本發明涉及行為預測與精準(zhun)營(ying)銷，具體為基(ji)于大數據(ju)分(fen)析的消費者行為預測與精準(zhun)營(ying)銷系統和方法。

背景技術：

1、精(jing)準(zhun)(zhun)營(ying)(ying)(ying)銷就是在(zai)精(jing)準(zhun)(zhun)定位(wei)的(de)(de)基礎上(shang)，依(yi)托(tuo)現(xian)代信息技術手段建(jian)立個性化的(de)(de)顧客溝通(tong)服務體系，實(shi)現(xian)企業可度(du)量(liang)(liang)的(de)(de)低成本擴張之(zhi)路(lu)，是有態度(du)的(de)(de)網絡營(ying)(ying)(ying)銷理念中(zhong)的(de)(de)核心觀點之(zhi)一，公司需(xu)要(yao)更(geng)精(jing)準(zhun)(zhun)、可衡量(liang)(liang)和(he)高投資(zi)回報的(de)(de)營(ying)(ying)(ying)銷溝通(tong)，需(xu)要(yao)更(geng)注重結果和(he)行動的(de)(de)營(ying)(ying)(ying)銷傳播計劃，還(huan)有越(yue)來越(yue)注重對(dui)直接銷售溝通(tong)的(de)(de)投資(zi)，尤其在(zai)市(shi)場經濟日漸發展的(de)(de)當下，更(geng)需(xu)要(yao)借助(zhu)大數據實(shi)現(xian)精(jing)準(zhun)(zhun)營(ying)(ying)(ying)銷，以提高市(shi)場經濟的(de)(de)活力(li)。

2、現有的營銷方式(shi)，無法對消費(fei)者行為進行準確地預測(ce)，導致不(bu)能為消費(fei)者制(zhi)定精準營銷方案，其精準營銷效果差，導致成交率(lv)低下，不(bu)能較好地滿足(zu)市場需(xu)求(qiu)。

技術實現思路

1、本發明的目的在于(yu)提供基于(yu)大數(shu)據分析的消(xiao)費(fei)者(zhe)行為預測與精(jing)準(zhun)(zhun)營(ying)(ying)銷(xiao)系統和方(fang)(fang)法，可對消(xiao)費(fei)者(zhe)行為進(jin)行準(zhun)(zhun)確(que)地預測，能(neng)為消(xiao)費(fei)者(zhe)制定精(jing)準(zhun)(zhun)營(ying)(ying)銷(xiao)方(fang)(fang)案，可提升精(jing)準(zhun)(zhun)營(ying)(ying)銷(xiao)效(xiao)果，提升成交率，可較好地滿足市場需求，解決(jue)了上述背(bei)景技術中提出的問題。

2、為實現上述目的(de)，本發(fa)明(ming)提供如(ru)下技術方案：

3、基于(yu)大數據分(fen)析的(de)消費者行為預測與精準(zhun)營銷系統，包括：

4、數據(ju)采(cai)集(ji)模塊，用(yong)于采(cai)集(ji)消(xiao)費(fei)(fei)者(zhe)(zhe)基(ji)(ji)(ji)本屬性(xing)信息(xi)(xi)(xi)及消(xiao)費(fei)(fei)者(zhe)(zhe)基(ji)(ji)(ji)本行為(wei)信息(xi)(xi)(xi)，基(ji)(ji)(ji)于采(cai)集(ji)的(de)消(xiao)費(fei)(fei)者(zhe)(zhe)基(ji)(ji)(ji)本屬性(xing)信息(xi)(xi)(xi)及消(xiao)費(fei)(fei)者(zhe)(zhe)基(ji)(ji)(ji)本行為(wei)信息(xi)(xi)(xi)，確定(ding)出基(ji)(ji)(ji)于大數據(ju)分析(xi)的(de)消(xiao)費(fei)(fei)者(zhe)(zhe)屬性(xing)行為(wei)數據(ju)；

5、數(shu)據(ju)(ju)處理模塊，用于(yu)對基于(yu)大(da)數(shu)據(ju)(ju)分析的(de)消費(fei)者屬性(xing)行(xing)為數(shu)據(ju)(ju)進行(xing)檢索、轉(zhuan)換(huan)、排序及(ji)聚合，確定出具(ju)有特征(zheng)趨勢的(de)消費(fei)者屬性(xing)行(xing)為表(biao)征(zheng)數(shu)據(ju)(ju)；

