- 相關(guān)推薦
基于二維碼大數據的消費特征分析
[摘要]針對制造企業(yè)精準定位消費者以及對消費行為和特征進(jìn)行統計分析存在的困難，設計并實(shí)現了一個(gè)基于大數據的二維碼防偽營(yíng)銷(xiāo)系統。該系統采用一件一碼技術(shù)，引導消費者購買(mǎi)產(chǎn)品時(shí)掃描產(chǎn)品上的唯一二維碼，從而收集到大量的用戶(hù)掃碼數據，并通過(guò)用戶(hù)畫(huà)像技術(shù)，實(shí)現了對營(yíng)銷(xiāo)過(guò)程中的用戶(hù)興趣、渠道效果、時(shí)間分布、客戶(hù)滿(mǎn)意度等方面多角度進(jìn)行精準的數據統計以及詳盡的數據分析，貼近消費者的真實(shí)需求，從而實(shí)現對營(yíng)銷(xiāo)效果的量化以及商業(yè)機會(huì )的發(fā)掘，為生產(chǎn)提供數據支持服務(wù)和優(yōu)化方案。
[關(guān)鍵詞]用戶(hù)畫(huà)像;大數據;二維碼營(yíng)銷(xiāo)
隨著(zhù)移動(dòng)互聯(lián)網(wǎng)和移動(dòng)電子商務(wù)的迅速發(fā)展，二維碼作為一種新出現的營(yíng)銷(xiāo)手段得到了廣泛的推廣和應用。二維碼是解決移動(dòng)互聯(lián)網(wǎng)“最后一公里”的一種重要的技術(shù)手段，擔負著(zhù)移動(dòng)互聯(lián)網(wǎng)應用落地的重責。二維碼正在引發(fā)消費者生活習慣和互聯(lián)網(wǎng)的新發(fā)展模式，二維碼營(yíng)銷(xiāo)成為時(shí)下最時(shí)髦的電商概念。越來(lái)越多的商家、廠(chǎng)家意識到了移動(dòng)互聯(lián)網(wǎng)營(yíng)銷(xiāo)的重要性，開(kāi)始進(jìn)行嘗試和深入探討，考慮如何充分利用原有的線(xiàn)下資源支撐線(xiàn)上發(fā)展。因此，線(xiàn)上線(xiàn)下的融合發(fā)展成為大勢所趨。借助二維碼，可以很好地幫助商家、廠(chǎng)家達到移動(dòng)營(yíng)銷(xiāo)的目的。
消費者的行為一般都是在商業(yè)領(lǐng)域產(chǎn)生的，作為制造企業(yè)一般很難直接得到消費者的行為和消費模式，傳統做法是通過(guò)調查問(wèn)卷、電話(huà)采訪(fǎng)、抽樣調查等手段部分獲取此類(lèi)信息，但是獲取到的信息容易有偏差，真實(shí)性也不高，難以精準的定位消費者以及對消費行為和特征進(jìn)行統計分析。為了宏觀(guān)上真實(shí)完整獲取用戶(hù)整體消費特點(diǎn)，微觀(guān)上細化精準針對每一個(gè)消費者提供個(gè)性化服務(wù)，本文提供了一個(gè)產(chǎn)品二維碼防偽營(yíng)銷(xiāo)管理平臺，并利用消費者掃碼數據開(kāi)展大數據分析。
一、二維碼系統設計
系統采用微網(wǎng)站技術(shù)實(shí)現，客戶(hù)端可以是任意支持掃一掃功能的移動(dòng)端APP，例如微信、我查查、淘寶等。移動(dòng)端操作系統支持IOS、安卓、Windows等主流操作系統。服務(wù)器端使用SSH(Spring+Struts+Hibernate)框架進(jìn)行開(kāi)發(fā)，二維碼主要功能在服務(wù)器端實(shí)現。整個(gè)系統的用例如圖1所示。
