基于大数据的网络营销模型构建

唐慧羽

（广西现代职业技术学院，广西 河池 547000）

0 引言

在互联网、物联网、云计算等新兴科技的迅速发展下，人们的生活已经离不开数字信息，各类信息网互相交错，其线上信息量有了空前的发展效果。在此条件下产生了大数据概念，它作为一种超出传统数据库的工作能力集合的范围数据，能够大规模地获取、存储、管理和分析数据，具有数据信息存储大、数据流传速度快、数据类型多样化、价值密度低四大优势。在近几年来，因其巨大的商业价值，已成为新时代社会的焦点，越来越多的国家和企业相继进入大数据应用领域。在美国，大数据应用于医疗技术领域，平均每年可以创造4000亿美元的生产价值，年生产力能够提高0.75%，零销行业每年能够提高67%的净利率[1]。从2004年开始我国大数据新兴产业得利发展，带动相关产业GDP增加。但由于大数据营销的覆盖范围较广，每个环节中的应用和模式不同，大数据营销的技术缺乏现实领域的过渡切口，大多数的应用实例无法成功在各个企业粘贴复制，依然在数据层面停留，没有进行深入的挖掘，导致用户转化率偏低，因此，本文基于大数据记录和收集用户信息，构建大数据营销流程，识别用户画像规划用户类型，建立网络营销模型，改善营销效果，增加客户转化率，为企业的发展提供可依靠的营销运营思路。

1 基于大数据构建网络营销模型

1.1 记录和收集用户信息

在当前电子信息环境下，在建立营销模型前需要对用户数据进行整合，识别出不同来源的用户群体。对于大数据下的用户信息一般分为匿名用户数据和实名用户数据。匿名用户数据是用户通过网络平台上，进行浏览和购买产生的数据；而实名用户数据是指经过注册后的用户真实信息收集过程。首先，对于匿名用户数据，可以在网络浏览器的监测下，将用户在各个网站上的访问记录和购买过的数据进行留存并记录，分析每个商品在此网站的对应参数，通过这一参数，找到对应的商品型号和品牌数据，在将其商品的大小和价格进行对应，在网站有效代码的监测下，了解该用户在购买商品前的浏览记录，其各个商品属性是什么，通过对该用户多次的访问记录分析，有效识别该用户在购买前的决策过程，从而制定针对该用户类型同样访问记录的访问者，商品营销的推荐路径，收集此类用户信息。其次，对于实名用户，根据其在购买商品时留下的接收电话能够查询到常用邮箱，在固定配送地址的留存记录中能够规划该用户经常出入的场景，如工作地点、居住地点、购物地点等，针对用户的实名信息，能够更真实地记录该用户的真实数据[2]。将这些信息收集并记录归纳，进行有效清洗，留下对后续营销有用的数据，建立信息系统，使所得数据能够有效串联并加以分析，形成能够识别的用户视图信息，然后基于大数据构建营销流程，便于后续营销工作的进行。

1.2 基于大数据建立营销流程

在收集用户数据信息后，由于该阶段用户还没有产生咨询行为和实际购买记录，所以需要构建营销流程，对用户信息进行整合分析，激发潜在用户购买需求，提高后续用户和商品的营销匹配度。当公司和用户接触后，尽快地让匿名用户完成实名注册，通过上述采集到的用户感兴趣产品促成用户成交转换，对潜在用户的购买行为和产品进行用户可购买预测，使其完成注册，获取真实信息。通过产品关联数据，对用户的购买记录和产品数据进行分析，总结用户购买结果和预测结果的关联度，将相似产品纳入营销中，营销流程如图1所示。

