Web数据挖掘在乐器网络整合营销中的应用

沧州师范学院 唐丽芳 黄琳娜

中国石油广西石化公司 唐伟

2011年随着电子商务和物联网的蓬勃发展，一亿网民接受和使用网上购物。乐器行业也加入网上零售队伍中，雅马哈、卡西欧、珠江、星海等知名乐器品牌纷纷入驻当当网、京东商城、淘宝商城，乐器大市场已形成。

网络经济带给乐器行业机遇和挑战。如何确保乐器品牌和产品在互联网广泛传播，使得自己的品牌众所周知？怎样让产品销售动力十足？如何实现销售额的成倍增长？这些问题正是乐器网络销售需要急迫解决的，而网络整合营销之道，正是最好的选择。

网络整合营销的核心思想是将与企业进行市场营销所有关的一切传播活动一元化。具体来讲，将品牌网络广告、搜索引擎营销、事件营销、邮件营稍、博客营销、动漫游戏营销等策略都考虑到品牌传播、产品的市场推广与招商推广计划中，并且加入了新闻营稍、互动营销、社区营销、口碑营稍等多种新营销元素，实现营销传播方面的“蜂鸣效应”。

1 Web数据挖掘

乐器网站的服务日志、后台数据库中与客户相关的数据以及大量的交易记录、访问日志等数据资源海量且呈爆炸式的增长，如果将这些庞杂数据进行挖掘分析并以理解的方式呈现出来，那么公司将取得极大的竞争优势。为了解决这一问题，Web数据挖掘应运而生。

1.1 Web数据挖掘含义

Web数据挖掘是指从互联网大量数据中“挖掘”信息加以分析，总结规律，并进一步将其模型化的过程。比如，通过分析消费者购买记录的数据，建立消费者需求模型并对其再次购买商品进行预测。[1]

Web数据挖掘流程由四个阶段构成，分别是问题定义和数据收集，数据预处理，模式识别和模式分析。它们是依次递进的，而且这些过程可以分批完成，其中某些步骤或者全过程还可以反复进行。

1.2 Web数据挖掘常用技术

1.2.1 关联分析技术

关联技术可以发现大量数据之间有趣的关联。根据消费者放在购物车中的不同商品之间的联系分析消费者的购买习惯。比如哪些产品经常被购买？同一个订单里，哪些产品经常会一起购买？消费者在购买商品时是否存在一定的购买时间顺序？这样我们可以设计出更适宜消费的商品摆放位置，把热销的商品放显著位置；也可以更科学化地安排货物，实现零库存管理。

1.2.2 分类分析技术

分类分析能发现大量数据项及某些共同特征，将其分类；同时对新加入的数据项进行归类。比如根据消费者订单及注册信息将用户分类；并对每类用户实施不同的销售策略。如果有新注册的用户，先判断该客户的类别，再开展对应的销售活动，收到事半功倍的效果。

1.2.3 序列模式分析技术

序列模式分析侧重分析数据之间存在的因果关系或顺序，通过分析消费者浏览商品的顺序来预测消费者的喜好和行为，把他可能要购买商品的网页组织起来，建立起激发购买欲望购物的页面链接，这样达到提高销售的用意。[2]

1.2.4 利用聚类分析技术

聚类分析又称群分析，它是对样品数据进行分类的一种多元分析方法。所谓类，通俗的说就是相似数据的集合。Web数据挖掘有两种聚类：用户聚类、页聚类。用户聚类是把消费行为相似的用户归为一类，有针对性地提供相关产品广告和商业活动，以加强老用户的忠诚度。页聚类组是把相关商品的网页建立相互连接，方便用户搜索、提供购买建议，快速找到自己想要的商品。

2 Web数据挖掘在乐器行业中的发展状态

大型的电子商务网站诸如新浪、淘宝、京东商城、百度等企业均有一定的研发实力和经济支撑，有自己的BI团队。 他们能够依据当前数据仓库数据，分析未来可能存在的需求。重新调整经营目标，制定营销方案；通过不间断补充数据仓库数据，使得整个数据挖掘系统像滚雪球一样逐展。

乐器行业属于中小型企业，没有足够的财力组建专门数据挖掘团队，一般使用第三方机构提供Web数据发掘和数据分析服务。第三方机构收费低廉，服务灵活，能提供互联网数据的基础统计。比如统计网站访问量及增长趋势、统计用户访问时间及高峰时段、统计最畅销商品及购买人群年龄、统计关键词频率。国内常用的统计网站有CNZZ、5lla、百度统计、SLYES等等。

数据挖掘技术在乐器销售中运用并不理想，现状如下：

(1)乐器行业大多都是中小型企业，经营者经营仍采取线下经营方式：凭借自己实体店多年经验选择产品范围，凭借自己的直觉猜测市场价格，产品定价很随性。

(2)乐器销售人员素质不高。销售人员注重熟悉产品性能特点，多多卖出商品就ok。缺乏很多专业素质，对数据挖掘技术掌握运用很困难。

(3)乐器公司对用户信息系统维护不够重视。由于没有自己的挖掘团队，数据挖掘主要依靠第三方服务。而第三方服务对乐器公司具有阶段性，只能对现有数据进行挖掘和制定一段时间的行动方向，导致每次都得重复开发。另外网络数据维护费用过高，乐器公司望而止步因此造成数据的丢失。

