摘 要

随着互联网电子商务和信息技术的发展，快消品行业作为较为依靠传统渠道的行业，正在经历着互联网的重塑。为了提高企业电子商务的服务质量和销售额，企业除了依靠供应链的改革和创新，还需要电子商务精准营销策略的支持。在大数据的视角下，精准营销在数据挖掘技术的基础上，成为提升用户体验和企业服务质量的重要门路，不同的行业具备不同的特点，所采用的精准营销策略也有所不同。

本文通过分析快消品行业的特点与精准营销理论的现有成果，研究针对快消品行业的电子商务精准营销策略。第一，从快消品复购周期短、复购率高的特点出发，对传统协同过滤算法进行改进，通过用户交易数据计算用户复购概率，作为权重加入到传统协同过滤算法中，减少了无效推荐，增加了快消商品的推荐精准度。第二，根据快消品品类众多且关联性强的特点，通过关联规则挖掘快消商品间的潜在关系，丰富快消品的推荐算法，挖掘出更多其他品类的商品，丰富了用户推荐结果的多样性。第三，根据快消品在客户关系管理方面的不足，以及购买渠道不稳定和难以充分发掘用户价值的缺点，本文在快消品用户消费记录的基础上，通过K-means聚类分析算法建立用户价值模型，改进了传统的基于权重的RFM模型，它通过无监督的算法提高了分类的准确度与科学性，有效区分出了高价值客户和提供了客户关系管理的依据。

关键词：大数据；精准营销；协同过滤；关联规则；聚类分析

Abstract

With the development of Internet e-commerce and information technology, the FMCG industry, as a more traditional channel industry, is undergoing the reshaping of the Internet. In order to improve the service quality and sales of enterprise e-commerce, enterprises need not only the reform and innovation of supply chain, but also the support of e-commerce precision marketing strategy. From the perspective of big data, precision marketing, based on data mining technology, has become an important way to improve user experience and enterprise service quality. Different industries have different characteristics and adopt different precision marketing strategies.

Based on the analysis of the characteristics of the FMCG industry and the existing results of precision marketing theory, this paper studies the e-commerce precision marketing strategy for the FMCG industry. Firstly, based on the characteristics of short repeat purchase cycle and high repeat purchase rate of FMCG, the traditional collaborative filtering algorithm is improved. The user repeat purchase probability is calculated through user transaction data and added as a weight into the traditional collaborative filtering algorithm, which reduces invalid recommendation and increases the recommendation accuracy of FMCG products. Secondly, according to the characteristics of numerous and strong correlation of FMCG products, the potential relationship between FMCG products is mined through association rules to enrich the recommendation algorithm of FMCG products and to dig out more products of other categories, which enriches the diversity of user recommendation results. Thirdly, according to the FMCG in customer relationship management, and purchase channels is not stable and difficult to fully tap the user value of faults, this paper on the basis of FMCG user consumption records, through the K - means cluster analysis algorithm to establish customer value model, improved the traditional RFM model based on the weight of it by unsupervised algorithm improves the classification accuracy and scientific, effectively distinguish high-value customers and provide the basis of customer relationship management (CRM).

Key Words: Big Data; Precise Marketing; Collaborative Filtering; Association Rules; Clustering Analysis

目 录

第1章 绪论 1

1.1 选题背景 1

1.2 研究方法与研究思路 1

1.2.1 研究方法 1

1.2.2 研究思路 2

1.2.3 国内外研究动态 2

第2章 大数据和精准营销概述 4

2.1 精准营销概述 4

2.2.1 精准营销的定义 4

2.2.2 精准营销的意义 4

2.2 大数据概述 4

2.2.1 大数据概念及特点 4

2.2.2 大数据的来源与价值 5

第3章 快消品行业电子商务概述 6

3.1 快消品行业电子商务概况 6

3.1.1 快消品行业现状 6

3.1.2 快消品行业特点 6

3.2 快消品行业线上营销概况 7

3.2.1 快消品电子商务营销策略的不足 7

3.2.2 快消品行业线上营销发展趋势 7

第4章 精准营销相关理论概述 9

4.1 客户细分理论 9

4.1.1 客户细分理论概述 9

4.1.2 客户细分理论方法 9

4.2 基于推荐算法的精准营销 10

4.2.1 推荐算法概念 10

4.2.2 推荐算法分类 10

4.3 用户需求相关理论 11

4.3.1 需求层次理论 11

4.3.2 4Cs理论 12

第5章 基于大数据的快消品行业精准营销方法 13

5.1 基于复购周期的协同过滤推荐 13

5.1.1 协同过滤推荐算法分类 13

5.1.2 基于复购周期的协同过滤推荐改进 14

5.1.3 改进的协同过滤推荐实验 15

5.2 Apriori关联规则推荐 18

5.2.1 Apriori算法描述 18

5.2.2 关联规则实验 19

5.3 用户价值聚类分析 21

5.3.1 K-means聚类算法描述 21

5.3.2 K-means实验 22

第6章 结论与展望 26

6.1 研究结论 26

6.2 未来展望 26

参考文献 28

致 谢 29

第1章 绪论

1.1 选题背景

快消品指的是使用期限短，消费者购买频率比较高的日常生活用品，它包含众多细分类别，比如食品饮料，个人护理品等。它具备有便利性、流动性强和同质性高的特点。

近年来，伴随着人们对生活便利的需求和居民消费升级，快消品行业逐渐从线下转向线上或新零售的方式，人们对快消品也有着更便利的要求，快消企业也以此来寻求额外的销售增长，以实现企业的盈利目标。2018年快消品零售电子商务的GMV超过了3300亿元，并且有持续增长的趋势，由此可见快消品电商具有巨大潜力。