当前在市场投放策略中个人主观判断因素过重,需要增加市场因素,提供科学决策支撑。从历史数据中挖掘出有价值信息,对市场的需求进行更准确的预测,从而制定不同的投放策略,确定战略取向,实现产品投放的“精准打击”,就能掌握在市场中的主动权,为企业争取到更多的利润。本文完成了海量市场数据的采集与处理分析,对市场上众多零售户进行聚类分析,识别出不同零售户类别的特征,建立市场投放策略模型,针对不同特征进行个性化投放产品资源,并根据影响市场投放的因素进行投放策略上的调整分析。最后通过应用验证,本文所提出的市场投放策略模型能较好地对历史销量数据进行拟合并预测销量,为有效的市场投放提供了技术支撑。具体研究内容如下:1)海量数据采集与处理。通过终端系统填报、市场走访和终端采集等方式完成企业海量数据的采集工作,并针对数据存在的问题进行预处理,接着对海量数据进行同步加工处理,运用HDFS存储数据,Map Reduce模型分布式处理数据,Hive构建数据仓库结合Hbase进行实时数据的处理与查询,最后利用Sqoop工具在Hadoop与关系型数据库之间进行数据交换,以满足业务需求。2)对目标零售户的选择分类。企业产品资源的市场化投放最终目标,就是根据零售户的销量、库存、存销比等历史信息来计算出精准化的个性投放量。因此,在海量数据背景下,对零售户进行聚类挖掘,对于市场投放的指导意义重大。本文采用基于MapReduce并行计算的改进CURE算法(引入马氏距离来度量簇间相似性)实现大数据下零售户聚类挖掘分析,通过实验验证CURE算法在大数据下零售户聚类的可行性。3)建立市场投放策略模型。针对不同类别零售户的特征进行个性化投放产品资源。产品资源在市场的投放量是调控市场进度的重要因素,而市场投放预测的准确度将决定着投放量计算的精确性。根据不同类别的零售户,针对地区某种产品的销量分别用回归分析和ARMA时间序列进行销量预测,对库存、存销比进行预测,最终建立市场投放策略的模型,并根据其他影响因素进行投放策略上的调整。最后通过验证,所采用的市场投放策略模型较好的对历史数据进行拟合并预测投放量,为市场投放提供了有效的数学模型。4)系统的实现。搭建企业的市场投放策略体系,将该模型应用在企业实际投放中。应用结果表明,企业产品投放过程更加精准,进而使得产品销量、销售额、产场占有率等都有明显提升,提高了企业的销售利润。