基于AISAS模型的用户大数据时代商家精准营销效果评价指标体系的构建

施 芬

(福州软件职业技术学院经济管理系，福建福州 350000)

基于AISAS模型的用户大数据时代商家精准营销效果评价指标体系的构建

施 芬

(福州软件职业技术学院经济管理系，福建福州 350000)

以AISAS模型为框架构建指标体系，找出AISAS各阶段商家精准营销效果的评价指标，以期商家在消费者购买过程中找出精准营销活动做得不完善之处，及时改进，提升精准营销效果。

精准营销；用户大数据；AISAS

在互联网高速发展、云计算广泛应用的时代，消费者对网页的浏览、关键词的搜索等行为都在网上留下了痕迹。商家将消费者的网络痕迹搜集起来，形成用户大数据库。商家根据用户大数据库中消费者的历史搜索信息、浏览信息、购物信息，对消费者进行画像，为消费者推荐“感兴趣的商品”，进行着精准营销活动。譬如，某消费者在搜索引擎上搜索过牛肉干，接下来的日子里，无论消费者浏览哪个网页都会看到铺天盖地的牛肉干广告。或者，消费者完成购买后，商家所谓的售后服务是推送评价类信息及企业近期的促销活动信息。分析上述现象，商家都将商品或服务推送给了消费者，但消费者对商家推荐的商品或服务的感兴趣程度可能不高，企业的精准营销活动没有达到预期效果，甚至引起消费者厌烦和排斥的情绪，偏离了精准营销的初衷。究其原因，这是商家对于消费者的行为数据没有积累充分进行推荐的后果，再加上推荐模型做得不到位，就出现了不合时宜和需求的强制推销。

商家精准营销模型的构建依赖于海量的用户数据，但是消费者的表现是多元的、动态的、不可持续的。此外，虽然互联网为商家提供了与消费者信息交流的廉价而便捷的平台，但是消费者在终端上的消费行为呈现出碎片化、无序的特征。商家从浩如烟海却又杂乱无章的用户大数据中，要发现消费者真正需求的商品或服务难度相当大。那么，商家要挖掘消费者的真实需求，在合适的时间将合适的商品推荐给消费者，这就需要商家构建精准营销模型的同时，还要对精准营销活动效果进行评价，及时发现精准营销活动的不足之处。本文以AISAS模型为框架，构建用户大数据时代商家精准营销效果评价指标体系，找出AISAS各阶段商家精准营销效果的评价指标，作为用户大数据时代商家对消费者购买过程的每个环节的精准营销效果的评价依据，以期商家在消费者购买过程中及时找出精准营销活动做得不完善之处，对精准营销模型及时改进，降低引起消费者反感的概率，提升精准营销效果。

一、AISAS模型

日本电通公司将传统的AIDMA模型进行重构，提出基于网络时代的AISAS模型。AISAS模型表明，在互联网时代，消费者在接触到商品或服务的信息，达成购买活动后，还会进行信息分享，从而影响到其他消费者，并经历五个阶段。这五个阶段分别是，引起注意(Attention)、激发兴趣(Interest)、信息搜索 (Search)、产生行动(Action)、信息分享(Share)。[1]39-60

图1 AISAS模型

二、基于AISAS模型的用户大数据时代商家精准营销效果评价指标体系构建的原则

1．科学性原则

评价指标体系应能够全面、准确地反映用户大数据时代商家精准营销的效果。指标的定义应明晰、准确，不能模糊不清。

2．系统性和简明性原则

影响用户大数据时代精准营销效果的指标很多，对精准营销效果的评价是一个复杂的过程。因此，既要有综合性，又要体现层次性。指标体系应该在明确目的的基础上，建立一套系统性的能够从整体上反映用户大数据时代商家精准营销效果的指标。但并不是说，指标越详细越好，因为所列指标过多，易导致主次不分及相互重叠、相互矛盾的混乱局面。所设计的指标应该简明，能反映出问题即可。

3．定性与定量指标相结合原则

在对用户大数据时代商家精准营销效果评价的过程中，所设计的指标包含了影响精准营销效果的方方面面。并不是所有的指标数据都是能够通过定量计算得出的，有一些指标数据必须通过问卷调查的方式获得。

