摘 要

在“无人不社交”的当下，微信作为最热门的社交平台，每天都会产生海量具有挖掘价值的数据。透过挖掘和分析这些数据，企业将有机会准确把握消费者日益个性化和多样化的需求，最终实现精准营销。

基于上述背景，本文研究了基于大数据挖掘的微信精准营销。首先，文章阐述了研究的缘起以及意义，对大数据挖掘研究现状、微信数据研究现状、精准营销研究现状进行了梳理与分析。然后，进一步研究了数据挖掘、精准营销等理论，定义了数据挖掘和精准营销的概念，并介绍了数据挖掘的方法和过程。同时，文章还分析了微信营销的主要途径以及微信营销的主要问题，并阐述了微信精准营销的特点。最后，文章提出了一个基于大数据挖掘的微信精准营销系统。

关键词：微信；精准营销；微信数据挖掘

Abstract

Nowadays,everyone is using social media all the time.Wechat is the most popular social application,generating large-volume datum of mining value everyday.Through mining and analyzing these data,grasping customers’ personalized and diversified needs and achieving precision marketing would be possible.

Based on the background above,this paper focuses on Wechat precision marketing based on big data mining,firstly,explaining the background and significance of the research,reviewing and analyzing the current situation of big data mining research,the current situation of Wechat data research,the current situation of precision marketing research.And then,this paper defines the concept of data mining and precision marketing and introduces the methods and progresses of data mining by researching on data mining and precision marketing.Meanwhile,this paper also analyzes the main ways and challenging issues of Wechat marketing,describing the features of Wechat precision marketing,and finally proposing Wechat precision marketing system based on big data mining.

Key Words:Wechat;Precision Marketing;Wechat Data Mining

目 录

第1章 绪论 1

1.1 研究的缘起及意义 1

1.1.1 研究的缘起 1

1.1.2 研究的意义 2

1.2 国内外研究理论综述 2

1.2.1 大数据挖掘研究综述 2

1.2.2 微信数据挖掘研究综述 4

1.2.3 精准营销研究综述 5

1.3 研究内容和方法 7

1.3.1 研究的内容 7

1.3.2 研究的方法 7

第2章 相关理论 8

2.1 数据挖掘 8

2.1.1 数据挖掘概述 8

2.1.2 数据挖掘的主要方法 8

2.1.3 数据挖掘的处理过程 9

2.2 精准营销 10

2.2.1 精准营销概述 10

2.2.2 市场细分理论 11

2.2.3 顾客让渡价值理论 11

2.2.4 顾客链式反应原理 12

第3章 微信营销的方式与问题 13

3.1 微信营销 13

3.1.1 微信概述 13

3.1.2 微信营销的主要方式 13

3.1.3 微信营销的主要问题 14

3.2 微信精准营销的特点 15

第4章 基于大数据挖掘的微信精准营销体系设计 17

4.1 构建微信数据库 17

4.1.1 微信数据库数据来源 17

4.1.2 微信数据库构建方式 18

4.2 微信精准营销策略 18

4.2.1 受众细分精细化 18

4.2.2 产品服务个性化 18

4.2.3 价格差异化 19

4.2.4 广告投放精准化 19

4.3 基于微信数据挖掘的客户关系管理 19

第5章 结论与展望 21

5.1 研究结论 21

5.2 研究不足与展望 21

5.2.1 研究的不足 21

5.2.2 研究的展望 21

参考文献 23

致谢 25

第1章 绪论

1.1研究的缘起及意义

• • 1. 研究的缘起

随着互联网的兴盛发展和移动通信技术的日渐蓬勃，移动互联网时代已经到来。第41次《中国互联网络发展状况统计报告》显示，截至2017年12月，中国网民规模达到7.72亿，其中手机网民占了绝大多数，达到7.53亿，人群的占比由2016年的95.1%提升至97.5%[^[1]]移动互联网正向生活的各方各面持续渗透，极大改变了我们的生活方式。其中，社会化媒体便是典型的例子。不管是外国的Facebook、Twitter、Flickr，抑或本土化的微博、微信、博客，人们乐于“沉溺于”社交媒体中关于日常生活的点滴分享以及沟通互动，无时无刻不“社交”。