平臺中每一件產(chǎn)品都分配一個(gè)唯一的二維碼，二維碼的激活有效期按照產(chǎn)品的保質(zhì)期來(lái)設計，保證了二維碼的有效激活。二維碼從產(chǎn)品的生產(chǎn)過(guò)程、物流環(huán)節、銷(xiāo)售渠道、消費者購買(mǎi)和使用、激勵消費者再購買(mǎi)等整個(gè)產(chǎn)品生命周期流程進(jìn)行管理、控制和消費者數據分析利用等，通過(guò)一系列配套的激勵和營(yíng)銷(xiāo)手段，讓消費者獲得全新的用戶(hù)體驗和增值服務(wù)，打通企業(yè)與消費者之間的關(guān)聯(lián)，形成雙方的和諧互動(dòng)及信息資訊的精準傳送。
系統目前已經(jīng)上線(xiàn)運行半年，積累了大約5000萬(wàn)條消費者的掃碼記錄，通過(guò)用戶(hù)掃碼收集的大量顧客的來(lái)源、興趣點(diǎn)、意見(jiàn)反饋、使用體驗等信息，實(shí)現對營(yíng)銷(xiāo)過(guò)程中的渠道效果、興趣所向、購買(mǎi)時(shí)間分布、客戶(hù)的滿(mǎn)意度等多方面多角度進(jìn)行精準的數據統計以及詳盡的數據分析，從而實(shí)現營(yíng)銷(xiāo)效果的量化以及商業(yè)機會(huì )的發(fā)掘。
二、主要技術(shù)實(shí)現
2.1用戶(hù)畫(huà)像技術(shù)
消費者信息通過(guò)三種方式獲�。阂皇谦@取消費者掃碼所用的瀏覽器的User-Agent字段自動(dòng)帶入的系統信息，系統可以收集到用戶(hù)的手機型號、用戶(hù)所在地、運營(yíng)商的網(wǎng)絡(luò )類(lèi)型;二是系統設置促銷(xiāo)活動(dòng)，用戶(hù)在填寫(xiě)領(lǐng)獎信息時(shí)，可以獲取用戶(hù)姓名、聯(lián)系方式、性別、詳細地址;三是通過(guò)設置獎勵任務(wù)，鼓勵用戶(hù)完善詳細的個(gè)人信息，從而獲得關(guān)于用戶(hù)的更加精準的個(gè)人信息，例如：用戶(hù)職業(yè)/職務(wù)、消費習慣、年齡等。系統使用大數據用戶(hù)畫(huà)像來(lái)建立模型并描述現實(shí)用戶(hù)的特征，在這個(gè)模型中，核心內容是標簽。模型建立以后，要在實(shí)際業(yè)務(wù)系統接受檢驗，不斷完善和豐富這個(gè)模型，并且在實(shí)際應用中結合從第三方獲取的數據來(lái)驗證和完善用戶(hù)畫(huà)像，最終達到利用數據流對用戶(hù)進(jìn)行越來(lái)越精確的描述和刻畫(huà)。用戶(hù)畫(huà)像是目前技術(shù)和業(yè)務(wù)最好的結合點(diǎn)，也是一個(gè)現實(shí)和數據的最好實(shí)踐。目前國內外對于使用用戶(hù)畫(huà)像刻畫(huà)互聯(lián)網(wǎng)用戶(hù)已經(jīng)有很多研究。趙曙光[1]研究了社交媒體的用戶(hù)畫(huà)像。Sawadogo D[2]研究了使用用戶(hù)畫(huà)像技術(shù)的自適應數字資源表示方式，實(shí)現了個(gè)性化搜索。有很多種模式識別技術(shù)對用戶(hù)進(jìn)行識別，類(lèi)似于現實(shí)生活中用戶(hù)的身份證號碼一樣，只不過(guò)換成了網(wǎng)絡(luò )空間的數字指紋，例如QQ號碼、手機號碼、電子郵件、Cookie、微博賬號、微信賬號以及其他社交賬號等。在數據處理過(guò)程中，這些信息需要經(jīng)過(guò)加密，使用的是數字指紋，是單向的，不會(huì )導致用戶(hù)隱私的泄露。通過(guò)采集電商平臺、社交社區、移動(dòng)APP、微博平臺、微信平臺等多種類(lèi)型的數據源，然后對用戶(hù)進(jìn)行畫(huà)像刻畫(huà)，在實(shí)際應用中做到個(gè)性化推薦、用戶(hù)洞察、精準營(yíng)銷(xiāo)等。用戶(hù)畫(huà)像的建立過(guò)程如圖2所示。
