大数据背景下房地产精准营销

目录TOC\o"1-5"\h\z\o"CurrentDocument"第一章诸论 3研究背景及意义 3研究背景 3\o"CurrentDocument"研究意义 3\o"CurrentDocument"国内外研究现状 4\o"CurrentDocument"研究方法与内容 5\o"CurrentDocument"本章小结 5\o"CurrentDocument"第二章相关理论 6\o"CurrentDocument"大数据理论 6精准营销理论 6基本理论 6\o"CurrentDocument"基本流程 6\o"CurrentDocument"客户分类理论 7\o"CurrentDocument"指标设计理论 7\o"CurrentDocument"本章小结 8\o"CurrentDocument"第三章模型建立 9\o"CurrentDocument"模型构建思路 9客户画像建立 9客户画像构建的目的 9\o"CurrentDocument"客户画像的原理与构建 9\o"CurrentDocument"多层感知器模型构建 10建模目的 10多层感知模型原理与构建 11\o"CurrentDocument"本章小结 12\o"CurrentDocument"第四章案例分析 13\o"CurrentDocument"项目概况 13\o"CurrentDocument"基于SPSS数据的客户画像分析 13\o"CurrentDocument"基于MLP模型的数据分析 16MLP模型效果评价 16精度分析 16\o"CurrentDocument"精度验证 17\o"CurrentDocument"模型评价应用 18\o"CurrentDocument"案例结果讨论 19本章小结 19\o"CurrentDocument"第五章结论及展望 21\o"CurrentDocument"结论 21\o"CurrentDocument"展望 21\o"CurrentDocument"参考文献 23致谢 错误!未定义书签。\o"CurrentDocument"附表 24II摘要房地产行业作为我国重要的经济发展产业，但由于近些年房地产行业发展的不平衡，国家不断的出台不同的政策进行调控，导致房地产行业面对越来越多的瓶颈，也使得房地产传统的营销模式所带来的问题也日益突显。传统的房地产营销缺乏利用大数据进行分析，未能进行精准的市场定位，及时判断市场，对项目定位以及营销策略进行调整；也未能精准的定位客户群体，实现精准营销，导致项目滞销，库存增加；因此房地产行业迫切需要通过大数据所获取的信息，利用相关分析工具进行精准营销，加快去化库存的速度；同时企业可以通过大数据分析结果进行精准的投放，减低营销成本；以及通过及时的调整营销策略来顺应市场的走向，提高企业应对市场变化的能力。鉴于以上分析，本文通过利用大数据所收集的数据，深入的挖据客户的需求、意愿、心理需求，汇总客户特征，进而描绘客户画像；利用spss进行神经网络模型(MLP)的建立，通过模型计算出客户的成交概率，制定个性化的营销方案，同时也以A房地产公司的X项目为例进行实例分析，论证大数据背景下房地产精准营销的重要性。关键词：大数据精准营销SPSS神经网络模型客户画像AbstractAsanimportanteconomicdevelopmentindustryinChina,therealestateindustryisfacingmoreandmorebottlenecksduetotheunbalanceddevelopmentoftherealestateindustryinrecentyears,andthestatehasconstantlyissueddifferentpoliciestoregulate,whichalsomakestheproblemsbroughtbythetraditionalmarketingmodeofrealestateincreasinglyprominent.Thetraditionalrealestatemarketinglackstheuseofbigdataforanalysis,failstocarryoutaccuratemarketpositioning,judgesthemarketintime,andadjuststheprojectpositioningandmarketingstrategy;alsofailstoaccuratelylocatethecustomergrouptoachieveaccuratemarketing;therefore,therealestateindustryischangingthetraditionalmarketingmode,usingallkindsofanalysistoolstocarryouttheinformationobtainedbybigdataPrecisionmarketingcanspeedupthespeedofdestocking;atthesametime,enterprisescanreducemarketingcoststhroughprecisedelivery;andadjustmarketingstrategiesintimetoadapttothemarkettrend,andimprovetheabilityofenterprisestorespondtomarketchanges.Inthispaper,weusethedatacollectedbybigdatatodigtheneeds,wishesandpsychologicalneedsofcustomers,summarizethecharacteristicsofcustomers,andthendrawcustomerportraits;useSPSStobuildtheneuralnetworkmodel(MLP),calculatethetransactionprobabilityofcustomersthroughthemodel,developpersonalizedmarketingprograms,andalsotaketheXprojectofarealestatecompanyasanexampleforanalysis,Demonstratetheimportanceofrealestateprecisionmarketinginthecontextofbigdata.Keywords:BigdataprecisionmarketingSPSSArtificialNuearNewtorkrcustomerportrait第一章诸论研究背景及意义研究背景由于房地产所带来的红利大，越来越多的人进军房地产行业，我国房价也因此不断上涨。房价的不断上涨，将会导致整个行业发展的不平衡，也会影响着我国其他行业。2016年政府加大了对房地产行业的调控，目的就是稳定房价，让地产行业的发展“健康化，可持续化”。政府已经对于房地产行业调控了近4年时间，在这期间政府的调控力度以及相关的调控政策是随着房地产市场的变化以及国家经济的发展不断变化。近年来，“房子是用来住的”、“不走靠房地产拉动经济的老路”等已经成为各地政府调控房地产的市场的主要指导思想；除此之外，政府也在不断打击“炒房客”，通过各项政策来让“炒房客”无所遁形；可见我国的房地产行业已经发生了变化，不再是成为某些人牟利的工具。由于国家的调控，房地产开发难度越来高，企业所面临的市场也越来越严峻，便更加凸显房地产营销环节的重要性；且人们对于房子的定义发生了变化，从刚需到精神上的追求，对住宅产品有着不同的居住理念，对居住需求也各不相同，房地产营销应该先精细化、精准化转变，更加注重市场的细分，客户的需求，客户价值需求的体现，更为精准定位项目；随着信息时代的到来，消费者利用互联网的消费越来越普遍，而在产生这些行为的时候，必将会在产生大量的数据，所以大数据作为信息时代的产物，如何利用大数据进行分析，精准地找到客户群体，实现企业利益最大化尤为重要，也是企业能够在严峻的市场环境下生存的必然条件；通过大数据获取客户信息，企业利用各类软件以及多个部分的配合，以客户为导向，深入的挖掘客户的需求以及客户价值需求，通过精准的市场定位以及项目定位，在合适的时间将有效的信息呈现给客户，可以有效的提高营销效率，提高客户的转化率，降低营销成本。因此本文基于大数据的背景下，通过提取有效的客户的信息，利用对各项指标数据进行分析，对各类客户的特征进行分类，描绘客户画像，能够使得房地产营销能够更加精准针对每一类客户进行营销；借助spss建立神经网络模型，通过收集客户信息进行代入模型，测算客户成交概率，进行部分客户进行重点追踪，提高营销效率；对媒体投放进行深入的挖掘分析，进而精准的进行广告的投放，降低费效比；最后通过掌握客户需求及时地调整企业经营策略，及时地调整营销方向，调整项目定位，进行提升项目的认可度以及提高营销效率。研究意义目前房地产营销大多数停留在传统的营销模式，对于房地产精准营销以及客户精准定位的研究较少；本文基于大数据的背景下，对于客户定位进行深入研究以及利用spss建立模型进行分析，这将对企业进行精准的营销策略提供重要的依据，对项目的精准营销提供有效的方法；同时，本文通过对房地产精准营销以及大数据等相关理论进行详细的论述，这将为房地产营销后续的研究者提供有效的理论支持。