论文部分内容阅读
摘要：互联网技术和移动终端普及，改变着人们的生活与消费方式，由此产生的数据呈井喷式增长，大数据时代已然到来。本文对消费数据分析与应用进行了研究。
关键词：大数据分析;信息消费;信息产品中图分类号：TU文献标识码：A文章编号：（2020）-02-256
数据是数字时代的基础，随着大数据的广泛运用，通过大数据计算和分析技术掌握事物发展规律，帮助人们进行科学决策已成为当今时代的主题。但大数据并不直接意味着大价值，大数据必须要经过分析发掘后才可以释放大数据的潜在价值。
-、客户细分方法综述
1.常用客户细分方法比较。客户细分是指企业根据客户属性、行为、需求、偏好以及价值等因素对客户进行分类，并提供有针对性的产品、服务和销售模式的过程。客户细分方法并不固定，企业常根据客户数据库中已有信息和自身管理的需要进行具体客户分类。-般有定性和定量两种方法。定性客户细分是宏观上对企业所有的目标客户进行分类的-种方法。该方法没有严格的论证过程，主要依赖于决策者的判断，在分析过程中会出现偏差，容易造成决策失误。定量分类法以具体的客户变量（客户特征、客户价值、消费行为特点等）为依据，运用定量分析技术进行客户分类的方法。当前，用于定量客户分类研究的数据挖掘技术主要有两大类：a传统统计方法，主要包括主成分分析、貝叶斯分类、因子分析等;b非统计方法，如神经网络、决策树、遗传算法和粗糙集等。客户细分另外-个非常重要的问题就是分类变量的选择。客户细分根据客户属性划分客户类型，并以此分析预测客户的购买模式。分类变量选择方式通常可以基于客户统计特征、客户价值和消费行为。最常用的基于消费行为的客户细分是1994年提出的RFM模型细分方法。
2.基于消费数据挖掘的行为细分。基于消费数据挖掘的客户细分方法依据客户以往和现在的行为来预测将来的行为，是-种以行为模式数据为基础、信息技术为支撑的细分方法。该方法是通过分析数据库中已有客户的消费行为模式来将客户分类提出了RFM模型，以三个行为变量来区分客户。R是最近-次购买至现在的时间间隔，F是购买次数，M是某-期间内购买的金额。RFM分析针对客户的每个指标打分，计算三个指标的加权和，再按这个结果排序。针对传统的RFM模型，指出R、F的值越大，相关客户与企业开展新交易的可能性越大;M的值越大，相关客户与企业重复购买的可能性越大。从客户交易数据库中查询客户最近-次购买产品的时间，并按照购买先后顺序进行排序，然后将客户群划分成五等份，最近购买的客户记5分，购买时间最远的客户记1分。用类似的方法，对所有客户按照其购买的频率和总金额由高到低进行打分，每个客户都具有反映其RFM状况的三个分值。例如，得分为111的客户是最近没有购买且购买频率和金额都很低的客户，得分为555的客户是拥有最近购买行为、购买频率和金额都很高的客户。但是该方法对于分值代表范围有不确定性，人为影响较为严重;并且购买次数F和同期总购买额M两个变量之间会存在多重共线性。提出了带权重的RFM序列模型，从客户交易数据中发现客户行为模式，改进了传统RFM细分模型。综上可知，目前无论是客户细分技术还是客户分类变量的选择都较为分散，而且往往只给出了某-个或几个环节的方法，缺乏现实指导性。在前人研究的基础上，本文提出了-种更加完整的针对消费数据挖掘的客户细分新方法。
二、大数据对信息消费的影响
1.大数据时代削弱了信息消费主体信息不对称的程度。信息消费主体是信息消费的实施者，信息消费主体的支付能力、信息素质等是影响信息消费的重要因素。信息消费主体的信息消费就是使其在对信息产品及服务的消费过程中主体的不断信息化，以此来达到其对信息的需求。大数据时代下，信息消费者可以通过更多的途径掌握信息产品和信息服务的信息，真正能够做到货比三家，以最低成本的成本满足自己的需求。比如微软创投加速器的-个企业开发的“股票雷达”，通过它可以收集各类网络上关于股票的预期信息，进而汇聚成为大众群体对某具体金融产品的信心预期，反映“网络金融民意”，让股民能了解市场上更多的真实情况，缓解普遍存在的信息不对称，并为股民作投资决策的时候，提供重要参考。
2.大数据时代增强了信息消费客体之间的相关性。信息消费是以信息产品和信息服务为消费对象的消费活动。从信息消费的客体上看，消费主体的消费内容主要指对信息产品和信息服务的消费。其中，既包括对信息产品和服务本身的消费，也包括信息产品及信息服务的生产、交换、送达过程的各类设施及网络的占用。信息消费客体是信息消费的基础和前提。在大数据时代，产业边界开始变得模糊化，谷歌、腾讯、亚马逊、阿里巴巴、苹果等互联网巨头不断扩大自己的业务，加强自己信息产品和信息服务的相关性，建立起以自己为核心的生态体系，最大化地优化资源配置。以阿里巴巴为例，阿里巴巴涉足金融业和物流业，增强了其信息产品和信息服务的相关性，通过增值服务内容的丰富和优化以吸引客户，提高了用户粘性。也正是由于阿里巴巴沉淀了大量的数据信息，才能使其推出金融业务。
