从数据挖掘视角谈本土零售业的精确营销

%e6%97%a0%e6%a0%87%e9%a2%98

随着市场竞争的日益激烈,零售市场的大众营销模式已经无法适应当前复杂的环境。在信息技术飞速发展的背景下,利用数据挖掘技术对精确的营销策略加以制定,成为当前本土零售业提高核心竞争力的有效途径之一,近年来受到越来越多的关注。本文即立足数据挖掘视角,对本土零售业领域如何应用数据挖掘技术实行精确营销进行探讨,以期推动精确营销发展。

关键词:本土零售业,精确营销,数据挖掘,应用

在零售业市场发展中,本土零售业以其品种丰富、便利快捷等优势一直都有着极好的发展势头。伴随本土零售业快速发展的,是越来越激烈的企业间的相互竞争,而其中对顾客的争夺则成为本土零售业的竞争焦点。在本土零售业中,顾客是一种宝贵性的战略资源,而对这一战略资源进行把握的首要条件则是顾客的信息。所以,在本土零售业的热门话题中,对培养客户忠诚度和针对性精确营造的研究颇多。本土零售业开始越来越多将关注重点投入到对客户分类管理、实施有目标的精确营销上。作为当前最先进的营销模式,基于数据挖掘的数据库营销能够对销售方面有明显促进作用,数据库精确营销的高效、高回报等成本优势是传统营销难比拟的,比较适用于当代的本土零售业营销(张羽,2015)。而在探讨本土零售业领域如何应用数据挖掘技术实行精确营销前,首先应对精确营销的背景与数据挖掘技术本身有一定了解。

精确营销的概念与背景

精确营销理念的最初提出者莱斯特·伟门,这一世界直销理论创始人将精确营销定义为,在对顾客信息充分了解的基础上,根据顾客群的不同而制定出的企业营销目标,从而进行有针对性的群组式营销(王波等,2013)。精确营销的发展基础为大众营销,但其与以往的大众营销方式渠道及方法又有所不同。当前市场属于细分市场,顾客群体分类较多,要想增加企业销售额和利润,就必须找到合适的方法应用于这些顾客群中,而像媒体等大众营销工具已经较难在细化的市场群体中起到相应的作用。早在是18世纪70年代,亚当·斯密就已经指出生产的唯一目标为消费。营销活动的发生,是为了实现企业生产能力和顾客实际需求的匹配过程,即提供产品和服务给已知的顾客,是市场营销的目的,而非企业仅仅将自己喜欢生产的东西卖出去。竞争优势的识别和创造,是营销方案的目的及制造原则。以顾客为中心,是从20世纪50年代就已经形成的潮流,发展到70年代时消费者关系已经对组织生存的核心层次产生直接影响,销售市场开始转变为“买方市场”,在多数情况下都是顾客在选择商品。在组织利益的外部关系中,顾客尤为重要,市场是否盈利很大程度上依赖于顾客。

20世纪后期,通过对某些消费者特征的研究,Fader和Lodish认为在零售商品定价和促销环境中家庭渗透和购买频率等信息对其具有一定的解释能力。在进一步的研究中,Narasimhan等人发现,一类商品的品类结构与相关消费者特征,对该类商品的促销弹性具有部分决定性作用。Hoch等人对各类商品的商店价格弹性进行研究的过程中,重点关注了其与所在商圈消费者人口统计特征的关系。Raju对不同类商品销量的差异性进行研究的同时,对它同品类特征和营销组和变量的关系加以建立(谢治春,2010)。以上研究,都提供了许多理论依据和现实证据对消费者购物行为进行分析,对于市场如何对消费者实施精确引导具有重大意义。随着现代市场的发展以及互联网时代的到来,传统营销已经无法应对高度发达的市场,在营销环境的巨变过程中,精确营销顺势出现。精确营销对传统营销的渠道及方法进行了改变,其中以生产厂商的客户和销售商为中心,利用电子媒介、互联网等对客户、销售商资料库加以建立,在科学分析的基础上,对可能购买的客户进行确定,从而为生产厂商提供更加精确的引导来改变销售策略,帮助其对一套具有可操作性更强的销售推广方案实施制定,并将客户、销售商的追踪服务提供给生产商。

