直播间模式的市场营销全周期数学模型研究

陈 威

（湖南环境生物职业技术学院，湖南 衡阳 421005）

0 引言

近年来，互联网技术的发展使传统购物方式发生了翻天覆地的变化，电商在直播平台做主播，在直播间带货更使它告别了广泛的人口红利时代，而直播带货也形成了稳定的产业格局。因此，越来越多的企业进入直播平台，直播间的货物也由传统的服装变成了食品、数码产品甚至汽车和火箭。为了，要想在网络直播间有更进一步的发展以及建立专业的直播间带货平台，必须对现有的运营模式进行更新，力求在直播间这个领域做到最好。

根据运营模式的不同，电商直播具有多种形式，但是目前我国电商带货使用最多的一种形式就是衍生电商直播，我国几大电商平台也都是采用这种直播形式，通过网红与品牌的合作进行联合直播。平台工作人员通过移动终端对商品生产区进行现场直播进行讲解，使消费者身临其境，激发其消费欲望，为消费者营造真实愉悦的网购环境。在网络经济背景下，市场营销的方法是以人的需求为导向的，人们喜欢买什么，直播间就会应该根据人们的需要来进货，当然也会出售一些人们并不需要的东西，这主要是因为直播营销的方法是互动的。在各大直播室的营销中，人们不仅可以了解自己要购买的产品，还可以通过交流了解其他产品[1]。作为一种全新的营销模式，其投入与产出的效益关系尚没有权威的核算方法，因此该文从经济学角度分析直播间模式的市场营销的效益。

1 市场营销全周期效益分析方法

常见的市场营销全周期分析方法在进行效益分析时存在速度慢、无时效性等问题，不能将市场的周期效益充分计算出来，该文则采用聚类法对市场营销进行全周期效益分析。传统的聚类方法是将一种或者多种不同类型的事物进行划分，找出这些事物中的共性和个性并把其中具体相似特点的事物进行组合，最终得到具有相似内容特点的一些事物的综合体。在聚类过程中，全程处于自动计算的状态，数据自动进行处理和估算，在进行处理时，一般按照特定指令进行，即在同一种类型的数据中相似度高的数据被同时处理，不同类型的数据分别处理。

进行数据分析的具体步骤如下：选确定随机聚类对象，在这里聚类对象主要从年龄、性别和学历中随机抽选并在同一纬度里再次进行剩下2个选项的比较，最终确定聚类目标。当第一个集群完成后才能进行二次聚类。在二次聚类的过程中，主要是对第一次聚类过后那些具有高度相似性的群体进行计算。聚类完成后，重新计算每个簇中心的价值，确定新类并重复筛选知道出现最终目标函数。不过该目标函数与实际函数存在一定的数值差异，这表明尽管与对象的特征有明显的相似之处，但不存在完全相同的2组数据。对目标函数一般采用误差平方和的方式来计算，这里用x来表示集群中的选择对象，j表示集群对象的误差均值，E表示目标函数。目标函数如公式（1）所示。

在进行聚类过程中，所选用的用户信息大都是经过筛选留下的符合市场营销定位的用户，此类用户大都具有一定相似性，属于细分人群。因此在进行聚类分析的过程中聚类法能够快速识别此类用户的共同点并进行针对性的市场营销效益分析，对具有相同性质的用户进行分析也能实现更高效的数据处理。此外，对剩下的部分不具有相似性质的用户数据，在通过聚类法筛选出来后可进行针对性处理。面对这些数据的差异性，应该做到找出差异存在的根源并针对这些问题进行集中处理。分别为不同的用户制定特殊的营销方案。同时，在用户关系管理方面为扩大市场获得持续效益，可与相关用户保持联系，根据获得的用户信息进行针对性交互，以此实现后续新用户的开发[2]。