三、数据与消费的应用
1.大数据在信息产品消费中的应用。从信息消费内容的角度划分，信息消费客体可以分为信息产品和信息服务，信息产品包括智能手机、笔记本电脑、平板电脑等-些终端信息产品和从传统信息产品（书籍、报纸、杂志等）衍生出来的电子书籍、电子期刊等内容信息产品。随着信息技术的快速发展，信息产品尤其是智能手机、笔记本电脑、平板电脑等移动终端信息产品不断加速对人们生活的渗透，在此基础上产生了越来越多的软件应用，在软件应用的背后聚集了大量的数字内容，数字内容最终又需要通过信息产品展现，信息产品、软件应用和数字内容形成了-个完整的闭环，在这个循环过程中沉淀了大量的数据，这些沉淀的大量数据反过来又加速了这个循环过程，甚至会带来产业结构的变革。
2.大数据在信息服务消费中的应用。信息消费中的信息服务又可以根据数据、信息、知识之间的关系，划分出基于数据价值的信息服务、基于信息价值的信息服务和基于知识价值的信息服务。基于数据价值的信息服务是指直接利用采
集的数据或者仅仅做-些简单分析，关注的是大数据本身的价值，例如Handshake就是-个专门的用户向企业出售数据的-个平台，以及-些基于数据存储、数据传输的服务应用等都是基于数据价值的信息服务;基于信息价值的信息服务是指利用采集到的数据并经过深入挖掘分析，进而衍生出来的信息服务，关注的是大数据的衍生价值，例如-些咨询公司出售的行业报告;基于知识价值的信息服务是指采集数据，并利用数据进行预测和诊断的信息服务，关注的是大数据的预测价值，例如咨询公司进-步对行业报告等此类信息进行提炼加工形成知识，对公司提供咨询服务。
数据到信息再到知识的转变，完成的是数据的-个增值过程，而基于数据价值的信息服务、基于信息价值的信息服务和基于知识价值的信息服务，其本质是对大数据利用-步步加深的过程。随着信息技术的不断进步，信息消费获得迅速发展，越来越引起人们的关注和重视。
参考文献
[1]陈思：大数据背景下基于网络整合数据的消费者行为分析[J].新闻传播.2018（8）.
[2]顾建：基于大规模电商数据的用户消费行为分析方法研究[J].吉林大学，2018
关键词：大数据分析;信息消费;信息产品中图分类号：TU文献标识码：A文章编号：（2020）-02-256
数据是数字时代的基础，随着大数据的广泛运用，通过大数据计算和分析技术掌握事物发展规律，帮助人们进行科学决策已成为当今时代的主题。但大数据并不直接意味着大价值，大数据必须要经过分析发掘后才可以释放大数据的潜在价值。
-、客户细分方法综述
1.常用客户细分方法比较。客户细分是指企业根据客户属性、行为、需求、偏好以及价值等因素对客户进行分类，并提供有针对性的产品、服务和销售模式的过程。客户细分方法并不固定，企业常根据客户数据库中已有信息和自身管理的需要进行具体客户分类。-般有定性和定量两种方法。定性客户细分是宏观上对企业所有的目标客户进行分类的-种方法。该方法没有严格的论证过程，主要依赖于决策者的判断，在分析过程中会出现偏差，容易造成决策失误。定量分类法以具体的客户变量（客户特征、客户价值、消费行为特点等）为依据，运用定量分析技术进行客户分类的方法。当前，用于定量客户分类研究的数据挖掘技术主要有两大类：a传统统计方法，主要包括主成分分析、貝叶斯分类、因子分析等;b非统计方法，如神经网络、决策树、遗传算法和粗糙集等。客户细分另外-个非常重要的问题就是分类变量的选择。客户细分根据客户属性划分客户类型，并以此分析预测客户的购买模式。分类变量选择方式通常可以基于客户统计特征、客户价值和消费行为。最常用的基于消费行为的客户细分是1994年提出的RFM模型细分方法。
2.基于消费数据挖掘的行为细分。基于消费数据挖掘的客户细分方法依据客户以往和现在的行为来预测将来的行为，是-种以行为模式数据为基础、信息技术为支撑的细分方法。该方法是通过分析数据库中已有客户的消费行为模式来将客户分类提出了RFM模型，以三个行为变量来区分客户。R是最近-次购买至现在的时间间隔，F是购买次数，M是某-期间内购买的金额。RFM分析针对客户的每个指标打分，计算三个指标的加权和，再按这个结果排序。针对传统的RFM模型，指出R、F的值越大，相关客户与企业开展新交易的可能性越大;M的值越大，相关客户与企业重复购买的可能性越大。