大数据和企业精准营销相关性分析*

杨东红， 时迎健， 雷 鸣， 赫丛喜

(东北石油大学 经济管理学院， 黑龙江 大庆 163318)

在网络技术和信息技术飞速发展的今天，人们的生活已经全面转向互联网，企业面临越来越激烈的市场竞争，实施精准营销是改善经营状况的有效途径。在海量的信息中挖掘出对企业有用的数据，将其运用到企业的精准营销当中，将很大程度影响企业的竞争力和发展。

大数据时代的到来使在可接受时间内处理庞大数据集成为可能，大数据所具有的大分析、高带宽和大内容特点产生了数据生成、采集、储存以及分析的数据价值链，给现代企业带来了一定的机遇和挑战。大数据成为下一个创新、竞争和生产力的前沿[1-2]。在大数据背景下，企业充分利用大数据提供的数据处理和分析技术，提出了精准营销这一营销新方法。精准营销改变了以往的营销渠道和方法，通过互联网等方式建立客户数据库并进行科学分析，为企业提供更精准的营销沟通模式[3-4]。因此，大数据为精准营销的实施提供了基础和技术平台。与此同时，基于精准营销定位，企业建立个性化服务模式，实现了高效率低成本的目标[5]，也为企业对大数据的管理提供了一定的方向。因此，对大数据和企业精准营销的相关性进行分析有助于企业经营者充分利用大数据技术有针对性地实施精准营销，从而达到提高企业市场竞争力的目的。

一、文献综述

近年来国内学者对大数据理论有较为深入的研究。涂兰敬指出，大数据包含的三方面为大分析(Analytic)、高带宽(Bandwidth)和大内容(Content)[6]。李国杰等提出，大数据是以数据流的方式产生，其产生速度较快，非静态性，并且这些数据流时效性很强，了解并把控这些数据流有助于数据的分析和利用[7]。马建光等认为，快速产生和更新的大量数据会对数据的有效性产生影响，从众多未开发的数据中分析有价值的数据信息决定了大数据的前景[8]。李建中等认为，大数据集合中应包含足够的数据来回复各种查询和支持各种计算，并且这些数据集合所对应的每个信息都应与时俱进，不陈旧过时，从而保证数据分析的精准性[9]。李文莲等认为，大数据可以洞悉消费者的需求偏好，并准确地进行消费者细分；此外，大数据能够提供产品的即时、精准和动态定位[10]。刘光金提出，大数据拥有大量数据信息、分析处理速度快，并且大数据的信息价值密度低[11]。王群等提出，在大数据背景下企业应当掌握处理大数据的能力，将其应用于企业人力资源管理环节，进而促进企业人力资源管理方面的创新[12]。屈志强等认为，大数据具有海量数据信息、数据种类繁杂、分析处理速度快和数据价值回报较高的特点[13]。王君毅提出，大数据技术对海量数据分析准确度高，能够分析整理消费者的真实需求，从而精确辨识消费倾向、消费喜好等[14]。根据以上学者的研究，本文将大数据定义为以数据流的形式动态、快速地产生、更新的海量信息的集合，并将大数据分为数据时效性、数据完备性、客户数据挖掘、数据呈现方式和数据安全性五个重要维度进行测量。

目前国内学者在精准营销的实施应用方面有较细致的研究。郭鑫认为，精准投放是精准营销的关键，能够完成产品投放与目标消费群体个性化需求的有效匹配，从而提升产品投放的精确度[15]。李维胜等认为，精准广告投放是企业实施精准营销的有效途径，对偏好不同类型广告的消费者投放对应的广告，可以提高潜在客户接受企业产品和服务信息的精确性[16]。邓光宏等提出，精准营销得以实现的基础是对顾客信息的收集与分析，通过对顾客数据的分析准确定位并识别顾客的需求特征并判断哪些顾客具有更高的消费可能，然后有针对性地选择营销手段实现产品的销售[17]。张美娟等提出，精准营销的目的就是让目标客户对企业的产品和服务感兴趣，将适合他们的产品和服务推到他们眼前，激发个性化的需求，从而达到一对一的互动[18]。曲晓琳提出，精准的客户定位是营销策略的基础，在企业进行市场细分之后，深入分析不同的顾客，最终完成目标顾客群体的确定[19]。杨琳通过对中小企业营销分析，提出了中小企业开展精准营销的策略，主要包括精准市场定位、多样化市场推广策略以及一对一沟通[20]。陈静怡提出，在大数据时代下，以消费者为核心的思维是精准营销的关键，应掌握客户的真实诉求，使消费者得到更为个性化的产品和服务[21]。根据学者对精准营销的研究成果，本文将精准营销定义为企业运用数据分析技术，了解并掌握消费者的消费心理和需求偏好，并有针对性地为消费者定制个性化、有效性的营销服务，并从精准广告投放、目标市场定位及个性化需求满足三个方面反映精准营销情况。