6、行(xing)(xing)為(wei)(wei)預(yu)測(ce)(ce)模(mo)塊，用于對(dui)具有特(te)征趨(qu)勢的消費者屬性行(xing)(xing)為(wei)(wei)表(biao)征數據進行(xing)(xing)對(dui)比分析，確定出消費者行(xing)(xing)為(wei)(wei)預(yu)測(ce)(ce)結果(guo)；

7、精(jing)準營銷模塊，用(yong)于根據(ju)消(xiao)(xiao)費(fei)(fei)者(zhe)(zhe)行為預測結果為消(xiao)(xiao)費(fei)(fei)者(zhe)(zhe)制定出基于大數(shu)據(ju)分析(xi)的消(xiao)(xiao)費(fei)(fei)者(zhe)(zhe)精(jing)準營銷方案(an)，根據(ju)基于大數(shu)據(ju)分析(xi)的消(xiao)(xiao)費(fei)(fei)者(zhe)(zhe)精(jing)準營銷方案(an)對(dui)消(xiao)(xiao)費(fei)(fei)者(zhe)(zhe)進(jin)行精(jing)準營銷；

8、反(fan)(fan)饋調整模(mo)塊，用于及(ji)時了(le)解消(xiao)費(fei)(fei)(fei)者(zhe)反(fan)(fan)饋意見，基(ji)于消(xiao)費(fei)(fei)(fei)者(zhe)反(fan)(fan)饋意見對消(xiao)費(fei)(fei)(fei)者(zhe)精(jing)準營銷方(fang)案進行(xing)及(ji)時調整，確(que)定出更適(shi)合消(xiao)費(fei)(fei)(fei)者(zhe)的消(xiao)費(fei)(fei)(fei)者(zhe)精(jing)準營銷方(fang)案。

9、優選的，所(suo)述數據采(cai)集模塊包括(kuo)：

10、屬性(xing)獲取單(dan)元，用于獲取消(xiao)費(fei)(fei)者的性(xing)別(bie)、年齡、職業(ye)、收入及教育程度，基于獲取的消(xiao)費(fei)(fei)者性(xing)別(bie)、年齡、職業(ye)、收入及教育程度，確(que)定出消(xiao)費(fei)(fei)者基本屬性(xing)信息；

11、行(xing)為(wei)獲取(qu)單元，用于(yu)獲取(qu)消(xiao)費(fei)者(zhe)的購(gou)(gou)買記錄(lu)、瀏覽(lan)行(xing)為(wei)及(ji)需(xu)求(qiu)偏(pian)好(hao)，基于(yu)獲取(qu)的消(xiao)費(fei)者(zhe)購(gou)(gou)買記錄(lu)、瀏覽(lan)行(xing)為(wei)及(ji)需(xu)求(qiu)偏(pian)好(hao)，確(que)定出消(xiao)費(fei)者(zhe)基本(ben)行(xing)為(wei)信息；

12、其中，基(ji)(ji)于(yu)獲取的消(xiao)(xiao)費(fei)者基(ji)(ji)本(ben)屬(shu)性信息及消(xiao)(xiao)費(fei)者基(ji)(ji)本(ben)行(xing)(xing)為(wei)信息，確(que)定出基(ji)(ji)于(yu)大(da)數(shu)據分析(xi)的消(xiao)(xiao)費(fei)者屬(shu)性行(xing)(xing)為(wei)數(shu)據。

13、優選的(de)，所(suo)述數據處理模(mo)塊包括：

14、數據(ju)(ju)檢索(suo)單(dan)元，用于對基于大(da)數據(ju)(ju)分(fen)析的(de)消費者屬性行為數據(ju)(ju)進行檢索(suo)；

15、獲(huo)取基于大數(shu)據分析(xi)的消費者(zhe)屬性行為(wei)數(shu)據；

16、基于順序檢索方法，對基于大(da)數據分(fen)析的消(xiao)費者屬性行(xing)為數據進行(xing)檢索；

17、過濾掉基于(yu)大(da)數(shu)據(ju)分析(xi)的消費者(zhe)屬性(xing)行為(wei)數(shu)據(ju)中(zhong)含有的對消費者(zhe)行為(wei)預(yu)測與(yu)精準營銷無價(jia)值的重復或缺失數(shu)據(ju)；

18、確(que)定出對消(xiao)費者(zhe)行為預測與精準營銷有價值的消(xiao)費者(zhe)屬性行為數據(ju)；

19、數(shu)據轉(zhuan)換單元(yuan)，用于對檢索(suo)后剩(sheng)余的(de)消(xiao)費者屬性行為數(shu)據進行轉(zhuan)換；