此外，随着物质生活水平的不断提高，个性化、多样化的消费者需求得到了进一步彰显。面对这些变化，如何准确把握消费者个性特征，将特定产品信息传达给目标消费群体，满足不同消费者的差异化需求从到达精准营销的目的，是当今企业面临的严峻挑战。

作为目前最火爆的社交平台，微信早已超越通讯工具本身，成为生活必需品。截至2017年9月，腾讯官方发布的《2017微信数据报告》显示，以天计算，微信登录的用户超9亿，发送消息380亿条，发送语音61亿次，成功通话次数超2亿而朋友圈视频发表次数已有6800万。[^[2]]人们在使用诸如“摇一摇”、“二维码”、“朋友圈”、“漂流瓶”、“附近的人”等功能时，将产生大量而具有极高挖掘价值的个人真实信息数据。透过微信数据挖掘，隐藏在海量数据下的消费者生活形态、性格喜好、消费习惯等等将得到充分展现，这将为微信营销提供良好的决策依据。对于企业而言，有效挖掘微信巨量的“数据财富”并同企业营销相结合，最终实现精准营销变得日益重要。

1.1.2研究的意义

大数据挖掘下的精准营销是当下学者们研究的“香饽饽”，然而在微信数据挖掘方面，目前的研究显然还处于初级阶段，对基于大数据挖掘的微信精准营销并不多见。本文将数据挖掘等技术引入微信营销中，打破以往微信营销模式，为企业的微信营销提出相关建议并带来营销新思路。

1.2国内外研究理论综述

1.2.1大数据挖掘研究综述

表1.2 国内外大数据挖掘研究总结

根据上表可知，笔者通过对大数据挖掘现状的总结发现，国内外学者的研究范畴主要集中在大数据挖掘本身以及应用两个方面。在理论方面，有学者探讨了数据挖掘算法与模型，有学者则聚焦于大数据挖掘的系统框架，也有学者侧重于数据的可视化研究。在应用方面，大数据挖掘主要应用于交通运输、电商、教育、社交网络等领域，十分广泛，然而缺陷在于，大部分研究都只能简单地定性分析应用领域，在实践方面尚需验证。

1.2.2微信数据挖掘研究综述

目前，微信数据的挖掘模式没有建立起科学且完整的评价体系和标准，新媒体大数据挖掘模式的相关研究可供微信数据挖掘模式研究参考。国内外无论是是学界还是业界都对新媒体大数据挖掘与利用模式从不同方面和侧重点进行了探索性的研究，主要集中在社交媒体数据挖掘以及应用两个方面。

Sarma，Gollapudi S[^[14]]（2010）对Twitter信息检索展开了研究，基于用户评论的数据，探讨了博文中的排序方法。

Shintaro Okazaki,Ana M Diaz-Martin,Mercedes Rozano等[^[15]]（2015）基于宜家Twitter数据，通过数据挖掘技术研究了在服务至上的环境下，客户参与、推定以及web2.0之间的关系，也分析了由消费者创造的社交网络。

曾承、曹加恒、黄敏（2003）在实时多媒体数据挖掘方面，设计了一种基于RMDM模型对原始视频数据进行挖掘的新机制。[^[16]]从某种意义上讲，该模型能够较好的适应多媒体数据挖掘的实时性需求。

卢明泰（2012）在以web数据挖掘为 研究对象，从理论和实践两方面出发，最终利用WEB数据挖掘技术设计了基于社交网络的个人标签云系统。[^[17]]

丁兆云、贾焰、周斌（2014）在《微博数据挖掘综述》中立足于微博数据挖掘，指出微博数据挖掘的研究主要包括话题事件分析、信息检索与推荐以及影响力分析等方面。[^[18]]

周峰[^[19]]（2015）探讨了社交大数据挖掘，选取客户评价的次数、时间、频次、得分四个方面作为分析标准，并采用聚类分析法构建客户分级体系，最终用于电商营销。

唐李洋（2015）在《基于社交媒体大数据的Twitter营销策略研究》中将Twitter等社交媒体的用户行为分为关系型行为以及交互型行为，提出基于unfollow的舆情监测问题和基于mention的推荐系统。[^[20]]

石晓菲（2017）在《互联网新时代下的企业营销数据挖掘与应用》则提出了企业数据挖掘的四个关键点，即基于浏览行为、关键意见领袖画像、社群画像、系统化长期性舆论监控。[^[21]]

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：