文章目錄???????

前言

一、精準(zhǔn)營銷簡介

二、大數(shù)據(jù)精準(zhǔn)營銷過程

三、大數(shù)據(jù)精準(zhǔn)營銷方式

四、項目目標(biāo)

五、項目流程

六、數(shù)據(jù)的處理???????

數(shù)據(jù)的預(yù)覽

數(shù)據(jù)的讀取

數(shù)據(jù)的解析

數(shù)據(jù)預(yù)處理

異常值處理?

?缺失值處理

?時間格式和時區(qū)轉(zhuǎn)換

?量綱轉(zhuǎn)化

重復(fù)數(shù)據(jù)處理

總結(jié)

前言

隨著大數(shù)據(jù)時代的不斷發(fā)展，大數(shù)據(jù)在生活方面的應(yīng)用這門技術(shù)也越來越重要，很多人都開啟了學(xué)學(xué)習(xí)大數(shù)據(jù)及家屬，本文就介紹了大數(shù)據(jù)在精準(zhǔn)營銷方面的應(yīng)用。

---

一、精準(zhǔn)營銷簡介

????????精準(zhǔn)營銷是指企業(yè)通過定量和定性相結(jié)合的方法，對目標(biāo)市場的不同消費者進行細致分析，并根據(jù)他們不同的消費心理和行為特征，采用有針對性的現(xiàn)代技術(shù)、方法和指向明確的策略，從而實現(xiàn)對目標(biāo)市場不同消費者群體強有效性、高投資回報的營銷溝通。

????? 精準(zhǔn)營銷最大的優(yōu)點在于“精準(zhǔn)”，即在市場細分的基礎(chǔ)上，對不同消費者進行細致分析，確定目標(biāo)對象。

????? 精準(zhǔn)營銷的主要特點有以下幾點：

????? 1）精準(zhǔn)的客戶定位是營銷策略的基礎(chǔ)。

????? 2）精準(zhǔn)營銷能提供高效、投資高回報的個性化溝通。過去營銷活動面對的是大眾，目標(biāo)不夠明確，溝通效果不明顯。精準(zhǔn)營銷是在確定目標(biāo)對象后，劃分客戶生命周期的各個階段，抓住消費者的心理，進行細致、有效的溝通。

????? 3）精準(zhǔn)營銷為客戶提供增值服務(wù)，為客戶細致分析，量身定做，避免了用戶對商品的挑選，節(jié)約了客戶的時間成本和精力，同時滿足客戶的個性化需求，增加了顧客讓渡價值。

????? 4）發(fā)達的信息技術(shù)有益于企業(yè)實現(xiàn)精準(zhǔn)化營銷，“大數(shù)據(jù)”和“互聯(lián)網(wǎng)+”時代的到來，意味著人們可以利用數(shù)字中的鏡像世界映射出現(xiàn)實世界的個性特征。

二、大數(shù)據(jù)精準(zhǔn)營銷過程

????????傳統(tǒng)的營銷理念是根據(jù)顧客的基本屬性，如顧客的性別、年齡、職業(yè)和收入等來判斷顧客的購買力和產(chǎn)品需求，從而進行市場細分，以及制定相應(yīng)的產(chǎn)品營銷策略，這是一種靜態(tài)的營銷方式。?大數(shù)據(jù)精準(zhǔn)營銷不僅記錄了人們的行為軌跡，還記錄了人們的情感與生活習(xí)慣，能夠精準(zhǔn)預(yù)測顧客的需求，從而實現(xiàn)以客戶生命周期為基準(zhǔn)的精準(zhǔn)化營銷，這是一個動態(tài)的營銷過程。

????? 1）助力客戶信息收集與處理

????? 2）客戶細分與市場定位

????? 3）輔助營銷決策與營銷戰(zhàn)略設(shè)計

????? 4）精準(zhǔn)的營銷服務(wù)

????? 5）營銷方案設(shè)計

????? 6）營銷結(jié)果反饋

三、大數(shù)據(jù)精準(zhǔn)營銷方式

????? 在大數(shù)據(jù)的背景下，百度等公司掌握了大量的調(diào)研對象的數(shù)據(jù)資源，這些用戶的前后行為將能夠被精準(zhǔn)地關(guān)聯(lián)起來。具體方式包括以下幾點