20、獲(huo)取檢(jian)索后剩余的對消(xiao)費者(zhe)行為(wei)(wei)預(yu)測與精準營銷有價值的消(xiao)費者(zhe)屬性行為(wei)(wei)數據；

21、基于數據變換方法，對檢(jian)索后剩(sheng)余的(de)對消(xiao)(xiao)費(fei)者(zhe)(zhe)行(xing)為預測與精(jing)準營銷有價(jia)值的(de)消(xiao)(xiao)費(fei)者(zhe)(zhe)屬(shu)性行(xing)為數據進行(xing)轉換，使(shi)消(xiao)(xiao)費(fei)者(zhe)(zhe)屬(shu)性行(xing)為數據格式標(biao)準化；

22、確定出統一數據(ju)格式的消費者屬性行為(wei)數據(ju)；

23、數據(ju)排序單元，用于(yu)對轉換后(hou)的消費者屬性行為數據(ju)進(jin)行排序；

24、獲取(qu)統(tong)一數據格式(shi)的消費者屬性行為(wei)數據；

25、基(ji)于(yu)內部(bu)排序(xu)(xu)方法，對統一數據格(ge)式的消費者屬性行為數據進行排序(xu)(xu)；

26、確(que)定出具有排列次序(xu)的消(xiao)費者屬性行為(wei)數(shu)據；

27、數(shu)據(ju)聚(ju)(ju)合(he)單元，用(yong)于對排序后的消費者屬性行為數(shu)據(ju)進行聚(ju)(ju)合(he)；

28、獲取具有排列次(ci)序的消費者屬性行為數據(ju)；

29、對具有排列次序的消(xiao)費(fei)者屬性行為數據進行聚合；

30、確定出(chu)具有特征趨勢(shi)的(de)消(xiao)費(fei)者屬性行為表征數據。

31、優選(xuan)的，所述(shu)數(shu)據處理模(mo)塊(kuai)，還(huan)包(bao)括：

32、第一通信運行參數(shu)(shu)(shu)提(ti)取模塊(kuai)，用于提(ti)取數(shu)(shu)(shu)據(ju)(ju)(ju)傳(chuan)輸模塊(kuai)每(mei)次向行為預測模塊(kuai)發送數(shu)(shu)(shu)據(ju)(ju)(ju)的(de)第一通信運行參數(shu)(shu)(shu)；其中，所(suo)述第一通信運行參數(shu)(shu)(shu)包括數(shu)(shu)(shu)據(ju)(ju)(ju)傳(chuan)輸速率和數(shu)(shu)(shu)據(ju)(ju)(ju)傳(chuan)輸延遲率；

33、第(di)(di)一(yi)通(tong)信表征參數獲(huo)取模塊，用(yong)于(yu)利(li)用(yong)所(suo)(suo)述數據傳輸(shu)速率獲(huo)取第(di)(di)一(yi)通(tong)信表征參數；其(qi)中，所(suo)(suo)述第(di)(di)一(yi)通(tong)信表征參數通(tong)過如下(xia)公式(shi)獲(huo)取：

34、

35、其中，r01表(biao)(biao)示(shi)第(di)一通信(xin)表(biao)(biao)征參數；n表(biao)(biao)示(shi)數據傳輸(shu)模塊次向行為(wei)預測模塊發送數據的(de)總次數；vi表(biao)(biao)示(shi)第(di)i次數據傳輸(shu)對應(ying)的(de)數據傳輸(shu)速(su)率；vm表(biao)(biao)示(shi)達到數據傳輸(shu)需(xu)求(qiu)所需(xu)的(de)最低數據傳輸(shu)速(su)率；x表(biao)(biao)示(shi)第(di)一表(biao)(biao)征補償系數，并且，所述第(di)一表(biao)(biao)征補償系數通過如下公式獲取：

36、

37、其中，y表(biao)示調節(jie)系(xi)數；并且，所述調節(jie)系(xi)數通(tong)過如下(xia)公式獲(huo)取(qu)：

38、

39、其中(zhong)，vmax和vmin分別(bie)表示數(shu)據(ju)傳輸(shu)(shu)過程中(zhong)出現的最(zui)大數(shu)據(ju)傳輸(shu)(shu)速率和最(zui)小數(shu)據(ju)傳輸(shu)(shu)速率；

