第一篇:改进遗传算法在实体商业中精准营销研究与实现
改进遗传算法在实体商业中精准营销研究与实现
摘 要: 由于实体商业市场缺乏像电商平台那样的个性化交互平台,因此无法对客户进行精准营销,使得在商业市场上的竞争力越来越弱。为了解决这一问题,引入商家基因库模型,并记录客户在实体店铺中的历史购物行为、关注的产品类别等,结合最佳邻居、效用函数等提出赋有权重的客户偏好模型。利用改进遗传算法对商家基因库模型与客户偏好模型进行匹配,以实现精准营销。研究以大数据为背景,利用Hadoop集群的MapReduce编程实现改进遗传算法,用以在n维商家空间中快速、精准地找出最符合客户需求的商家。实验结果表明,改进遗传算法相对于传统遗传算法在推荐准确率上平均提升15.6%,在推荐响应时间上提升41.9%。
关键词: 改进遗传算法; 精准营销; 商家基因库; 客户偏好模型; 范围相似度函数; 大数据
中图分类号: TN911.1?34; TP312 文献标识码: A 文章编号: 1004?373X(2018)13?0177?05
Abstract: The entity commerce lacks of personalized interactive platform as the e?commerce,and can′t perform the precision marketing for client,so the competitiveness becomes weaker in commercial markets.For the above problem,the merchant gene library model is introduced,the historical shopping behavior and concerned product category of entity stores are recorded for clients,and the best neighbor and utility function are combined to propose the client preference model with weighting.The improved genetic algorithm is used to match the merchant gene library model with client preference model to realize the precision marketing.On the basis of big data,the MapReduce programming of Hadoop cluster is adopted to improve the genetic algorithm,which can quickly and accurately find out the merchant mostly meeting the requirements of client in n?dimensional merchant space.The experimental results show that the recommended accuracy of the improved genetic algorithm is 15.6% higher than that of the traditional genetic algorithm,and the recommended response time is improved by 41.9%.Keywords: improved genetic algorithm; precision marketing; businesses gene library; client preference model; function of range similarity; big data 0 引 言
?S着“互联网+”的浪潮席卷而来,传统实体商业(如百货商场)却在此次浪潮中受到非常大的冲击。根据iziRetail抽样调查数据显示,2016年上半年全国近六成的百货商场业绩处于下滑状态,很多商场甚至濒临倒闭或者已经倒闭的状况。因此,对于目前的大型实体商业而言,积极探寻新的经营理念,利用先进大数据技术,在新时代、新环境下实现商业模式转型,是目前所有实体商业领导者亟待解决的问题。
研究以某大型实体商业为背景,首先对商场中所有商家所售产品建立商家基因库模型[1];然后根据客户在此商场中的消费记录、当前关注的产品类别等信息,使用聚类算法构建带权重的客户偏好模型;最后利用改进的遗传算法实现在商家基因库及海量客户群之间快速、精准的匹配,获得匹配度从高到低的推荐列表,并利用新媒体方式为每一位客户实现个性化推荐,以达到精准营销的目的。研究所有模型均建立在大数据分布式处理Hadoop 2.0平台上,此平台本身保证了模型的可用性、高效性及扩展性。
以餐饮业为例,传统遗传算法匹配度在70%~75%范围内的数据有1 140 528条,高于改进遗传算法,其在75%~100%范围内的数据则低于改进遗传算法,推荐率在传统遗传算法基础上平均提高15.6%。改进遗传算法优于传统遗传算法的原因有以下两点:
1)在传统遗传算法之前加入k?means算法对数据进行初始聚类,将商家基因累积,抬高特征值,加快遗传算法对特征基因的识别和匹配分析。
2)在使用传统遗传算法之后加入范围相似度函数求被推荐用户的亲密好友f,对遗传算法得出的相似最优解集做出最优选择,使最优解的范围更精确。4 结 语
本文提出一种改进遗传算法,即首先在传统算法之前加入k?means算法,使数据源特征更具有集中性,再应用遗传算法得出相似最优解集,最后使用自定义范围相似度函数求解推荐率。以上所有算法均采用Hadoop集群MapReduce编程模型并行实现。
本文提出的算法仍有需要改进的地方,以下几个方面需要基于实际情况不断完善。
1)利用k?means算法对用户和商家数据进行初始聚类,其中对[k]值的确定有待完善,当用户和商家的数据有变动时,所确定的[k]值就需要更新。
2)对新用户的数据采集方式可以更具个性化,提高新用户数据参数的精确度以及快速有效地采集并存储其数据,进行精准计算。
3)在计算最终推荐率时,将相似最优解放入[n]维空间中,以其为圆心,人为设定阈值为85%,在此范围的即为最优解的“亲密好友”[f]。因此,在寻找最优解的亲密好友时可以设定一个算法自动确定以最优的相似程度范围取值。参考文献
