张金文

（无锡南洋职业技术学院 江苏 无锡 214081）

当前，互联网技术呈现出日益迅猛的发展态势，大数据新时代悄然而至。大数据与企业的结合也愈来愈紧密，可以说，各大企业都陆续地从信息时代步入大数据时代，纷纷寻求科学有效的研究工具谋求新的发展道路，从而能够在激烈的市场竞争中脱颖而出。企业在大数据背景下，展开数据的有效性科学分析，对于企业的营销而言，能够起到不可小觑的推进作用，甚至可以将其视作营销策略中的有机组成部分。对于J集团而言也不例外。广泛地使用大数据，不单单能够减少企业运作时的成本开支，提升企业的经济实效性，同时还可以为企业提供尽可能全面的客户信息资料，据此制定出更具有可靠性与可行性的营销对策。与此形成对照的是，以往的销售方式已愈来愈无法适应当下变化了的市场经济环境。对此，J集团必须采纳更具有针对性的销售方式，才可以更为切实地提高自己在市场中的竞争实力，占据一席之地。对于J集团而言，根据大量的数据展开分析，能够为客户提供更加精准的销售服务项目，从而让民众的生活更趋于便捷化。通过多年的信息化发展之后，J集团已积累了丰富的业务方面的数据。当下，J集团把收集客户数据纳进了日常化的销售计划方案体系中，并针对性地提出了将大规模数据分析的结果视作凭借，确立起科学合理的营销对策及+6战略性目标。

一、营销策略中数据分析相关理论概述

（一）聚类研究

聚类（clustering）指的是基于“物以类聚”的相关原理，把自身并无类别的相关样本集聚为多样性的组别，如此所形成的数据对象集合即为簇，同时就每个如此的簇展开相应的描述。其目标在于确保属于相同簇的样本内部呈现出彼此的类似性，至于簇的属性，如果并不相同，那么相应的样本也并不类似。比如，附属于相同簇客户的采购能力、对于公司销售响应度均充分类似。如果出现了新的消费者，即能够基于此，消费者各项指标运算出其和各个簇对应的中心消费者各个项目性质的间距，进而推断出其归属为哪个具体的簇，从而推断出该消费者所具有的采购能力和响应度情况。

（二）数据分析

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析是为了提取有用信息和形成结论，而对数据加以详细研究和概括总结的过程。

数据也称为观测值，是实验、测量、观察、调查等的结果。数据分析中所处理的数据，分为定性数据和定量数据。而把某一类，不能用数值进行测度的数据称为定性数据。定性数据中表现为类别，但不区分顺序的，是定类数据，如性别、品牌等；定性数据中表现为类别，但区分顺序的，是定序数据，如学历、商品的质量等级等。

数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。

数据分析的目的，是把隐藏在一大批看来杂乱无章的数据中的信息集中和提炼出来，从而找出所研究对象的内在规律。在实际应用中，数据分析可帮助人们做出判断，以便采取适当行动。数据分析是有组织、有目的地收集数据、分析数据，使之成为信息的过程。这一过程是质量管理体系的支持过程。在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各个过程，都需要适当运用数据分析过程，以提升有效性。例如设计人员在开始一个新的设计以前，要通过广泛的设计调查，分析所得数据以判定设计方向，因此数据分析在工业设计中具有极其重要的地位。

（三）促销活动的响应度模型

本论文所说的促销活动响应模型，指的是借助于忠诚消费者以及流失消费者的情况，针对性地设置适合J集团消费者属性的市场值式子，运算每一位浮动消费者对应的市场值，且借助于现实的促销类活动所涉及到的消费者，响应率指标来证实市场值愈高的浮动消费者响应率愈高，基于此结果，J集团即能够针对市场值浮动消费者情况投进数量更为庞大的销售成本，从而使得浮动消费者进一步发展变成忠诚消费者。

