大数据驱动的消费市场的全景响应式营销管理与决策研究

In the era of big data, there exists tremendous challenge in the consumers market, which is the major driving force for Chinese economy. Previous years have witnessed an increasing trend of individualization and mobilization in consumption behavior, which critically depends on different scenarios. Classic marketing management and decision system, controlled by managers, has a demanding time in adapting to these changes. This calls for building a panoramic and prescriptive marketing management and decision system that is customer centered and empowered by big data. Drawing from previous knowledge, this project utilizes complex network model that features the “user-product-situation” tri-interaction and establishes consumers market big data system. Furthermore, we propose a three-layered knowledge tag system that includes “original-categorized-implicit” and intend to generate panoramic insights, intelligent response and continuous iteration to build a prescriptive marketing and service support system, which upgrades the marketing management in traditional manufacturing firms. To address the issue of missing individual data in consumers market and reduce the complexity of targeted marketing, this project takes the approach of medium level of groupment and similarity of within group preference, which undertakes the panoramic viewpoint of both individuals and entire group. Furthermore, we treat user-generated content as corpus and integrate marketing expertise to formulate intelligent database of prescriptive strategy. Eventually, we will take advantage of rich scenario attributes embedded in geographical information to implement and iterate synergistic prescriptive marketing strategy.

在大数据时代，作为中国经济主要推动力的消费市场面临着巨大挑战，消费行为日益个性化、场景化和移动化，经典的管理者驱动的控制型营销管理与决策模式难以适应，需要利用大数据赋能来构建以市场为中心的顾客驱动的全景式响应型营销管理与决策体系。结合已有的领域知识，本项目基于“用户-产品-场景”三元交互的复杂网络模型来构建消费市场大数据体系，并提出“原生-类别-内隐”的三层标签知识体系，来实现对消费市场的“全景式洞察-智能化响应-持续性迭代”的响应型营销服务支持模式，实现传统制造企业的营销管理决策升级。为了解决消费市场个体数据的缺失性和降低个性化营销的繁杂性，本项目利用三元交互网络的群体性和群内偏好的相似性，从中观群体切入来实现立足个体和兼顾整体的全景式洞察；同时，利用用户创造内容作为语料，并结合营销领域知识来智能化生成响应型策略库；最后，利用地理信息蕴含的场景化特征，来协同响应策略的执行与迭代优化。

为了解决现有大数据营销模式依赖技术所产生的碎片化，非全量和经济性问题，本项目以场景为桥梁、以群体为抓手构建起以市场为中心的顾客驱动的全景式响应型营销管理与决策体系。项目研究层层推进，分为五个步骤：（1）基础研究，基于三元交互复杂网络的消费市场的大数据体系构建，完成用户-产品-场景三方面大数据积累和分析的基础问题（What）；（2）难点研究，基于知识图谱的大数据驱动的消费群体特征的全景洞察，对用户行为内在稳定特征进行抽取，深化数据理解和洞察(Who)；（3）关键研究，基于三元知识与协同的营销响应策略的智能化生成，将知识图谱与人工智能技术结合，降维大数据智能营销的分析难度(How)；（4）重点研究，基于场景计算的营销响应策略的执行与优化，使用深度学习模型与场景化结合与投放(Where)；（5）应用研究，基于群体演化的营销响应策略的长效评价，作为营销策略升级的指导(How much)。.本项目重点围绕场景关联下的社群营销展开重点研究，将有效地帮助企业有效地理解大数据驱动的全场景响应营销模式。（1）首先探究企业如何融入社群，探究不同社群关系演化所遵循的各自内隐的关系准则，利用社群内在社会规范推进商业链接，相关成果发表在JAMS等杂志上。（2）然后是激发用户，产品场景与用户的共鸣可启动社会情感表达，在社群内部分享传播，与场景结合时能够激发消费者产品一体化情感，驱动口碑进一步扩散，达成全景营销模式，相关成果发表在心理学报等期刊上；。（3）接着是引发爆点，由于情感表达的传播是自发的互动过程，选择社会网络中的关键用户来引爆病毒式口碑传播，实现对口碑的扩张和效应的延伸，相关研究发表在JBR和南开管理评论等权威营销期刊上；利用消费者群体网络演化溢出性，企业营销策略可通过双边市场模式来撬动市场，相关研究发表在ISR和南开管理评论等顶级权威期刊上。（4）最后是长效优化，在营销策略实践生效后，将流程升级为循环迭代，通过技术收集效果数据，使用营销知识图谱进行效果归因并指出因果关系，结合机器的深度学习模型不断自我修正和迭代，在长时间内完成效果优化与提升，相关研究发表在Electronics和IEEE Access等权威期刊上。