[1] 张浩.基于商品基因和遗传算法的个性化推荐系统[J].?算机系统应用,2011,20(12):114?117.ZHANG Hao.Personalized recommendation system based on commodity gene and GA [J].Computer system & applications,2011,20(12): 114?117.[2] 朱会霞,郝志云,王福林.二进制遗传算法编码长度的计算方法[J].辽宁工业大学学报(自然科学版),2016,36(2):138?140.ZHU Huixia,HAO Zhiyun,WANG Fuling.Calculation method of encoding length for binary encoded genetic algorithm [J].Journal of Liaoning University of Technology(natural science edition),2016,36(2): 138?140.[3] 吴夙慧,成颖,郑彦宁,等.K_means算法研究综述[J].现代图书情报技术,2011(5):28?35.WU Suhui,CHENG Ying,ZHENG Yanning,et al.Survey on K?means algorithm [J].Data analysis and knowledge discovery,2011(5): 28?35.[4] 刘英.遗传算法中适应度函数的研究[J].兰州工业高等专科学校学报,2006(3):1?4.LIU Ying.Research on fitness function in genetic algorithm [J].Journal of Lanzhou Polytechnic College,2006(3): 1?4.[5] 卢向华.竞价排名广告的关键词投放策略及其绩效研究:基于淘宝网的实证分析[J].管理科学学报,2013,16(6):1?9.LU Xianghua.Empirical study of keywords biding strategy and search engine advertising performance [J].Journal of managements sciences in China,2013,16(6): 1?9.[6] 刘铁男,姜建国,陈继刚,等.遗传算法的收敛性分析[J].大庆石油学院学报,2000(3):40?42.LIU Tienan,JIANG Jianguo,CHEN Jigang,et al.Convergence analysis of genetic algorithms [J].Jounal of Daqing Petrolmum Institute,2000(3): 40?42.[7] 汪民乐.遗传算法的收敛性研究[J].计算技术与自动化,2015,34(1):58?62.WANG Minle.Research on convergence of genetic algorithm [J].Computing technology and automation,2015,34(1): 58?62.[8] 张栋冰.一种基于遗传算法的特征选择和权重确定方法[J].怀化学院学报,2015,34(5):59?62.ZHANG Dongbing.A feature selection and weights determination method based on genetic algorithm [J].Journal of Huaihua University,2015,34(5): 59?62.[9] 邓波,张玉超,金松昌,等.基于MapReduce并行架构的大数据社会网络社团挖掘方法[J].计算机研究与发展,2013,50(z2):187?195.DENG Bo,ZHANG Yuchao,JIN Songchang,et al.Community detection in big social networks based on MapReduce framework [J].Journal of computer research and development,2013,50(S2): 187?195.[10] 刘星毅,韦小铃.基于欧式距离的最近邻改进算法[J].广西科学院学报,2010,26(4):409?411.LIU Xingyi,WEI Xiaoling.Improved kNN algorithm based on Euclidean distance [J].Journal of Guangxi Academy of Sciences,2010,26(4): 409?411.[11] 罗军,朱文奇.考虑物品相似权重的用户相似度计算方法[J].计算机工程与应用,2015,51(8):123?127.LUO Jun,ZHU Wenqi.User similarity function considering weight of items similarity [J].Computer engineering and application,2015,51(8): 123?127.[12] 谌超,强保华,石龙.基于Hadoop MapReduce的大规模数据索引构建与集群性能分析[J].桂林电子科技大学学报,2012,32(4):307?312.CHEN Chao,QIANG Baohua,SHI Long.Large scale data index construction and cluster efficiency analysis based on Hadoop MapReduce [J].Journal of Guilin University of Electronic Technology,2012,32(4): 307?312.[13] 王悦.遗传算法在函数优化中的应用研究[J].电子设计工程,2016,24(10):74?76.WANG Yue.Application of genetic algorithm in function optimi?zation [J].Electronic desigen endineering,2016,24(10): 74?76.[14] 李建江,崔健,王聃,等.MapReduce并行编程模型研究综述[J].电子学报,2011(11):2635?2642.LI Jianjiang,CUI Jian,WANG Dan,et al.Survey of MapReduce parallel programming model [J].Acta electronica sinica,2011(11): 2635?2642.[15] Wiki.Institutions and companies using Hadoop [EB/OL].(2010?12?25).[2010?12?28].http://wiki.apache.org/hadoop/PoweredBy.
第二篇:大数据与精准营销研究综述
大数据与精准营销研究综述
摘要:随着互联网的日益普及,人们对互联网技术的利用率越来越高,由此而来的大数据对社会的各行各业都带来很大变化,人们正步入大数据时代。在企业营销中,大数据的应用可以大大促进精准营销的发展,为其带来前所未有的发展机遇。本文首先分别对大数据与精准营销的研究进行综述,然后提出大数据时代下精准营销模式的问题,最后针对该问题提出一些思考与建议。
关键词: 大数据; 精准营销; 精准营销模式
一、大数据研究现状
1.大数据起源与兴起
1980年,著名未来学家托夫勒在其《第三次浪潮》提出了“大数据”的概念,并热情地将其称颂为“第三次浪潮的华彩乐章”,但是之后很长一段时期内,由于技术发展制约,“大数据”的概念并没有得到人们的重视。
2008年开始,移动计算、物联网、云计算等一系列新兴技术相继兴起,这些技术的发展及其在社交媒体、协同创造、虚拟服务等新型模式中的广泛应用,使得全球数据量呈现出前所未有的爆发式增长态势,数据复杂性也急剧增长,客观上要求新的分析方法和技术来挖掘数据价值,大数据技术应运而生,并得到迅速发展和应用,如此,“大数据”时代真正到来。