（四）相关性分析

所谓相关性分析，指的是分析至少两个处在相同地位的随机性变量内部的相关性联系的统计学研究方法。其为描述不同客观事物内部关联性的紧密情况，且借助于合适的统计学指标，加以表达的动态流程。两个不同变量内部的相关性程度借助于相关性系数r加以表达。相关性系数r的数值范围在－1-1之间，当然，其具体数值能够在上述范畴内任选其一。若存在着正相关的关系，r值的范围在0-1区间浮动，相应的散点图呈现出斜向上的格局，此时，如果一个变量递增，那么，另外的一个变量也呈现出递增的趋势；若存在着负相关的关系，那么，r值范围在－1-0区间浮动，相应的散点图呈现出斜向下的格局。在这种情况下，一个变量递增，另外的一个变量递增；如果存在着负相关的关系，r数值的范围处于－1与0间浮动，散点图呈现斜向下的格局，在这时变量保持着递增的态势，而另外的变量递减。r所具有的绝对值愈靠近于1，表明两个变量之间的关联性愈为明显r；r具有的绝对值愈靠近于0，表明两个变量之间的关联性愈弱。

二、大数据背景下J集团营销策略的数据分析

（一）J集团概况

J集团属于一家将空气工程视作主业类型的国家级高新技术公司，创建于1984年，在该集团下，附属4个分公司与1家研究院（由6家研究所所构成），有职员千人，兼具系统研发、产品设计、加工研制以及工程安置等多项功能，构建起风机、纺织类空调除却灰尘、清洁护理、风机以及冷却装置等多项产业的发展体系。

J集团自始至终秉持着“以人为本”的思想，以及“科技推进”的策略观念，创办科研院所，成立了一支出色的科研团队。关注于人才的引入、培育与遣用，将人才视为企业的生存根本、发展之道，同时亦为企业的致富之经。与多家国内外著名的科研所，以及高等院校建立起合作的联系，配置科研工作人员约200位，享有国务院特殊津贴待遇的专家学者多干名，逐渐地打造并形成了一支集技术、销售与管理等，多种因素于一身的人才团队。构建起围绕J集团研究院、博士后科研工作站、省级公司技术重点站、全国环标委袋式除尘器研究团队，以及国内纺织除尘装置技术研发中心，为轴心的科技创新系统，把握并占据空气工程项目的核心技能，具备实力雄厚的科学技术研发能力，以及负责清洁工程项目的能力。研发技术及其产品数次荣获科学技术进步奖，全球知识产权机构和国家知识产权局，所授予的十佳专利金奖等奖项。其中，该集团所研发的蜂窝除尘式纺织类空调去除杂尘技术，在整个国家乃至全球范围内处于领先水平。

J集团将一如既往地发扬公司“一丝不苟、开拓进取”的理念，继承“公正、信赖、挑战、协作、共享”的价值观，全心竭力地为消费者提供所需的产品及其服务项目，为客户带来优质的服务体验，为社会创造可观的价值，最终和客户“一同前进、一同发展”。

（二）J集团系统目标与核心业务程序

J集团在构建数据库销售系统时，所确立的目标主要在于采纳互联网与数据库的相关技术，搭建起可以和客户对象直接发生互动作用的有利平台，从而在较长的时间段内维持着平稳的客户内部联系，尽可能地收集与获取客户对象的信息以及业务方面的数据，开展以匹配客户所需为目标的市场销售活动，且替销售决策的确定提供必需的数据方案及其支持功能。

系统应有客户数据的直接搜集途径，且可以整合在较长的一段时间内，所积攒的业务类型信息，具备对所搜集到的大量数据展开同步管理的能力，可以充分借助于所搜集的数据展开分析，从而使得最初的数据变成能够使用的数据对象。

就维护数据方面，本文所设计的营销系统，应基于技术领域确保数据的可依赖性与安全性，且有助于数据的读取，替数据的分析奠定基础；同时，需可同步修改客户的信息内容，针对性做出相应的回复。

就使用客户数据领域，J集团营销系统可以对消费者数据展开准确地区分，目的在于有助于营销工作人员基于客户的情况进行分组，并针对性实施多样性的营销对策，从而提高消费者的自身价值，增加营销开支的回报率、拓宽市场面、增收利益，且在较长的时间段内构建起平稳的客户联系。

就使用业务数据领域，J集团系统应有效地使用本集团，在较长的一段时间内所积累的历史性业务数据，从而据此推测市场情况。

在对数据进行分析并处理之后的结果，可以直接地为相应的业务工作者提供数据文本，使他们可以基于客户数据分析的结果，而对客户企业实施个性化的销售手段，基于业务情况分析数据的结果，据此构建起科学合理的市场应付对策。