????? 1）實時競價（RTB）

????? 2）交叉銷售

????? 3）點告

????? 4）窄告

????? 5）定向廣告推送

四、項目目標(biāo)

1.通過對海量交易流水?dāng)?shù)據(jù)的深度分析和挖掘，構(gòu)建全方位的客戶標(biāo)簽體系。

2.基于客戶標(biāo)簽體系，從基本信息、消費能力、行為習(xí)慣等多個維度對客戶進行精準(zhǔn)畫像。

3.計算客戶商品興趣度排行榜，支持精準(zhǔn)目標(biāo)客戶篩選。

五、項目流程

????? 先找到符合要求的數(shù)據(jù)集，導(dǎo)入MySQL數(shù)據(jù)庫，使用pymsql將數(shù)據(jù)源提取到python，再進行數(shù)據(jù)預(yù)處理，再進行客戶交易行為的分析，客戶標(biāo)簽體系的構(gòu)建最后進行精準(zhǔn)營銷的應(yīng)用。

六、數(shù)據(jù)的處理???????

數(shù)據(jù)的預(yù)覽

數(shù)據(jù)來源于sql文件數(shù)據(jù)。

其中包含本項目包含客戶在某平臺的367萬脫敏交易流水?dāng)?shù)據(jù)，交易時間跨度為5年。每條交易記錄包含客戶ID、交易時間、交易金額和交易附言四個字段，如下表所示︰?

數(shù)據(jù)的讀取

主要包括以下三個步驟︰

數(shù)據(jù)描述︰字段中英文、取值范圍和備注信息·

數(shù)據(jù)調(diào)用:MySQL數(shù)據(jù)庫的連接和數(shù)據(jù)提取·

數(shù)據(jù)解析︰將數(shù)據(jù)格式轉(zhuǎn)換為DataFrame

主要涉及PyMySQL、Pandas等模塊的基本使用

首先創(chuàng)建數(shù)據(jù)庫sell

再將sql文件導(dǎo)入到數(shù)據(jù)庫中

創(chuàng)建表business

再使用source語句導(dǎo)入sql文件

查看導(dǎo)入的數(shù)據(jù)：

數(shù)據(jù)的解析

選擇使用python來進行數(shù)據(jù)解析

Python對于數(shù)據(jù)預(yù)處理和數(shù)據(jù)再加工非常的友好，但是缺少了一些數(shù)據(jù)預(yù)處理和清洗部分。Pandas使得可以只使用Python完成完整的數(shù)據(jù)清洗流程，并且不用依靠其他的特定領(lǐng)域的語言·使用非常廣泛，功能強大，得到很多公司和個人的認可

使用python中的pymysql庫來連接MySQL數(shù)據(jù)庫

從數(shù)據(jù)庫中讀入全部數(shù)據(jù)（select * from business），并將其命名為sql。但目前的數(shù)據(jù)是以嵌套的形式存儲的，所以需要將其轉(zhuǎn)化為Pandas內(nèi)置的DataFrame對象，再進行后續(xù)操作。

db為數(shù)據(jù)庫的database

查看導(dǎo)入的result，有40000行數(shù)據(jù)，說明導(dǎo)入成功！

再將列名進行處理修改成MySQL數(shù)據(jù)庫中相對應(yīng)的表名：

---

數(shù)據(jù)預(yù)處理

由于原始數(shù)據(jù)存在一些質(zhì)量問題，為了便于后續(xù)的數(shù)據(jù)分析，我們需要進行數(shù)據(jù)預(yù)處理。利用Pandas提供的便利工具和函數(shù)，對交易數(shù)據(jù)進行預(yù)處理的流程如下圖所示∶

數(shù)據(jù)預(yù)處理主要包括以下五個步驟:

1) 統(tǒng)計分析:對數(shù)據(jù)進行統(tǒng)計分析,初步了解數(shù)據(jù)特點。

2) 異常值處理:對交易時間等字段中出現(xiàn)的異常數(shù)據(jù)進行診斷，并確定異常值處理方法。

3) 缺失值處理∶對于存在缺失值的交易金額和交易附言字段，診斷缺失值產(chǎn)生的原因，確定缺失值處理方法。

4) 數(shù)據(jù)格式轉(zhuǎn)換∶為了便于后續(xù)分析，對于金額字段的量綱、交易時間字段的時間格式進行轉(zhuǎn)換。

5) 重復(fù)數(shù)據(jù)過濾︰檢測交易數(shù)據(jù)中存在的重復(fù)交易記錄，并刪除重復(fù)的記錄。

主要涉及NumPy、Pandas等模塊的基本使用

查看導(dǎo)入的數(shù)據(jù)：

客戶交易流水記錄中正值為金額流出，負值為金額流入

交易附言信息為中文描述，該列數(shù)據(jù)之后可能要進行文本處理·

交易時間列為unix時間戳，轉(zhuǎn)換為標(biāo)準(zhǔn)北京時間更易處理。

發(fā)現(xiàn)其中的一些多余的符號需要去除。

查看result數(shù)據(jù)的總列數(shù)和總行數(shù)，分別在變量rows和cols中

查看數(shù)據(jù)的前五行，將結(jié)果保存到變量head中。

查看數(shù)據(jù)的基本情況：

查看客戶總數(shù)，將客戶數(shù)保存在數(shù)值變量user_num中

計算交易次數(shù)，保存在變量user_counts中

異常值處理?

?Unix時間戳是指格林尼治時間1970年01月01日00時00分00秒起至現(xiàn)在的總秒數(shù)。我們已經(jīng)知道交易時間(unix_time )字段無缺失值，還需要檢測數(shù)據(jù)中是否有異常的情況。Unix時間戳為10位數(shù)字(如果精確到毫秒為13位)，我們使用正則表達式對數(shù)據(jù)進行匹配，檢測是否存在位數(shù)異常的值。

發(fā)現(xiàn)數(shù)據(jù)中沒有空缺數(shù)值的異常值，通常時間戳為10位，數(shù)據(jù)中出現(xiàn)了9位和11位的時間戳視為異常值處理，處理方法是將這些九位的數(shù)據(jù)在第一位加1.11位的時間戳刪除其最后一位。

處理完之后查看數(shù)據(jù)

再次使用正則表達式查找異常值發(fā)現(xiàn)無異常值，說明異常值處理成功

?缺失值處理

?

查看交易時間是否存在缺失值

結(jié)果為0不存在缺失值

查看交易附言是否存在缺失值

結(jié)果為0不存在缺失值

查看交易金額是否存在缺失值

可以看出payment這一列含有45個缺失值，應(yīng)該將其刪除，刪除缺失值以后再次查詢?nèi)笔е档臄?shù)據(jù)為0條

?查看result數(shù)據(jù)

刪除了45條缺失值以后還有39955條正常的數(shù)據(jù)

?時間格式和時區(qū)轉(zhuǎn)換

將時間戳轉(zhuǎn)換為“年-月-日 時:分:秒”

查看結(jié)果：

?時區(qū)轉(zhuǎn)化：將林格威治時間轉(zhuǎn)換為北京時間并查看最后五條數(shù)據(jù)

?量綱轉(zhuǎn)化

在以上處理的過程中，我們會觀察到 payment全部為整型數(shù)值。在這里，我們將其轉(zhuǎn)換為更符合我們觀察的形式，將其小數(shù)點向左平移兩位，形式為'元.角分'。

重復(fù)數(shù)據(jù)處理

????? 接下來對數(shù)據(jù)進一步分析，檢測是否存在重復(fù)交易記錄，并進行處理。DataFrame的duplicated()函數(shù)可以判斷數(shù)據(jù)中的行是否有重復(fù)，返回值為一個Series對象。其中無重復(fù)值的行標(biāo)記為False ，有重復(fù)值的行標(biāo)記為True 。

可以發(fā)現(xiàn)重復(fù)數(shù)據(jù)有0行

總結(jié)

至此，數(shù)據(jù)的處理已經(jīng)完成，下一步將進行客戶交易行為的分析。

?