百货业之父约翰·沃纳梅克(John Wanamaker)曾经说过“我知道在广告上的投资有一半是无用的，但问题是我不知道是哪一半。”而现如今，随着大数据的日益广泛应用，浪费的另一半正在被找到。

 

在互联网、大数据、人工智能的时代中，绝大多数企业都已经知道单纯依靠“烧钱”这种单一的营销方式已经行不通，只有精准化的营销，才能实现企业和消费者之间进行点对点的互动交流。那今天我们就来看看数据分析如何助力精准营销。

1.     二维码营销活动优势

• 信息传递便捷，快速。

 

二维码营销作为一种新型移动营销方式，它使企业能够将营销信息便捷快速地通过移动终端传递给使用者，且用户通过扫描二维码可以随时随地的进行信息获取。

 

• 运营成本低。

 

在与大众媒体广告等营销手段的对比中，它具备了更大的成本优势，同时给中小型企业和餐饮从业者提供了向客户群体精准发布信息的平台， 在扫码点餐，扫码取餐，线上支付线下消费等消费活动中，二维码营销在一定程度上缩减了企业的人力成本。

 

• 专码专用，提高用户体验。

 

由于每个专用二维码都有自己的独立信息， 这些消费信息只有与相应的消费者进行匹配，才能实现它的价值。

 

• 线上线下的连接点，跨越线上线下的立体营销。

 

网络营销的普及给传统实体产业带来了巨大的冲击，而二维码正是网络营销和实体店最佳接口，它能够有效地整合线上线下不同类型的资源，实现网络空间和实体空间的结合。

以上可作为实现精准营销的基础。

 

2.     何为精准营销？

 

2006 年，美国营销大师菲利普·科特勒（Philip Kotler）在其著作《Principles of Marketing》中首次提出“精准营销”的概念。他认为：精准营销的重点在于量化、可衡量性。无论是营销计划的制定、实施，还是营销过程中的沟通方式、营销活动的效果，都需要一种可衡量的指标。

在掌握了有关于客户的足量信息后，将客户进行定准的定位、归类，依靠现代化的技术，建立有效的沟通服务方式和针对性的产品体系，提高营业额和利润的同时降低营销推广成本，实现企业资源的最优化配置。

从精准营销的概念不难发现，对比传统的网络营销方式,精准营销把定位目标客户群体,针对目标客户群体的独立需求设计相应的产品和服务作为基本任务，再以一个合理的价格和的渠道对客户进行有效传播，从而实现低成本高收益的效果。

精准营销思维的精髓是“精准”,无论是客户的定位、产品的推送还是推广渠道的选择，都强调一个“准”字。通过完善的市场定位体系，建立一对一的个性化沟通传播系统，为客户提供更合适的产品。而完善的市场定位体系，首先要寻找目标客户。同样，有效的推广策略的实施,则需要在大量的数据信息中挖掘提炼出有效信息，找到适合企业当前情况的信息。

精准营销主要有如下特征 :

 

01

消费导向性

 

所谓消费的导向性，即在满足受众客户需求的同时，对客户的购买行为产生潜移默化的影响。在企业开展营销活动时，最重要的便是了解自己的客户。从企业能够掌握的数据看，除了姓名、性别、购买商品金额等结构化数据外，更主要的还是扫码过程，包括操作记录等非结构化数据。

这些消费者扫码记录经过加工整理之后，成为了一个完整而清晰的消费过程，根据这个过程商家同样可以找到A商品的卖点。而后台庞大的消费者行为数据库，也成为了企业准确把握客户需求，针对性解决客户问题的重要参考依据。

 

02

营销针对性

 

所谓营销的针对性，即指知道哪些是受众的需求，同时知道如何满足受众的需求。精准营销最主要的特征即“准确”，在实施营销活动之前，对于目标客户进行有效的细分是确保营销活动成功的前提。

大数据时代背景下进行的进准营销，正式借助了当代信息技术，在 TB 级的数据量中进行清洗、整理及检索，从大量非结构化数据中了解客户购买行为及意向，为企业的营销活动做出决策支持，同时也增强了产品的适应性，提升了客户体验，实现企业、客户双赢的愿景。

 

03

效果的可量性

借助当前的技术手段，精准营销的效果也能进行够有效的衡量。通过对目标人群的行为数据分析，企业可以得出用户对商品品牌款式的兴趣偏好、市场同业竞争者的应对策略以及经营成本收益衡量等一些可以量化的结论，原先难以量化的工作内容（如广告投放效果）等也有了清晰的展示。