二、假设提出和变量设计

本文的理论框架和模型如图1所示。

在大数据的基础支撑下，大数据为企业提供了一个平台，在该平台上企业可以掌握详尽的数据信息，了解最新的数据信息，看清顾客的消费倾向，为企业实施精准营销奠定基础。此外，在大数据技术支撑下，企业可以对数据进行处理与分析，对目标市场进行精准定位，掌握有效的广告投放方式，了解广告的受众人群，挖掘潜在的用户，节约营销成本。基于以上分析，提出研究假设H1。

图1 大数据与精准营销关系的概念模型

H1大数据对精准营销有显著正向影响。

大数据就是指大量复杂数据的集合，这些复杂数据具有种类繁多、数据流量大、容量大的特性且价值量高[22]。而数据挖掘是一种从海量数据中找出企业所需知识的技术方法，通过对海量数据建模，对企业的海量数据进行分析，从而达到帮助企业了解其不同的客户和不同的市场划分的目的[23]。企业需要充分利用大数据技术，就需要对数据挖掘进行充分学习，也就是说客户数据挖掘能够提高企业对大数据技术的应用程度，影响企业运用大数据的整体效果。基于以上分析，提出研究假设H2。

H2客户数据挖掘对大数据有显著影响。

由于消费者的多变，粗放式的广告投放已经无法满足企业发展的要求，从而无法为企业带来目标经济效益。因此，企业必须采取精准的广告投放方式，向目标客户群精准地投放广告，使广告发挥其最大效用，达到企业实施精准营销的目的[24]。基于以上分析，提出研究假设H3。

H3精准广告投放对精准营销有显著影响。

三、模型建立

(一) 样本选取与数据来源

本文通过问卷调查的方式，对数据进行回收和分析。在地域上选择黑龙江省哈尔滨、大庆、牡丹江、佳木斯和齐齐哈尔五个代表性的城市，对企业的管理人员和员工进行问卷调查。其中企业包括服务业、商业企业、制造业和现代农业。该调查问卷包括24个问项，主要反映8个变量对大数据及精准营销的评价。共发放问卷250份，回收243份，回收率为97%。对回收的问卷进行重新整理和编码，再根据问卷的填答情况进行筛选，其中有效问卷共有219份，占回收问卷的90.12%，无效问卷24份，无效率为9.88%，达到研究的要求。

(二) 量表设计

1. 大数据量表

本文所使用的大数据量表借Barnes和Vidgen开发的量表[25]，并根据研究对象进行适当的删减与修改，从数据时效性、数据完备性、客户数据挖掘、数据呈现方式和数据安全性方面进行调查问卷设计。问卷共15个题目，均为正向题目，采用Likert五点量表计分，分数愈高代表大数据效果愈好，具体如表1所示。

表1 大数据量表设计

注：参考指标来源为Barnes和Vidgen[25]。

2. 精准营销量表

本文所使用的精准营销量表借鉴Jeff和Gresh开发的量表，并根据研究对象进行适当的删减与修改，从精准广告投放、目标市场定位和个性化需求满足方面进行调查问卷的设计。问卷包括9个题目，全为正向题目，采用Likert五点量表计分，分数愈高代表企业实施精准营销效果愈好，具体如表2所示。

(三) 模型设计

结构方程模型将多种统计方法的优点相结合，应用该模型对大数据与精准营销相关性进行分析具有以下好处：首先，结构方程能够对带有误差的数据进行分析处理，不需要对变量进行严格的限定。其次，通过观测值和相关系数，结构方程能够直观体现变量间的相互作用过程以及影响水平[27]。

表2 精准营销量表设计

注：参考指标来源为Jeff和Gresh[26]。

结构方程模型包括结构模式方程和测量模式方程。本文应用测量模式方程[28]，表达式为

x=Λxξ+δx

(1)

y=Λyη+εy

(2)