2008 年末,三位信息领域资深科学家卡内基梅隆大学的R.E.Bryant、加利福尼亚大学伯克利分校的R.H.Katz、华盛顿大学的E.D.Lazowska联合业界组织计算社区联盟(Computing Community Consortium)发表了非常有影响力的白皮书《大数据计算: 商务、科学和社会领域的革命性突破》,使得研究者和业界高管意识到大数据真正重要的是其新用途和带来的新见解,而非数据本身。随后,包括EMC、IBM、惠普、微软在内的全球知名企业纷纷通过收购大数据相关厂商来实现技术整合,实施其大数据战略; 国内外咨询机构也相继发布与大数据相关的研究报告,积极跟进大数据领域的研发与应用。2011 年5 月,EMC 公司在主题为“云计算相遇大数据”的World 2011 大会中阐述了云计算与大数据的理念和技术趋势。同年10 月,Gartner 将大数据列入2012 年十大战略新兴技术; 11 月,由CSDN 举办的中国大数据技术大会在北京成功举行。大数据在产业界逐渐形成燎原之势。
目前,大数据研究和应用已经成为信息科技领域中的热点。世界各国均高度重视大数据领域的研究探索,并从国家战略层面推出研究规划以应对其带来的挑战。2012 年3 月,美国奥巴马政府投资两亿美元启动“大数据研究和发展计划”,致力于提高从大型复杂数据集中提取知识和观点的能力,并服务于能源、健康、金融和信息技术等领域的高科技企业; 2012年4 月,英国、美国、德国、芬兰和澳大利亚研究者联合推出“世界大数据周”活动,旨在促使政府制定战略性的大数据措施; 7 月,日本推出“新ICT 战略研究计划”,其中重点关注“大数据应用”同时,大数据也已引起学术界的广泛研究兴趣。2008 年和2011 年,《Nature》与《Science》杂志分别出版专刊《Big Data: Science in the Petabyte Era》和《Dealing with Data》,从互联网技术、互联网经济学、超级计算、环境科学、生物医药等多个方面讨论大数据处理和应用专题。
2.大数据的定义与特征
对于大数据的概念,企业和学术界目前尚未形成公认的准确定义。维基百科将大数据定义为“无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合”; 权威IT 研究与顾问咨询公司Gartner 将大数据定义为“在一个或多个维度上超出传统信息技术的处理能力的极端信息管理和处理问题”; 美国国家科学基金会(NSF)则将大数据定义为“由科学仪器、传感设备、互联网交易、电子邮件、音视频软件、网络点击流等多种数据源生成的大规模、多元化、复杂、长期的分布式数据集”。尽管存在不同的表述,但一个普遍的观点是,大数据与“海量数据”和“大规模数据”的概念一脉相承,但其在数据体量、数据复杂性和产生速度三个方面均大大超出了传统的数据形态,也超出了现有技术手段的处理能力,并带来了巨大的产业创新的机遇。
IBM公司把大数据的特征概括成三个“V”:规模(Volume)、快速(Velocity)和多样(Variety),但是更多的人则将其概括为四个“V”,即规模(volume)、快速(Velocity)、多样(Variety)和价值(value)。
(1)规模(Volume)。大数据首先是必须具有海量数据,但是究竟多大体量才叫海量,人们并没有一个确定的数字。有人认为应该达到TB数量级,一般在10TB规模左右。但在实际应用中,很多用户把多个数据集放在一起,已经形成了PB级的数据量。
(2)多样性(Variety)。这是大数据概念区别于从前有关数据管理的一个重要特征,传统的数据管理主要是针对结构化数据分析利用,其应用技术而大数据则更加强调对于半结构化和非结构化数据的分析和应用。
(3)快速(Velocity)。在当前常规的信息安全产品中,特别是具有代表性的检测响应类产品技术中,大量采用实时监测,而“实时”就意味着快速。在当前带宽越来越大、系统越来越复杂采集的数据越来越多的同时,安全检测对于事件响应的及时性要求并没有减
弱。另外,“实时”还包含着一种内在的含义:主要根据当前的数据做出分析判断。
(4)价值(Value)。数据是物理世界的数字反映,价值上数据不同于数字,数据背后是有对象的,而这些对象是有属主的、有立场的、有价值归属的、主观的。大数据的体量很大,所蕴含的价值总量也会是客观的,但是平均到单条信息的价值却很低,即价值密度很低。
3.大数据的关键技术
传统的数据采集来源单一,且存储、管理和分析数据量也相对较小,大多采用关系型数据库和并行数据仓库即可处理。而大数据环境下,数据来源非常丰富且数据类型多样,存储和分析挖掘的数据量庞大,对数据展现的要求较高,并且很看重数据处理的高效性和可用性,需要依靠并行计算提升数据处理速度。而传统的并行数据库技术追求高度一致性和容错性,难以保证其可用性和扩展性。
另一方面,传统的数据处理方法是以处理器为中心,而大数据环境下,需要采取以数据为中心的模式,减少数据移动带来的开销。因此,传统的数据处理方法,已经不能适应大数据的需求,需要一种新的技术理论和方法。
3.1数据挖掘
数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的,但又是潜在有用信息和知识的过程。目前广为接受的一种处理模型是Fayyad 等人设计的多处理阶段模型。
3.2数据分析
在相关技术中,比较具有代表性的是Apache 软件基金会开发的Hadoop,以MapReduce 和Hadoop 为代表的非关系数据分析技术,凭借其适合非结构处理、大规模并行处理和简单易用等优势,在互联网搜索和其他大数据分析技术领域取得重大进展,成为主流技术。
4.大数据相关产业发展
按照信息处理环节,大数据可以分为数据采集、数据清理、数据存储及管理、数据分析、数据显化及产业应用等六个环节,由于尚属发展初期,其中的每个产业环节都包含着不少的企业,其市场发展情况如下。
(l)数据采集。Google、CISCO这些传统的IT公司早已经开始部署数据收集的工作。在中国,淘宝、腾讯、百度等公司已经收集并存储大量的用户习惯及用户消费行为数据。德勤预计,在未来,会有更为专业的数据收集公司针对各行业的特定需求,专门设计行业数据收集系统。
(2)数据清理。当大量庞杂无序的数据收集之后,如何将有用的数据筛选出来,完成数据的清理工作并传递到下一环节,这是随着大数据产业分工的不断细化而需求越来越高的环节。除了Intel等老牌IT企业,Teradata、Informatica等专业的数据处理公司呈现了更大的活力。在中国,华傲数据等类似厂商也开始不断涌现。德勤预计,在未来,将会有大量的公司专注于数据清理。
(3)数据存储及管理。数据的存储、管理是数据处理的两个细分环节。这两个细分环节之间的关系极为紧密。数据管理的方式决定了数据的存储格式,而数据如何存储又限制了数据分析的深度和广度。由于相关性极高,通常由一个厂商统筹设计这两个细分环节将更为有效。从厂商占位角度来分析,IBM、Oracle等老牌的数据存储提供商有明显的既有优势,他们在原有的存储业务之上进行相应的深度拓展,轻松占据了较大的市场份额。而Apache Software Foundation等新生公司,以开源的战略汇集了行业专精的智慧,成为大数据发展的领军企业。
(4)数据分析。传统的数据处理公司SAS及SPSS在数据分析方面有明显的优势。然而,基于开源软件基础构架Hadoop的数据分析公司最近几年呈现爆发性增长。例如,成立于2008年的Cloudera公司,帮助企业管理和分析基于开源Hadoop产品的数据。由于能够帮助客户完成定制化的数据分析需求,Cloudera拥有了如ExPedia、摩根大通等大批的知名企业用户,仅仅五年时间,其市值估值已达到7亿美元。
(5)解读。将大数据的分析结果还原为具体的行业问题。SAP、SAS等数据分析公司在其已有的业务之上加人行业知识,成为此环节竞争的佼佼者。同时,因大数据的发展而应运而生的wibidata等专业的数据还原公司也开始蓬勃发展。