40、第(di)(di)二(er)(er)通(tong)信表(biao)征(zheng)(zheng)(zheng)參(can)數(shu)獲取模(mo)塊，用于(yu)當(dang)所述第(di)(di)一通(tong)信表(biao)征(zheng)(zheng)(zheng)參(can)數(shu)低(di)于(yu)預設的表(biao)征(zheng)(zheng)(zheng)參(can)數(shu)閾值時，則調取數(shu)據(ju)傳輸延遲率(lv)和第(di)(di)二(er)(er)通(tong)信運(yun)行參(can)數(shu)獲取第(di)(di)二(er)(er)通(tong)信表(biao)征(zheng)(zheng)(zheng)參(can)數(shu)；

41、目標表(biao)征(zheng)參數獲取模塊，用于將所述第一通信表(biao)征(zheng)參數和第二(er)通信表(biao)征(zheng)參數進行比較(jiao)，獲取數值最低的一個通信表(biao)征(zheng)參數作為目標表(biao)征(zheng)參數；

42、第(di)一異常(chang)報警判(pan)定模塊(kuai)，用于當所述第(di)一通信表征參(can)(can)數(shu)(shu)為(wei)目標表征參(can)(can)數(shu)(shu)時，則不進(jin)行運行異常(chang)報警；

43、第(di)二(er)異常(chang)報(bao)警判(pan)定模塊，用于當所(suo)述第(di)二(er)通信表(biao)征參數(shu)為目標表(biao)征參數(shu)時，則進行運行異常(chang)報(bao)警。

44、優選的，所述第(di)二通信表征參(can)數獲取(qu)模塊，包括：

45、第(di)二通(tong)信(xin)運行(xing)(xing)參(can)數(shu)(shu)提(ti)取模(mo)塊，用于(yu)提(ti)取數(shu)(shu)據(ju)傳(chuan)輸模(mo)塊每次向行(xing)(xing)為預(yu)測模(mo)塊發(fa)送數(shu)(shu)據(ju)的(de)第(di)二通(tong)信(xin)運行(xing)(xing)參(can)數(shu)(shu)；其中，所述第(di)二通(tong)信(xin)運行(xing)(xing)參(can)數(shu)(shu)包括完成數(shu)(shu)據(ju)傳(chuan)輸后(hou)的(de)數(shu)(shu)據(ju)產生錯誤的(de)錯誤率(lv)和數(shu)(shu)據(ju)傳(chuan)輸失(shi)敗率(lv)；

46、第(di)二(er)通信(xin)表征(zheng)參(can)數(shu)(shu)(shu)計(ji)算(suan)模塊，用(yong)于(yu)利用(yong)所(suo)述完成數(shu)(shu)(shu)據(ju)傳(chuan)輸后的(de)數(shu)(shu)(shu)據(ju)產(chan)生錯誤的(de)錯誤率和數(shu)(shu)(shu)據(ju)傳(chuan)輸失敗率結(jie)合數(shu)(shu)(shu)據(ju)傳(chuan)輸延(yan)遲率獲取(qu)第(di)二(er)通信(xin)表征(zheng)參(can)數(shu)(shu)(shu)；其中，所(suo)述第(di)二(er)通信(xin)表征(zheng)參(can)數(shu)(shu)(shu)通過如下公式獲取(qu)：

47、

48、其中，r02表示(shi)第二通信(xin)表征(zheng)參(can)(can)數(shu)(shu)(shu)；m表示(shi)數(shu)(shu)(shu)據傳(chuan)(chuan)輸所(suo)(suo)經歷(li)的(de)(de)(de)(de)單位時間的(de)(de)(de)(de)個數(shu)(shu)(shu)；si表示(shi)第i個單位時間對(dui)(dui)應(ying)的(de)(de)(de)(de)數(shu)(shu)(shu)據傳(chuan)(chuan)輸失敗率(lv)(lv)；pi表示(shi)第i個單位時間對(dui)(dui)應(ying)的(de)(de)(de)(de)數(shu)(shu)(shu)據產生錯(cuo)誤(wu)的(de)(de)(de)(de)錯(cuo)誤(wu)率(lv)(lv)；ti表示(shi)第i個單位時間對(dui)(dui)應(ying)的(de)(de)(de)(de)數(shu)(shu)(shu)據傳(chuan)(chuan)輸延遲率(lv)(lv)；p0表示(shi)預(yu)設(she)的(de)(de)(de)(de)錯(cuo)誤(wu)率(lv)(lv)閾(yu)值(zhi)；s0表示(shi)預(yu)設(she)的(de)(de)(de)(de)失敗率(lv)(lv)閾(yu)值(zhi)；k表示(shi)參(can)(can)數(shu)(shu)(shu)調節(jie)系數(shu)(shu)(shu)，并且，所(suo)(suo)述(shu)參(can)(can)數(shu)(shu)(shu)調節(jie)系數(shu)(shu)(shu)通過(guo)如(ru)下公式獲取：

