大數(shù)據(jù)建模實操案例分析：商業(yè)建模需要做到三點

在大數(shù)據(jù)的時代，企業(yè)和消費者的接觸點變得越來越多，企業(yè)要實現(xiàn)它的業(yè)務(wù)需求，首先要從接觸點上采集消費者的數(shù)據(jù)，然后去進行分析和挖掘，以滿足不同業(yè)務(wù)部門的需求，這個是業(yè)務(wù)層或者說需求層要解決的一些問題。給大家分享一個案例，看看大數(shù)據(jù)建模在解決這些問題上起到的作用：

這個案例是某品牌手機新品上市營銷的業(yè)務(wù)方案，我們幫它做了兩件事情，第一件事情是老用戶的營銷，通過建模找到新品手機的目標(biāo)人群。第二件事情是微博營銷，對于這一點我們又做了三件事：1）幫它甄別這個行業(yè)比較有話語權(quán)的微博；2）幫它識別了網(wǎng)友中的意見領(lǐng)袖；3）幫它找到想買手機的用戶。

這個項目的關(guān)鍵點，其實就是定義清楚業(yè)務(wù)問題。我們定義清楚一系列業(yè)務(wù)問題之后，選取一些建模的方法去實現(xiàn)，幫助它解決這些業(yè)務(wù)問題。例如如何通過老用戶建模分析找到新品手機的目標(biāo)人群？

提取原始數(shù)據(jù)

我們首先提取了這個品牌手機的電商旗艦平臺及線下門店的用戶歷史交易數(shù)據(jù)，作為原始數(shù)據(jù)，去做一些清洗和預(yù)處理。然后提取了用戶的行為特征，去識別這個終端消費用戶的購買頻次，消費的品類，價格承受度等。然后運用協(xié)同過濾模型，去做度量這個新品手機和其他品類的相似性。

當(dāng)然，我們也使用了其他的模型預(yù)測，例如購買概率的預(yù)測，產(chǎn)品生命周期的推測等等。之后，去建立用戶特征的過濾，最后鎖定目標(biāo)的人群，輸出目標(biāo)群體的營銷列表，找到整個老用戶群體里有可能去購買新品手機的用戶群體，并做了基于購買概率的排序。對于新品手機的微博營銷方案，首先我們爬取了在新浪微博上行業(yè)相關(guān)的微博，通過關(guān)鍵詞提取了所有博文的內(nèi)容，包括評論內(nèi)容、轉(zhuǎn)發(fā)內(nèi)容、用戶信息等。

構(gòu)建模型

進一步我們構(gòu)建了三個模型，篩選出來用于微博營銷新品手機的潛在目標(biāo)用戶。這三個模型分別是通過構(gòu)建影響力指數(shù)模型去找到具有行業(yè)話語權(quán)的行業(yè)公眾號、通過社會網(wǎng)絡(luò)模型識別微博中的意見領(lǐng)袖，以及通過語義分析模型找到想買手機的人群，從而實施新品手機廣告的轉(zhuǎn)發(fā)和推薦。下面我具體介紹一下這三個模型：

1、做微博公眾號影響力指數(shù)的編制

首先我們做了微博公眾號影響力指數(shù)的編制?；谶@個分類下的藍(lán)V用戶的微博影響力數(shù)據(jù)，綜合利用AHP方法計算出不同行業(yè)在微博平臺影響力的指標(biāo)，然后我們找到這些最具有影響力的微博公眾號或者藍(lán)V的用戶去做新品手機廣告的觸達。第二是運用社會網(wǎng)絡(luò)模型去找到這款手機的意見領(lǐng)袖。

社會網(wǎng)絡(luò)分析模型廣泛地運用在這種具有網(wǎng)絡(luò)特征的大數(shù)據(jù)分析中，例如通過計算節(jié)點的連接數(shù)去找到一個社交群體中的意見領(lǐng)袖和活躍分子等。

2、微博中意見領(lǐng)袖帶動關(guān)注

同時SNA模型還可以用來計算社交網(wǎng)絡(luò)的密度，監(jiān)控這個網(wǎng)絡(luò)的健康度等，目前在輿情監(jiān)控領(lǐng)域、電信網(wǎng)絡(luò)的數(shù)據(jù)分析等都有比較廣泛的應(yīng)用。我們利用SNA模型，去找到微博中和手機相關(guān)的意見領(lǐng)袖，進行新品手機營銷文章的推送，引發(fā)這個意見領(lǐng)袖的關(guān)注和討論，從而帶動大多數(shù)跟隨者對某品牌新品手機的一個關(guān)注，這是第二個模型。