三、基于AISAS模型的用户大数据时代商家精准营销效果评价指标体系的构建

以AISAS模型为框架，以商家在用户大数据时代精准营销效果评价为目标，建立起评价指标体系。如表1所示。本研究将用户大数据时代商家精准营销效果评价指标体系设计为三个层次。顶层指标为用户大数据时代商家精准营销效果，体现评价的目标与目的。中间层指标是以AISAS模型为框架，包括引起注意阶段，激发兴趣阶段，信息搜索阶段，产生行动阶段，信息分享阶段共同支撑用户大数据时代商家精准营销效果的体系。末端指标是各阶段下的进一步分解，在商家实际运营中得以获取和挖掘的数据，能直接或经过一定技术处理评估其指标值。

表1 基于AISAS模型的用户大数据时代商家精准营销效果评价指标体系

1．引起注意阶段(Attention)

商家通过分析用户大数据，将商品或服务信息通过各式各样的媒体渠道传递给信息受众，并尽可能地引起潜在消费者的注意，将消费者聚集到商家的网站。引起注意是企业精准营销成功的基础。它决定了商家精准营销初始的受众数量，对于商家精准营销传播的广度和深度影响深远。在信息泛滥的时代，消费者的注意力易被纷繁复杂的信息分散，据估计，当前一个消费者平均每天接触3000条商业信息，[2]如何让消费者从众多的信息中关注到企业所发出的信息，进而做出后续的消费行为，这对于企业来说是一个巨大的挑战。企业在本阶段应该最大程度地接近顾客，在合适的时间、合适的渠道，以正确的方式增加消费者接触点。[3]126-128消费者的需求可以由内在刺激，如生理需求，也可由外在刺激，如广告、促销等因素引起。有时候，消费者不一定会愿意向商家表述自己的需求，有时甚至没有意识到自己的需求。在网络浏览中，消费者对商家所投放的广告也许是粗略地一瞥，也许是仔细地观看。但无论是粗略地一瞥，还是仔细观看，消费者都在为商家所投放的互联网广告印象作贡献。在互联网时代，社会大众的注意力就是一种宝贵的资源。[4]47-50若能引起消费者的关注，精准营销就有了一个好的开端。引起注意阶段，精准营销效果考虑用两个指标来进行评价，互联网广告印象、品牌认知。

互联网广告印象是用来估计互联网广告到达率和频率的过程，是通过用户大数据分析消费者对互联网广告有否关注的重要标准。互联网广告印象用公式可表示为，互联网广告印象=互联网广告到达数量*平均频率。互联网广告到达数量是指有机会在各个网站看到商家广告的人数，平均频率是指某个消费者观看互联网广告的平均次数。互联网广告印象的值越大，表明商家互联网广告在引起注意阶段的精准营销效果越好。

品牌认知是指消费者在浏览网页的过程中，看到商家在网站上为产品或服务所做的广告，在脑海中留下了一个大致的印象，知道有这么一个品牌。当被人在一个辅助的或提示性的层面问起时，譬如，有人询问“你是否听说过某品牌?”这样的问题时，消费者可以回答得出来。这就是品牌认知。品牌认知越高，表明商家在引起注意阶段精准营销的效果越好。品牌认知度用公式可表示为：

品牌认知=

2．激发兴趣阶段(Interest)

商家引起了潜在顾客注意后，消费者进入了分化阶段。大部分消费者对各种渠道传递的信息不再有更多的探求，只有少部分消费者，即为真正的潜在消费者的兴趣将被激发，产生了进一步了解商家信息的需求。这是顾客从被动接收信息到主动收集信息的阶段。互联网便捷的信息获取极大地满足了消费者“猎奇”的欲望。只有顾客产生了兴趣才能对下一步的信息检索产生影响。当今，人们每天面对着来自各种渠道的信息，人们往往对大多数信息视而不见。有这样一组数据可以说明问题：“美国雷曼兄弟公司针对线上广告市场发表的一份长达24页的最新研究报告表明，一般网络广告点击率大概只有0.6%。”“中国互联网用户最新统计数据显示，用户对网上广告根本不点击和不常点击的占网民总数的63.13%，经常点击并从中获取产品信息的仅占7.68%。”[5]因此，如果商家的网页得到了消费者的点击，说明消费者对商家的产品或服务产生了兴趣。此外，如果消费者对商家的商品或服务产生了兴趣，有可能在浏览网页的过程中，将商家的服务或商品进行收藏。激发兴趣阶段精准营销效果用两个指标评价，网页点击量、产品收藏比例。