(6)展示。这一环节中,大数据真正开始帮助管理实践。通过对数据的分析和具象化,将大数据能够推导出的结论量化计算,同时应用到行业中去。这一环节需要行业专精人员,通过大数据给出的推论,结合行业的具体实践制定出真正能够改变行业现状的计划。
不仅仅是大数据技术行业的发展,大数据的应用也已经在医疗服务、零售业、金融业、制造业、物流、电信等行业广泛展开,并产生了巨大的社会价值和产业空间。麦肯锡评估西方产业数据为例,大数据的有效利用将能使欧洲发达国家政府节省至少1000 亿欧元(约1 490 亿美元)的运作成本; 使美国医疗保健行业降低8%的成本(约每年3000 多亿美元); 并使得大多数零售商的营业利润率提高60%以上。据市场调研机构IDC 预测,大数据技术与服务市场将从2010 年的32 亿美元攀升到2015 年的169 亿美元,实现40%的年增长率(IT与通信产业增长率的7 倍)近两年来,国内外知名企业(如Ebay、AmazonWal-Mart、淘宝、中国移动和凡客等)相继推出相应的大数据产品和平台,开展了多种深度商务分析和应用。例如:通过分析结构化和非结构化数据促进其业务创新和利润增长; 基于机器学习和数据挖掘方法来管理和优化其库存与供应链,并量化评估其定价策略与营销效果; 通过市场分析、竞争分析、客户分析和产品分析以优化经营决策等。
5.大数据的发展与挑战
在大数据时代,我们仍然要面对大数据的各种技术挑战,包括大数据的去冗降噪技术、大数据的新型表示方法、高效率低成本的大数据存储、大数据的有效融合、非结构化和半结构化数据的高效处理、适合不同行业的大数据挖掘分析工具和开发环境、大幅度降低数据处理、存储和通信能耗的新技术等等。但我们相信技术能够解决的问题终将不会成为问题,真正制约或者成为大数据发展和应用瓶颈的有三个环节。
5.1数据收集和提取的合法性,数据隐私的保护和数据隐私应用之间的权衡
任何企业或机构从人群中提取私人数据,用户都有知情权,将用户的隐私数据用于商业行为时,都需要得到用户的认可。然而,目前,中国乃至全世界对于用户隐私应当如何保护、商业规则应当如何制定、触犯用户的隐私权应当如何惩治、法律规范应当如何制定等一系列管理问题都大大滞后于大数据的发展速度。未来很多大数据业务在最初发展阶段将会游走在灰色地带,当商业运作初具规模并开始对大批消费者和公司都产生影响之后,相关的法律法规以及市场规范才会被迫加速制定出来。可以预计的是,尽管大数据技术层面的应用可以无限广阔,但是由于受到数据采集的限制,能够用于商业应用、服务于人们的数据要远远小于理论上大数据能够采集和处理的数据。数据源头的采集受限将大大限制大数据的商业应用。
5.2.大数据发挥协同效应需要产业链各个环节的企业达成竞争与合作的平衡
大数据对基于其生态圈中的企业提出了更多的合作要求。如果没有对整体产业链的宏观把握,单个企业仅仅基于自己掌握的独立数据,无法了解产业链各个环节数据之间的关系,对消费者做出的判断和影响也十分有限。在一些信息不对称比较明显的行业,例如银行业以及保险业,企业之间数据共享的需求更为迫切。例如,银行业和保险业通常都需要建立一个行业共享的数据库,让其成员能够了解到单个用户的信用记录,消除担保方和消费者之间的信息不对称,让交易进行得更为顺利。然而,在很多情况下,这些需要共享信息的企业之间竞争和合作的关系同时存在,企业在共享数据之前,需要权衡利弊,避免在共享数据的同时丧失了其竞争优势。此外,当很多商家合作起来,很容易形成卖家同盟而导致消费者利益受到损失,影响到竞争的公平性。大数据最具有想象力的发展方向是将不
同行业的数据整合起来,提供全方位立体的数据绘图,力图从系统的角度了解并重塑用户需求。然而,交叉行业数据共享需要平衡太多企业的利益关系,如果没有中立的第三方机构出面,协调所有参与企业之间的关系、制定数据共性及应用的规则,将大大限制大数据的用武之地。权威第三方中立机构的缺乏,将制约大数据发挥出其最大的潜力。5.3大数据结论的解读和应用
大数据可以从数据分析的层面上揭示各个变量之间可能的关联,但是数据层面上的关联如何具象到行业实践中如何制定可执行方案应用大数据的结论这些问题要求执行者不但能够解读大数据,同时还需深谙行业发展各个要素之间的关联。这一环节基于大数据技术的发展,但又涉及管理和执行等各方面因素。在这一环节中,人的因素成为制胜关键。从技术角度看,执行人需要理解大数据技术,能够解读大数据分析的结论;从行业角度看,执行人要非常了解行业各个生产环节的流程及关系、各要素之间的可能关联,并且将大数据得到的结论和行业的具体执行环节一一对应起来;从管理的角度看,执行人需要制定出可执行的解决问题的方案,并且确保这一方案和管理流程没有冲突,在解决问题的同时,没有制造出新的问题。这些需求,不但要求执行人深谙技术,同时应当是一个卓越的管理者,有系统论的思维,能够从复杂系统的角度关联地看待大数据与行业的关系。此类人才的稀缺性将制约大数据的发展。
6.大数据的研究不足
综观国内外大数据领域的研究和应用发展现状可见: 1)大数据相关的研究与应用目前仍然处于起步阶段,学术研究大多局限于宏观层面;2)基于互联网和社会媒体的企业大数据研究与应用亟需进一步的深入开展; 3)现有的大数据研究大多立足于信息科学,侧重于大数据的获取、存储、处理、挖掘和信息安全等方面,鲜有从管理学的角度探讨大数据对于现代企业生产管理和商务运营决策等方面带来的变革与冲击的研究。
二、精准营销研究现状
1.精准营销的定义
1999 年,美国的莱斯特·伟门提出了精准营销的概念。Zabin和Brebach(2004)提出了精准营销的4R法则,亦即正确的顾客(right customer),正确的信息(right message),正确的管道(right channel)以及正确的时刻(Right time),通过将正确的信息在正确的时刻通过正确的管道传递到正确的顾客手中,以此真正对目标客户的购买决策构成影响,促进营销目标的有效达成。
菲利普.科特勒Philip Kotler(2005)在其全球巡回演讲论坛上宣布了一个营销传播的新趋势——精准营销(Precision Marketing),并对其进行阐述:“具体来说,就是公司需要更精准、可衡量和高投资回报的营销沟通,需要更注重结果和行动的营销传播计划,还有越来越注重对直接销售沟通的投资。科特勒(2006)在畅销书《Principles of Marketing》中,首次将基于互联网的精准营销理论融入其中,他认为日新月异的科技,使一些公司勇于从传统的大众传媒沟通方式转移到更加有针对性目标市场的互动模式,以此来不断提高沟通的效果和效率。并提出“对于营销来说,将沟通个性化,并在正确的时间,对正确的人,表达而且做出正确的事情,是至关重要的。”
Paul.W.Farris与Neil.T.Bendle等人(2006)在《Marketing Metries:50+MetriesEvery Executive Should Master》一书中专门研究了解决营销活动科学量化的问题,帮助精准营销活动取得良好效果。营销量化指标的归纳和运用,为经理人在实践中有效利用信息进行科学决策,提供了指导原则、方法以及注意事项。营销量化指标衡量方法,综合了营销和财务两个方面的视角,是关于公司营销业绩的科学而全面的评价。
Lisa D Spiller与Martin Baier(2006)合著的《当代直复营销》中提到了直复营销是对传统营销的发展,是精准营销的理论基础之一,强调以市场细分为基础进行数据库驱动的直复营销。在互联网的基础上实现精准营销,完成与顾客之间的直复营销关系。
国内的齐渊博(2005)将精准营销理解为“精确营销”,即包含了“标准”和“确定”两个意思,“标准”就是可以复制、可以推广、可以提升,没有“标准”的理念只是偶然现象,而“确定”就是对市场极致的了解和把握。