通过大数据进行精准的定位，企业能够及时地获取客户情况以及判断市场情况，能够在营销策略以及企业的发展战略上及时的进行调整。房地产营销未来一定是朝着大数据的方向，利用其带来的信息以及价值进行营销。国内外研究现状1、国外的研究现状“BigData”一词在麦肯锡的《下一个创新、竞争和生产力的前沿》中提出；在《大数据时代：生活、工作与思维的大变革》中维克托•舍恩伯格提出：“放弃追求事情的因果关系，而重点关注其相关性更为重要，这也是大数据时代的最大转变，并且其中最为关键的为预测。[1]。”大数据背景下的房地产精准营销主要的依据在于对信息的处理，前期数据的收集以及后期数据的分析处理，最终使得地产营销更加精准；PaulWFarris等人在《MarketingMetries：50+MetriesEveryExecutiveShouldMaste》中对大数据在房地产营销与财务的科学性进行了研究，进而给出了大数据背景下房地产营销效率与费用支出的评价。2、国内的研究现状国内对于大数据的研究从2009年开始正式引入，但是普遍没有实际的落地，而且房地产行业本身就是一个中国传统行业，所以大数据在房地产的应用少之又少。随着信息时代的到来，每个人每天都在使用各类媒体软件，媒体都在产生大量的数据，所以传统的房地产营销模式的弊端逐渐显露，越来越不能适应市场主流，在大数据时代受到了挑战；马睿清在《大数据背景下房地产精准营销模式研究》中提及到处于传统营销模式下的企业，在大数据时代来临之际，其销售业绩以及营销效率是非常低下的，所以房地产企业因对大数据在营销中应用更加重视，结合线上与线下，形成大数据背景下房地产精准营销流程图⑵；徐涛提出基于大数据制定的具体策略中投放营销内容能够提高其效率，促进产业升级，提高营销的精准度⑶；王陌兮在《从“鱼饵式营销”看当代电商企业营销精准化的趋势研究》一文中提出企业在进行精准营销时可以针对不同的客户群体，从其特征分析，进行而描绘出“鱼饵式”敏感度较高的客户画像⑷；陈宁提出在传统的企业运转模式下，对于创新程度低且缺乏技术的中小企业，应当采用服务模型一“一体化漏斗”，对各类数据进行分析，从而制定相应政策提升企业创新效率⑸；严娟提出：目前阶段在房地产市场中，地产营销应该做到对大数据进行发掘，分析客户情况，精准的了解客户的需求，做到最大程度上的满足客户需求，这才是房地产精准营销策略的关键⑹。”总而言之，目前大数据背景下的房地产精准营销研究在国内外还是处于起步阶段，大部分停留在理论的研究阶段，并未深入到精准营销的核心内容；但是这些研究成果也在一定程度上推进了精准营销；本文将会在前人的研究成果，结合当下的房地产市场，进一步探讨大数据背景下的房地产精准营销。研究方法与内容1、研究方法（1）文献分析法：结合本文研究内容，对国内外文献、相关资料的进行查找，对大数据理论，spss理论、神经网络模型理论、客户分类理论、客户画像理论以及精准营销理论进行阐述，以此为本文的研究奠定理论基础。（2）定量分析法：本文在大数据分析的背景下，利用spss软件进行数据的筛选以及相关分析，将其客户需求以及客户价值量化处理，描绘客户画像。建立神经网络模型（MLP），为实现大数据背景下房地产精准营销提供有效的技术支持。（3）案例分析法：本文通过比对样本数据对A公司B项目的客户数据进行建立模型，并从A公司B项目采用精准营销的效果判断模型的应用效果，对B项目进行客户分类以及客户画像的描绘，为B项目的精准营销提供决策依据。⑵研究的内容本章小结本章主要阐述了本文写作的背景、国内外现状以及意义；并对本文的研究方法以及研究内容描述进而展示本文的大致的研究方向以及内容。第二章相关理论大数据理论大数据（bigdate）,在IT行业又称巨量数据集合。麦肯锡提出大数据可以看成是一个数据的集合，与传统数据库相比较，其在数据的收集与获取、数据储存、整理、分析的能力范围更加广。出现大数据的原因是互联网的广泛应用，并借助多平台的数据收集，对其所获取的数据运用数学算法进行筛选与分析，预判事情的发展趋势⑺。精准营销理论基本理论二十世纪末，在美国第一次提出了精准营销的概念，其主要原理是以科学有效的管理模式为基础，观察客户为手段，进而精准的的定位市场以及细分，做到精耕细作的营销，最后达到营销预期效果⑻。在2011年，Biff提出在供大于求的市场环境下，营销的重点工作在于探索客户满意度，对客户的需求应给予密切的关注，应当转变传统的营销方式⑼。在2013年，罗红梅提出数据收集、挖掘客户信息、销售管理、数据分析这四部分共同组成了精准营销，且形成闭合的循环过程，最终使得企业的营销更加精准［10］。基本流程从图2.1可以看出流程图的外部是传统的营销流程，从客户到房地产企业，客户通过媒体的传播获取项目信息，再通过线下的看房进一步了解项目，最终促进成交；流程图的中间增加一个有数据库到电商部组成的流程，该循环则为精准营销的关键，也成为精准营销的大数据库，该流程有三部分组成：第一部分为数据的收集。