04

行为的高效性

 

精准营销行为的高效性，主要来源于对客户、产品、服务的准确把握。企业针对目标客户，可以及时将信息准确无误地传递给对方，信息流通渠道更加顺畅，速度更快，因此显得更加高效。而且由于这种及时性和强针对性，企业信息流通成本和客户的交易成本大大降低，交易效率得到了提高，营销活动更加高效。

 

3.     二维码营销活动实现精准营销理论基础

• RFM营销理论模型

 

RFM 营销理论作为一种在客户关系管理中被广泛提到的理论，在衡量消费者创收能力方面有足够的解释力度。该理论认为，衡量消费者的价值方面，最近一次消费情况(Recency)、消费频次(Frequency)、消费金额(Monetary)等三个重要指标，为企业收集客户信息，衡量客户价值状况提供了简单易行的方法。

 

 

R，即为 Recency，该指标的含义是，最近一次购买商品时间距当前越近的顾客，比那些距离当前较久远的顾客更容易接受公司的新商品或服务。

F，即为 Frequency，指顾客在一定周期内所购买商品的次数总和。该指标用来检验客户的活跃程度，客户购买次数越多，说明该客户的忠诚度和满意度越高，客户越活跃，对营销活动的响应度也就越高。

M，即为 Monetary，指客户在一定周期内消费金额总和，该指标是用户实际购买力的反应，消费金额越高，代表客户的购买能力越强。RFM 理论从三个角度全方位立体化地展示了客户的消费情况，为电商企业提供个性化的产品和服务提供了数据支持。

 

 

 基于 RFM 模型的客户分群图示

 

 

•  K-means 聚类算法

 

聚类分析作为一种广泛应用的分析方法，在当前的营销分析方法中，可以帮助市场决策人员分析出企业所面对的不同客户群体的典型特征，利用用户的扫码行为、特征属性等数据，将用户分为相对独立的几个群体，再根据不同群体的特征，进行针对性营销计划，避免了之前依靠经验决策，依靠广撒网式营销策略，浪费大量资源的情况。

聚类分析方法一般分为两个阶段：首先是数据预处理，由于原始数据中各字段基于不同维度，度量方法也有所不同（例如客户性别属于二元变量，客户会员等级属于序数变量，交易金额、浏览产品数量等属于单纯数字变量），因此对于不同熟悉的数据，需要进行预处理，将其归为可以同一计算的变量。在数据预处理结束后，再根据需要采用合适的算法进行样本聚类。

K-Means 算法：是当今进行聚类分析时使用频率最高的一种算法。该算法用簇中点所在 N 维空间中位置的平均值来划分每个簇。K-Means 算法大致的步骤是：从已有数据集中随机抽取 k 个数据点作为初始的聚类中心，然后计算出集合中数据点到给定的聚类中心的距离，并把所有的数据点分配到距离它最近的聚类中心。当集合中所有数据点被分配完成时，再回到最初步骤，将每个类别的中心按照本类现有的数据点重新计算确定；不断重复此过程，直到满足某个终止条件为止，一般来说，当误差平方和局部最小时，运算终止。

 K-means 算法流程图

 K-Medoids 算法：又叫 K 中心点算法，该算法采用最接近簇中心的一个对象来表示划分的中心点。K-Medoids 算法与 K-Means 算法的划分过程相似，两者最大的区别是K-Medoids 算法是用簇中最靠近中心点的一个真实的数据点来代表该簇的，而 K-Means算法则是利用计算出来的簇中所有点的平均值来代表该簇的，这个平均值是虚拟的，不一定存在一个真实的数据对象与该平均值点完全对应。但是当数据集中离群点较多且分散在主体外时，K-Medoids 算法确定的中心点产生的偏差较大。

本文中，本文采取应用最为广泛的 K-means 聚类方法。由于选取变量的多元化，分析变量也超越三维空间，因此 K-means 聚类算法中，聚类对象间的距离可以理解为相似度，常见距离有欧几里得距离、曼哈顿距离、闵可夫斯基距离等，三种距离适用于不同场景。

 

4.     总结

 

利用二维码营销活动便捷、快速获取用户数据，利用数据挖掘技术，建立不同数据模型，建立用户画像，分类用户，根据不同类型用户，采取不同营销策略，实现精准营销，完成二维码营销活动的闭环。