1.1 分析市场营销全周期效益存在度

根据上述分析方法可进行市场营销全周期效益存在度分析。首先设应用该分析模式获得的市场营销周期效益为p，当p为最低市场营销周期效益时，这表示该模式并未起到相应作用。设该分析模式在进行市场营销效益分析时的波动大小为x，当x取最大值时说明该分析模式完全符合市场营销模式。设t为随着市场波动成本变化大小，ν表示不同分析模式的变化大小。如果存在实数论域x=（0，p]，那么此时的存在度可以用模糊集L来表示，L就变成了x的模糊映射。在确定区间中，营销服务模式能够准确获取在此次市场营销中全周期效益的成本预算，根据预算进行合理地支配和使用，在保证成本预算的前提下，改变确定区间则可获取2倍及以上的效益。此处又作第二个假设，当直播间市场营销存在一定的饱和性，如果当直播模式趋于饱和，那么市场营销的效益保持不变。如果营销模式处于T的边缘，那么此时市场营销的效益将无法得到保证，一旦成本发生变化，市场营销的全周期效益会随着成本的变化而发生变化，存在较强的不稳定性。在此种情况下，其存在性几乎为0，而此时的服务模式距离原本标准值较远，极易出现市场营销崩溃的现象，模糊度为0。在保持成本稳定的情况下，相关营销稳定性与直播间模式下网络的模糊度存在较大关联度。当变化程度越大，市场营销存在性越低，则有关市场营销的周期性效益分析越不准确。一旦该种模式的变化程度达到最大，那么此时的市场营销稳定度将会变成0，对其进行全周期效益分析也就失去了意义。在市场稳定的情况下，存在度模型能够很好地描述和表现市场营销的效益变化，不同营销节点也都与市场存在性存在关联关系，可以及时预测到相关数值的变化[3]。

1.2 分析市场营销全周期效益稳定度

S（x）在进行取值时，在一定范围内函数值不会发生变化，但当x取值为0.5时，函数值就出现了极值且此时该模式具有较强稳定性。

因此能够得出，一般的直播间模式下市场营销效益分析系统较为稳定，在没有受到外来数据干扰的情况下，该指标也存在极值，如果总体时间闭区间中，物流服务模式的变化度都到达成本阂值，或者营销直播间模式具有较大的变化性，那么它们的极值度量都会发生变化，并且随着时间的增加极值会逐渐扩大直到到达定点。在一般情况下，市场营销全周期效益稳定性比较低，这是由于市场本身存在一定规律以及无法排除外界因素的干扰导致系统分析具有较强的波动性。当直播间模式变化较小时，市场营销的稳定度较强，此时进行数据处理与分析具有较高的准确度，相反如果模式变化较大，市场营销效益分析稳定度较弱，无法在这种情况下进行数据处理与数值模拟。为了确定市场营销周期效益稳定性，需要在固定的时间区间内进行市场营销存在度和稳定度的模糊判断[4]。

1.3 挖掘直播间市场营销周期效益大数据

在我国直播间平台的大数据建模主要是通过使用crisPDM数据挖掘标准流程，按照制定好的几个阶段进行数据挖掘。其中在业务阶段主要应了解直播间市场营销模式，只有当真正理解了一个直播间的业务组成和主要内容，才能进行下一步的数据分析。因此，在业务理解阶段，从用户需求和实际应用的角度出发，找到直播间业务的最终目标。不同的经营背景导致了不同的流通模式。其具体挖掘过程模型如图1所示。

图1 大数据挖掘流程

总的来说数据挖掘是一个循环过程，需要不断地进行数据准备以及更新从而得到更为精确的大数据，为市场全周期效益分析提供数据，并在一轮又一轮的模型评估中不断地优化，达到最佳的应用效果。

1.4 建立市场营销周期效益分析模型

LS（A）是用于描述S中的稳定度函数，S函数特征是在自变量取值为0.5时，该函数达到最大值ln2。T表示全周期中某一时刻时间序列集；ta表示在序列T中取特定值a；tb表示在序列T中取特定值b；a、b分别表示集合中某一时刻的左右端点，L则是对整个集合的稳定度分析。

通过以上步骤，完成在整个集合稳定度下的最大值计算，则改点即为市场营销的平衡点，为最佳投入产出比区间，能够实现全周期效益的最大化。

2 应用测试与分析

2.1 测试准备

在试验开始之前，对模型测试所需要的数据进行收集与整理，同时保证电脑设备等的正常运行。为了验证此次提出的全周期效益分析方法能够获得更好的直播间模式下市场营销全周期效益分析结果，提出对比测试实验。