学者许瑾(2006)在科特勒精准营销理论的基础上,从实践的角度对精准营销进行了补充:“精准营销是以客户为中心,运用各种可利用的方式,在恰当的时间,以恰当的价格,通过恰当的渠道,向恰当的顾客提供恰当的产品。”并指出精准营销的几种传播新模式,提倡从传播受众切入,研究受众的行为、生活形态,从而理解用户需求,最终传递给受众最精准的广告内容。
伍青生、余颖、郑兴山(2006)在《精准营销的思想和方法》一文中提出了精准营销是通过定量和定性相结合的方法对目标市场的不同消费者进行细致分析,根据他们不同的消费心理和行为特征,企业采用有针对性的现代技术、方法和指向明确的策略,实现对目标市场不同消费者群体强有效性、高投资回报的营销沟通。
邮政营销专家徐海亮教授(2006)创立了精准营销理论体系,提出了较为完整的精准营销的概念——精准营销就是在精准定位的基础上,依托现代信息技术手段建立个性化的
顾客沟通服务体系,实现企业可度量的低成本扩张之路。并指出了精准营销的三个层面的含义:第一、精准的营销思想。营销的终极追求就是无营销的营销,到达终极思想的过度就是逐步精准。第二是实施精准的体系保证和手段,而这种手段是可衡量的。第三就是达到低成本可持续发展的企业目标。并对传统广告体系与精准传播体系进行了对比,提出来精准传播的三种方式:网络媒体的传播,传统广告的改良与创新及口碑传播。刘征宇(2007)在《精准营销方法研究》一文中也把精准营销的方法归为基于数据库营销的方法、基于互联网的方法、借助他人渠道的方法等三大类。
姜何(2008)用精细化营销来形容精准营销,他认为所谓精细化的管理是相对于粗放式管理而言的,面对于营销的精细化管理,意味着基于客户细分战略的一对一营销,即要与企业选定的最有价值的客户群一对一,了解个性化需求,提供个性化渠道,实现个性化营销手段。而曹彩杰(2010)也分析到:以网络和信息技术为核心的精准营销体系,在一定程度上将取代传统的营销方式,逐步成为现代企业营销发展的新趋势。
综合上述各种观点可以看出,目前学者对精准营销研究热情也颇为高涨,相关文献数量较多,但对于什么是精准营销业界还没有给出一个公认的定义,但精准营销的特性是显而易见的:一是对市场准确定位,二是依赖科技手段,三是个性化服务,四是提高营销的正确性。尽管精准营销的定义尚无定论,但这并不妨碍精准营销思想及方法的发展传播,由于互联网的普及化,网络营销方兴未艾,基于互联网的精准营销是目前网络营销的一个热点领域并且还会不断涌现新的研究成果。精准营销将在互联网上的新兴行业里得到广泛推广,并逐步应用到传统产业中去。
2.精准营销的理论基础及意义
精准营销并不是一个全新的营销思想,随着信息技术的飞速发展,市场的形态有人们的消费行为、消费观念都产生了巨大的变化,随之产生的新营销环境促使营销方式和营销途径在传统营销理论的基础上不断演变发展。
2.1从4P理论到4C理论
美国营销学学者麦卡锡教授于1960年在《基础营销》(Basic Marketing)中提出产品(product)、价格(price)、渠道(place)、促销(promotion)大营销组合策略,他认为一次成功和完整的市场营销活动,意味着以适当的产品、适当的价格、适当的渠道和适当的传播促销推广手段,将适当的产品和服务投放到特定市场的行为。4P理论是营销策略的基础,科特勒(1967)在其畅销书《营销管理:分析、规划与控制》第一版中进一步确认了以4P为核心的营销组合方法。4P营销理论遵循的是由上而下的运行原则,它使市场营销
理论有开始有了体系,又使复杂的现象和理论简单化“这种理念的出发点是追求企业利润,重视产品导向而非消费者导向,没有将客户的需求放到同等重要的地位上来,这也正好体现了了在无细分市场(mass market)里推(push)的概念。在4P理论的基础上劳特朋(Robert.F.Lauterbon)教授(1990)在其《4P退休4C登场》专文中,提出了以顾客为中心的一个新的营销模式,这个4C理论它包含4个要素:四个基本要素:即消费者(Consumer)、成本(Cost)、便利(convenience)和沟通(communication)。4C理论的核心:强调购买一方在市场营销活动中的主动性与积极参与,强调顾客购买的便利性”精准营销为买卖双方创造了得以即时交流的小环境,符合消费者导向、成本低廉、购买的便利以及充分沟通的4C要求,是4C理论的实际应用。精准营销是迎合市场内外环境的变化,在4P的理论基础上,融合了4C营销组合理论来适应新环境的发展:
(1)精准营销真正贯彻了消费者导向的基本原则。4C理论的核心思想,便是企业的全部行为都要以消费者需求和欲望为基本导向,精准营销作为这一大背景下的产物,强调的仍然是比竞争对手更及时、更有效地了解并传递目标市场所期待的满足。这样,企业要迅速而准确地掌握市场需求,就必须离消费者越近越好。这是由于,一方面,信息经过多个环节的传播、过滤,必然带来自然失真,这是由知觉的选择性注意、选择性理解、选择性记忆、选择性反馈和选择性接受所决定的;另一方面,由于各环节主体利益的不同,他们往往出于自身利益的需要而过分夸大或缩小信息,从而带来信息的人为失真。精准营销绕过复杂的中间环节,直接面对消费者,通过各种现代化信息传播工具与消费者进行直接沟通,从而避免了信息的失真,可以比较准确地了解和掌握他们的需求和欲望。
(2)精准营销降低了消费者的满足成本。精准营销是渠道最短的一种营销方式,由于减少了流转环节,节省了昂贵的店铺租金,使营销成本大为降低,又由于其完善的订货!配送服务系统,使购买的其它成本也相应减少,因而降低了满足成本。
(3)精准营销方便了顾客购买。精准营销商经常向顾客提供大量的商品和服务信息,顾客不出家门就能购得所需物品,减少了顾客购物的麻烦,增进了购物的便利性。精准营销实现了与顾客的双向互动沟通,这是精准营销与传统营销最明显的区别之一。
2.2让渡价值理论
“让渡价值”这个新概念是科特勒(1994)提出的,是对市场营销理论的又一进步。顾客总价值与顾客总成本之间的差额是“让客价值”的中心。其中顾客总价值是指顾客购买某个产品或者得到服务所期望获得的某些利益,其中包括产品的价值、服务的价值和形象的价值等;顾客总成本的意思是指顾客为购买某一产品或服务而支付的货币及所耗费的
精力、时间,包括货币的成本、时间的成本及精力的成本。
由于顾客选择购买商品或者服务时,总是希望把相关的成本降至最低,同时又希望从中获得到更多的实际利益,因此,顾客总是倾向于选择“让渡价值”最大化的方式。而企业为在竞争中想要努力的战胜对手,就需要吸引更多的潜在顾客,同时必须向顾客提供比竞争对手更多的“让渡价值”,才可以满足顾客的实际利益最大化的期望。
首先,精准营销能够大幅度的提高顾客总价值。因为精准营销实现了“一对一”的营销,在这种新型观念指导下,其产品设计、开发、销售充分考虑了消费者需求的个性特征,同时增强了产品价值的适应性,从而为顾客创造了更大的产品价值。在提供优良产品的同时,精准营销更加注重服务价值的开发和创造,努力的向消费者提供合理、周密、完善的销售服务,同时方便广大顾客的购买。另外,精准营销还通过一系列的优质的营销活动,努力提升自身的形象,逐步的培养消费者对企业的偏好与忠诚。
其次,精准营销大大的降低了顾客总成本。在顾客购买商品,不仅要考虑销售商品的价格,同时必须确切的知道有关商品的信息,并对销售商品各方面进行深层次的比较,还必须考虑顾客购物环境是否便利等多种因素。精准营销可能大幅的缩短了营销渠道,通过直接手段和直接媒体及时向顾客传递商品信息,降低了顾客搜寻信息的精力成本与时间成本,因而减少了交易费用,扩大了企业商品销售,成为众多企业广泛采用的营销方式。
2.3直接沟通理论