式中：x为外生潜变量的观测变量；y为内生潜变量的观测变量；Λx为潜变量之间的回归系数矩阵；Λy为观测变量之间的回归系数矩阵；δx和εy为测量误差。

本文利用SPSS对调查数据进行信度和效度检验，采用AMOS对理论模型进行分析并对调查数据进行拟合，检验假设是否成立。

四、实证检验与结果分析

(一) 信度及效度检验

1. 信度检验

利用SPSS对量表信度进行检验，在对Cronbach’sα信度系数进行检验后得出该量表的整体信度系数。大数据量表和精准营销量表的信度检验结果分别如表3、4所示。

表3 大数据量表信度分析结果

表4 精准营销量表信度分析结果

由表3、4可知，大数据量表和精准营销量表的Cronbach’sα值分别为0.934和0.924，均大于0.8，表明两个量表都具有较高的信度。

2. 效度检验

对量表进行效度检验，结果如表5、6所示。由表5可知，量表的KMO值为0.910，所以量表适合作因子分析。由表6可知，所有变量在第一个因子上的载荷均大于0.7，说明测量结果与测量内容吻合，表明量表结构效度较好。

表5 KMO和Bartlett检验结果

表6 效度检验成分矩阵

(二) 结果分析

1. 模型运行结果描述

通过运用结构方程AMOS分析法，对大数据和精准营销之间的相关性进行分析，路径如图2所示，图中的数值分别是相对应的路径系数，e1～e8均为误差变量，详细结果如表7～10所示。

图2 结构方程模型SEM路径

指标潜变量路径系数数据时效性大数据0 790数据完备性大数据0 855客户数据挖掘大数据0 868数据呈现方式大数据0 702数据安全性大数据0 681精准广告投放精准营销0 905目标市场定位精准营销0 891个性化需求满足精准营销0 827

表8 回归加权结果

注：***表示显著性水平P<0.001，下同。

表9 方差分析结果

表10 潜变量相关系数表

2. 模型检验

(1) 模型基本拟合标准检验。由表8可知，所有变量临界比值均大于1.96，说明大数据和精准营销的相关性通过显著性检验。

(2) 模型整体拟合度检验。对模型拟合度进行检验，结果如表11所示。

表11 拟合指数检验结果

由表11可知，各拟合指标数值均在拟合标准内，说明整体拟合度较好，因此大数据与精准营销相关性模型整体拟合度检验通过。

由表7、9、10可知：

(1) 大数据各影响因素路径系数排序为：客户数据挖掘(0.868)>数据完备性(0.855)>数据时效性(0.790)>数据呈现方式(0.702)>数据安全性(0.681)。

(2) 精准营销各影响因素路径系数排序为：精准广告投放(0.905)>目标市场定位(0.891)>个性化需求满足(0.827)。

(3) 大数据和精准营销之间的路径系数为0.918，表明大数据与精准营销相关性极为显著。

根据以上结果，本文理论假设的验证结果如表12所示。

表12 假设验证结果

五、结论与建议

1. 结论

(1) 大数据与精准营销相关性较高，大数据对精准营销有显著正向影响。大数据是实施精准营销的基础，大数据为实施精准营销提供了技术平台。

(2) 对大数据具有较大影响的因素为客户数据挖掘，其次为数据完备性，然后是数据时效性、数据呈现方式及数据安全性。客户数据挖掘对大数据技术意义很大，完备的技术平台以客户数据挖掘为主要目的，在此基础上通过确保数据安全性、多样化以及有效性对客户数据进行挖掘，从而为精准营销的开展提供信息和平台。

(3) 对精准营销效果影响程度最大的是精准广告投放，其次为目标市场定位以及个性化需求满足。精准广告投放是评判精准营销效果最重要的因素。建立在数据完备性和客户数据挖掘的基础上，才能确保目标市场定位和个性化需求的满足。

2. 建议

(1) 企业在运用大数据技术的过程中，要注重数据挖掘。应对企业的目标客户群体进行深度挖掘，同时将大数据的数据完备性、数据时效性、数据呈现方式以及数据安全性有机结合起来，保证企业对大数据分析的高效运用。

(2) 在企业进行精准营销的同时，重点加强广告的精准性投放。企业应合理规划广告的投放方式、目标市场的具体定位。此外，在差异化需求日益凸显的消费观念下，企业在进行营销过程中要注重对个性化需求的满足，进而保证企业实施精准营销的有效性，增强企业竞争实力并保证企业的市场地位。