基于以上J集团营销系统所树立的目标，能够归纳该集团数据分析营销系统的核心业务程序。

1.收集客户企业数据，整合寄存系统业务所涉及到的数据，并展开规范性的处置，其后，进行统一化的储存。

2.对大量数据展开精简化的预处理之后，及时地加以储存；

3.对客户企业数据以及业务数据展开数据分析、挖掘及其模型的构建，检测数据的结果情况；

4.基于决策研究平台呈现数据分析的结果，有关业务工作者基于数据分析的结果确定营销的对策，执行营销的具体方案。

（三）系统构成模块

基于J集团所树立的系统目标及其业务程序所需，该集团的数据库销售系统核心模块包括如下的三块：数据管理中心、数据库营销管理中心、呼叫中心与短信平台。在它们之下，又进一步地区分成数项功能模块，将于本节中进行详细的阐述。

图3-1 系统构成模块图示

在数据库营销系统中，数据显然处于最为根本的地位。因而，数据管理中心模块理应被视作其他两项功能模块的根基。数据管理中心肩负着管理系统数据源、数据搜集工具管理以及数据的规范性，预处理且统一地进行储存。其中，客户数据源包括如下的模块：联络平台、短信接收以及会员网页等。

1.系统内部数据源：业务工作者经由数据分析销售系统业务工作者的工作媒介，定期地上报有关市场方面的数据。

2.系统外部数据源：J集团在运作的其他系统，包括财务系统以及经济运营系统等。

J集团的外界：相关的主管部门定期地给空气构成企业，下发国内商业类的数据。下发的主要数据包括：统一的编码、国内商业企业（销售方）采购数据、国内零售业主采购存储数据。

数据搜集工具方面的管理。收集数据的工具关键基于业务方面的数据，业务数据必须通过外界系统提取至数据库营销系统中，由于数据源和规模的差异性，涉及到的业务数据也并不相同，数据管理中心处会挑选相异的收集工具，小规模化的数据传递借助于Web Service进行，至于提取大规模化的数据，则借助于ETL的中间件进行。收集数据的具体流程通过数据库营销管理中心处的数据接口途径得以完成。

对数据进行规范化的预处理且统一化地储存。通过提取各个数据源的业务类数据，显现出多样性的数据体系构造，同时呈现出无序化的状态，无法直接地储存至系统数据库中，因而，数据管理中心处应及时地清理且转变对所搜集的数据，且做好规范化的处理工作。

首先，对数据进行清洗。最先取得的数据通常会出现遗漏、错误以及赘余等问题。比如，“企业营销量”相关业务项目中，假定商品规格的字段发生遗漏。那么，要把此一类的数据单一性地加以过滤，输入到excel表格之中，且及时地补充完整信息，如此才可以写入到系统数据库中；至于存在着错误的若干数据，则应先展开错误的归类。由于错误的缘故存在着多元化的情况，比如，日期的格式错误、数值与字符相混淆。由于错误的种类不同，提出的修正方案也存在着差异性。能够经由编写多元化的SQL语句方式，及时地发现存在着错误情况的数据，据此加以修订。清洗数据的过程并非为一次性的，需要多次的展开，才可以确保最终的数据正确无误。

其次，转变数据。因为提取的数据源自于多元化的系统，表示相同语义功能的字段通常呈现出多元化的表现方式。比如，有一些系统采用“YYYY-MM-DD”的格式储存日期，有一些采用“YYYYMMDD”的格式储存日期等。系统通过格式的转变之后，则会统一地借助于“YYYY-MM-DD”的格式储存日期。系统不同，对于字段所进行的细分情况也存在着区别。例如，日期字段。部分系统会把“年、月、日”细分为3个字段进行储存，但是数据库营销系统，在具体展开业务时并不需要进行进一步的区分，通过转变之后把提取的数据3个字段加以合并处理。

（三）选择数据

将2018年整年的营销数据当作研究的基准点，同时结合J集团所提供的相关数据，为数据分析的对象进行研究。根据该集团公司所提供的样本数据可知，2018年J集团拥有的客户数为742家。因为J集团研发产品的属性缘故，所有的客户均属于公司，并不存在着单个的客户对象。2019年的客户共计为781家。经由客户花名册的比对后可知，新增加的客户数量为39家，同时，2018年客户对象中流失数为113家。在两年内，维持持续性交易状态的629家客户属于忠诚消费者，至于流失的113家客户则属于流失消费者。

2020年，J集团出于减少客户流失的目的，强化忠诚消费者的忠诚度目的，J集团展开了促销的相关活动。其结果体现在客户的整体数量呈现出大幅度递增的态势。经由相关数据比对后发现，113家所流失的客户群体中，约有76家会重新挑选采购J集团所研发的产品，因此，在本论文中，将这76家客户界定成浮动型客户。