从客户交易数据库中查询客户最近-次购买产品的时间，并按照购买先后顺序进行排序，然后将客户群划分成五等份，最近购买的客户记5分，购买时间最远的客户记1分。用类似的方法，对所有客户按照其购买的频率和总金额由高到低进行打分，每个客户都具有反映其RFM状况的三个分值。例如，得分为111的客户是最近没有购买且购买频率和金额都很低的客户，得分为555的客户是拥有最近购买行为、购买频率和金额都很高的客户。但是该方法对于分值代表范围有不确定性，人为影响较为严重;并且购买次数F和同期总购买额M两个变量之间会存在多重共线性。提出了带权重的RFM序列模型，从客户交易数据中发现客户行为模式，改进了传统RFM细分模型。综上可知，目前无论是客户细分技术还是客户分类变量的选择都较为分散，而且往往只给出了某-个或几个环节的方法，缺乏现实指导性。在前人研究的基础上，本文提出了-种更加完整的针对消费数据挖掘的客户细分新方法。
二、大数据对信息消费的影响
1.大数据时代削弱了信息消费主体信息不对称的程度。信息消费主体是信息消费的实施者，信息消费主体的支付能力、信息素质等是影响信息消费的重要因素。信息消费主体的信息消费就是使其在对信息产品及服务的消费过程中主体的不断信息化，以此来达到其对信息的需求。大数据时代下，信息消费者可以通过更多的途径掌握信息产品和信息服务的信息，真正能够做到货比三家，以最低成本的成本满足自己的需求。比如微软创投加速器的-个企业开发的“股票雷达”，通过它可以收集各类网络上关于股票的预期信息，进而汇聚成为大众群体对某具体金融产品的信心预期，反映“网络金融民意”，让股民能了解市场上更多的真实情况，缓解普遍存在的信息不对称，并为股民作投资决策的时候，提供重要参考。
2.大数据时代增强了信息消费客体之间的相关性。信息消费是以信息产品和信息服务为消费对象的消费活动。从信息消费的客体上看，消费主体的消费内容主要指对信息产品和信息服务的消费。其中，既包括对信息产品和服务本身的消费，也包括信息产品及信息服务的生产、交换、送达过程的各类设施及网络的占用。信息消费客体是信息消费的基础和前提。在大数据时代，产业边界开始变得模糊化，谷歌、腾讯、亚马逊、阿里巴巴、苹果等互联网巨头不断扩大自己的业务，加强自己信息产品和信息服务的相关性，建立起以自己为核心的生态体系，最大化地优化资源配置。以阿里巴巴为例，阿里巴巴涉足金融业和物流业，增强了其信息产品和信息服务的相关性，通过增值服务内容的丰富和优化以吸引客户，提高了用户粘性。也正是由于阿里巴巴沉淀了大量的数据信息，才能使其推出金融业务。
三、数据与消费的应用
1.大数据在信息产品消费中的应用。从信息消费内容的角度划分，信息消费客体可以分为信息产品和信息服务，信息产品包括智能手机、笔记本电脑、平板电脑等-些终端信息产品和从传统信息产品（书籍、报纸、杂志等）衍生出来的电子书籍、电子期刊等内容信息产品。随着信息技术的快速发展，信息产品尤其是智能手机、笔记本电脑、平板电脑等移动终端信息产品不断加速对人们生活的渗透，在此基础上产生了越来越多的软件应用，在软件应用的背后聚集了大量的数字内容，数字内容最终又需要通过信息产品展现，信息产品、软件应用和数字内容形成了-个完整的闭环，在这个循环过程中沉淀了大量的数据，这些沉淀的大量数据反过来又加速了这个循环过程，甚至会带来产业结构的变革。
2.大数据在信息服务消费中的应用。信息消费中的信息服务又可以根据数据、信息、知识之间的关系，划分出基于数据价值的信息服务、基于信息价值的信息服务和基于知识价值的信息服务。基于数据价值的信息服务是指直接利用采
集的数据或者仅仅做-些简单分析，关注的是大数据本身的价值，例如Handshake就是-个专门的用户向企业出售数据的-个平台，以及-些基于数据存储、数据传输的服务应用等都是基于数据价值的信息服务;基于信息价值的信息服务是指利用采集到的数据并经过深入挖掘分析，进而衍生出来的信息服务，关注的是大数据的衍生价值，例如-些咨询公司出售的行业报告;基于知识价值的信息服务是指采集数据，并利用数据进行预测和诊断的信息服务，关注的是大数据的预测价值，例如咨询公司进-步对行业报告等此类信息进行提炼加工形成知识，对公司提供咨询服务。
数据到信息再到知识的转变，完成的是数据的-个增值过程，而基于数据价值的信息服务、基于信息价值的信息服务和基于知识价值的信息服务，其本质是对大数据利用-步步加深的过程。随着信息技术的不断进步，信息消费获得迅速发展，越来越引起人们的关注和重视。
参考文献
[1]陈思：大数据背景下基于网络整合数据的消费者行为分析[J].新闻传播.2018（8）.
[2]顾建：基于大规模电商数据的用户消费行为分析方法研究[J].吉林大学，2018