闫会娟  大连理工大学城市学院

基金项目：辽宁省社会科学规划课题“辽宁省生产性服务业就业与影响因素研究”(L18BJY014)；大连理工大学城市学院教育教学基金课题“数据驱动的大学生个性化学习路径研究”(JXYJ2019006)

摘要：大数据产业和移动互联网技术飞速发展，消费者需求特征日益个性化，利用大数据技术对移动端消费者的精准营销成为商业界和学术界的研究热点。本文首先阐述了移动端APP精准营销的研究现状以及大数据技术和个性化推荐技术对精准营销的影响，然后分析了3种典型的个性化推荐方法在精准营销中的应用；最后给出了企业开展大数据精准营销的策略和注意的问题。

关键词：大数据背景；APP；精准营销；个性化推荐

一、引言

随着互联网、社交媒体、物联网技术的飞速发展，每天都在产生海量数据。企业信息化也使企业积累了海量的经营数据。大数据中蕴含的巨大商业价值和科学研究价值正在被认知与开发利用。麦肯锡公司的研究报告表明，根据西方产业数据预测，大数据的应用将能为欧洲发达国家的政府节省1000亿欧元以上的运作成本，使美国医疗保健行业的成本降低8%，并使得零售商的营业利润率提高60%以上。

大数据和移动互联网技术的发展对传统营销产生了巨大的冲击。几乎所有大型的电子商务企业，如Amazon、天猫、京东、今日头条、喜马拉雅、抖音等，都不同程度的使用了大数据技术支撑的个性化推荐功能。大数据营销平台，比如阿里妈妈大数据营销平台，可以使企业的营销活动更加精准，易监控。越来越多的研究表明，大数据时代背景下的营销思想与体系与以往存在显著差异。林元桂（2018）指出个性化的大数据分析平台是移动电子商务推进精准营销的第一步。移动电商只有依托大数据营销平台，才能够准确定位目标市场，并实施精准营销策略。徐玲玲和朱婧（2018）的研究表明个性化推荐对消费者的购买意愿有正向影响。

二、精准营销中的个性化推荐方法

移动互联网环境下，个性化推荐是根据用户浏览、购买、评价等行为以及移动情景等利用推荐算法，挖掘用户偏好并为其推荐产品或信息。它可以帮助用户解决信息过载的问题，有效提高搜索产品或信息的效率。下面对实现精准营销的3种典型推荐方法进行介绍和分析。

（一）基于情景感知的个性化推荐

情景感知是指移动APP应用设备相关的感知功能，依据用户当时的情景并加以分析和处理，为用户提供与当时情景相匹配的信息服务。

LBS(Location Based Service)是一种基于位置感知的服务推荐方法。它通过移动通信技术或外部定位方式获得移动用户的位置信息，再结合地理信息系统和移动支付系统，进一步精准确定移动终端的地理位置，提供与终端位置相关的信息服务。基于LBS的移动服务已经被广泛推广和应用。比如，美团APP利用用户终端所在位置为用户推荐不同范围内的餐饮服务商，方便消费者迅速定位并选择相应服务。利用LBS的APP能够明显节约消费者时间，提高购物效率并拥有良好的用户体验，客户会更主动地进行实体店消费。利用LBS的大数据精准营销已成为优化企业线上线下营销活动的重要手段。

除了上述基于位置情景的感知服务（LBS），还有许多相关研究和商业应用。基于天气情况推荐商品，如雨具。基于时间段（早餐、午休、晚餐、睡前等）、节假日、是否驾驶中等情景推荐相关的音频节目。基于机票信息推荐目的地相关的商品或服务，如酒店、打车、旅游资源、到达国家的大使馆、移动设备联网服务方式信息等。

（二）基于用户行为的个性化推荐

在大数据背景下，企业已经将数据视为企业资产。企业利用经营大数据和互联网大数据预测合作伙伴和客户行为来优化决策。通过大数据分析技术可以准确描述消费者购买行为特征、预测消费者需求，也可以挖掘潜在客户，从而提高营销的精准性、降低营销成本。互联网企业可以构建自己的用户画像。京东利用注册会员的数据信息，如，搜索、浏览、点击、购买和评价等消费行为数据进行分析，获得每个客户的属性特征，从而形成相似用户群和用户画像。再针对不同的用户群体特征为其提供个性化的商品推荐，制定适宜的营销方案，以达到提升交叉购买能力、顾客满意度和忠诚度的目的。喜马拉雅APP根据用户的浏览、收听、订阅节目内容和时间段，以及购买、评价信息等，构建用户画像，分析用户的收听基因和收听偏好，为其推荐可能感兴趣的免费及付费节目。