（四）模型的构建

基于客户对象所提供的相关数据，将公司产值视作根据，把全部的客户对象区分成如下的4种类别：超大型公司、大型公司、中等公司以及小型公司。另外，将2018年的相关数据视作精准数据，把客户数据总汇如下表1所示。

表1 不同规模公司客户数据统计表

假设存在着多个指标之间存在着如下的两个关系式，即：消费者流失率=流失消费者数/消费者总数；消费者浮动率=浮动的消费者数/流失消费者数。

（五）相关性研究

基于运算之后，获取消费者流失率和消费者浮动率的相关数据，总汇成如下表2所示。

表2 不同规模公司消费者流失率和消费者浮动率数值统计表

从上表2可知，小型公司的消费者流失率、消费者浮动率依次为27.49%、61.95%；中等公司的消费者流失率、消费者浮动率依次为11.95%、26.67%；大型公司的消费者流失率、消费者浮动率依次为11.94%、25.00%；超大型公司的消费者流失率、消费者浮动率依次为23.08%、33.33%。由此可见，在4种规模的公司中，小型公司的消费者流失率最高，大型公司的消费者流失率最低；小型公司的消费者浮动率首屈一指，大型公司消费者浮动率排行最末。

另外，把上述4种不同规模公司的平均产值展开简易化的处理，即把小型公司的平均产值设置成1，中等公司的平均产值设置成5，大规模公司的平均产值设置成20，至于超大型公司平均产值设置成100，平均设置成定量X，同时把消费者流失率设置成Y，消费者浮动率设置成Z。对X和Y、X和Z相关性系数展开运算，最终计算并得到如下的数值结果：

X和Y相关性系数R1=-0.48

X和Z相关性系数R2=-0.88。

从以上的数值运算结果可知，公司的产值和消费者流失率存在着中度的负相关关联性，公司的产值和消费者浮动率存在着高度的负相关关联性。

（六）小结

客户公司产值愈大，客户愈不会流失；客户公司产值愈小，那么客户流失的概率愈大。消费者浮动率和客户公司的产值存在着高度的负相关关联性，意味着客户公司产值愈小，对于价格的敏感度愈高。只须J集团在具体的销售策略确定流程中，实施促销的相关活动，那么，已经流失了的小型公司中的绝大多数会出现再次购买的现象。

据此可知，大型公司与超大型公司客户对于价格而言，其敏感度并不高，更加注重的是总体性化解的对策，至于中小型公司对于价格指标会感到更加敏感。因此，J集团在确定营销对策时，须基于客户公司的具体规模情况，实施多元化的营销对策，具体来说，就是根据大型公司与超大型公司等，不同的对象提供总体性的化解方案，至于中小型公司，则应采用促销的活动，提升浮动客户的响应率，将其发展成为忠诚的消费者对象。

三、大数据背景下数据分析对于J集团营销的契机及其发展对策

（一）大数据背景下数据分析对于J集团营销的契机

1.辅助J集团进行更为科学的定价处理

有效地借助于大数据分析，能够对J集团平台中的客户企业，展开市场层面的进一步细化，展开有针对性的销售处理。该店就以往的销售模式而言，省却了不少的人力、物力和财力。对于J集团而言，企业内存在着不少的标准化产品。在产品的种类过多的情况下，该集团在定价时，很有可能存在着难以决断的现象。根据大数据分析对于后台产品营销状况，展开进一步的研究后发现，能够推测具体的销量数据结果。J集团能够运用大数据分析来同步监控该集团销售的数据情况，进而对全部的客户企业展开针对性的分析。

2.有利于锁定准确的客户企业目标

J集团平台的用户遍布于全国的各个地方，倘若可以有效地使用好大数据分析的相关技术，可以辅助公司尽快地定位客户目标对象，进而明晰地理层面的区分对于消费行为所造成的影响。把搜集得到的数据展开深层次的研究，能够对客户企业展开投其所好的销售活动。大数据分析还能够对用户需求的信息展开相关性的探讨。比如，分析加入购物车中的各类产品内部所存在的联系，能够大致上推断此客户的消费所需及其习惯，从而进一步地探讨目标客户的消费心态，据此可以更具有针对性地展开精准式的销售方案。