1973年,领导行为理论代表人物,美国行为科学家明茨伯格H.Mintzberg指出“管理工作有10种作用,而人际关系和沟通占3成”。明茨伯格首先创立了经理角色理论,指出“重视同外界和下属的信息联系”和“爱用口头交谈方式”为经理角色六个特点中非常重要的两个特点,直接强化了直接沟通。从泰勒科学管理初始探索下行沟通开始,管理沟通理论的发展历程主要经历了从研究“行政沟通”,向研究“人际沟通”发展、接着以“纵向沟通”研究为主,向以“横向沟通”研究为主,进而向以“网络化沟通”研究为主发展、从以研究“单一的任务沟通”为主,向“全方位的知识共享沟通”研究发展等一系列过程。
20世纪80年代以来随着世界经济政治的变化,管理思想发生了重大的转变,管理沟通理论的研究也遭遇到新的挑战,主要表现在沟通中的信息网络技术的应用,知识型企业及学习型组织的建立等。伴随着现代管理理论呈现出的管理理念更加知识化、管理组织虚拟化、人性化、管理手段和设施网络化、组织结构扁平化、管理文化全球化等总体趋势,管理沟通理论也出现了企业流程再造沟通趋势、知识管理沟通趋势、管理更加柔性化的文化管理沟通趋势、网络经济和全球经济一体化的管理沟通的国际化趋势。精准营销的直接
沟通,使沟通的距离达到了最短,强化了沟通的效果。
四、对大数据环境下精准营销模式的思考
“营销管理是艺术与科学的结合——选择目标市场,并通过创造、交付和传播优质的顾客价值来获得顾客、挽留顾客和提升顾客的科学与艺术。”其中,“科学”的部分有赖于数据搜集与分析和各种营销数据库的建立。可以说,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影响性作用。而在大数据时代,大数据的日益兴起和全方位的发展,如GPS定位一般,使企业对市场的理解和洞察需求正在日益地走向实时化和精准化,为企业实现精准营销带来前所未有的发展机遇。
而通过以上对大数据、精准营销的分析与总结我们可以看出,国内外学者对大数据、精准营销等理论研究成果很多,但对于如何利用大数据及大数据技术,研究客户行为特征,建立大数据时代顾客洞察与精准营销体系策略,这方面的研究则很少。“许多人感觉到大数据时代正在到来,但往往只是一种朦胧的感觉,对于其真正对营销带来的威力可以用一个时髦的词来形容——不明觉厉”。下面提出自己的一些思考。
首先,科技在营销中的运用一直存在,然而大数据在营销中的运用是科技与营销的结合的一座新的里程碑,它使技术在营销中不再仅仅是锦上添花的工具,则是会带来企业营销的战略性转型,起到革命性的作用。
其次,我们可以从市场营销的一般过程来分析大数据技术在精准营销中的应用。(1)客户信息收集与处理。客户数据管理是一个数据准备的过程,是数据分析和挖掘的基础,是搞好精准营销的关键和基础,否则会造成盲目推介、过度营销等错误,比如因为某些产品的购买,在一定时段里是不会重复的,强行推荐,只会导致厌烦情绪和后悔情绪。传统的客户关系管理一般关注两方面的客户数据:客户的描述性数据和行为数据。描述性数据类似于一个人的简历,比如姓名、性别、年龄、学历等;行为数据则复杂一些,比如消费者购买数量、购买频次、退货行为、付款方式等。在大数据时代,结构性数据仅占15%,更多的是类似于购物过程、社交评论等这样的非结构性数据,并且数据十分复杂,符合4V特征。只有通过大数据技术收集和整理数据,才有可能形成关于客户的360度式数据库,不错过每一次营销机会,“啤酒与尿布”的推销理论就是一个很好的例子。
(2)客户细分与定位。只有区分出了不同的客户群,企业才有可能对不同客户群展开有效的管理并采取差异化的营销手段,提供满足这个客户群特征要求的产品或服务。在实际操作中,传统的市场细分变量,如人口因素、地理因素、心理因素等由于只能提供较为
模糊的客户轮廓,已经难以为精准营销的决策提供可靠的依据。大数据时代,利用大数据技术能在收集的海量非结构信息中快速筛选出对公司有价值的信息,对客户行为模式与客户价值进行准确判断与分析,深度细分,使我们有可能甚至深入了解“每一个人”,而不止“目标人群”来进行客户洞察和提供营销策略。
(3)营销战略制定。在得到基于现有数据的不同客户群特征后,市场人员需要结合企业战略、企业能力、市场环境等因素,在不同的客户群体中寻找可能的商业机会,最终为每个群制定个性化的营销战略,每个营销战略都有特定的目标。如获取相似的客户、交叉销售或提升销售,或采取措施防止客户流失等。
(4)营销方案设计。大数据时代,一个好的营销方案可以聚焦到某个目标客户群,甚至精准地根据每一位消费者不同的兴趣与偏好为他们提供专属性的市场营销组合方案 包括针对性的产品组合方案、产品价格方案、渠道设计方案、一对一的沟通促销方案。比如O2O渠道设计,网络广告的受众购买的方式(DSP)和实时竞价技术(RTB),基于位置(LBS)的促销方式。
(5)营销结果反馈。大数据时代,营销活动结束后,应对营销活动执行过程中收集到的各种数据进行综合分析,从海量数据中发掘出最有效的企业市场绩效度量,并与企业传统的市场绩效度量方法展开比较以确立基于新型数据的度量的优越性和价值.以对营销活动的执行、渠道、产品和广告的有效性进行评估,为下一阶段的营销活动打下良好的基础。
五、结语
大数据时代已经到来,而且将成为全世界下一个创新、竞争和生产率提高的前沿。“营销本质上就是效率提高的过程,而技术是在帮助这个过程转变”。大数据在提高效率、精准营销上大有作为,它正在帮助企业深入了解“每一个人”,而不止是“目标人群”,它真正努力让客户变成“首席执行客户”,试图打造针对每个客户的“全接触”体系。这在增进企业效益的同时,也能给消费者带来全新的私人定制似的体验从而增加消费者福利。因此,研究揭示大数据在精准营销中的价值产生机理,探索大数据时代下的精准营销模式就变得很有意义和价值,我们期待越来愈多的学者在这方面做出贡献。
参考文献 中国企业评价协会、中色金银贸易中心,大数据的基本概念及相关问题,中国电子商务企业发展报告2013。2 黄升民,刘珊,“大数据”背景下营销体系的解构与重构,现代传播,2012年第11期。3 4 5 6 7 8 9 王波,大数据时代精准营销模式研究,经济师,2013年第5期。
任广见,基于大数据的商业模式创新及启示,现代商贸工业,2013年20期。郭虹,大数据时代-实体店与网商营销,中国出版传媒商报,2013年第9期。贾利军,许鑫,谈“大数据”的本质及其营销意蕴,南京社会科学,2013年第7期。秦雯,大数据驱动营销革命,观察家,2013年第7期。
刘征宇,精准营销方法研究,上海交通大学学报,2007年第4期。吴海环,基于精准营销的顾客沟通研究,武汉理工大学硕士论文,2008年。冯芷艳,郭迅华,曾大军,陈煜波,陈国青,大数据背景下商务管理研究若干前沿课题,管理科学学报,2013年第1期 李芬,朱志祥,刘盛辉,大数据发展现状及面临的问题,西安邮电大学学报,2013年第5期。钱心缘,国内外大数据研究进展之从文献计量学角度分析,中国科技信息,2013年第19期。周再宇,价值链重塑:大数据洞察与精准营销,新营销,2012年第11期。14 赵国栋,大数据时代的历史机遇:产业变革与数据科学,清华大学出版社,2013年。张小平,一块牛肉干引发的大讨论——说说大数据时代的精准营销,企业观察家,2013年第07期。李文莲,夏健明,基于“大数据” 的商业模式创新,中国工业经济,2013第5期。郭涛,掌握大数据之“芯”实现精准营销,中国计算机报,2012年第15期。17 Lynch C.Big data: How do your data grow[J].Nature,2008,455(7209): 28-29. Hilbert M,Lopez P.The world’s technological capacity to store,communicate,and compute information[J].Science,2011,332(6025): 60-65. Bughin J,Chui M,Manyika J.Clouds,big data,and smart assets: Ten tech-enabled business