（三）基于资源的个性化推荐

基于APP资源的属性特征，可以抽取资源属性特征，最终根据用户的行为或兴趣偏好推荐特征匹配、相近或相关的资源。比如，购物网站根据用户的浏览记录为其推荐特征匹配的相关商品，以满足消费者需求；今日头条APP根据用户点击新闻的内容为其推荐内容特征相似或相关的新闻内容，以增加用户黏性；喜马拉雅APP根据用户的搜索内容和收听内容为其推荐内容特征相似的付费节目，以增加节目的购买量。

上述三种个性化推荐方法不是孤立的。在实际应用中常常一起使用，为用户推荐最合适的内容和服务。

三、基于大数据的移动端精准营销策略

美国教授首次提出精准营销的概念。精准营销就是要尽可能的通过可量化、可执行的方式，向客户提供最需要的产品。云计算、大数据等技术为企业精准营销策略的实施提供了强有力的技术支撑。基于大数据的移动端精准营销策略如下。

（一）构建大数据营销平台

近年来，迅猛发展的互联网技术和大数据技术使得采集客户大数据成为可能，云计算为处理海量数据提供了超强的计算能力，分布式存储和非结构化存储技术可以存储互联网产生的海量半结构化和非结构化数据。全球数据量爆炸性增长，企业每天可能会获得数十亿条信息，要处理千亿条非结构化的大数据，必须构建或租用大数据技术支撑的数据分析平台。通过该平台可以采集、处理消费者信息，分析用户行为，实现对用户的个性化推荐服务，开展更为精准的营销活动。目前，已有多家企业提供大数据营销的软硬件支持。华为开发了面向企业的大数据平台FusionInsight，实现海量数据快速处理，精准洞察用户行为特征，支持对用户数据进行超百万维度的数据建模，辅助企业进行高效准确的商业决策。为了更好地实现信息流广告的精准投放，腾讯则依托其社交平台积累了海量的用户及其信息，建立了一套数据标签体系，包括人口学、兴趣类和行为类等6种标签，用来对受众进行多维度、全方位的刻画。通过对标签的选择和组合，广告主可以筛选出符合目标消费者特征的微信用户，实现精准锁定目标消费群和广告投放。

（二）消费者大数据收集

大数据精准营销的首要任务就是构建消费者数据库，收集消费者大数据。对消费者进行动态追踪，收集消费者在移动端的行为记录，甚至采集用户在社交平台上行为记录，将收集到的海量的、潜在有用的消费者数据进行分析和深入挖掘。具体来说，这些数据包括： 1.用户的基本信息，包括性别、年龄、受教育程度、职业、收入和地理位置信息等静态数据； 2.用户行为信息，包括点击记录、搜索信息、浏览信息、收听记录、购买记录、购买时段、购买产品、停留时间等数据；3.社交平台数据：企业通过自己的平台或爬取电商、微信、微博、新闻、论坛等渠道的消费者信息。

（三）大数据精准营销的开展、监控和反馈

    大数据平台收集并分析了大量用户信息后，营销部门可根据用户信息以及市场环境策划精准营销活动，制定营销方案和实施过程，根据实施过程开展具体的营销活动。

互联网技术支撑的营销活动的突出特点之一是可监控和可量化。对于移动端可以监控移动端用户在营销活动平台上的一切行为，实时传回到大数据平台，并进行分析。针对营销过程中的数据分析结果，营销人员可适当调整营销活动细节，以使营销活动朝着满意的方向发展。

（四）大数据精准营销需要坚持以内容为王

大数据技术能实现更精准更高效传播的精准营销。但是大数据精准营销中仍需注意坚持以内容为王。内容质量才是吸引和留住客户的主要原因，比如，喜马拉雅凭借大量的免费音频节目和一大批高质量的音频节目吸引客户，继而推出了大量的付费节目。这些付费节目包括通过前期的节目收听、订阅和评价等信息筛选出的受欢迎的节目以及社会上有影响力的人物或团队制作的节目。

四、结论

消费者个性化需求日益增强，大数据中蕴含的巨大商业价值正在被挖掘和利用，大数据对传统营销思想产生了巨大的影响。本文讨论了大数据技术在移动端精准营销中的应用，大数据技术使个性化推荐技术更加有效和精准。未来，企业都将开展基于大数据平台的精准营销。目前，大数据精准营销也存在许多问题，如，数据分析不够精准，影响广告投放效果，"大数据杀熟"和客户隐私保护等。企业在进行大数据营销时仍然要坚持以内容（产品）为王的原则。

参考文献:

[1]徐宗本，冯芷艳，郭迅华等.大数据驱动的管理与决策前沿课题[J].管理世界，2014(11).

[2]张玲玲，李怀斌.科学营销:基于大数据的营销范式[J].东北财经大学学报, 2018,(7).

[3]林元桂.移动电子商务精准营销策略研究[J].现代信息科技，2018,(11).

[4]徐玲玲，朱婧.移动电商个性化推荐对消费者购买意愿影响分析[J].商业经济研究，2018,(6).

[5]刘珊.基于LBS模式的“21世纪海上丝绸之路”跨境电商推荐系统研究[J].电信技术，2018,(11).