个性化营销

**章引言 1.1 电子商务与海量数据 近些年来，随着互联网渗透率尤其是移动互联的快速提升，电子商务在经历了十几年的发展后更加成熟，它的普及大大降低了用户对商品的搜索成本，逐渐成为互联网用户的一种主要的购物习惯。目前我国的电子商务已具有较大规模，增速保持平稳增长状态。根据商务部发布的《中国电子商务报告（2017）》［1］显示，2017年全国电子商务交易额达29.16万亿元，同比增长11.7%。其中，商品类电子商务交易额16.87万亿元，同比增长21%，比上年提高8.7个百分点；服务类电子商务交易额4.96万亿元，同比增长35.1%，比上年提高13.2个百分点。中国网上零售交易额近年来以40%以上的速度快速增长，2017年全年网上零售额达到7.18万亿元，同比增长39.1%（见图1.1）。其中，实物商品网上零售额5.48万亿元，增长28%，占社会消费品零售总额的比重为15%。2018年上半年，全国网上零售额为4.08万亿元，同比增长30.1%。 在这一背景下，电商持续走向平台化，大批企业都将销售的重心从线下转移到线上，开设网店或利用成熟的B2C平台进行销售。统计数据显示，2015年的B2C 网购规模首次超过C2C。平台化可以充分利用社会资源来弥补商家自身的不足，并且*大效率地实现网站积聚的流量的价值。据艾瑞咨询报告显示，2017 年“双十一购物节”，淘宝天猫平台实现了11分钟突破亿元的交易额，3分钟成交额超过100亿元，并在“双十一”当天创下了总销售额1682亿元的*高纪录。 通过在线购物平台，消费者可以足不出户便完成产品的浏览、选择、支付、收货及售后服务等全部操作。电子商务以其便利性吸引了越来越多的用户，截至2017年，全国网购用户规模达到5.33亿，同比增长14.3%。用户在电子商务平台上的活动包括了浏览、搜索、点击和购买等行为，同时也会作为内容产生者在购物后提供产品评论等信息内容。由此可见, 用户的全部行为轨迹都被记录下来，而这些行为轨迹往往是用户偏好、行为特征的一种表现。 艾瑞咨询2016年中国网络购物行业监测报告［2］显示，电商平台上的网购品类向全覆盖消费需求发展，单个用户网购品类显著增多；网购用户逐渐趋于细分，90后、老年人成为消费新动力；用户更加注重商品品质，选择符合自身特征的商品。因此，未来电子商务企业应提供更精准的服务，来满足不同消费群体的需求。用户的点击流数据是用户偏好与需求的直观反映，这为企业营销决策提供了丰富的大数据资源。大量企业在自身发展过程中也开始意识到数据资源对于企业的营销、运营管理决策的重要意义，因而希望借助大数据的理论、方法来指导企业的管理实践，提供决策支持。在互联的信息网络环境下，企业所面对的顾客群体不再是整体，而是每一个可以在网络中独立表达、具有个性化需求的个体，这对企业洞察顾客行为模式、开展精准营销提出了新的挑战，而电商平台上丰富的用户行为数据也使得个性化服务成为可能。 1.2 个性化与推荐系统 在互联网时代，低效率的大众营销将会被高效率的精准营销所取代。电商可以详细地追踪每一个顾客的信息来源，包括其在网上的购物路径，搜索、购买行为，购买商品的关联性、重复性和周期性等。通过对这些数据进行分析，可以建造顾客行为模型，为顾客进行精准化推荐和个性化服务。用户在信息网络中的深度参与、个性化需求的增长，对电商的营销方法也提出了新的要求和挑战［3,4］。例如，如何根据用户的偏好来制定个性化的搜索结果，如何根据用户的浏览、点击及购买记录实现个性化推荐，都成为企业在电子商务营销中关注的问题。 近些年来，消费者对于企业推荐商品的营销行为的认可度不断提高。根据中国互联网络信息中心(CNNIC) 发布的2015年《中国网络购物市场研究报告》［5］可知，2015 年有83.5%的消费者感知到并明确表示电商平台根据自己的浏览痕迹和购买记录推荐商品，这一比例相比2014 年提升了25.9 个百分点。同时，2015年表示可以接受企业这种根据浏览历史推荐商品的营销行为，并且认为其有助于提升自身购物效率的消费者比例也由34.9% 提升到40.1%，相较于上年增加了5.2 个百分点。