大数据时代我们真正的需求（一文读懂大数据时代下的消费需求挖掘）

大数据时代我们真正的需求（一文读懂大数据时代下的消费需求挖掘）1． 2 市场营销中的数据挖掘方法“用户画像”构建完之后， 需要对数据进行挖掘，这也是大数据时代数据分析最重要的一步， 大数据分析， 最关键的就是从不相关的数据到相关的关系。如何从大量不相关的数据发生联系成为相关的关系， 这就需要进行数据挖掘。由于“用户画像”属于信息层面， 因此需要用数据库的语言进行设计， 也就是需要用实体-联系图( entity-relation diagram， E-Ｒ 图) 来完成。E-Ｒ 图提供了表示实体( 即数据对象) 、属性和联系的方法， 用来描述现实世界的概念模型。用来描述“用户画像”的E-Ｒ 图 所示。 1． 1 “用户画像”数据库的构建 传统营销模式下， 数据来源于企业的营销记录，随着网络及电子商务的发展， 消费者的网上痕迹也化为数据， 成为企业营销数据的来源之一。构建“用户画像”所需要的数据， 除了传统上从数据库中获得的数据、营销平台搜集的数据、历史

摘要: 针对大数据时代服装企业不知道怎样利用大数据进行营销的问题， 基于 4C 理论构建了“用户画像”数据库， 通过对数据库的挖掘来进行消费者群体细分。在此基础上， 从营销的角度构建了精准营销细分模型， 并以三枪集团的营销数据为对象， 利用 SPSS 工具对身高这一细分因素进行了挖掘。
研究表明: 大数据时代， 以“用户画像”数据库挖掘为基础的精准营销细分模型， 能够重构消费者的需求、精准定位消费者群体， 并能为企业实施精准营销提供科学的决策依据。
关键词: 大数据; 用户画像; 消费者细分; 数据挖掘; 精准营销

随着网络与信息技术的快速发展， 企业之间、企业与消费者之间都习惯了通过互联网进行交易， 由此带来了电子商务的蓬勃发展， 并产生了大量的消费数据。黄升民等通过对大数据背景下营销体系的解构与重构， 认为数据的使用贯穿在整个营销过程的始末， 对于营销的效果起着至关重要的作用。

随着网络与信息技术的快速发展， 企业之间、企业与消费者之间都习惯了通过互联网进行交易， 由此带来了电子商务的蓬勃发展， 并产生了大量的消费数据。黄升民等通过对大数据背景下营销体系的解构与重构， 认为数据的使用贯穿在整个营销过程的始末， 对于营销的效果起着至关重要的作用。

《大数 据 时 代》的 作 者 维 克 托 · 迈 尔-舍 恩 伯格 认为， 大数据的简单算法比小数据的复杂算法更有效， 大数据让人们不再期待精准性， 而是混杂性。怎样从混杂性的大数据中挖掘有价值的相关信息， 成为企业必须思考的问题。因此， 由这些数据组成的“用户画像”，不仅再现了消费者的全貌， 反映了消费者的需求， 而且是企业挖掘消费者需求与价值、进行消费者细分、实施精准营销及其他活动的基础。

大数据时代下的消费需求挖掘
传统营销模式下， 笔者通过访谈、调研的方式来探知消费者， 做出假设， 并根据这些数据构建模型，用科学化的方法对消费需求进行验证并做出预测。
大数据时代， 当人们有能力解读“全样本”， 从更多角度精细地描述消费者， 并且数据可以实时、动态获得的时候， 消费需求的挖掘方式也要随之改变。

1． 1 “用户画像”数据库的构建
传统营销模式下， 数据来源于企业的营销记录，随着网络及电子商务的发展， 消费者的网上痕迹也化为数据， 成为企业营销数据的来源之一。构建“用户画像”所需要的数据， 除了传统上从数据库中获得的数据、营销平台搜集的数据、历史数据之外， 还 要尽可能获取消费者在互联网社区上的一些视频、图片等信息( 比如新浪微博) 及地理空间信息等数据 ， 这些数据能够从侧面反映消费者的态度、偏好等， 使营销更精确。
对于用来存储“用户画像”所需要数据的数据库有很多， 本文选择 SQL Server 数据库。它是一款能用于大型联机事务处理、数据仓库和电子商务等方面应用的数据库平台， 它不仅能在企业内部共享服务器， 查询各种数据， 还能够为企业降低管理、生产等各方面的成本 。