不过最初的精确营销很多研究所针对的,主要是欧美发达国家的消费者群体。在我国经济迅速腾飞的大背景下,零售商品市场正在我国飞速发展,各大国际知名超市等在我国快速发展,这些大企业都非常重视消费者行为的微观数据,而我国本土零售业却比较少见分析消费者微观数据的行为。宏观层面或者纯粹的数量技术模型,是过去人们有限研究中的主要注意力集中点。但伴随着全世界营销潮流的变化,我国本土零售业的营销理念也不得不做出一些改变,面对大量闲置的客户资源,仅仅将其作为记载的数据,无疑是一种资源浪费。精确营销是以数据挖掘技术为依托的一种科学营销方式,通过将顾客购物行为的研究,对每一个顾客的消费规律进行洞察,将市场做深做透,从不同的顾客群出发对营销策略加以制定,以使消费者得到最大限度的满足,达到企业营销目标,促进企业自身价值最大化的实现。作为一种新型营销方式,精确营销可促进企业营销效率的迅速提高,使企业在市场竞争中取得更多的市场竞争优势,与我国本土零售业的发展相符,我国本土零售业应正确认识精确营销,将数据挖掘技术应用于零售业营销中。

数据挖掘技术的概念与挖掘方法

数据挖掘是对大量数据进行探查和分析的过程,以期通过这一过程来发现有意义的模式和规律。数据挖掘技术是一门新兴技术,不仅包含数据库、人工智能,同时包含数据仓库、统计分析等,在研究、开发和应用数据库和数据仓库技术中,数据挖掘技术是最为活跃的分支之一(宋宝香,2013)。从海量的数据中,数据挖掘技术可将其隐含的一些信息有效地进行提炼,将提炼出来的信息反馈给企业,让企业根据信息对客户有更多的了解,在此基础上针对性地改善各项营销、客户服务工作等。数据挖掘技术已经成功应用到一些在客户数据方面较多的领域,如电信、航空公司等,零售业、生产控制领域是后来延伸的领域,至此数据库营销基本已经进入成熟阶段,逐渐被应用于各种类型的企业营销中。

在我国,电信行业最早将数据挖掘技术引入其中,数据挖掘技术的应用已经日趋成熟,之后被先后引入、银行、航空及互联网行业中,在零售业中的应用则较晚。因数据库技术引入我国的时间并不长,所以整体发展还不够成熟,尤其体现在我国零售业中的应用。基于国情,我国零售业很长一段时期内都比较偏重规模扩张,在管理上还保持在品类管理阶段,较少接触新技术、新手段。但从零售企业本身与其他企业明显相区别的特点来说,现代零售业其实具有很大的实施数据库营销的优势。目前我国很多零售企业中都已经普及会员卡制度,在这一制度背景下大量的会员个人信息被收录在零售企业中,且数据库中会员的消费数据伴随着条码、扫描设备、POS机等的不断应用正在快速增长,相对来说这些数据对零售企业具有重要意义。如果视点再深入一些,零售业正如一个象形的数据工厂,以零售门店中的单品数量为例,如果数量为10000,从理论上来说其商品组合方案就可以达到1 0000的阶乘,这些还只是针对商品情况的单纯考虑,若将客户等这些维度考虑进去,数字则会更加惊人。在当前的营销环境中,主要以技术为驱动,利用数据挖掘技术可以从这些数据中挖掘出很多有效的营销技巧和能力。

作为一种精确营销方式,基于数据挖掘技术的营销在国外发达国家中的发展历史已有几十年,且数据挖掘的方法有多种,表现在零售业精确营销中主要有五种(王玉梅,2015)。第一种为关联分析,对隐藏在数据之间的关系进行挖掘,对哪些事物会一起出现加以确定,即为关联分析的目的,通俗来说就是通过数据分析确认顾客在超市中会将哪些商品共同放入购物篮中。第二种为分类分析,对一个新的客观事物特征进行描述,是该种方法运行的第一步,在此基础上才能分配客观事物的观察值,如确定好顾客类型后对顾客进行分组等。第三种为聚类分析,顾名思义该种方法着重“聚类”,聚类的前提为相似,对差异较大的事物即可将其分到其他的类别中,这也是聚类的主要任务。与分类相较来说,聚类对并不依赖的事物先确定好组别,该工作也是很多其他数据挖掘或建模的前提。以“顾客青睐哪种营销方式”来说,顾客的购买习惯是落脚点,可对顾客的购买习惯进行调查,将习惯接近的顾客聚为一类,设计最受这类顾客青睐的营销内容。第四种方法为估计与预测,估计往往用在完成分类的工作中。相比分析来说,估计是对连续结果的处理,而前者则是对离散结果的处理。面对一些输入数据处于已知情况时,对一些未知的连续型随机变量某一数值的获得可以通过估计的方法取得,比如对一个家庭中孩子数量多少进行估计等。第五种方法为描述与可视化,数据可视化在数据挖掘中是作为一种描述性的有效手段而存在的,主要为了进一步增进对复杂数据库内容的了解,同时促进行为描述方面更加准确。