图1 营销流程图

如图1所示，并不是所有采集到的用户信息都能够及时地完成实名转化，会有些许的用户在数据收集的初始阶段存在流失现象，不产生购买行为，此时就需要对用户进行网络销售，可以不定期地发送用户感兴趣的产品，增加用户对商品的关注度，在此基础上分析该用户群体购买可能性。其次，许多购买后的用户在一定时间内不会产生再次购买的需求，使得用户信息轮转至休眠数据，而对老客户的激活比较转换新用户来讲，成本更低，所用时间更少，因此在营销流程构建中是必不可少的一步[3]。通过匿名用户数据的转化、实名用户注册、关联营销设计、流失数据统计和老用户激活五个阶段构建大数据营销流程，在此基础上，对用户画像进行识别规划用户类型，丰富用户信息让用户的属性产生更清晰的认知。

1.3 规划用户类型构建营销模型

用户画像能够更好地联系客户诉求，从大数据中精准地对画像进行识别和分类，是大数据营销的基础。通过互联网平台收集所需要的用户信息，在获取用户信息后，将各个系统内的实名信息进行清洗整合，从用户姓名、手机、住址三方面进行匹配，形成一体的用户数据信息，在将不同的标签从不同纬度进行识别，形成清晰的用户类型信息，一般从四个维度规划用户画像体系，如表1所示。

表1 用户分类体系表

由表1可知，在关联用户信息维度中涉及的体系标签，通过已知标签结合时间纬度，分别以一个月、三个月、近半年和一年为基础，整合用户信息。规划用户体系，能够对用户产生360度的全方位识别，即使没有面对面地和用户交流过，依旧可以对用户的所有信息进行精准识别，对用户群体进行划分，以某个用户为例，通过其画像体系规划其所属用户类型，如图2所示[4]。

图2 用户画像识别举例

通过上述用户画像信息，我们可知这是一位未婚的26岁男性，现居住在河南，近半年内对家电的需求量增加，几乎高消费金额都产生在家电类别，支出金额偏高，结合收货地区信息，可知所处小区位置，所有电器均在网络平台购买，没有固定品牌，但外观均以白色为主，对价格不敏感，可以推断出该青年收入较高，且近半年内处于房屋装修状态，结合获取信息，可以将该用户规划在新房装饰类别，在后续营销中可以推荐相关产品，带来其他类别产品转化。通过上述三个方面，在收集用户信息后，针对用户所在群体制定相对应营销策略，规划用户群体推送合适的产品，构建网络营销模型。

2 实验论证分析

为验证新的营销模型能够增加用户转化率，用户转化率是指在浏览数据的总人数中最后的成交结果和总人数比值，在同样的客户群体数量下，根据成交数量，对比用户转化率pvr，其计算公式为：

式中：成交结果用iu表示；浏览总人数用full表示；根据影响转化率的因素，设置对比实验条件，以双“11.11”购物节前预热五天的用户数据为例，根据每天的总浏览人数，对比两种营销模型下成交数量，分析各自的转化率，对比结果如表2所示。

表2 两种营销模型下成交对比结果（人）

由表1可知，在11月6号到11月11号之间传统模型的转化率分别6.94%、5.65%、5.34%、4.27%、3.68%、3.69%；新营销模型的转化率分别为19.7%、23.0%、20.1%、16.7%、18.4%、19.2%；比传统模式分别高了12.76%、17.35%、14.76%、12.43%、14.72%、15.51%。双“11.11”期间传统模型用户总转化率为4.5%，新营销模型为19.1%，比传统模型提高了14.6%，说明新设计的网络营销模型能够提高用户转化率，能增加营销效果。

3 结语

本文在大数据的运用基础上，记录收集用户信息，构建营销流程，识别数据画像规划用户类型，建立网络营销模型，改善营销效果，使客户的转化率增加了14.6%，为企业的发展提供了可靠依据。但本文的研究仅限于定量分析，构建的模型只研究了对大数据信息的处理问题，没有产生直接量化效果，具有一定的局限性，需要企业在自我实际应用中总结和分析。在后续的工作中可以针对大数据的其他特征进行广泛研究，使得大数据对营销领域产生更深刻的影响，提供更可靠的理论依据。