trends to watch[J].McKinsey Quarterly,2010(8): 1-14. Anderson C.The end of theory: The data deluge makes the scientific method obsolete[J]Wired Magazine,2008,16(7):1-3. Frankel F, Reid R.Big data: Distilling meaning from data [J].Nature,2008,455(7209): 30. 22 Lavalle S, Lesser E, Shockley R,et al.Big data,analytics and the path from insights to value[J].MIT Sloan Management Review,2011. Manyika J, Chui M, Brown B,et al.Big Data: The Next Frontier for Innovation, Competition, and Productivity [M].New York: McKinsey Company,2011. Hui SK, Fader PS, Path data in marketing: An integrative framework and prospectus for model building [J].Marketing Science,2009,28 : 320-335. Borgatti SP, Mehra A,Brass D J,et al. Network analysis in the social sciences[J].Science,2009,892-895. Ghose A,HanSP.An empirical analysis of user content generation and usage behavior on the mobile internet [J].Management Science,2011,57(9): 1671-1691. Aral S,Walker D, Identifying influential and susceptible members of social networks Science,2012,337(6092):337-341. Robert LP,Dennis AR.Social capital and knowledge integration in digitally enabled teams[J].Information Systems Research,2008,19(3): 314-334. Ghose A, IpeirotisPG.Designing ranking systems for hotels on travel search engines by mining user-generated and crowdsourced content[J].Marketing Science,2012, 493-520. 30 Dabenport TH.Competing on analytics [J].Harvard Business Review,2006(1): 1 - 9. 31 AralS, WalkeD.Creating social contagion through viral product design: A randomized trial of peer influence in networks[J].Management Science,2011,57(9): 1623-1639.
Dabenport TH, Barth P, Bean R. How“Big Data”is different[J]. MIT Sloan Management Review, 2012, 53.33 Archak N, Ghose A, Ipeirotis PG.Deriving the pricing power of product features by mining consumer reviews [J].Management Science,2011,57(8): 1485-1509.
第三篇:浅析精准营销在县级营销部中的运用
浅析精准营销在烟草县级营销部中的运用
一、精准营销的概念
精准营销就是在精准定位的基础上,依托现代信息技术手段建立个性化的顾客沟通服务体系,实现企业可度量的低成本扩张之路。精准营销不仅是观念上的创新、也是技术和策略上的创新,是一种具有针对性和实效性的营销新主张。
精准营销实现了与客户的直接沟通,保证产品充分尊重顾客的个性化需求,以及努力向消费者提供细致周到的销售服务,以培养消费者对企业的偏好与忠诚,提升顾客总价值,借由高效的电子商务和现代物流,减少了交易费用,扩大了商品销售,从而降低顾客总成本。企业要扩大商品销售,提高自身竞争力,既要考虑商品价格的制定能否被消费者所接受,更要考虑消费者在价格以外的支出,这些支出直接制约交易达成的可能性,影响着企业营销效果。
二、烟草企业精准营销的必要性
精准营销关键是要实现“信息精确、投放精准、管理精细、服务精实”,相对于烟草企业过去粗放式的经营模式,实行精准营销更加有利于提高品牌培育水平,促进骨干品牌的良好成长。
精准营销有利于提升烟草企业核心竞争力。作为一种以客户网络技术手段为核心的营销新模式,精准营销模式实现了企业在市场调控、渠道管理、信息反馈、目标控制、库存动态、竞争客体等方面的转变。在市场方面,实现了由“以地域市场为单位的总量调控”过渡到“以核心零售终端、核心消费者为对象的分层次、分时间的层级调控”。在渠道方面,实现了由“以工业、商业为主体服务零售终端”向“以工业、商业、零售终端为主体服务消费者”转变。在信息方面,实现了由“被动、盲目的信息采集到信息渠道明晰,信息采集动态化”的转变。在目标方面,实现了由“以零售终端为主的渠道制胜”到“以消费者需求为主、提高对零售终端的掌控性为手段的消费制胜”的转变。在库存方面,实现了由零售终端库存“经验性向精准性和科学性”的转变。在竞争方面,实现了由“消费群体粗放型管理向精准化管理”的转变。精准营销已成为提升烟草企业核心竞争力的重要手段。
三、县级营销部精准化营销策略
县级营销部精准化的营销是通过培育品牌、工商协同和终端服务等三方面全面实施精准化的营销策略,构建全面的精准化营销体系。
(一)品牌培育的精准化
1、实施品牌定位。以培育本地市场需要的重点品牌为出发点,制定品牌发展计划,健全完善品牌培育机制和品牌管理流程,实施有针对性的营销策略。包括:重点维护品牌策略,重点培育品牌策略,一般经营品牌策略以及新品牌推广策略。
2、实施目标消费群定位。应根据品牌特性,如包装、吸味、价格,确定品牌相应的目标客户群,以目标客户群选择合适的零售户,将这些零售户作为该品牌重点宣传推广的阵地,制定相应的宣传推广方案,开展有针对性的宣传推广活动,提高了品牌培育的效果。
3、开展品牌的跟踪分析。要通过开展品牌跟踪分析工作,对品牌的销售情况、目标完成、市场反馈等信息进行定期汇总分析,掌握品牌发展状况,及时查找品牌培育过程中存在的问题,并认真进行总结和研究,促进品牌培育工作取得成效.