圖1系統用例
圖2數據統計分析示意
通過(guò)消費者的年齡、消費品類(lèi)、所在地域、消費金額和消費頻率等數據進(jìn)行用戶(hù)消費行為畫(huà)像，每一次消費掃碼積分，每一次營(yíng)銷(xiāo)活動(dòng)，都是研究客戶(hù)的機會(huì )，采集不同消費者客戶(hù)的響應、交易、反饋等過(guò)程和結果數據。針對處于活躍期、沉睡期、流失期的老客戶(hù)，根據購買(mǎi)次數、購買(mǎi)的金額、購買(mǎi)的品類(lèi)、消費地域、參與的促銷(xiāo)活動(dòng)、消費頻率等維度進(jìn)行分組統計和研究。讓消費客戶(hù)的標簽更加精準，讓客戶(hù)畫(huà)像更貼近買(mǎi)家真實(shí)的需求，讓老客戶(hù)營(yíng)銷(xiāo)更貼心、更精準，為營(yíng)銷(xiāo)及CRM工作人員提供分組客戶(hù)畫(huà)像，為營(yíng)銷(xiāo)類(lèi)的電子直郵推廣設計、促銷(xiāo)活動(dòng)的頁(yè)面設計、短信話(huà)術(shù)、營(yíng)銷(xiāo)方案規劃和策劃、積分兌換禮品、生產(chǎn)等提供數據支持和優(yōu)化建議。
2.2其他關(guān)鍵技術(shù)
二維碼防偽營(yíng)銷(xiāo)系統使用了部分遮擋技術(shù)，防止流通過(guò)程中被物流或者銷(xiāo)售人員掃碼，影響最終獲取的信息。例如使用玻璃紙金拉線(xiàn)、內蓋噴碼、涂層等技術(shù)對二維碼進(jìn)行保護。此外還采用多模加密技術(shù)，對稱(chēng)算法和非對稱(chēng)算法相結合，最大程度上對二維碼進(jìn)行保護，防止流通環(huán)節和其他環(huán)節可能偽造和仿造商品使用的二維碼。目前系統每年使用的二維碼在億這個(gè)級別，用戶(hù)的掃碼數據隨著(zhù)系統的穩定運行以及業(yè)務(wù)的發(fā)展，后續掃碼數據會(huì )急劇增加。系統上線(xiàn)半年來(lái)累計掃碼量已經(jīng)在5000萬(wàn)左右，隨著(zhù)系統的穩定運行和采集的數據源的增多，后面采集到的用戶(hù)數據會(huì )急劇增加，因此需要使用大數據技術(shù)來(lái)進(jìn)行用戶(hù)畫(huà)像的刻畫(huà)。
三、大數據分析
根據產(chǎn)品的特性、價(jià)格等因素而形成的消費群體屬性存在較大差異，面對不同類(lèi)別的消費者和目標消費群體，將進(jìn)行不同深度和角度的數據收集，也將設計不同維度的群組分析和數據挖掘模型，以便于面向不同層級市場(chǎng)受眾策劃和實(shí)施針對性的市場(chǎng)營(yíng)銷(xiāo)策略。
例如通過(guò)統計用戶(hù)掃碼的地理信息，可以得到產(chǎn)品的用戶(hù)地域分布圖，使用地圖可視化工具來(lái)展現，如圖3所示。通過(guò)該圖，可以清晰地展示產(chǎn)品在不同地域的宏觀(guān)消費情況，為基于地域的銷(xiāo)售提供指導。
圖3產(chǎn)品在廣西的用戶(hù)地域分布
而要精準地定位每個(gè)客戶(hù)的價(jià)值，可以使用RFM模型。RFM模型是衡量客戶(hù)價(jià)值和客戶(hù)消費能力的重要方法和手段[3][4]。該模型通過(guò)客戶(hù)的最后消費時(shí)間、消費的頻率以及總消費金額這三項指標來(lái)描述該客戶(hù)的價(jià)值。R(Recency)表示最后消費時(shí)間，消費日期越近，客戶(hù)等級越高;F(Frequency)表示消費頻率，消費頻率越高，客戶(hù)等級越高;M(Monetary)表示消費總金額，消費總金額越高，客戶(hù)等級越高[5]。
