在现如今的大数据时代,对大数据的掌握程度已经成为了新经济价值的来源,数据已经成为了能创造经济利益的一种新的商业资本。最近几年,随着电子商务的迅猛发展,电子商务数据的数据挖掘及其在精准营销上的运用显得越来越重要。通过对大数据资源的挖掘与开发利用,得到数据间有用的潜在信息,并将其运用于营销中去,进而降低广告成本,提高利润,已经是业界的热门话题。本文介绍从小微企业运营的视角出发,利用对大数据进行数据挖掘处理后的结果,对企业进行精准营销提出建设性的意见。通过对销售数据的分析与计算,来探索顾客的购买行为模式,对电子商务中的客户购买行为进行预测,使得商家可以精准定位目标客户及其偏好,进而有针对性地进行商品的选品、上架推广与销售,最终达到提高销售利润的目标。本文着重从选品和上架渠道的选择这两个角度进行对策研究,主要运用分析与统计的方法对产品的特性进行分类总结及建模分析,先运用网络数据采集器对淘宝平台的大数据进行销售数据的采集,将采集到的销售数据根据各销售特点进行归纳分析整理,得出消费者的购物行为模式,初步制定选品策略;再利用离散选择模型的MNL模型(Multinomial Logit Model模型)来构建因子选择模型并进行实证分析,从而初步预测顾客在产品选择中的服务承诺的属性偏好,进而与真实数据对比得出预测正确率,得出商品上架过程中推广方式的属性选择。根据以上两方面结论,最终追踪出企业的目标客户群及应对方式。本研究的创新点在于:在普遍关注用户信息的研究现状下,本文从中小企业运营的商户角度出发,从分析店铺运营中面临的实际问题着眼,研究对于小微电商而言有价值的运营活动。以淘宝店家为例,通过对淘宝平台的一整个月香水销售记录数据的分组、整理与对比来进行实证分析,通过对淘宝以及天猫的平台分析,地域分析,卖家分析,买家分析,进行精准定位,得出目标客户群的范围,再通过选择合适的工具来构建顾客选择模型,重点关注哪些已获知的淘宝卖家属性会对消费者的购买行为产生影响,以定量化的方式对客户购买数据进行数据挖掘分析,得出相关的影响因素,对客户购买行为进行预测,最终达到企业在后期的购买服务与推广中有方向的进行产品的精准营销的目的。另外,国内大多数相关研究都是通过对调查问卷数据定量建模来对顾客的购买行为得出定性的结论,而本文则基于电商的实际交易记录,做目标市场的销售分析和消费者需求偏好的建模研究,得出定量的结论,通过MNL模型得出了顾客购买商品的实际概率,并达到了较高的准确率,而非泛泛的定性分析,既可以对电商的精准营销提供依据,又因为模型更贴近实际,使得该研究有很高的实际操作的可能。