 視角下的單向排名rankcalling，其計(jì)算公式如下：

同理可獲得消費(fèi)者A 在消費(fèi)者B 視角下的單向排名rankcalled。則消費(fèi)者A與消費(fèi)者B的親密度intsocial定義為：

由上述公式可知，intsocial取值越大，消費(fèi)者間親密度越強(qiáng)。由于排名均為大于1 的正數(shù)，故親密度intsocial的取值范圍為(0,1]，當(dāng)且僅當(dāng)雙方均在對(duì)方的社交圈中取得最高排名時(shí)親密度達(dá)到最大值。

社交關(guān)系畫(huà)像單方畫(huà)像描繪社交網(wǎng)絡(luò)中消費(fèi)者個(gè)人的顯著性與影響力，除上述社交影響力外，還應(yīng)考慮：1)消費(fèi)者的通話強(qiáng)度得分，即通話時(shí)長(zhǎng)對(duì)數(shù)化后相對(duì)對(duì)數(shù)分布均值偏移量scorecall,time；2)消費(fèi)者的通話頻率得分，即通話次數(shù)對(duì)數(shù)化后相對(duì)對(duì)數(shù)分布均值偏移量scorecall,stren。這兩種指標(biāo)的通用計(jì)算方式如下：

上述公式為通用公式，metriccall指消費(fèi)者通話的衡量指標(biāo)，具體為通話時(shí)長(zhǎng)或通話頻率，metriclncall為對(duì)數(shù)化通話指標(biāo)，μlncall與σlncall分別為metriclncall分布的均值與標(biāo)準(zhǔn)差，則scorecall即為最終得分。

綜上，建立的社會(huì)關(guān)系畫(huà)像如表2所示。

表2 社交關(guān)系畫(huà)像屬性表

3.4 消費(fèi)偏好畫(huà)像

消費(fèi)偏好畫(huà)像反映消費(fèi)者的線上購(gòu)物APP 使用行為和線下商場(chǎng)訪問(wèn)行為的特征，消費(fèi)偏好畫(huà)像的數(shù)據(jù)周期為7天。

圖1 消費(fèi)者畫(huà)像構(gòu)建與潛在消費(fèi)者挖掘方法流程框架

3.4.1 線上消費(fèi)偏好

線上消費(fèi)偏好識(shí)別專注于分析消費(fèi)者的消費(fèi)類APP 使用狀態(tài)變化，除常規(guī)消費(fèi)頻次、強(qiáng)度統(tǒng)計(jì)外，還關(guān)注近期消費(fèi)類APP使用情況的變化量，作為衡量消費(fèi)者短期線上消費(fèi)意圖的重要因素。

線上購(gòu)物情況主要考慮某消費(fèi)者使用購(gòu)物類APP 的強(qiáng)度相對(duì)目標(biāo)消費(fèi)者整體使用情況的水平，以及消費(fèi)者近期購(gòu)物APP使用強(qiáng)度的變化程度。

本文分析先對(duì)消費(fèi)者對(duì)于不同購(gòu)物類APP 的使用情況在全體消費(fèi)者下的水平進(jìn)行評(píng)估，得到scoreapp評(píng)分，以避免結(jié)果向單一大流量APP 偏斜?？紤]到不同消費(fèi)者有一定的APP 使用偏好，故對(duì)不同購(gòu)物類APP 的使用水平，即所有的取scoreapp評(píng)分最大值作為該消費(fèi)者的購(gòu)物類APP 使用強(qiáng)度scoreshopping。相關(guān)計(jì)算公式如下：