3 乐器网络整合营销需要Web数据挖掘

乐器网络整合销售采用话题销售、事件销售、活动销售等策略，因此网络数据海量。Web数据挖掘要处理的数据包括：乐器网站财务信息、消费用户注册信息、消费用户购买记录、消费用户评价信息、商品浏览统计、VIP用户之间聊天记录、各种圈子里的用户聊天记录、网络广告代理商服务器浏览日志、博客浏览及评论信息、用户搜索关键词信息、相关产品新闻信息、竞争者财务信息。Web数据挖掘通过对消费者购买清单的分析，了解客户消费行为，建立模型，并对客户消费水平进行预测。如果以网上客户能接受的价格推送出去，也许每日某乐器产品的规则不会改变，但是每个人所获得的产品将不再是统一的，这种改变足以使得有效交易量翻倍增长。通过分析注册用户信息，对其用户进行归类，预测他的喜好、购买行为，并提供相应商品，增强琴行的竞争力。

在话题销售中运用QQ圈子、博客圈子、MSN圈子、开心网圈子等等，大量邀请消费者也建立一个VIP用户圈子，在圈中分享一些有价值的信息，间或发布一些乐器新产品信息等，通过这种圈子，Web数据挖掘可以发现客户间的共性和个性的知识，必然和偶然的知识，独立和联系的知识等。我们将这些知识经过分析，就能对客户心理、动机、需求潜能等的消费行为作出统计和正确的把握，为管理者制定针对性的销售方案和进货计划提供决策依据。

4 数据挖掘在乐器网络整合营销中的主要应用

4.1 应用聚类技术，将用户分成四类，实施不同营销

首先抽取淘宝商城某知名琴行2011.1~2011.10期间购买记录，将这些数据进行如下分类：

(1)钢琴、西洋乐器：雅马哈、珠江、圣卡罗等名牌钢琴；小提琴、中提琴、大提琴；手风琴、萨克斯。

(2)电子乐器：电子琴、电钢琴、电吉他、电贝司、电子提琴、电子鼓。

(3)流行乐器：吉他、小号、长号、大号、架子鼓；交响打击乐、拉丁打击乐、口琴、长笛。

(4)民族乐器：古筝、古琴、埙。

(5)音响设备：效果器、乐器音响、专业音响、录音设备。

(6)乐器配件及书籍：琴凳、电子琴琴包、钢琴罩、琴架、连音脚踏板、考级教程、入门辅导教程、下载歌曲、刻录光碟、考级辅导光盘、演唱会专辑、CD。

然后对用户人数进行统计，如表1：

表1 用户分类表

从表1看出：Group1人最少但消费额却很高；而Group6用户最多但消费额不高。因此分成四类用户。

黄金用户：Group1的用户，虽然购买人不多，但是他们给琴行带来的利润最大。采用一对一策略、建立VIP会员群，让其有优越感来提高他们的忠诚度。提供高端乐器促销让利活动，增强他们的参与营销意识。[3]

优质用户：Group2、Group3的用户，这些用户有较强的购买力，用序列模式预测他们的需求，提供个性化的服务，采取多种营销方式如口碑传销、事件传销、邮箱传销等挖掘他们潜在的消费力，并利用他们向周围人群进行宣传来发展新客源。[4]

发展型用户：Group4、Group6的用户，这些用户人数众多利润却有限，但有极大的潜在价值，极有可能转变成优质用户，是琴行营销重要的营销对象。建立用户圈子，加强与他们的沟通，提供价格低、质量好的乐器，刺激他们的购买欲。

“过路型”客户：Group5中的客户，购买过一次后不再光顾，琴行没必要对其投入营销成本。

4.2 采用序列模式，及时调整乐器网站摆放

通过应用序列模式分析出某用户一周以来总是浏览某件商品信息，可以预测他有购买的想法。因此，我们把该商品放置到店面的首页显眼位置，来提高该用户的购买欲望。

4.3 及时调整乐器产品广告营销，实现推广最优化

Web数据挖掘对互联网广告投入进行监控，能精确统计流量数据、用户购买所有行为数据、利润回报数据。这样就能针对投放广告方案做出客观分析及调整建议，使得乐器企业及时把握广告推广效益最大化。

4.4 “装修”网站，优化购物系统，提高品牌效应

琴行网站不能一成不变，可根据促销活动、季节变化更换网页风格主题。精美的网页、高清晰的图片、随时放大的细节、快捷安全的购物流程都能彰显企业的实力，增加用户满意度和信任度。应用关联技术预测用户群的喜好和购买行为，给出“装修”方案来增加回头客率。分析用户的记录，发现购物系统弱点，提出数据分布策略和改进缓存策略等方案。[5]

5 结语

网络经济势在必行，只有提供最全面的商品品种，满足众多消费者的不同需求，才能获得更大的商业利润增长点。Web数据挖掘技术能分析客户的消费喜好和消费行为，对用户进行分类提供人性化营销策略。Web数据挖掘为乐器网络整合营销成功开展提供强有力的支持。

[1]赵丽芬.数据挖掘技术在电子商务中应用研究[J].计算机工程应用技术,2011(04).

[2]廖美红.数据挖掘技术在电子商务领域中的应用研究[J].现代商业,2011(12).

[3]赵玉勇.电子商务CRM通过挖掘数据掘金[J].信息与电脑,2011(09).

[4]成伟.数据挖掘技术在数码产品销售商家的应用[J].电脑知识与技术,2010(1).

[5]罗建华,陈建科.基于旅游电子商务中数据挖掘应用的研究[J].中国现代服务业,2011(08).