49、

50、其中，t0表示預設的數(shu)據傳輸延遲率閾值(zhi)。

51、優(you)選(xuan)的，所述行(xing)為(wei)預測(ce)模(mo)塊包括：

52、類(lei)型存儲(chu)單元，用于存儲(chu)預先設定好的多種消費者(zhe)屬性行為特征(zheng)類(lei)型；

53、其中，類型存儲單(dan)(dan)(dan)元(yuan)包括多個類型存放單(dan)(dan)(dan)元(yuan)，單(dan)(dan)(dan)個類型存放單(dan)(dan)(dan)元(yuan)內存放單(dan)(dan)(dan)種消費者(zhe)屬(shu)性行為特征類型；

54、數據索(suo)引單元，用于對多種消費者屬性行為特征類型進(jin)行索(suo)引；

55、基于消(xiao)費者行(xing)(xing)為預(yu)測(ce)需求，對(dui)預(yu)先設定好的(de)多種消(xiao)費者屬(shu)性行(xing)(xing)為特征類型進行(xing)(xing)索引，便于對(dui)消(xiao)費者行(xing)(xing)為進行(xing)(xing)預(yu)測(ce)；

56、數據調取(qu)單元(yuan)，用于對索引的多種消費者屬性行為特征類型進行調取(qu)；

57、基于(yu)(yu)消(xiao)費(fei)者(zhe)(zhe)行(xing)(xing)為(wei)預(yu)(yu)測(ce)需求，對(dui)索引的多種消(xiao)費(fei)者(zhe)(zhe)屬(shu)性行(xing)(xing)為(wei)特(te)征(zheng)類型進行(xing)(xing)調取，便于(yu)(yu)對(dui)消(xiao)費(fei)者(zhe)(zhe)行(xing)(xing)為(wei)進行(xing)(xing)預(yu)(yu)測(ce)；

58、對(dui)比分(fen)析(xi)單元，用(yong)于(yu)對(dui)具有特征趨勢的消(xiao)費者屬性(xing)行(xing)為表(biao)征數據進(jin)行(xing)對(dui)比分(fen)析(xi)，確定出消(xiao)費者行(xing)為預測結果。

59、優(you)選的，對具有特(te)征(zheng)趨(qu)勢的消費者(zhe)屬性(xing)行(xing)為(wei)表征(zheng)數據進行(xing)對比分析，執行(xing)以下操作：

60、獲取具有特征趨(qu)勢(shi)的(de)消費者(zhe)屬性行為表(biao)征數據；

61、基于消(xiao)費(fei)者(zhe)屬性行為(wei)表征數據，對(dui)存(cun)儲的(de)預先設(she)定好的(de)多種消(xiao)費(fei)者(zhe)屬性行為(wei)特征類型進行逐一(yi)索引；

62、將逐一(yi)索引的(de)(de)消費(fei)者屬(shu)性(xing)行為(wei)特征(zheng)(zheng)類型調取(qu)出(chu)(chu)來，且將調取(qu)出(chu)(chu)來的(de)(de)消費(fei)者屬(shu)性(xing)行為(wei)特征(zheng)(zheng)類型與消費(fei)者屬(shu)性(xing)行為(wei)表(biao)征(zheng)(zheng)數(shu)據進行對比分(fen)析；

63、針對(dui)調取(qu)(qu)出來(lai)的消(xiao)費(fei)者(zhe)屬性(xing)行(xing)為(wei)(wei)特征類型(xing)與(yu)消(xiao)費(fei)者(zhe)屬性(xing)行(xing)為(wei)(wei)表征數(shu)據相(xiang)匹配的情(qing)況，則消(xiao)費(fei)者(zhe)行(xing)為(wei)(wei)預測結(jie)果為(wei)(wei)調取(qu)(qu)出來(lai)的消(xiao)費(fei)者(zhe)屬性(xing)行(xing)為(wei)(wei)特征類型(xing)即為(wei)(wei)消(xiao)費(fei)者(zhe)行(xing)為(wei)(wei)預測類型(xing)：