本文的“用户画像”是在“4C”理论的基础上， 结合消费者的需求特点， 通过查阅文献、调研、访谈并在专家的建议下构建起来的 。

“4C”理论包括消费者、成本、便利和沟通 。其中， 消费者就是充分了解、研究、分析消费者的需求，可以从消费者的年龄、性别、职业等基本信息角度理解; 而成本不仅指消费者愿意支付的价格成本， 还包括时间、体力和精神成本; 便利则主要指的是方便消费者购买及使用， 这两个因素可以从消费行为角度理解， 包括网页浏览时间、点击记录等购买前的信息搜集行为及购买记录等行为; 沟通则是通过互动的方式将消费者与企业结合在一起， 这样企业就能知道消费者的忠诚度、满意度等， 可以从购买后的评价及沟通平台等角度理解。

由于“用户画像”属于信息层面， 因此需要用数据库的语言进行设计， 也就是需要用实体-联系图( entity-relation diagram， E-Ｒ 图) 来完成。E-Ｒ 图提供了表示实体( 即数据对象) 、属性和联系的方法， 用来描述现实世界的概念模型。用来描述“用户画像”的E-Ｒ 图 所示。

1． 2 市场营销中的数据挖掘方法
“用户画像”构建完之后， 需要对数据进行挖掘，这也是大数据时代数据分析最重要的一步， 大数据分析， 最关键的就是从不相关的数据到相关的关系。如何从大量不相关的数据发生联系成为相关的关系， 这就需要进行数据挖掘。

数据挖掘方法有很多， 对于营销来说， 主要有聚类、分类、关联规则、决策树和协同过滤等。其中， 分类主要用来对销售数据分析， 其目的是通过构建分类模型， 以此来确定顾客的兴趣和消费倾向， 然后将数据分成给定的类别， 从而推断消费者下一步的消费行为; 关联规则主要是利用产品相似性进行推荐营销， 比如经典的啤酒与尿布的故事， 就是利用关联规则成功营销的案例; 决策树主要用来保留顾客分析和顾客流失率分析， 而聚类则是根据“物以类聚，人以群分”的思路， 根据产品的相似性、顾客的群特征， 对消费者进行分类。聚类方法包括许多， 像基于层次的聚类、基于密度的聚类、基于网格的聚类， 聚类可以用来对客户群体进行分类、对客户背景分析、对客户购买趋势预测等。

1． 3 消费者细分因素的确定
消费者细分是一个陈旧的话题， 但是在大数据时代， 在人们拥有了更多的数据之后， 借助更好的挖掘工具、分析工具， 就能够帮助企业对网上消费者进行全面的追踪及精细的划分， 在准确地划分群体之后， 通过挖掘消费需求又可以进行个性化的精准营销。大数据时代， 消费者细分因素的确定是以“用户画像”为基础的。传统细分主要基于两个角度， 消费
者角度和产品角度 。消费者角度就是以消费者为研究重点， 主要从消费者的不同侧面来细分消费群体; 产品角度就是以产品为导向的市场细分， 为企业制定营销决策用。因此， 细分的标准不同就会有不同的市场适用性 。总之， 从消费者角度来说， 市场细分的依据主要有三方面: 人口特征、行为特征和心理特征 。
人口特征因素主要包括性别、年龄、职业、地区及婚姻状况 。通过以往的文献可知， 性别、年龄不同， 消费需求也不同; 消费者的教育程度、收入越高，购买新产品的可能性越高 ;而婚姻状况对消费者的消费习惯也会产生影响 。
行为特征因素的选取主要参照消费者购买决策及专家意见来获取并确定的。消费者在购买决策过程中大致经历需求诱发、信息搜集、比较选择、购买决策、购后评价五个阶段 。
心理特征 因 素 主 要 包 括 偏 好、态度和价值三个主要方面。偏好方面不仅包 括 消 费 者 对 颜 色、价格等与产品有关的偏好， 还包括消费者的一些行为偏好， 态度指的是消费者的满意度与忠诚度。而价值则主要指的是消费者的感知价值 ， 消费者所感觉到的、一 些 与 心 理 有 关的利益 、价值等方面。
综上所述， 构建 消 费 者 细 分 因 素 模 型 如 表 1
所示