首先，对注册过相关地产软件平台的用户进行基本信息数据的收集，然后通过对网购平台、社交平台、娱乐平台等目前比较流行的app以及网页进行客户数据的收集；同时将从传统的银行、公安、第三方数据公司所收集到的数据，以及从客户的售后中心中将客户已咨询的相关问题进行汇总，最后将其全部汇入数据库，等待进一步的分析与挖掘。第二部分为数据的分析，首先建立客户分类，通过利用SPSS对各类指标进行相关性分析，对大数据库的数据进行分类整理，深入挖掘客户的需求、消费习惯、消费能力、消费观念、消费心理以及价值需求等，从不同的维度对客户进行分类，构建不同类型得客户画像，为房地产公司为下一步将客户的个性化需求与房地产公司产品进行匹配做好准备，提高精准度。第三部分为客户的匹配以及信息的传递，电商部将第二部分分析得出的不同的客户画像，并通过MLP模型进行数据的算法，进而测算客户的成交概率，并按照其特性进行产品的匹配，并将其信息传递给销售人员，以便销售人员进行客户的维系以及产品的销售；除此之外，房地产公司还可以借助各类互联网平台，例如：微信、微博、抖音、电话、短信等进行广告的投放，精准的将根据客户个性化的选定的房源信息及时的推送到客户的眼前，让客户及时的了解产品，并且通过举办各类个性化的营销活动吸引客户，刺激其成交。最后在大数据背景下房地产精准营销流程图中，销售人员通过线下与客户进行沟通谈判，充分的展示项目优势，迎合客户需求，提升客户的购买价值，最终促进成交。在客户成交过程中所遇到的问题，销售人员进行反馈到数据库，数据库不断的更新，不断的筛选出具有价值的客户，不断的为销售人员输送有效的信息，达到精准营销，提高营销效率。图2.1大数据背景下房地产精准营销流程图客户分类理论客户分类又可称客户细分，其主要的理论基础以客户特征以及客户反映，根据客户文化观念、生活方式、消费观念以及需求进行划分；目前，市场趋于以客户为导向，所以精准营销的关键在于如何精准的进行客户分类，这将能够协助企业及时掌握客户需求以及加强与客户的关系维护，进而使企业在市场上占得先机；这也对企业制定营销策略以及品牌的推广起到很大的作用；本文在大数据下的房地产精准营销进行研究，将会从客户的分类进行重点论述，为项目筛选出有效客户，协助项目进行精准营销，提高营销效率。指标设计理论1、指标设计原则本文在大数据背景下，基于多层感知器（MLP）模型探讨房地产企业精准营销的重要性。为保证多层多层感知器（MLP）模型能够准确有效的对结果做出评价，在模型构建前所选择的评价指标应遵循以下几点：（1）科学性：所有评价指标的选择都应建立在科学性的基础上，应当从研究实际出发，保证所选评价指标的合理性；在指标的选取时，应当从客户的角度出发，根据客户实际需求以及价值需求进行指标设计，保证后续建模结果具有实际意义。（2）全面性：在明确研究以客户分类以及客户价值进行阐述为重点的前提下，指标的设计应该从不同角度出发，选择能够全面体现客户特征、客户需要以及客户价值的指标，确保模型能够为房地产企业精准营销提供更加全面的基础数据支持。（3）可操作性：指标设计的时候，应当考虑后期建模分析的可行性，所以在指标选取的时候不宜过多或者过少，应该依据房地产客户的需求，从实际情况出发，筛选出具有代表性、真实性以及可量化的指标。2、指标选取本文依据设计原则，从房地产市场特点、客户需求、客户价值的实际情况出发，最终确定本文的基础评价指标为27个如下表。表2.1基础评价指标体系表指标体系123456客户居住地客户成交途经客户职业是否结婚客户年龄段户型面积789101112影响购房因素置业次数家庭年收入置业目的居住理念兴趣爱好131415161718是否追求奢饰品经常去的场所感兴趣的活动到访次数交通工具景观朝向192021222324最希望物业提供哪些服务使用最多的购物平台最看重的三个户型空间是否需要生活阳台最经常使用的房产APP获取楼盘信息途经252627你认为户外广告对你的影响看至」网页广告是否会看经常使用的APP将本文所选择的指标，以问卷调查的形式处理，用于收集基础数据。将收集的基础数据用于本文的模型建立，指标详情见附表（一）本章小结在这一章中，通过对本文研究过程中所涉及的重要理论进行论述，借助查阅文献的方式进行论述以及对本文的所应用的模型进行阐指标论述以及选取，对大数据背景下房地产精准营销流程图进行论述，简明扼要的阐述了在目前的大数据的热点下，如何利用其进行房地产的精准营销，该流程的运行机制以及主要内容，并且所带来的的效果。