本土零售业中基于数据挖掘的精确营销具体应用

本土零售业利用数据挖掘技术可更好地发现商品规律,提供指导给企业的商场布局,能够帮助商品销售数量提升;同时能够在数据挖掘的过程中准确地定位目标客户,根据不同的顾客类别对更加有效的差异化营销加以实施等。因此,必须积极应用数据挖掘对本土零售业展开精确营销,其在本土零售业精确营销中的具体应用如下:

(一)客户细分

洞察单个顾客的消费行为,很显然正是精确营销的关键,这就需要利用数据挖掘技术来对客户的消费行为加以细分。在帕累托的80/20原则中,在企业中能够为其创造利润的重要客户大约为20%,企业80%的利润均由该部分客户所创造,企业只要将这部分客户抓牢,就能够很大程度上实现有限资源背景下最大化的回报,因此在本土零售企业中,实现客户细分是其中异常重要的一步。从消费行为数据入手,对客户进行分类,也是精确经销中需要迈出的第一步。在客户细分方面具有很多维度,本土零售业可根据营销需要建立N多个维度,这一点也是基于数据挖掘的精确营销区别于品类管理的一种本质性差别(万志涛,2015)。数据挖掘在分类规则方面所采用的并不固定,较为鲜明地体现着人们消费行为中无意识聚类,因此数据挖掘最突出的特点就是真实、自然和客观,简单来说回归技术和决策树算法在数据挖掘中属于经常采用的客户细分方法。建立对象特征数据并将其有效提取,是模型建立的基础,本土零售业客户行为的数据正是这些数据的来源。比如顾客在本土零售企业进行消费的过程中,所呈现出来的消费次数、种类、最后一次消费时间等。客户细分需要从这些本土零售业中顾客的现实购买资料出发,利用分类回归树对不同客户的价值进行分辨,在此基础上才能确定客户的重要程度(见图1)。

%e6%97%a0%e6%a0%87%e9%a2%98
图1  客户细分标准

根据帕累托的80/20原则来看,本土零售业中的价值客户很明显就是其中20%的重要客户(王树良等,2013)。这类客户类型也是最为理想的,在营销中属于重点保持的部分;次价值客户,则是本土零售业中比较容易流失的客户,很容易受到本土零售业其他竞争对手的引诱,为了避免该部分客户被对手吸引走,就需要在营销设计中适当地对这部分客户进行关照在本土零售业中,其客户群中数量占比较大的是潜在价值客户,这部分顾客潜在价值较大,如果营销策略能够激发其购买潜力,很可能会促进其升级,转变为价值客户;而本土零售业中的低价值客户,往往很难被营销策略所转变,对这类无价值客户则不需要投入过多。通过数据挖掘技术和方法处理后的客户数据,可以看出分类十分明显,是重要客户识别模型建立的重要依据。本土零售业也可根据客户群,使营销决策在制定过程中更有针对性,从而将更可靠的支持提供给本土零售业企业。

(二)客户市场购物篮定位

本土零售业对数据的挖掘,目的并不完全在于分析消费者的消费行为,其本质目的仍然是功利的,即对本土零售业贡献最大的客户进行寻找,将最优质的服务提供给这部分客户,促进良性互动循环的实现。与品类管理相比来说,品类管理对顾客的价值虽然也保持认同态度,但它主要面对供应商而背对顾客,向厂商所求最大的回报,是他们对消费者服务的主要目的。而基于数据挖掘的精确营销,其在本土零售业中的应用,面对的则是消费者,消费者的需求是其关注重点和所在,那些对本土零售业贡献较大的消费者的需求与动向尤其是它们所高度关注的,在此基础上动员供应商积极地响应这顾客的各种需求,通过满足顾客的各类需求获得顾客更高的满意度和货币投票,在顾客的良性循环维持下本土零售企业的发展也会在其促使下走向良性循环方向。细分客户后,就可以在此基础上进一步对客户的价值进行评估。按照客户的价值潜力可以将其分为四种,第一种为高价值客户,第二种为有价值客户,第三种与第四种分别为低价值客户与负价值客户(杜奇平等,2012)。对客户价值准确评估后,本土零售业的营销即可将高价值客户与有价值客户作为营销服务的重点,在其身上投入更多的商品资源;而对于负价值客户,则可选择收回投入的商品资源,不再对这类客户进行资源投入。对低价值客户,在其资源花费上本土零售业可选择限制使用,在进行这样精确选择后,本土零售业就可以不用与竞争对手展开同质化竞争,减少本土零售业在营销方面的资源耗费,从而更快地走向差异化经营和精细化管理阶段。