(3) 处于互联网时代的企业，面对科技迅猛发展和市场竞争的双重考验，应当认识到大数据分析对企业精准营销的水平具有显著的影响，注重企业的大数据技术，从而在一定程度上推动企业精准营销的进程。企业应充分利用大数据技术，注重客户数据挖掘，增强企业营销的精准性，使其能顺应市场竞争带来的机遇与挑战。

六、不足与展望

本文在对大数据和企业精准营销相关性的研究中，没有考虑中介变量、调节变量，仅考虑了大数据对精准营销的直接影响，在研究的过程中存在局限性。此外，在本文的分析中对实施精准营销的企业并未进行界定，可能不同行业中精准营销的维度对精准营销影响程度的排序会有差别。

今后在对精准营销的研究中，可以对大数据的具体维度对企业精准营销的影响进行研究，以使对精准营销的研究更加具体深入。

参考文献：

[1] Manyika J，Chui M，Brown B，et al.The next frontier for innovation，competition，and productivity [M].New York：Mc Kinscy Global Institute，2011.

[2] 陶雪娇，胡晓峰，刘洋.大数据研究综述 [J].系统仿真学报，2013(s1)：142-146.

[3] 吕巍.精准营销 [M].北京：机械工业出版社，2008.

[4] 程绍珊，席加省.精准营销：如何进行营销信息管理 [M].北京：北京大学出版社，2006.

[5] 徐海亮.精准营销理论 [M].北京：机械工业出版社，2006.

[6] 涂兰敬.专家观点：“大数据”与“海量数据”的区别 [J].网络与信息，2011，25(12)：37-38.

[7] 李国杰，程学旗.大数据研究：未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考 [J].中国科学院院刊，2012(6)：647-657.

[8] 马建光，姜巍.大数据的概念、特征及其应用 [J].国防科技，2013(2)：10-17.

[9] 李建中，刘显敏.大数据的一个重要方面：数据可用性 [J].计算机研究与发展，2013(6)：1147-1162.

[10]李文莲，夏健明.基于“大数据”的商业模式创新 [J].中国工业经济，2013(5)：83-95.

[11]刘光金.大数据处理对电子商务的影响分析 [J].计算机光盘软件与应用，2014(17)：25-26.

[12]王群，朱小英.大数据时代企业人力资源管理创新思考 [J].沈阳工业大学学报(社会科学版)，2015，8(3)：255-259.

[13]屈志强，乔静.浅析大数据处理对电子商务的影响 [J].中国商论，2015(16)：61-63.

[14]王君毅.大数据处理对电子商务的影响探析 [J].中国商论，2016(1)：56-58.

[15]郭鑫.基于精准营销的提升品牌竞争力的实现途径 [J].山西财经大学学报，2012(S1)：112-113.

[16]李维胜，蒋绪军.电子商务精准营销对策研究 [J].开发研究，2013(2)：46-49，96.

[17]邓光宏，翁佳妮.基于社交网络的精准营销模式研究 [J].中国市场，2014(26)：8-9，29.

[18]张美娟，孙晓翠，潘涵.基于数据挖掘的图书精准营销创新 [J].科技与出版，2015(8)：68-72.

[19]曲晓琳.大数据为精准营销铺路 [J].经济论坛，2015(6)：118-120.

[20]杨琳.移动互联网环境下中小企业精准化营销策略探析 [J].经营管理者，2015(4)：298.

[21]陈静怡.大数据背景下网络精准营销的构建 [J].福建商业高等专科学校学报，2016(5)：27-32.

[22]王珊，王会举，覃雄派，等.架构大数据：挑战、现状与展望 [J].计算机学报，2011，43(10)：1742-1752.

[23]曹莉.刍议大数据时代的数据挖掘与精细管理 [J].经营管理者，2013(18)：191-192.

[24]李晓龙，冯俊文.大数据环境下电商精准营销策略研究 [J].价值工程，2016(3)：31-33.

[25]Barnes S J，Vidgen R T.Measuring web site quality improvements：a case study of the forum on strategic management knowledge exchange [J].Industrial Management，2003(5)：78-85.

[26]Jeff Z，Gresh B.Precision marketing：the new rules for attracting，retaining and leveraging profitable customers [M].New York：John Wiley & Sons Inc，2008.

[27]朱远程，马栋.谈结构方程模型的应用策略 [J].商业时代，2010(6)：73-74.

[28]方平，熊端琴.结构方程模式及其成功应用的判断标准 [J].首都师范大学学报(社会科学版)，2000(3)：16-17.