64、針對(dui)調(diao)取出來的(de)消(xiao)(xiao)費(fei)者(zhe)(zhe)屬(shu)性行(xing)為(wei)(wei)特征類型(xing)與消(xiao)(xiao)費(fei)者(zhe)(zhe)屬(shu)性行(xing)為(wei)(wei)表(biao)征數據不匹配的(de)情況，則消(xiao)(xiao)費(fei)者(zhe)(zhe)行(xing)為(wei)(wei)預測結果為(wei)(wei)調(diao)取出來的(de)消(xiao)(xiao)費(fei)者(zhe)(zhe)屬(shu)性行(xing)為(wei)(wei)特征類型(xing)不為(wei)(wei)消(xiao)(xiao)費(fei)者(zhe)(zhe)行(xing)為(wei)(wei)預測類型(xing)；

65、當調取出來(lai)的消(xiao)費者(zhe)屬性行(xing)(xing)為特征(zheng)(zheng)類(lei)型不為消(xiao)費者(zhe)行(xing)(xing)為預測類(lei)型時(shi)，則按(an)順序(xu)索引下一個消(xiao)費者(zhe)屬性行(xing)(xing)為特征(zheng)(zheng)類(lei)型；

66、將(jiang)按(an)(an)順(shun)序(xu)索(suo)引(yin)的(de)下一個消(xiao)(xiao)費(fei)(fei)(fei)者屬(shu)(shu)性行(xing)為(wei)(wei)(wei)特(te)征(zheng)類(lei)型(xing)調取出來，且(qie)將(jiang)按(an)(an)順(shun)序(xu)索(suo)引(yin)的(de)下一個消(xiao)(xiao)費(fei)(fei)(fei)者屬(shu)(shu)性行(xing)為(wei)(wei)(wei)特(te)征(zheng)類(lei)型(xing)與消(xiao)(xiao)費(fei)(fei)(fei)者屬(shu)(shu)性行(xing)為(wei)(wei)(wei)表(biao)征(zheng)數(shu)據進行(xing)對比分析，直到按(an)(an)順(shun)序(xu)索(suo)引(yin)的(de)下一個消(xiao)(xiao)費(fei)(fei)(fei)者屬(shu)(shu)性行(xing)為(wei)(wei)(wei)特(te)征(zheng)類(lei)型(xing)與消(xiao)(xiao)費(fei)(fei)(fei)者屬(shu)(shu)性行(xing)為(wei)(wei)(wei)表(biao)征(zheng)數(shu)據相匹(pi)配。

67、優選(xuan)的，所述精(jing)準營銷模塊(kuai)包(bao)括：

68、營銷(xiao)(xiao)制定單元，用于(yu)為消(xiao)費者制定精準營銷(xiao)(xiao)方案(an)；

69、獲取(qu)消(xiao)費者行為預測(ce)結(jie)果(guo)，且對(dui)消(xiao)費者行為預測(ce)結(jie)果(guo)進行伸(shen)入挖掘及(ji)相關分析(xi)，為消(xiao)費者制定出基于大數據分析(xi)的消(xiao)費者精(jing)準營銷方案；

70、精(jing)準(zhun)營銷(xiao)單(dan)元，用于(yu)根據消(xiao)費(fei)者精(jing)準(zhun)營銷(xiao)方案對消(xiao)費(fei)者進行精(jing)準(zhun)營銷(xiao)；

71、獲取基于(yu)大數據(ju)分析的(de)消費者精準營銷方(fang)案(an)；

72、根據基于大數據分(fen)析(xi)的消費者精(jing)準營(ying)銷方案(an)對消費者進(jin)行精(jing)準營(ying)銷。

73、優選的，所(suo)述反饋調整模塊包括：

74、用(yong)戶反(fan)饋單(dan)元，用(yong)于及時了解消費者(zhe)反(fan)饋意見；

75、基于社(she)交媒(mei)體或消(xiao)費(fei)者服務中心獲(huo)取基于消(xiao)費(fei)者精準營銷方案的消(xiao)費(fei)者需求，及(ji)時了解(jie)消(xiao)費(fei)者反饋意見；

76、營(ying)銷調整單元(yuan)，用于(yu)對(dui)消(xiao)費者精準營(ying)銷方案進行及時調整；

77、獲取消(xiao)(xiao)費(fei)者(zhe)反(fan)饋(kui)意(yi)見(jian)，基于消(xiao)(xiao)費(fei)者(zhe)反(fan)饋(kui)意(yi)見(jian)對消(xiao)(xiao)費(fei)者(zhe)精準營(ying)銷方案進行及時調整，確定出更適合消(xiao)(xiao)費(fei)者(zhe)的消(xiao)(xiao)費(fei)者(zhe)精準營(ying)銷方案。