3、文本挖掘

在文本挖掘模型中，我們首先建立了一系列的規(guī)則，例如在微博正文中含有“想買手機”、“挑選手機”等關(guān)鍵詞的微博，我們針對規(guī)則對抓取的博文進行了標(biāo)注和過濾，經(jīng)過SVM分類模型的訓(xùn)練，我們把微博進行分類，最后篩選出可能會對某品牌手機感興趣，或者近期有購買手機意愿的人群，由營銷人員進行觸達，推廣這個新品的手機。

模型應(yīng)用效果

我們看一下這幾個模型一些應(yīng)用的效果。

首先第一部分，在老用戶營銷中，我們經(jīng)過建模加權(quán)之后的結(jié)果，找到不同等級的目標(biāo)，用戶群體超過10萬人。通過篩選之后進行短期的推送，效果比盲投廣告提升了三倍。在微博營銷中，通過三個模型，我們獲取了超過10萬人的目標(biāo)用戶群，經(jīng)過運營人員進行觸達，有超過1萬人響應(yīng)了新品手機微博的營銷信息，最終通過這些大數(shù)據(jù)建模的方式找到這個營銷的短名單，然后幫助這個品牌成功實現(xiàn)新品上市的營銷推廣方案。

注意事項

最后想跟大家分享的是，在大數(shù)據(jù)時代的商業(yè)建模要做到以下三點：

第一、好數(shù)據(jù)勝過復(fù)雜的模型

不用去太刻意追求模型的復(fù)雜度，往往線性回歸和邏輯回歸就能解釋大部分的問題了。我深深記得當(dāng)年在學(xué)校時，一位計量經(jīng)濟學(xué)教授說過的話：如果你不知道該用簡單模型還是復(fù)雜模型，為什么不從簡單的開始呢？

第二、要做好充分的數(shù)據(jù)預(yù)處理

做好數(shù)據(jù)的清洗、融合、集成、規(guī)約等，去了解業(yè)務(wù)，理解數(shù)據(jù)，切忌Garbage In，Garbage Out。所謂磨刀不誤砍柴工，如果數(shù)據(jù)預(yù)處理準(zhǔn)備的充分，接下來的數(shù)據(jù)挖掘也會非常地流暢。反之，如果沒有做充分的數(shù)據(jù)預(yù)處理和描述性分析，就會對建模的結(jié)果產(chǎn)生懷疑，進而返工，浪費更多的時間。

第三，組建大數(shù)據(jù)建模團隊

我們認(rèn)為需要大數(shù)據(jù)建模分析去解決業(yè)務(wù)問題的企業(yè)應(yīng)該組建一個功能比較全面的數(shù)據(jù)科學(xué)團隊。我們之前也講過，在大數(shù)據(jù)時代，建模已經(jīng)演化成一個體系問題，基本不能由一個人來承擔(dān)了，或者說，一個人需要掌握太多種技能才能應(yīng)付整個建模流程。通常來說數(shù)據(jù)科學(xué)團隊里會有大數(shù)據(jù)提取工程師、建模算法工程師、數(shù)據(jù)可視化工程師、業(yè)務(wù)數(shù)據(jù)分析師、優(yōu)化工程師等，是一個集團軍作業(yè)、流水線作業(yè)的情況，而不是像小數(shù)據(jù)時代，通過一個人就能解決從數(shù)據(jù)的提取、加工、建模，到最后數(shù)據(jù)的分析結(jié)果展示這一系列的問題了。

我們認(rèn)為，如果一個人能解決大數(shù)據(jù)建模這一系列的問題，能夠和數(shù)據(jù)庫進行底層的交互，又能去做建模算法的挖掘，能做數(shù)據(jù)的優(yōu)化，能做數(shù)據(jù)可視化，集這些功能為一身的人才配稱之為數(shù)據(jù)科學(xué)家，真正的數(shù)據(jù)科學(xué)家是非常稀有的。

而當(dāng)我們沒有集這些功能于一身的人的情況下，通?？梢杂萌后w的力量去解決我們在大數(shù)據(jù)時代遇到的數(shù)據(jù)挖掘問題。所以我們認(rèn)為，企業(yè)去招一個全面的數(shù)據(jù)科學(xué)家，不如去組建一個功能比較全面的數(shù)據(jù)科學(xué)團隊，大家各有所長，數(shù)據(jù)提取工程師去做和數(shù)據(jù)庫的交互，算法的工程師去做數(shù)據(jù)的挖掘，可視化做可視化的展現(xiàn)，調(diào)優(yōu)的去做運營調(diào)優(yōu)等，以集體的力量去解決企業(yè)在大數(shù)據(jù)時代遇到的商業(yè)建模的一些問題。