若消费者对商家的产品或服务产生了兴趣，便会点击商家的网页。每一个网页都由不同的主题和文件组成，包括文本、图片、视频和音频。网页点击量在一定程度上反映了消费者对商家产品或服务感兴趣的程度。网页点击量越大，表明商家在此阶段精准营销效果越好。网页点击量用公式表示为：网页点击量=网页浏览人数*网页文件数量。网页浏览人数是指商家网页向消费者显示的次数。网页文件数量是指组成网页的文本、图表和多媒体文件的数量。

商家的产品在第一阶段引起消费者关注后，若在本阶段能够被消费者收藏，说明消费者对商家的商品或服务产生了兴趣，为了方便今后查找，在个人收藏夹中收藏的产品。但并不是每一个对商家的商品或服务产生兴趣后，都会将产品添加为收藏。因此，产品收藏比例可以作为衡量消费者对商家产品或服务产生兴趣的评判指标。产品得到越多关注者的收藏，说明商家在激发兴趣阶段精准营销的效果越好。其公式表示为：

3．信息搜索阶段(Search)

真正的潜在消费者对商家的产品或品牌产生了兴趣，想要进一步搜集更多的信息，此时，搜索引擎是其获取更多信息的绝佳助手。搜索成为消费者在线的高频率的网络应用。通过在搜索引擎的查找，可以帮助潜在消费者进一步深入了解商家的产品或品牌。搜索引擎的出现，不仅方便人们查找信息，改变市场交易过程中的信息不对称，也为商家推广自己的产品和服务提供了极好的平台。消费者查找资料时不仅越来越信赖于搜索引擎，并且对搜索引擎的信赖程度也不断提高。截至2014年，搜索引擎用户规模达到5.22亿，较2013年增长3257万人，半年增长率为6.7%；在网民中的渗透率为80.5%，是仅次于即时通信的第二大网络应用。[6]国内外调查报告表明，除了国外如Microsoft，IBM， Yahoo等著名企业网站，国内如百度、新浪、搜狐、网易这样的大型互联网站可以获得大量独立域名访问外，一般网站的访问来源都是来自各搜索引擎，其重要性可见一斑。[2]对盲目查找商品或服务的消费者而言，在搜索引擎中输入关键词，即出现上万条信息，在海量的信息中如同大海捞针般逐一查找有效信息。由于存在着大量无序的、冗余的、缺乏价值的信息，大大降低了消费者的搜索效率，增加了搜索成本。在用户大数据时代，商家借助用户大数据利用追踪定位功能下的精准推送方式推送让消费者感到有价值的信息，节省了消费者的搜索成本和搜索时间。[7]127-130消费者只需要对有兴趣的产品或服务进行搜索。当消费者对商家发出的信息产生兴趣后，会对商家推广的商品、服务或品牌进行搜索。本阶段反映商家精准营销效果的指标是品牌关键词搜索次数、品牌关键词搜索指数、品牌相关词检索次数、品牌相关词搜索指数。

品牌关键词搜索次数反映的是消费者对商家品牌信息感兴趣，利用搜索引擎进行信息搜集的次数。商家品牌搜索次数越多，表明消费者对商家的品牌越感兴趣。

品牌关键词搜索指数是以消费者在各搜索引擎同类品牌的搜索量为数据基础，以商家的品牌关键词为统计对象，计算出商家的品牌关键词在各搜索引擎的网页搜索中频次的加权和的比重。其公式表示为：

品牌关键词搜索指数=

品牌关键词搜索指数越高，表明消费者对商家的品牌在同类品牌中感兴趣的程度越高，精准营销效果越好。

品牌相关词检索次数是指消费者在搜索关键词时还搜索过与自身品牌关键词相关的检索词的次数。消费者在进行品牌关键词搜索时，搜索引擎中会出现与品牌有关联的词语，消费者出于兴趣有可能会对品牌相关的词语进行搜索。所以品牌相关词检索次数也可作为商家品牌产生兴趣的一个评价指标。