78、根據(ju)本發明的另一(yi)個方面，提供了(le)基(ji)于(yu)大數(shu)據(ju)分析的消(xiao)費者行為(wei)預測與精(jing)準營銷方法，基(ji)于(yu)如上(shang)述所述的基(ji)于(yu)大數(shu)據(ju)分析的消(xiao)費者行為(wei)預測與精(jing)準營銷系(xi)統實現(xian)，包括(kuo)如下步驟：

79、s1：采集基于消費者(zhe)性別、年齡(ling)、職業、收(shou)入及(ji)教育程度的消費者(zhe)基本(ben)屬(shu)性信息(xi)及(ji)基于消費者(zhe)購買記(ji)錄、瀏覽(lan)行(xing)為(wei)及(ji)需求(qiu)偏好的消費者(zhe)基本(ben)行(xing)為(wei)信息(xi)，確定出基于大數(shu)據分析的消費者(zhe)屬(shu)性行(xing)為(wei)數(shu)據；

80、s2：對(dui)(dui)基(ji)于大數(shu)(shu)據(ju)分(fen)析(xi)的消費(fei)(fei)者(zhe)屬(shu)性(xing)行(xing)(xing)(xing)為數(shu)(shu)據(ju)進行(xing)(xing)(xing)檢(jian)索，確定出對(dui)(dui)消費(fei)(fei)者(zhe)行(xing)(xing)(xing)為預測與精準(zhun)營銷(xiao)有價值的消費(fei)(fei)者(zhe)屬(shu)性(xing)行(xing)(xing)(xing)為數(shu)(shu)據(ju)，且對(dui)(dui)檢(jian)索后(hou)剩(sheng)余的消費(fei)(fei)者(zhe)屬(shu)性(xing)行(xing)(xing)(xing)為數(shu)(shu)據(ju)進行(xing)(xing)(xing)轉換、排序及(ji)聚(ju)合，確定出具有特征趨勢(shi)的消費(fei)(fei)者(zhe)屬(shu)性(xing)行(xing)(xing)(xing)為表征數(shu)(shu)據(ju)；

81、s3：基于消(xiao)(xiao)(xiao)費(fei)者(zhe)行(xing)為(wei)預測(ce)需求，對(dui)預先設(she)定好的(de)多種消(xiao)(xiao)(xiao)費(fei)者(zhe)屬性行(xing)為(wei)特(te)征類型進(jin)行(xing)索引及調(diao)取，且(qie)對(dui)具有特(te)征趨勢的(de)消(xiao)(xiao)(xiao)費(fei)者(zhe)屬性行(xing)為(wei)表(biao)征數據進(jin)行(xing)對(dui)比分析，確定出消(xiao)(xiao)(xiao)費(fei)者(zhe)行(xing)為(wei)預測(ce)結果；

82、s4：對(dui)消(xiao)費者行(xing)(xing)為預測結果(guo)進行(xing)(xing)伸(shen)入挖掘(jue)及相關(guan)分(fen)析，確定出基(ji)于大(da)(da)數據分(fen)析的消(xiao)費者精(jing)準(zhun)營銷方案，根據基(ji)于大(da)(da)數據分(fen)析的消(xiao)費者精(jing)準(zhun)營銷方案對(dui)消(xiao)費者進行(xing)(xing)精(jing)準(zhun)營銷；

83、s5：基(ji)于社交媒體或消費(fei)(fei)(fei)者(zhe)(zhe)服務中心(xin)獲取(qu)消費(fei)(fei)(fei)者(zhe)(zhe)反饋(kui)意見，基(ji)于消費(fei)(fei)(fei)者(zhe)(zhe)反饋(kui)意見對消費(fei)(fei)(fei)者(zhe)(zhe)精(jing)準營(ying)銷(xiao)方案(an)進行及(ji)時調整，確定出(chu)更適(shi)合消費(fei)(fei)(fei)者(zhe)(zhe)的消費(fei)(fei)(fei)者(zhe)(zhe)精(jing)準營(ying)銷(xiao)方案(an)。

