基于大数据的商业银行精准营销

基于大数据的商业银行精准营销 摘要 现代互联网技术的开发和进步，给大众的学习和生活带来极大的便利。大数据技术作为其中一项重要的新技 术，更是从更高级、更深入的层面提供支持，因此被人称之为“信息时代的石油”。在营销领域，大数据技术也大 有所为，它能够帮助判断消费者的购买行为，分析其购买习惯，并预测潜在的消费需求，从而帮助企业进行精准营 销，尽可能地增加营销的成功率。 本文的研究重点是大数据环境下的精准营销策略，笔者首先阅读和整理了国内外现有的关于上述方面的学术成 果，再阐述大数据库的建立及数据挖掘的相关内容，再研究数据挖掘的四种方法，即对比分类法、关联规则法、回 归分析法、聚类分析法，对无监督学习过程对当前绝大多数企业的适用情况，考虑到普遍性与实用性，本文详细的 介绍了K-means聚类算法。紧接着是探索大数据技术与精准营销的关系，通过一层一层的基础知识建设，寻找大数据 挖掘如何与精准营销产生联系并通过什么方式达到精准营销以及得出精准营销策略。 本文以银行产品的反馈数据作为精准营销的一个实例，采用python编程以K-means聚类算法为基础，将银行产品 反馈的10万条数据局部选取，经过对损失函数cost的计算，将数据信息产生的用户画像分为8类，做到客户分层，再 结合用户们的特征，并推出精确的营销策略达到企业的效益提升。 关键词：大数据，数据挖掘，精准营销，K-means聚类算法。 第 1 章 引言 1.1研究背景和意义 随着科学的发展进步，大数据作为新型的资源成为了网络行业的热点话题。大数据技术在收集、存储、管理和 分析等各方面远远领先于传统的数据统计和分析。在如今网络普及的时期，每天都会有海量的信息再网络中传播， 大数据已经广泛应用于各大行业，已经成为人们每天不可或缺的一部分。 越来越多的企业和个体对于大数据技术也 更加关注。美国最早进行大数据技术的开发和使用，他们不仅应用于科技工程，还应用于教育领域，更在国防领域 广为适用。而我国在2015年出台了《促进大数据发展行动纲要》，这也说明我国将大数据技术上升到了国家层面， 要进行整体化、系统化地规划和安排。发展至今以及在未来的几年里，利用大数据技术培养新兴产业例如电商等已 成为中国经济未来的方向。各行业通过大数据技术的特点精准地为广大消费者提供切实所需的产品，在强大的市场 竞争中，传统企业只有通过大数据技术转型，才能更好地适应社会经济发展[1]。 在传统的营销方式下，企业没有办法精准预测消费者的需求，产品从制造到销售的全部过程中，无法得到具体 准确的数据支持，企业只能在盲目的情况下“踩着石头过河”。但是，在大数据技术的应用下，企业能够精准地评 估消费者的购买行为，并针对性地作出市场需求的预测，从而提供更加专属化的产品和服务，也可以在正确的渠道 投放精准化的广告。因此如何在大数据环境下做到精准的产品推广和广告投放正是本文所探究的[2]。 只有充分了解了消费者的需求，才能做到精准的营销。随着市场竞争力越来越大，对于一家公司来说，其最需 要重视和改善的地方就是如何制定准确的营销策略，从而提高营销的效率，进而扩大企业的利润。在大数据技术的 广泛适用下，数据信息应当在营销过程中起到更加关键的作用。 本文以大数据和精准营销理论为基础，对基于大数 据环境下的精准营销策略进行深入剖析，并针对性地提出一些对策，一起对企业的实际运用有所裨益。 1.2国内外研究现状 1.2.1国外研究现状 精准营销的概念最早由莱斯特 ·伟门在1999年的时候提出，他的主张是，在市场竞争压力愈发大的情况下，企 业为了维持稳定发展甚至扩大规模，就应当转变其营销方式，应当将消费者作为营销策略的重点和导向， 通过一些 科技手段的辅助，来获得消费者的相关数据，从而构建消费者数据库，以此来寻求具有需求的潜在消费者。再根据 消费者的实际需求提出产品推广方案，此类方案既有针对性又是高效的。 再通过良好的售后服务，让顾客满意最大 化，使得企业与消费者完美适配[4]。2011年，丹麦的Laursen, Gert.在《Business Analytics for Sales and Marketing Managers: How to Compete in the Information Age》中体现了将消费者细分等级后对企业利益产生的 影响，说明了精准营销不仅仅只是供求对口，也需要客户细分[5]。 对于大数据挖掘，由阿尔文 ·托夫勒提出大数据这个概念，于2008年，来自美国的Bryant R E,Katz R H, Lazowska E D.在《Big data computing:Creating revolutionary breakthroughs in commerce,science,and society》指出了大数据技术会面临的问题和挑战[6]。2015年，Delen, Dursun.在《Real-World Data Mining》 中，将大数据挖掘与商业结合，详细的说明了数据挖掘的方法，体现了大数据挖掘在企业市场中的无限价值[7]。 1.2.2国内研究现状 国内关于精准营销的研究开始得比较晚，然而该概念一进入我国，就迅速得到理论界和实务界的认可，并开始 广泛地应用和研究。学者许瑾在精准营销理论的现有成果上，进一步研究指出精准营销的核心观念在于以消费者为 中心，利用各种方式，可以尽快将消费者所需要的产品或服务，通过良好的渠道和双方都满意的价格销售给消费者 [8]。同年，伍青生等人在定性分析的基础上对精准营销进行了研究[9]； 徐海亮在2006年也对于精准营销的具体定 义进行了重新界定[10]；2007年， 刘征宇则对精准营销的实行方式进行了探索[11]。 关于大数据挖掘的研究， 2014年，吴昱率先探索了云计算与大数据之间的关联，并研究出利用云计算进行精准 挖掘的操作方法[12]。 2018年，周原则将数据挖掘的应用转向了企业精准营销层面[13]；2019年，徐涛在数据挖掘 3 和精准营销的结合方面开展了进一步优化；2020年，王斐则将目光投放于利用大数据作出用户画像，从而制定更加 精准的营销策略[15]。 通过国内外学术界的现有学术成果来看，对于精准营销的研究已然不少，但在查阅过程中发现，多数文章只针 对于用户成像的结果以及研究精准营销的策略，却没有展示应用于企业的参考的大数据下的数据挖掘过程。本文参 考谢娟英, 丁丽娟, 王明钊对基于谱聚类的无监督特征选择算法的研究[16]，展示数据挖掘流程及应用。 1.3主要内容和工作安排 本文的主要研究内容是：基于大数据环境下的精准营销策略。全文分为五章，内容结构安排如下： 第1章为引言，引入多数企业在大数据时代增加竞争力的方式是，利用大数据技术从而实现精准化的营销，阐述 上述两者结合的背景、意义及当前状况。本章简单提供本文的概述，为接下来深入主题做铺垫。 第2章是大数据挖掘的定义、方法介绍，将大数据挖掘分为4个部分，从库的构建-大数据挖掘的概念-流程-方法 来介绍这一技术，并着重介绍了数据信息通过聚类方法分类用户画像，并达到精准营销的应用解决方案。 第3章是分析大数据技术与精准营销之间的联系，通过一层一层的基础知识建设，寻找大数据挖掘如何与精准营 销产生联系并通过什么方式达到精准营销以及得出精准营销策略。 第4章是实例分析，来验证本文方法的实践性。选取某银行的用户们购买银行产品的10万条数据反馈以及用户们的特 征，使用本文介绍的算法，通过编程在python上进行k-means聚类分析，做到用户分类，再结合用户们的特征，推出 精准营销策略，提升效益。 第5章是结束语，总结本文的主要创新点及局限性，以及接下来能够进一步开展研究的方向。 第 2 章 大数据下的数据挖掘 2.1 数据的定义 数据能够反映一定的事实，归纳出客观事物的内在逻辑关系，以及客观事物在没有经过二次处理的原始材料。 