根據RFM模型的三個(gè)維度可以把數據離散化成1～3級，通過(guò)對用戶(hù)進(jìn)行RFM打分，來(lái)描述用戶(hù)的價(jià)值。如下表所示，我們對系統的用戶(hù)數據進(jìn)行基于RFM的聚類(lèi)分析，獲得高、中、低三類(lèi)用戶(hù)，針對這精準定位的三類(lèi)用戶(hù)，在進(jìn)行客戶(hù)關(guān)系管理時(shí)，分別賦予重要價(jià)值、一般保持、一般挽留三種策略，從而可以用更小的代價(jià)獲得更有價(jià)值的客戶(hù)。
四、結論
本文設計并實(shí)現了一個(gè)二維碼防偽營(yíng)銷(xiāo)系統，通過(guò)用戶(hù)掃碼收集到的大量數據建立了比較貼近現實(shí)的用戶(hù)畫(huà)像。為營(yíng)銷(xiāo)及CRM工作人員提供分組客戶(hù)畫(huà)像，為營(yíng)銷(xiāo)類(lèi)的電子直郵設計、短信話(huà)術(shù)、活動(dòng)頁(yè)面設計、營(yíng)銷(xiāo)方案策劃、積分兌換禮品、生產(chǎn)等提供數據支持和優(yōu)化建議。通過(guò)用戶(hù)掃碼收集的大量顧客的來(lái)源、關(guān)注點(diǎn)、反饋意見(jiàn)、使用體驗等信息，實(shí)現對營(yíng)銷(xiāo)過(guò)程中的渠道效果、興趣所向，時(shí)間分布、客戶(hù)滿(mǎn)意度等方面多維度多角度進(jìn)行精準的數據統計以及詳盡的數據分析，從而實(shí)現營(yíng)銷(xiāo)效果的量化以及商業(yè)機會(huì )的挖掘。
此外，若各企業(yè)都通過(guò)本文介紹的二維碼技術(shù)實(shí)現了消費數據統計，而這些統計數據又可集中到國家統一的大數據平臺，則可大大改進(jìn)CPI等消費經(jīng)濟數據的統計，相對于目前的抽樣調查法，不僅具有省成本、效率高的特點(diǎn)，而且由于是全量消費數據，無(wú)偏、精確、實(shí)時(shí)，應是未來(lái)數據統計的發(fā)展方向。
參考文獻：
[1]趙曙光.高轉化率的社交媒體用戶(hù)畫(huà)像：基于500用戶(hù)的深訪(fǎng)研究[J].現代傳播(中國傳媒大學(xué)學(xué)報)，2014(6)：115-120.
[2]Sawadogo D，Suire C，Champagnat R，et al.Adaptive Representation of Digital Resources Search Results in Personal Learning Environment[C]//Artificial Intelligence in Education.Springer International Publishing，2015： 562-565.
[3]徐翔斌，王佳強，涂歡，等.基于改進(jìn)RFM模型的電子商務(wù)客戶(hù)細分[J].計算機應用，2012(5)：1439-1442.
[4]季曉芬，賈真.基于RFM行為模型的服裝企業(yè)VIP顧客數據挖掘[J].浙江理工大學(xué)學(xué)報，2015(4)：131-135.
[5]馬寶龍，李飛，王高，等.隨機RFM模型及其在零售顧客價(jià)值識別中的應用[J].管理工程學(xué)報，2011(1)：102-108.
【基于二維碼大數據的消費特征分析】相關(guān)文章：
基于聚類(lèi)分析的數據挖掘方法03-08
基于數據挖掘技術(shù)的交叉銷(xiāo)售分析12-08
基于DSP的USB口數據采集分析系統03-18
基于消費心理的英語(yǔ)廣告分析與研究03-21
農村文化消費：現狀特征及計量分析03-22
基于奇異性指數的BPSK信號細微特征分析03-07