精準營銷就是在精準定位的基礎上，依托現代信息技術手段建立個性化的顧客溝通服務體系，實現企業可度量的低成本擴張之路，是有態度的網絡營銷理念中的核心觀點之一。

精準營銷需要解決的問題是：哪些用戶是某個產品或者營銷活動的目標用戶?或者是每個用戶最適合推薦什么產品?前者是找目標用戶，后者是為用戶推薦產品，兩者是類似的。

我們可以利用數據挖掘技術對顧客的購買行為和歷史的規律進行分析和挖掘，從而定位目標用戶群體，實現以顧客為中心的精準營銷。

1、精準營銷方法論

以顧客行為數據為基礎，結合數據挖掘技術和不同營銷手段，建立精準營銷流程，形成從數據分析、預測模型、模型營銷應用以及后續監測和評估的閉環。

如下圖1是精準營銷方法論，將數據挖掘和營銷活動有機的連接形成了營銷閉環。

圖1：精準營銷方法論

2、精準營銷中常見的數據挖掘算法

數據挖掘是指從大量數據中通過算法搜索隱藏于其中信息的過程。在精準營銷中我們常用的數據挖掘的算法有：聚類、分類、關聯。

1)聚類

聚類是一種無監督的學習算法，也就是說聚類不需要”結果變量“，它可以通過對自變量的探索自動告訴你應該分成多少類。聚類的基本原理是根據樣本自身的屬性，用數學方法按照某種相似性或 差異性指標，定量地確定樣本之間的親疏關系，并按這種親疏關系程度對樣本進行聚類。

圖2：聚類過程

聚類在精準營銷中的應用

某電商公司進口食品類目需要探索不同消費者群體特征，我們結合最近半年購買進口食品類目的顧客的購買品類、購物方式、購物時間等因素通過聚類進行分類，找出每類用戶的特征。通過聚類我們分成了11組，可以看出每一組人群特征，從而針對不同的組實現精準營銷。

表1：聚類分組結果

2)分類

分類是一種有監督的學習方法，分類屬于預測性模型，是通過對過去數據的學習來判斷未來某種行為。例如在電商客戶中事先定義好顧客是否流失，如果我們要預測未來一段時間某個顧客是否流失，這時就要構建分類模型。分類學習方法所使用的數據集稱為訓練集，訓練集中每一個個體都有明確的類別，通過訓練集中的數據表現出來的特征，為每一個類找到一種準確的描述或者模型。

圖2：分類模型示意圖

分類在精準營銷中的應用

小王的目的是通過下周天氣預報尋找什么時候人們會打高爾夫，他了解到人們決定是否打球的原因最主要取決于天氣情況。而天氣狀況有晴，云和雨;氣溫用華氏溫度表示;相對濕度用百分比;還有有無風。如此，我們便可以構造一棵決策樹，如下(根據天氣這個分類決策這天是否合適打網球)：

圖3：通過“決策樹”構建分類模型

從上面分類樹種我們可以看出人們打高爾夫的條件是：晴天并且濕度小于70或者多云天氣或者雨天不刮風，這三種情況人們打高爾夫的概率會比較大。

決策樹是是分類模型常用的方法之一，其優點是容易理解、預測準確度高。除了決策樹我們還可以利用logistic回歸，神經網絡、貝葉斯分類器、SVM等算法構建分類模型。

3)關聯

關聯分析是從大量數據中發現項集之間有趣的關聯和相關聯系。關聯分析的一個典型例子是購物籃分析。該過程通過發現顧客放入其購物籃中的不同商品之間的聯系，分析顧客的購買習慣。通過了解哪些商品頻繁地被顧客同時購買，這種關聯的發現可以幫助零售商制定營銷策略。

在數據挖掘當中，通常用 “ 支持度 ” ( support )和 “ 置性度 ” ( confidence )兩個概念來量化事物之間的關聯規則。關聯規則 A->B 的支持度 support=P(AB) ，指的是事件 A 和事件 B 同時發生的概率。置信度 confidence=P(B|A)=P(AB)/P(A), 指的是發生事件 A 的基礎上發生事件 B 的概率。同時滿足最小支持度閾值和最小置信度閾值的規則稱為強規則 。比如：Computer => antivirus_software , 其中 support=2%, confidence=60%，表示的意思是所有的商品交易中有 2% 的顧客同時買了電腦和殺毒軟件，并且購買電腦的顧客中有 60% 也購買了殺毒軟件。

關聯規則在精準營銷中應用

某電商公司的類目運營通過找出二級類目之間的關聯性，來指導跨類目的聯合促銷。我們通過訂單數據利用關聯規則計算關聯性結果如下：

圖4：關聯規則結果

根據上述的關聯規則，我們在做促銷活動時，可以考慮將廚房調料和紙質品、廚房調料和糧油、餅干和堅果等相關產品一起捆綁銷售。