在对客户价值进行定位后,即可对客户市场购物篮加以分析定位。关于客户一次购物活动中购物篮中物品组成成分的研究,即指市场购物篮分析。该种分析是一种基础性的数据挖掘,简单的统计分析,对大量数据的处理,是其所依赖的。通过这些分析得到的确切信息,本土零售业还可以获得更多的与商品同族有关的数据,即可通过对商品定位与交叉销售的利用促进销售收入的增加。比如,在零售业领域中,不少消费者在购买某一种物品时也会有较大的概率购买另一种物品,即可将这些商品货架调整到相邻状态,从而促进两种产品在销量方面的共同提升。市场购物篮中的数据挖掘不具有定向性,属于一种知识发现的形式,需要根据关联规则寻找之前并不知道的模型(郑贵生,2013)。神经网络方法与可视化的结合,是当前市场购物篮分析的主要应用方法,也可与过滤算法协同起来对客户的选择或偏好进行预测。市场购物篮分析的逻辑规则主要表现在关联规则模型上,在本土零售业中,购买某一种产品的客户通常有时还是购买另一种产品的潜在客户,构成了另一种产品的潜在市场。在关联规则的引导下,本土零售业即可对每个预测购买不同产品的可能性进行预测,并在此预测基础上对促销活动加以设计。在本土零售业中,零售组织应通过自身掌握的信息不断补充市场购物篮数据,这些数据的分析都可以增加本土零售业精确营销的准确率。

(三)根据客户实施针对性营销

在对客户进行了细分,实施客户价值评估,并对客户购物篮进行定位,将本土零售业高价值和有价值客户找出后,本土零售业就可以针对这些客户展开精确营销。在数据挖掘中,顾客消费需求与响应模型毫无疑问是最常见的应用(丁建石,2007)。在本土零售业中,包含着较多的潜价值顾客和次价值顾客,利用促销活动的策划使这部分顾客成为有价值顾客,并使其保持对本土零售企业的忠诚度,是本土零售企业市场营销部门的核心工作。面对大量的客户数据,需要通过数据挖掘技术进行分析,锁定营销对象,同时将分析结果融入到传统市场营销理论中,这些都是本土零售企业针对性营销的前提,也是其精确营销的主要内容。本土零售企业可以聚类有价值客户的需求,发现这些客户对哪一类或哪几个单品的需求比较高,在营销方面即可重点关注那些品类或单品;之后对哪些品类或单品有拉动性进行分析,针对这些品类或单品加以促销;与此同时本土零售企业还应跟踪分析营销的拉动效果,对具体的拉动效应进行记录分析,以确定营销在想要吸引的客户方面是否真的起到了效果。基于数据挖掘的本土零售业精确营销中,期望吸引的客户是营销资源最终配置的核心,通过这些客户拉动整个营销效果到最大化。

在客户细分和购物篮分析两种应用的支持下,本土零售企业的针对性促销还需要对神经网络模型、回归分析技术方法及决策树等加以采用。根据客户的年龄、收入、生活习性等信息的挖掘和分析,将个性的产品提供给不同类型的客户;通过对客户消费偏好的分析,使本土零售企业可以增加交叉销售的机会,为本土零售企业的针对性促销做准备。从本质上来说,本土零售企业的针对性促销,就是根据顾客本身需求对顾客最感兴趣的促销单进行打造,以使本土零售企业可以牢固地掌握顾客的消费兴趣,通过这一关键点设计营销战略吸引顾客再次购物。针对性促销的模型逻辑(见图2)显示其为预测模型,即未来顾客购买的需求是其预测目标(金晓彤等,2013)。对本土零售业的针对性促销来说,有着明确的目标观念,促进每一份寄出的促销单的收益率,使顾客响应度与企业利润最大化,是本土零售业针对性促销的总体目标。基于数据挖掘的针对性促销,使现代本土零售业的促销难题可以得到较大程度的解决。该种针对性促销在本土零售业中的应用,首先需要收集本土零售业的销售数据,然后需要整理本土零售业客户的相关信息,在收集、整理信息的过程中将不同特征的客户进行聚类,找出各种客户群客户突出的消费特征,根据客户消费差异设计针对性不同的促销单,以将不同的产品和服务送达不同类型的客户群体中,使客户差异化的需求得到满足。%e6%97%a0%e6%a0%87%e9%a2%98

图2  针对性促销预测模型逻辑

在本土零售业中,作为一种营销新趋势,精确营销正在被越来越多的商家所关注。以数据挖掘技术和方法为支撑的精确营销,能够通过数据的分析洞察时代的变化,对精确的营销信息加以掌握,改变传统本土零售业营销中经验型营销方式,能够更有效的击中营销目标。本土零售业的精确营销,需要利用数据挖掘技术进行客户细分,同时定位客户市场购物篮,并采取针对性促销方式,按照精确营销的逻辑线来运作,才能将重点资源精确地聚集到有价值客户的身上,促进零售商、供货商、客户三赢的长期可持续发展营销模式的实现。

推荐文章

沪公网安备 31010702002009号