其中，flowapp表示消費(fèi)者使用某一APP產(chǎn)生的流量，uapp和σapp為的flowlnapp分布均值和標(biāo)準(zhǔn)差。

通過(guò)上述公式變換，消費(fèi)者對(duì)某一APP 未產(chǎn)生使用流量，則使用強(qiáng)度評(píng)分為0；若產(chǎn)生流量，則使用強(qiáng)度評(píng)分區(qū)間為[1,5]。此外，設(shè)計(jì)近期線上購(gòu)物傾向?qū)傩裕枋鱿M(fèi)者近期購(gòu)物類APP 使用情況的變化量。定義近期線上購(gòu)物傾向△scoreshopping為本周與上周的購(gòu)物類APP 使用強(qiáng)度差值，計(jì)算公式如下：

由于△scoreshopping與消費(fèi)者APP 使用流flowapp之間存在對(duì)數(shù)關(guān)系，故△scoreshopping的實(shí)際意義為本周與上周購(gòu)物類APP的流量使用增長(zhǎng)率。

3.4.2 線下消費(fèi)偏好

線下購(gòu)物意圖分析模型專注于分析消費(fèi)者訪問(wèn)商場(chǎng)的狀態(tài)及其變化，除在客戶畫(huà)像中獲得的常規(guī)消費(fèi)頻次、強(qiáng)度統(tǒng)計(jì)外，關(guān)注近期訪問(wèn)商場(chǎng)時(shí)長(zhǎng)變化量incrvisit,time、強(qiáng)度變化量incrvisit,stren，作為衡量消費(fèi)者短期線下消費(fèi)意圖的重要因素。

定義近期線下消費(fèi)傾向?qū)傩裕≈禐榫€下商場(chǎng)訪問(wèn)時(shí)長(zhǎng)變化率。定義近期線下活躍傾向?qū)傩?，取值為較前一周的目標(biāo)消費(fèi)者活躍度變化率。其統(tǒng)一計(jì)算公式如下：

其中，visit為本周線下消費(fèi)傾向?qū)傩曰蚓€下活躍傾向?qū)傩?。以visit為本周線下消費(fèi)傾向?qū)傩詾槔瑅isit'表示上周線下消費(fèi)傾向?qū)傩?，則incrvisit即為線下商場(chǎng)訪問(wèn)時(shí)長(zhǎng)變化率。綜上，建立的消費(fèi)偏好畫(huà)像如表3所示。

表3 消費(fèi)偏好畫(huà)像屬性表

3.5 算法說(shuō)明

3.5.1 Logistics Regression

根據(jù)已經(jīng)得到多維消費(fèi)者畫(huà)像，也即每個(gè)樣本的特征，一個(gè)直觀的想法是計(jì)算出各個(gè)商圈的忠誠(chéng)客戶的在不同特征上的范圍或系數(shù)，作為區(qū)分商圈與識(shí)別忠誠(chéng)消費(fèi)者的依據(jù)?；谶@種想法，考慮使用線性分類機(jī)器學(xué)習(xí)算法，基于Spark 平臺(tái)的候選算法有Logistics Regression（邏輯回歸）及SVM 模型。本文使用邏輯回歸，根據(jù)構(gòu)建的忠誠(chéng)消費(fèi)者簇特征，對(duì)各個(gè)商圈的消費(fèi)者進(jìn)行劃分。

3.5.2 Random Forest

Random Forest即隨機(jī)森林算法，是一種由若干決策樹(shù)通過(guò)bagging 方式構(gòu)成的繼承算法，在很多應(yīng)用中都有不錯(cuò)的表現(xiàn)。隨機(jī)森林具有過(guò)擬合風(fēng)險(xiǎn)低、支持并行、支持高緯度特征、訓(xùn)練速度快等特點(diǎn)。本文使用隨機(jī)森林，根據(jù)各個(gè)商圈的邏輯回歸結(jié)果，對(duì)各個(gè)商圈的非忠誠(chéng)消費(fèi)者進(jìn)行分類及預(yù)測(cè)，識(shí)別出潛在消費(fèi)者。