品牌相关词搜索指数是以消费者在各搜索引擎同类相关品牌的搜索量为数据基础，以品牌相关词为统计对象，计算出品牌相关词在各搜索引擎的网页搜索中频次的加权和的比重。其公式表示为：

品牌相关词搜索指数=

品牌相关词搜索指数越高，表明消费者对商家品牌的相关词在同类品牌中感兴趣的程度越高，精准营销效果越好。

4．产生行动阶段(Action)

精准营销是指商家根据用户大数据推测出消费者的需求，在合适的时间将合适的产品推荐给合适的顾客。本阶段消费者在搜索阶段了解商家产品或服务的基础上，感到商家在自己需要产品或服务的时间向自己推荐了所需产品或服务，通过点击商家给出的产品或服务链接，或者直接进入商家的网站购买产品或者订购服务。因此，商家可以用购买转化率、在线订购量环比增长速度、近期消费的顾客数量环比增长速度、顾客消费频率达商家标准的环比增长速度、近期消费金额环比增长速度来衡量商家精准营销的效果。

购买转化率是指线上或线下购买商家商品的人数与到达商家店铺的人数的比值。购买转化率公式表示为：

购买转化率越高，表明到达店铺的访客中产生购买行为的客户人数越多，说明商家精准营销效果越好。

商家开展精准营销活动后，可以逐月比较消费者的在线订购量，若在线订购量呈现出逐月上升的趋势，说明商家的精准营销成效开始呈现出来。在线订购量环比增长速度成为衡量商家精准营销效果的指标之一。在线订购量环比增长速度表示为：

在线订购量环比增长速度大于1，表明开展精准营销后，消费者的在线订购量呈现出逐月增加的趋势，表明商家精准营销效果越好。

但是，并不是所有的顾客都在搜索了产品的信息后，会产生后续的购买行为。这些顾客有可能点击了商家的链接后，由于某些原因，譬如价格不合适，或者产品在功能或外观方面不合适暂时未进行购买，等过了段时间，有特别心仪的产品时才进行购买。由此，商家开展精准营销活动后，近期消费的顾客数量环比增长速度大于1，说明商家近期在顾客需要的时间将顾客需要的商品推荐给顾客，精准营销效果越好。近期设定为商家进行精准营销后的半年内。近期消费的顾客数量环比增长速度表示为：

顾客对商家推荐的商品或者关联产品感兴趣程度越高，在商家店铺重复购买的次数有可能越大，消费频率就会越高，精准营销效果越好。商家要计算某一顾客的消费频率，必须跟踪这名顾客近期的消费。商家利用用户大数据对进店购物的每名顾客的消费都进行跟踪，统计出每名顾客近期的消费频率。商家可自行设定次数，譬如以近期内顾客进店重复购买的次数为五次算作达标，商家逐月统计出近期顾客进店重复购买次数达五次的顾客人数。顾客逐月消费频率达商家标准的环比增长速度表示为：

近期逐月消费金额环比增长速度持续大于1，表明消费金额持续增长，精准营销效果好。

5．信息分享阶段(Share)

根据CNNIC发布的《第38次中国互联网络发展状况统计报告》显示，截至2016年6月中国网民规模达7.10亿，互联网的普及率为51.7%，手机网民规模达6.56亿。[8]自媒体时代，用户不再被动地接收商家传递的信息，用户可以积极主动地传递包括意见、评价、舆论在内的各种信息。消费者在对信息信任度上，更相信来自第三方平台、意见领袖等主体给出的有关商品或品牌的好评差评等口碑信息。消费者喜欢去商业化的SNS交流购物过程中各个阶段的体验，所购商品购后的感受，品牌的观点，由此形成了各类达人、领袖。作为消费者在用户大数据时代，购买行为的结束不代表消费行为的终止。Web2.0带来了传统媒体无可取代的全新传播——以生活者为主体的传播——消费者不仅可以通过网络主动获取信息，还可以作为发布信息的主体，与更多的消费者分享信息。[9]241-243在AISAS行为模式的每一个环节，消费者都可能产生独特的消费体验。因此，在分享环节，消费者会将自己的想法晒在微信朋友圈、微博平台、百度贴吧上，实现消费体验的分享扩散。或者在淘宝、天猫购物时，在所购商品下给予自己的评论。通过分享，消费者之间建立起互惠的战略联盟关系的同时，还促进了产品和品牌信息的极大扩散。[10]因此，网络评价对于后续消费者的购买决策具有参考作用。通过浏览他人对商品的评价，能够帮助消费者在做出购买决策之前，获得网络社区的集体智慧。据市场研究公司 Jupiter Research 调查数据显示：77%的网民在线采购商品前，会参考网上其他人所写的产品评价，超过90%的大公司相信，用户推荐和网民意见在影响客户是否购买的决定性因素中是非常重要的。[11]21-28因此，真实用户的真实体验对其他潜在客户的网络购买行为可产生重要影响。由此可见，商家必须重视消费者的切身感受和实际利益，并不断激发消费者产生强烈的消费和分享意愿，给自己带来新的用户。