3.有利于提高J集团的总体性服务程度

J集团在展开大数据分析技术以后，能够更深入地了解并掌握客户的心理需求，在提升J集团精准销售的同时，还可以在客户企业群体中打造具有较高可信赖的、优良的企业集团形象。当客户的需求能够得以较为充分的满足之后，J集团的经济效益亦会呈现出连续性递增的态势。比如，可以充分地在分析大数据的基础上，确定出适宜的精准销售对策。J集团就某一件商品由询问、订单、物流，以及售后等诸多服务步骤，均会给客户带来更佳的感受。

（二）大数据背景下数据分析对于J集团营销的发展对策

制定出与当下市场发展格局相吻合的精准式营销对策，对于J集团在较长的发展时期内，会有很大的辅助价值。不单单能够提高J集团的社会经济实效性，另外，亦能够强化J集团市场的竞争实力。本论文主要通过如下的四个维度展开深入的阐发。

1.建立全方位的精准销售体系

由于对于大数据有了深入的分析，从而能够建立体系完备的客户企业数据库结构。对于J集团而言，能够明显地发挥极为可观的推动效果。将客户企业数据作为轴心，能够辅助J集团对客户企业展开深入的分析，制定出针对性的精准销售策略，从而替客户企业提供准确的产品及其价格等信息情况。

在具体化的销售工作过程中，J集团并不仅仅注意到客户的某次采购的行为，同时根据客户在较长的时间段内，在此平台采购后所出现的一系列数据信息展开整合式处理，再将此当作基础，替多元化的客户展开层次性的销售活动。比如，就J集团来说，具有较高消费能力的消费者，应针对性地推出较高价格的优质型产品；如果关注性价比的消费者，则应重点推送最近打折的促销活动内容。

2.构建J集团共享式数据库

建立健全J集团大数据库系统，显然是大数据境遇下数据分析所必然采用的方式。在该流程中，处于行业前端的J集团理应凸显出引领的价值。比如，淘宝和京东等一些大规模公司具备很强的资金实力，拥有技术更为优质型的资源，另外，在搜集数据信息的过程中其采集方面更为周到。倘若由于无法展开数据的有效性运用，那么，则会导致J集团的销售策略处于瓶颈的尴尬阶段。倘若J集团处于行业内的领头羊地位，则能够搭建起有效性的数据共享平台，从而能够达到共赢的效果，同时，对于该行业均可以提供不错的发展外部环境。

在共同分享大数据体制的建设流程中，在确保客户对象隐私处于安全的前提条件下，基于J集团在数据领域的优势与数据支持的基础上，牵头构建起共享式数据库体系结构。经由上述渠道，J集团不单单可以为本集团提供不错的口碑，同时，还可以在很大的程度上推进本行业朝着健康、快速的方向发展，最终，为提供精准的销售方案提出有利的数据的支撑。

3.提高广告投放的准确度

投放互联网的广告在J集团营销策略中，占据着不可小觑的地位。第一，J集团须全方位地整合和本集团有关的广告资源，同时，应深入而又全方位地了解各大媒体所产生的广告实效性，在此前提条件下，尽可能地寻求到与本集团发展情况相吻合的媒体资源，并做好精准的投放工作。比如，在投放互联网广告时，J集团须定期复盘本集团在不同的广告媒介平台（例如，百度、腾讯以及今日头条等）投放的实际效果，基于不同平台消费者的特征展开优化处理，寻觅到与本集团产品特征最为吻合的平台，展开连续性平稳地投放工作。第二，J集团理应规划好互联网广告的预算工作。第三，在广告投放的时间方面，也应有意识地做好准确的考虑，从而做出合理的选择方案。结合移动互联网的大时代背景环境，投放的电商广告时间段，理应借鉴大众运用手机的习惯情况，基于不同情况下的时间段展开比对式的检测，通过必要的筛选，从而最终确定效果最为合理的投放广告时间段。

结束语：

综上所述，在大数据技术和移动互联网高速发展的今天，J集团对于精准营销的建立和推动至关重要。制定合理有效的精准营销策略，对J集团有很强的现实意义，不仅能够迅速满足消费者日益增长的个性化需求，实现J集团和消费者的有效营销，还可以保证营销的效率，提高消费者的忠诚度。在深入了解了消费者的行为模式后，便于J集团提供更加个性化的服务，在提高经济效益的同时，还能树立可靠的企业形象，对未来实现长久稳固发展起着不可替代的作用。