4 數(shù)據(jù)分析與計(jì)算結(jié)果

4.1 數(shù)據(jù)說(shuō)明

本研究與中國(guó)移動(dòng)通信集團(tuán)合作，以哈爾濱市區(qū)為核心，自2020年1月1日至2020年1月21日，搜集了152個(gè)大型商場(chǎng)輻射的400萬(wàn)的消費(fèi)者的信令數(shù)據(jù)、話單數(shù)據(jù)、APP使用數(shù)據(jù)，如圖2所示。數(shù)據(jù)包括脫敏的消費(fèi)者個(gè)人特征及消費(fèi)者的移動(dòng)數(shù)據(jù)與上網(wǎng)數(shù)據(jù)，具體包括消費(fèi)者的年齡、消費(fèi)者各個(gè)時(shí)段的經(jīng)緯度及各個(gè)時(shí)段的通信與流量去向。

圖2 信令數(shù)據(jù)覆蓋的商圈

4.2 數(shù)據(jù)的相關(guān)分析

由于本研究的目的包括評(píng)價(jià)消費(fèi)者社交影響力等，對(duì)消費(fèi)者通話記錄較為敏感，故需要過(guò)濾特殊職業(yè)如外賣、快遞、客服等產(chǎn)生的高頻通話記錄。

圖3 平均通話時(shí)長(zhǎng)對(duì)數(shù)分布

圖4 一分鐘內(nèi)通話次數(shù)對(duì)數(shù)分布

根據(jù)上述分析，在系統(tǒng)實(shí)現(xiàn)時(shí)，對(duì)于平均通話時(shí)長(zhǎng)、一分鐘內(nèi)通話次數(shù)使用4σ過(guò)濾標(biāo)準(zhǔn)。為了提高識(shí)別準(zhǔn)確度，本文進(jìn)一步約束在該距離外的消費(fèi)者樣本同時(shí)滿足通話次數(shù)分布在1σ距離外時(shí)，才作為離群點(diǎn)過(guò)濾。對(duì)于其余屬性，使用3σ過(guò)濾標(biāo)準(zhǔn)，即認(rèn)為該距離外的消費(fèi)者樣本為離群點(diǎn)，并過(guò)濾。

圖5以購(gòu)物類APP流量使用為例，統(tǒng)計(jì)了所有目標(biāo)消費(fèi)者在2020年1月1日至2020年1月7日的主要購(gòu)物類APP中所使用的流量隨時(shí)間的分布圖。

圖5 購(gòu)物類APP不同時(shí)段流量分布圖

由曲線可以看出，不同APP的流量使用在整體上均呈現(xiàn)晚上至睡前時(shí)間段達(dá)到高峰，而在白天尤其是工作時(shí)間段水平較低。這說(shuō)明通過(guò)對(duì)消費(fèi)者APP 使用的活躍時(shí)段可以在一定程度上描繪消費(fèi)者的生活習(xí)慣。而從表4中可以看出，不同的購(gòu)物類APP的流量使用存在較大差異，在進(jìn)行APP使用強(qiáng)度統(tǒng)計(jì)時(shí)，需進(jìn)行歸一化處理。

表4 購(gòu)物類APP人均流量使用統(tǒng)計(jì)

男性和女性有著天然的偏好差異，但從圖6中可以明顯看出，對(duì)于商圈涉及的消費(fèi)者而言，不同性別的消費(fèi)者的年齡分布極為相似，因此在構(gòu)建商圈的消費(fèi)者畫(huà)像時(shí)，僅考慮年齡，而不進(jìn)行性別區(qū)分，也是合理的。

圖6 商圈消費(fèi)者性別年齡分布圖

4.3 計(jì)算結(jié)果與分析

樣本數(shù)據(jù)的忠誠(chéng)消費(fèi)者類由忠誠(chéng)度前60%的高質(zhì)量核心客戶組成，實(shí)際忠誠(chéng)度閾值約為3.0。為了提升訓(xùn)練效率，本研究對(duì)總數(shù)據(jù)進(jìn)行了隨機(jī)采樣，最終得到訓(xùn)練樣本數(shù)據(jù)組成如表5所示。