84、與現有技(ji)術(shu)相比，本發明的有益(yi)效果是：

85、本(ben)發明通過采集消(xiao)(xiao)(xiao)費(fei)(fei)(fei)者(zhe)(zhe)(zhe)(zhe)(zhe)基本(ben)屬(shu)(shu)性(xing)信息及(ji)(ji)消(xiao)(xiao)(xiao)費(fei)(fei)(fei)者(zhe)(zhe)(zhe)(zhe)(zhe)基本(ben)行(xing)為(wei)信息，確定(ding)(ding)(ding)出(chu)消(xiao)(xiao)(xiao)費(fei)(fei)(fei)者(zhe)(zhe)(zhe)(zhe)(zhe)屬(shu)(shu)性(xing)行(xing)為(wei)數(shu)據(ju)(ju)(ju)(ju)，通過對(dui)消(xiao)(xiao)(xiao)費(fei)(fei)(fei)者(zhe)(zhe)(zhe)(zhe)(zhe)屬(shu)(shu)性(xing)行(xing)為(wei)數(shu)據(ju)(ju)(ju)(ju)進(jin)行(xing)檢索、轉換、排序及(ji)(ji)聚合，確定(ding)(ding)(ding)出(chu)消(xiao)(xiao)(xiao)費(fei)(fei)(fei)者(zhe)(zhe)(zhe)(zhe)(zhe)屬(shu)(shu)性(xing)行(xing)為(wei)表(biao)征數(shu)據(ju)(ju)(ju)(ju)，通過對(dui)消(xiao)(xiao)(xiao)費(fei)(fei)(fei)者(zhe)(zhe)(zhe)(zhe)(zhe)屬(shu)(shu)性(xing)行(xing)為(wei)表(biao)征數(shu)據(ju)(ju)(ju)(ju)進(jin)行(xing)對(dui)比分析，確定(ding)(ding)(ding)出(chu)消(xiao)(xiao)(xiao)費(fei)(fei)(fei)者(zhe)(zhe)(zhe)(zhe)(zhe)行(xing)為(wei)預測結果(guo)，通過對(dui)消(xiao)(xiao)(xiao)費(fei)(fei)(fei)者(zhe)(zhe)(zhe)(zhe)(zhe)行(xing)為(wei)預測結果(guo)進(jin)行(xing)伸入挖(wa)掘及(ji)(ji)相關分析，確定(ding)(ding)(ding)出(chu)消(xiao)(xiao)(xiao)費(fei)(fei)(fei)者(zhe)(zhe)(zhe)(zhe)(zhe)精(jing)(jing)準(zhun)(zhun)營(ying)銷(xiao)方(fang)案，根據(ju)(ju)(ju)(ju)消(xiao)(xiao)(xiao)費(fei)(fei)(fei)者(zhe)(zhe)(zhe)(zhe)(zhe)精(jing)(jing)準(zhun)(zhun)營(ying)銷(xiao)方(fang)案對(dui)消(xiao)(xiao)(xiao)費(fei)(fei)(fei)者(zhe)(zhe)(zhe)(zhe)(zhe)進(jin)行(xing)精(jing)(jing)準(zhun)(zhun)營(ying)銷(xiao)，且(qie)基于消(xiao)(xiao)(xiao)費(fei)(fei)(fei)者(zhe)(zhe)(zhe)(zhe)(zhe)反饋意(yi)見(jian)對(dui)消(xiao)(xiao)(xiao)費(fei)(fei)(fei)者(zhe)(zhe)(zhe)(zhe)(zhe)精(jing)(jing)準(zhun)(zhun)營(ying)銷(xiao)方(fang)案進(jin)行(xing)及(ji)(ji)時調整，確定(ding)(ding)(ding)出(chu)更適(shi)合消(xiao)(xiao)(xiao)費(fei)(fei)(fei)者(zhe)(zhe)(zhe)(zhe)(zhe)的消(xiao)(xiao)(xiao)費(fei)(fei)(fei)者(zhe)(zhe)(zhe)(zhe)(zhe)精(jing)(jing)準(zhun)(zhun)營(ying)銷(xiao)方(fang)案，可對(dui)消(xiao)(xiao)(xiao)費(fei)(fei)(fei)者(zhe)(zhe)(zhe)(zhe)(zhe)行(xing)為(wei)進(jin)行(xing)準(zhun)(zhun)確地預測，能為(wei)消(xiao)(xiao)(xiao)費(fei)(fei)(fei)者(zhe)(zhe)(zhe)(zhe)(zhe)制定(ding)(ding)(ding)精(jing)(jing)準(zhun)(zhun)營(ying)銷(xiao)方(fang)案，可提(ti)升(sheng)精(jing)(jing)準(zhun)(zhun)營(ying)銷(xiao)效果(guo)，提(ti)升(sheng)成交率，可較好地滿(man)足市場需求。