2.2 应用测试与结果分析

为了确定高质量用户和普通用户稳定性以此为他们提供差异化营销策略， 采用k-means聚类分析方法实现市场营销周期性效益稳定性划分，并通过多个初始值选择来寻找最优的聚类结果。在测试过程中发现当聚类次数为6时，各类群体所反映的特征不明显，不能较好地反映该分析方式的特性，因此最终确定聚类次数为5。具体方法如下：将量化后的数据导入SPSS.19软件，打开软件后根据要求选择聚类选项将会出现聚类界面。将之选择的3个变量也就是性别、学历和年龄统一录入聚类界面可发现聚类界面在数量栏的数字变成了3。点击保存数据数量，其余选项均不进行操作，检查初始集群中心，保存选项后界面自动显示出以下结果，如表1所示。具体数据分析结果如表1所示，这几类用户稳定性随着年龄的增大而增大，符合直播间用户的特征。根据模型测试结果可知，第一类用户基本上是在学校或工作不久的毕业生，能带来的周期效益稳定性比较差。虽然其现有收入水平决定了他们目前在工作室创造价值较少，但不可否认随着工作时间的增加，他们将带来更多的价值，属于早期成长的潜在用户。第二类用户基本上在工作时，有自己的时间和较为稳定的收入，同时也有自己的家庭汽车贷款、抵押贷款等，属于市场营销中周期效益相对稳定的一类，用户数量所占比例在直播间仅次于第一类用户，所以在汽车贷款和抵押贷款方面应该显现出明显的优惠力度。第三类用户他们在收入上与第一组用户相似，但在交易量上远远超过第一组和第二组用户。因此，这些相对年轻、存款较多的用户是直播间的关键用户。直播间背后的运营团队应充分挖掘这类用户在产品方面的消费能力，推荐用户购买一些数量较大、周期较长的产品。第四类用户更多属于消费者，属于存款高、消费高的类型。根据这些特征，直播间可以根据货物的不同内容和不同的商品，并且可以使用一个更优惠的折扣来提示用户以达到以折扣吸引购物的目的，提高自己的忠诚度。

表 1 初始聚类中心

在直播间市场以相同营销力度不同时长的情况下进行不同市场营销体系模拟分析，结果如图2所示。

分析图2可得，营销服务网络时长为为2.5h时，市场营销效益稳定性的模糊存在性处于0～0.1，并且变化较为平稳。

在不同时段进行市场营销效益稳定性分析得出的结果存在一定偶然性，根据图2可以得知营销时间越长效益稳定性越高，但这只是一种趋势，并不存在在某一确定时间段效益分析能够稳定不变的情况，是一种非常模糊的状态。当市场营销时长为35h～40h时，市场营销效益最平稳，这表明在该种情况下不存在因为市场营销而得到的效益[5]。

图2 不同营销时长下直播间市场营销全周期效益稳定度

直播间市场营销全周期效益模式稳定度主要用于度量该服务模式与其他服务模式间的紧密关联性。不同时间段中直播间模式的市场营销全周期效益并未发生较大幅度的波动，这表明该分析方法能够有效地评估市场营销的周期效益并且误差较小。此外，在营销时长为2.5h时，模式稳定度处于0%～10%，大致接近10%；随着营销时长的增加，模式的稳定度逐渐增大，而此时该种模式的稳定度也随着时间的增加而增加，呈正相关，这表明该种分析方法在进行市场周期性效益分析时存在较高的稳定性。

从上面可以看出，第一类用户要注意培养直播间的认可度，第二类用户要注意保持用户黏性。第三类和第四类用户要注意挖掘兴趣产品的消费能力。根据实验分析说明，该分析方法能够有效针对直播间市场营销群周期效益的稳定性和生存性进行定量评估，该模型下的营销效益服务分析方法具有较高的稳定性。

3 结语

在网络经济的背景下，网络经济的营销可以不断地完善，提高市场的水平，从以前的营销方法转变为新的营销方法，相关企业也会随之改变，营销方法也会越来越多。因此，要想在市场中站稳脚跟，就必须对营销方法进行分析，改变营销方法，以适应网络经济时代的需要，从而提升网络直播间的利益，促进产业经济的发展。