表5 樣本數(shù)據(jù)的組成

本文基于Spark框架spark-mllib模塊實(shí)現(xiàn)分布式模型訓(xùn)練。將訓(xùn)練數(shù)據(jù)隨機(jī)劃分為80%的訓(xùn)練集和20%的測(cè)試集。模型的最大迭代次數(shù)為100次，誤差容忍度為1e-6，采用L2 正則化。在采用L2 正則化的情況下，模型效果在較低程度上受正則化系數(shù)影響，經(jīng)測(cè)試在正則化系數(shù)為0.5 的情況下達(dá)到局部最優(yōu)效果。模型在測(cè)試集上取得的效果評(píng)價(jià)如表6所示。

表6 Logistic Regression模型評(píng)價(jià)

圖8和圖9展示了基分類器個(gè)數(shù)和最大樹(shù)深度對(duì)模型效果的影響?；诸惼髂Ｐ蛿?shù)量對(duì)模型性能影響不明顯，考慮到模型更關(guān)注召回率指標(biāo)，故確定模型基分類器數(shù)量參數(shù)為40 個(gè)。由于運(yùn)行環(huán)境資源限制，最多測(cè)試到最大樹(shù)深為14層，為避免深度過(guò)大導(dǎo)致過(guò)擬合，確定模型最大樹(shù)深度參數(shù)為14層。

圖7 基分類器數(shù)量對(duì)模型的影響

圖8 最大樹(shù)深度對(duì)模型的影響

圖9 預(yù)測(cè)標(biāo)簽結(jié)果組成

根據(jù)上述結(jié)果，模型最終在測(cè)試集上取得了94.1%的精確率，其他評(píng)價(jià)指標(biāo)得分見(jiàn)表7。

表7 隨機(jī)森林模型評(píng)價(jià)

4.4 識(shí)別效果與討論

本研究最終采用隨機(jī)森林分類預(yù)測(cè)算法模型作為識(shí)別潛在消費(fèi)者算法。用該模型對(duì)全部約113萬(wàn)不屬于忠誠(chéng)消費(fèi)者群的消費(fèi)者進(jìn)行預(yù)測(cè)，共得到正例64879人作為潛在消費(fèi)者。預(yù)測(cè)結(jié)果的標(biāo)簽組成如圖10所示。

圖10 預(yù)測(cè)概率分布

注意到隨機(jī)森林分類需要對(duì)概率閾值進(jìn)行設(shè)置，默認(rèn)為0.5，則不同閾值下的正例人數(shù)分布如圖11 所示。可見(jiàn)隨概率的增加區(qū)間內(nèi)人數(shù)加速減少，在以識(shí)別潛在消費(fèi)者人數(shù)最大為目標(biāo)時(shí)，默認(rèn)概率是最佳的選擇。

圖11 社交關(guān)系對(duì)識(shí)別結(jié)果的影響

既有研究認(rèn)為社會(huì)關(guān)系接近的消費(fèi)者相似度大，進(jìn)而更有可能屬于同一類人群?；诒狙芯繕?gòu)建的方法，社交關(guān)系對(duì)識(shí)別結(jié)果的影響如圖12所示。結(jié)果顯示，在識(shí)別出的潛在消費(fèi)者中僅4%的消費(fèi)者與其他潛在消費(fèi)者有緊密的社交關(guān)系，也即任意一個(gè)潛在消費(fèi)者，其關(guān)系緊密的朋友中有一個(gè)也為潛在消費(fèi)者的概率低于0.05。社交關(guān)系對(duì)潛在消費(fèi)者沒(méi)有預(yù)測(cè)性。