数据一方面包括连续值，例如声音；另一方面包括离散值，例如文字。 2.1.1 数据是信息的表现形式，信息是数据的内涵 信息和数据有相同之处，也有不同之处。数据承载着信息，其表现形式多样，例如图像，文字，视频等；而信 息是数据的具体内容，能够对其具体含义进行清晰的说明。数据的表现形式无法百分之百地显示其全部内容，必须 经过一定程度地说明，因此对于数据的解释这一步是万万不可缺少的。因此，信息和数据二者缺一不可，信息必须 经过数据才能得以体现，而数据则可以说明具体的信息。数据只能用符号化的语言进行表达，而信息是数据经过处 理之后的产物，能够更容易得被人看懂和理解，从而对信息的判断和决策的作出起到至关重要的作用。数据和信息 是形式和实质的关系。数据本身并不包含任何含义，当数据能够作用于人的决策和行动时，才能产生含义，此时的 数据就称之为信息。 2.1.2 数据是企业中最重要的物质基础 数据在企业运营过程中的重要作用无可替代，它在每个阶段都必不可少，广泛应用于生产、营销、销售等等阶 段。数据就像一个企业的“灯塔”，能够客观地对企业当前的现状进行反馈，帮助企业改变其现有的不足。 企业运营中产生的数据有很多种类型，例如财务数据、销售数据、营销数据等等。每种数据对企业的价值不 同，例如销售数据，能够体现出企业销售的情况，在各个时间段，通过设置内外部环境产生的诸多变量，来反映财 务状况是否良好，企业就可以依据数据反馈的结果进行策略的调整，选择更佳的生产计划、销售方案等。比如说 2020年煤炭行业持续下行，企业就应当基于市场数据进行生产方面的改动，从而降低生产量，以调整市场价格。企 业运营中产生的数据能够为企业的正常运转保驾护航，如果缺乏具体、正确的大数据，或者统计的方法落后、有失 误，企业经营者，管理者，就会犹如失去眼睛，在市场竞争中失去方向。 2.2 “大数据”库的构建 2.2.1 “大数据”库是数据管理系统的“升级” “大数据”库的含义是，从前的数据管理系统由于其包含的数据总量迅速扩大，以及数据结构更加复杂，从而 使得数据库更加地庞大，而系统分析数据的速度也得到了进一步提升，因此数据也更加富有价值。也就是说，“大 数据”库并没有脱离原先的数据库而单独存在，它是在更加高精尖技术的帮助下交从前数据库更深一步的拓展。 2.2.2 重要性与必要性 一方面，在市场竞争层面，数据属于可再生资源，由于传统资源早就被企业在激烈竞争中瓜分，因此现如今企 业都将其目光投放于数据资源，企图抢占先机，百度，阿里巴巴，腾讯就是国内发展成功的案例。另一方面，在企 业营销效益层面，数据是企业经营者精准营销策略的基础，即基于大数据环境下实现精准营销的策略的第一步就是 4 拥有可利用的大数据用于数据挖掘，所以一个成功的新型企业，在企业经营者采取营销活动之前就应该以消费者为 中心建立一个用户“大数据”库来实现精准营销策略。 2.2.3 构建方式 (1)企业自建型。这种方式是指，企业坚持以消费者为核心，自己投入人力、物力、财力来搭建属于自己的 “大数据”库。因为消费者的购买行为多种多样，类型复杂，因此要想更加了解消费者的购买行为、喜好、习惯， 企业自建型“大数据”库在搭建过程中应注意两点。第一点是，企业要将内部数据进行规整，将产品数据、销售数 据、消费者信息等等分门别类、有条理地划分清楚。第二点是，利用互联网等渠道更加全面、深入、系统化地搜集 消费者更多的操作数据，例如借助网络爬虫技术，掌握消费者在使用网络服务时所留下的行为数据。 资源共享型。这种方式是指，各个企业之间为了数据库更够发挥共同的优势、减少各自的劣势，而选择将信息 进行共享，以此获得对双方都有益的、更广泛的、更多元化的“大数据”库。自古以来，术业有专攻，因此企业做 得再先进，也无法掌握消费者的每一个行为记录。就比如说，电子商务的淘宝平台无法获取客户平时社交的数据， 只有用户的一些购买数据， 就很难清楚的了解