(二)工商协同的精准化策略
工商协同营销是指企业寻求与自身市场定位相一致的企业进行合作,包括水平协同营销和垂直协同营销。烟草工商协同营销是一种典型的垂直协同营销,是实现工商一体化、提高供应链运作水平,实现资源配置优化,提高运行效率的重要手段。增强企业核心竞争力是工商协同营销的中心任务和核心问题,工商双方要把品牌培育作为营销工作的结合点,明确定位、分工协作、优势互补。围绕“532”、“461”品牌发展战略,共同研究市场、培育名优品牌,提升全国重点骨干品牌的美誉度、知名度和忠诚度,扩大重点骨干品牌市场覆盖面和市场份额,实现品牌培育的目标。
(三)终端服务精准化策略
实施终端服务精准化,就是在零售户分类的基础上,针对客户的不同需求与期望实施差异化的服务策略。实现服务资源的科学配置,提高客户满意度。
1、建立差异化服务体系。在对零售户主动提供标准化服务的同时,将优质核心客户的服务突显出来,通过结合客户分类,根据客户经营特点,对不同的客户实施个性化、差异化的服务项 目,有针对性地提供如货源倾斜、品牌培育、经营指导、营销培训、终端改造等一系列服务和管理。
2、完善客户服务内容。对客户的卷烟经营现状和存在问题进行有针对性分析,提供相应的经营指导、规范化培训、优质客户评比、品牌培育竞赛、终端陈列指导、卷烟促销等有针对性和 实效性的服务。
3、建立健全客户利益保障机制。通过加强专卖管理,规范市场秩序,零售户合理布局,实行明码标价和明码实价,维护有序的卷烟市场环境;通过组织有效货源。提高均衡投放货源能力,满足市场的消费需求,实现货源的科学合理供应;通过加强品牌培育,强化经营指导,提高零售户经营能力和盈利水平,从而形成良好的零售户利益保障机制,充分维护卷烟零售终端的利益。
四、精准营销在县级营销部中的运用
县级局(营销部)的职能是通过执行上级政策、决策,开展有效的服务营销来巩固、控制原有的市场。搞好品牌培育是搞好市场营销的关键,要做好品牌培育,必须改进现有的营销模式,实现从传统粗放式管理模式向精准化营销模式过渡,提高品牌的集中度,提高品牌营销的水平。
(一)认真做好市场调研。精准营销强调对消费者的消费行为进行精准的衡量与分析,建立分析数据库,再在市场上测试验
证分析是否准确有效。而要想迅速而准确地了解市场需求,进行市场调研,只有充分进行市场调研,定期对客户经营数据进行科学采集、分析,对市场需求进行监控,才能更好的进行货源的购进、精准投放。精准营销要求提供符合客户个性化需求的品牌产品,通过充分的市场调研分析,初步寻求符合消费者需求的产品,在此基础之上,结合企业发展需要,做好品牌产品的定位。市场调研者需对市场产品进行客观分析,通过工商协同沟通,将产品特性和目标市场消费需求有机结合,实现品牌与市场的双赢。例如,从零售客户、消费者两个层面通过发放问卷调查等多种方式,对该系列品牌的市场需求进行抽样调查.了解品牌的市场库存、主要消费群体及消费者的各种消费方式、消费特点,建立相应客户关系管理数据库,为品牌的精准营销打下了良好基础。
(二)建立个性化的客户沟通服务体系。精准营销中,高效精准的客户沟通是营销工作中的关键,个性化的客户沟通服务体系的建立是精准营销是核心。要建立工商业良好高效的沟通服务体系,使客户的信息共享、反馈渠道畅通无阻,生产与销售需求供给吻合对接。在精准营销工作中,消费者的信息是初步的,也是重要的,怎样能把最原始的信息真实而准确的反应到卷烟营销管理者手里,从而实施精准的宏观战略营销。客户经理与卷烟零售户的沟通在这体系中是核心、是从终端消费到宏观调控管理者之间沟通的桥梁。两者沟通是否精准、有效、畅通无阻至关重要。客户经理面对的是各种类型、经营规模不同、素质参差不齐的卷烟零售户。为了满足客户个性化需求必须提供精准的个性化服务。
(三)实行精准管理。精准管理就是在精准营销工作中贯穿整个营销工作过程的统筹规划管理工作,要求达到精准的、高效的管理定位,团结员工,引导企业取得发展目标。在卷烟营销工作中实施精准营销,企业需合理划分权责,制定严格考核标准,实现统筹管理。在加强推广“532”、“461”品牌发展战略实践过程中,以卷烟上柜率、市场占有率、品牌成长率等量化数据,来对卷烟营销工作人员进行考核,实现权责分明,精准管理,使团队更具专业化。
第四篇:在研究中改进在改进中提高
在研究中改进在改进中提高
——小学数学骨干教师研修班总结大会
2012年10月19日,成都市第三批小学数学骨干教师在成都花园饭店召开了小学数学骨干教师研修班总结大会。有关领导专家,数学研修班的骨干教师,共100多人参加了会议。
会上,分到四所学校跟班研修的教师代表分别做了学习成果展示及总结交流发言,教研室教研员及教育专家对研究课进行了点评。主办学校对小学数学骨干教师研修班培训工作进行了总结,并提出了希望。
小学数学骨干教师第二轮培训虽然结束了,但以课题引领培训模式的研究仍在继续。反思优劣,在今后骨干教师培训工作中,要扬长避短,大家都觉得在今后的教学生涯中,我们不应仅仅着眼于一些短期利益,而应把眼光放长远一些;课堂教学中应重视数学思想方法的渗透,而不局限于单一解答方法的教学。
第五篇:大数据技术在精准营销中的应用
大数据技术在精准营销中的应用
大数据时代,数据已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素。对于海量数据数据的挖掘和运用,预示着新一波生产率增长和消费者盈余浪潮的到来。回顾近两年对大数据的探索历程,某基础运营商一方面顺应大势,牢牢把握大数据技术快速发展的机遇,另一方面应势而动,充分释放前期IT集中化、一体化的红利,鉴定推进数据集中。先后经历了数据集中采集的积淀、初试大数据平台、传统数据库与sefve(四方传媒)获客云混搭架构的大数据平台创建,以及目前朝开放式大数据服务平台迈进四个阶段。
sefve获客云拥有着精准化营销与维系系统,依托大数据精准定位支撑端到端多维度系体系,构建在大数据平台之上,面向客户、面向服务、面向管理,深化数据分析、数据挖掘能力、洞察客户、透视企业,是将大数据转化为实际生产力的重要云化应用之一。
大数据技术架构
MPP数据库
MPP(Massively Parallel Processing,大规模并行处理系统)由多个SMP(SymmetricMultiProcessing,对称多处理系统)服务器通过一定的节点互联网络进行连接,协同工作,完成相同的任务,从用户的角度看它是一个服务器系统。其基本特征是由多个SMP服务器(每个SMP服务器称为一个节点)通过节点互联网络连接而成,每个节点只访问自己的本地资源(内存、存储等),节点之间的信息交互是通过节点互联网络实现的。目前的技术可实现512个节点互联。MMP数据库有以下特点。
①一般存储为结构化数据,有明显的星型或雪花型结构,适用于大数据分析的应用;
②每个服务器都有自己独立的存储、内存和CPU,允许动态地增加或删除节点; ③数据分区划分到不同的物理节点上,通过分布式查询优化来提高系统整体性能;
④主要用在数据仓库和大规模的分析处理应用中。ETL技术
ETL是指将数据从源端经过抽取(Extract)、转换(Transform)、加载(Load)至目的端的过程,该部分在数据挖掘和分析过程中为最基础的一部分。一个良好的ETL系统应该有以下几个功能。①消除数据错误并纠正缺失数据;
②对于数据可信度的评估提供文档化衡量; ③获取相互作用的数据流程来保护数据; ④整合多个源数据;
⑤将数据进行结构化供最终用户使用。