鉴于此，本阶段精准营销效果的评价指标是话题发布数量、话题回复数量、产品评论量、产品转发数。话题发布数量是指消费者在购买商品或选择服务时，对购买的商品或服务感到满意或者不满意时，在商家的网站或者论坛上，以发帖的形式就某一商品或服务展开话题讨论。话题发布数量越多，表明对商家所推荐的商品或服务要表达的个人看法的顾客数量越多，表明商家精准营销效果越好。话题回复数量是指消费者就某个消费者发布的话题给出自己的想法，这些想法有的是对话题发布者想法的肯定，有的是对话题发布者想法持否定的态度。话题回复数量越多，表明消费者对产品或服务与其他消费者分享的意愿越强烈，精准营销效果越好。产品评论量是指消费者在购买了商家的产品或服务后，在产品或服务页就产品或服务给出自己的购后评价或者结合自己的经历发布的心得体会或提出疑问的次数。产品转发数是指消费者在购买商家推荐的产品或服务后，觉得产品或服务达到了个人的需求，将产品或服务通过微信朋友圈或者其他论坛的形式将产品或服务的链接予以分享。产品转发数越多，表明精准营销效果越好。

[1]Kobayashi Y．A study of engagement in Japan[J]. Aoyama Journal of Business，2009,43(4)．

[2]曹芳华．基于AISAS模式的网络整合营销传播模型建构与个案研究[D] .厦门大学，2009.

[3]丁守俊，瞿群臻.基于AISAS模型的微博营销客户转化率优化[J].物流工程与管理，2015(4).

[4]辛德强，安妮娜.基于移动无线网络的精准营销探究[J].市场营销导刊，2009(5).

[5]师悦.互联网广告与品牌塑造[D].南京艺术学院，2006．

[6]邵长奇．基于AISAS模型的房地产品牌资产创建研究[D] .北京交通大学，2015．

[7]蔡立媛,张金海．负熵:大数据时代TPWKR企业营销五阶段模型的建构——以购买的五阶段模型为分析对象[J] .现代传播，2016(5)．

[8]辛闻．CNNIC发布第38次《中国互联网络发展状况统计报告》[EB/OL]．(2016-08-03)[2017-05-03] ．http://news.china.com.cn/txt/2016-08/03/content_39013310.htm．

[9]邹理．微博传播机制的社会网络分析[J] .求索，2013(11)．

[10] 章俊杰．基于AISAS模式的新兴网络旅游营销渠道整合的影响因素研究[D] .浙江工业大学，2012．

[11] 刘惠芬，周清清．基于AISAS 客户行为模式的网络营销传播研究[J] . 浙江传媒学院学报，2012(5)．

Class No.:F49：F274 Document Mark：A

(责任编辑：宋瑞斌)

Construction of Evaluation Index System of Precise Marketing for Business Users Based on AISAS Model in Big Data Times

Shi Fen

(Department of Economics and Management, Fuzhou Software Technical Vocational College, Fuzhou, Fujian 350000，China)

Based on the AISAS model, we design an index system to find out the index of precision marketing of the business users in the era of big data. We expect to find out the inefficiencies of the precise marketing and to modify the precision marketing model to strengthen the precision marketing.

precision marketing; big data of users; AISAS

施芬，硕士，讲师，福州软件职业技术学院。研究方向：社会化营销。

1672-6758(2017)08-0076-7

F49：F274

A