圖12 到訪記錄對(duì)識(shí)別結(jié)果的影響

同一商圈，相對(duì)于既有的忠誠(chéng)消費(fèi)者，識(shí)別出的潛在消費(fèi)者雖然與既有消費(fèi)者在畫(huà)像上具有高相似度，但很有可能由于居住地點(diǎn)與該商圈相距過(guò)遠(yuǎn)等客觀因素的約束，因而并不會(huì)去該商圈消費(fèi)。根據(jù)識(shí)別結(jié)果，統(tǒng)計(jì)識(shí)別出的商圈潛在消費(fèi)者有無(wú)到該商圈的歷史到訪記錄，結(jié)果如圖13所示。約38%的潛在消費(fèi)者，有到訪目標(biāo)商圈的記錄，即接近40%的潛在消費(fèi)者沒(méi)有客觀條件約束。這意味著約4成的潛在消費(fèi)者，能轉(zhuǎn)化為忠誠(chéng)消費(fèi)者。

5 結(jié)語(yǔ)

大數(shù)據(jù)背景下，如何尋找到數(shù)據(jù)源，從新的視角解決傳統(tǒng)場(chǎng)景中的難題是當(dāng)前的研究熱點(diǎn)。其中，利用大數(shù)據(jù)進(jìn)行精準(zhǔn)營(yíng)銷，被廣泛證實(shí)是可行的。但如何獲取數(shù)據(jù)源，并在處理分析中保證消費(fèi)者的隱私，也是難點(diǎn)之一。本研究嘗試與中國(guó)移動(dòng)通信集團(tuán)合作，獲取匿名處理后的消費(fèi)者信令數(shù)據(jù)、話單數(shù)據(jù)、APP 使用數(shù)據(jù)。通過(guò)對(duì)商圈到訪消費(fèi)者建立客戶畫(huà)像、社交關(guān)系、消費(fèi)傾向的多維畫(huà)像體系，幫助商圈識(shí)別忠誠(chéng)消費(fèi)者；并利用邏輯回歸與隨機(jī)森林方法，幫助商圈識(shí)別忠誠(chéng)消費(fèi)者的特征及識(shí)別潛在消費(fèi)者。根據(jù)計(jì)算結(jié)果，本研究提出的消費(fèi)者畫(huà)像構(gòu)建與潛在消費(fèi)者識(shí)別方法準(zhǔn)確度較高，潛在消費(fèi)者識(shí)別準(zhǔn)確度為94.1%。通過(guò)識(shí)別結(jié)果的討論發(fā)現(xiàn)，基于通話記錄構(gòu)建的社交關(guān)系對(duì)識(shí)別潛在消費(fèi)者幫助極低，潛在消費(fèi)者之間的社交關(guān)系并不強(qiáng)；商圈約有38%的潛在消費(fèi)者有到訪記錄，但超過(guò)半數(shù)的潛在消費(fèi)者由于各種原因沒(méi)有到訪過(guò)該商圈。本研究的意義在于利于大數(shù)據(jù)突破了商圈傳統(tǒng)的營(yíng)銷手段，能幫助商圈快速且準(zhǔn)確地掌握忠誠(chéng)消費(fèi)者的畫(huà)像特征，并找到一大批潛在的消費(fèi)者，不僅提高了營(yíng)銷效率，還增加線下商圈面對(duì)線上購(gòu)物平臺(tái)的競(jìng)爭(zhēng)力，同時(shí)豐富了利用大數(shù)據(jù)進(jìn)行精準(zhǔn)營(yíng)銷的研究。

本研究的特點(diǎn)在于使用了與既有研究不相同的數(shù)據(jù)集，并用于新領(lǐng)域；構(gòu)建了多維度的消費(fèi)者畫(huà)像，用于精準(zhǔn)營(yíng)銷。基于本文的研究成果，未來(lái)可以對(duì)識(shí)別效果的影響因素進(jìn)行探索與規(guī)律驗(yàn)證，并討論不同算法在識(shí)別潛在消費(fèi)者的準(zhǔn)確度方面的表現(xiàn)，進(jìn)一步提升營(yíng)銷的準(zhǔn)確度。