第三章模型建立3.1模型构建思路大数据背景下精准营销研究最关键的是对数据的分析，而传统的营销模式对数据进行关联性的分析很难，而对于房地产最重要的环节为收入与支出：收入最重要则为客户来源；支出不可控则为推广；故本文主要对其进行模型的建立，且其建立思路如以下：1、分析以往成交客户，并结合本文案例项目自身定位的特点，对客户群体进行标签化分类,描绘出不同类型客户画像；2、将大数据收集信息中，由于数据量比较小时，可以使用7：3训练数据和测试数据；则70%客户信息进行MLP模型的建立，并用30%进行检验模型；3、将模型测算成交概率高的客户进行客户画像的匹配，进行精准营销；客户画像建立客户画像构建的目的客户画像又称为客户角色，是一张作为勾画目标客户其特征、需求的有效工具，将每个客户抽象化的信息，用其标签将其形象具体化，并对其进行归类，最形成具有某一类相似特征的客户，将其描绘成画像，方便房地产开发商制定针对性营销方案，对其进行精准营销。随着大数据时代的到来，房地产行业必然是追随时代的脚步，客户对于需求更加精细化的情况下，对于客户的需求以及客户价值的体现进行更加深层次的分析极为重要；所以通过对客户进行标签化，将数据进行量化，描绘出不同类型的客户画像，有利于进行客户痛点的梳理，对客户制定个性化营销，为客户深挖其深层次的价值以及潜在的价值，最终不仅能促进客户成交，还能进一步挖掘更多潜在客户。客户画像的原理与构建1、客户画像的原理客户画像的实质在于对客户的各类特征进行分析，针对每一特定的人群进行特征描绘，而在进行该特定的客户群体特征描绘时，往往会借助SPSS软件的相关性进行分析，最终利用相关性的大小进行描绘不同客户群体的客户画像。相关性分析指的是对不同的变量因素且数量为两个及以上进行分析，从数据结果衡量其变量因素之间的相关性程度，并且进行相关性分析的元素之间本身需要存在一定概率的联系。一般的相关性分析方法有5种：图表相关分析（折线图及散点图）、协方差及协方差矩阵、相关系数、一元回归及多元回归、信息熵及互信息。其中，相关系数法因其原理简单，计算过程简便，本文在客户画像的构建中应该了该方法。2、客户画像的构建相关系数（Correlationcoefficient）是对变量因素之间的相关性进行量话，能够更加直接的反应变量因素密切关系的指标，其取值在1到-1区间。“1”表示：变量因素之间完全线性正相关、“-1”表示：变量因素之间完全线性负相关、“0”表示：变量因素无相关；所以数值越接近0，其相关性越弱。以下式3.1为相关系数的计算公式：r=——*¥— （式3.1）孙SS其中rxy表示样本相关系数，Sxy表示样本协方差，Sx表示X的样本标准差，Sy表示y的样本标准差。下面分别是Sxy协方差和工和Sy标准差的计算公式。由于是样本协方差和样本标准差，因此分母使用的是n-1（n表示n个指标）。3冲样本协方差计算公式:q样本标准差计算公式:Sxy（式q样本标准差计算公式:Sxy（式3.2）（式3.3）SySy样本标准差计算公式:Sy（式3.4）通过以上的对相关系数的计算结果，得出其大小，并根据其大小对其相关性强弱进行度量，本文最终对部分特定人群，针对其相关性大的特征进行描绘，最终应该该特定群体的客户画像。多层感知器模型构建建模目的神经网络模型（ArtificialNuearNewtorkr）是一种以许多简单的处理元素（神经元）神经元为基础的数学模型，具有储存以及分析的作用，特别是在不精确以及信息模糊的情况下需要同时考虑到许多因素以及条件时，能够精准的解决问题；目前也是各个领域中应用，协助解决多方面的问题。神经网络模型包含多种模型，本文主要为构建多层感知器模型。10

本文多层感知器模型的构建主要是为获取在项目成交客户概率模型，以便项目进行客户的筛选;并在此基础上，利用客户画像对成交概率对意向程度高的客户进行制定个性化营销方案，实现客户需求以及需求价值最大化，进行精准营销，提升营销效率。多层感知模型原理与构建1、多层感知模型原理多层感知模型(MultipleLayerPerceptron,MLP)是一种以单向误差传播的多层前馈网络模型，在人工神经网络模型应用中最广泛的模型。利用MLP模型能解决单层感知器模型中存在的非线性可分数据的多类别分解问题。房地产企业的精准营销问题是一个复杂的由诸多因素共同作用的非线性问题。因此，相比于确定性的模型或一般的线性统计方法，多层感知器模型具有优秀的非线性映射能力来反映营销模式的效果。2、多层感知模型构建MLP网络由同类型神经元构成，分别为输入层、隐藏层和输出层(图3.2)。三者之间通过权重值进行联接处理，并且借助进行权值的训练测试，最终形成有序的网络以及起决策功能的结构。多层感知器的单隐含层能做到接近不同精度的曲线，所以本文根据所研究的主要内容，主要对单隐含层多层感知器进行研究。MLP是输入的次数多，其输出结果也相应多；则分别将输入层神经元、隐含层神经元和输出层神经元个数设置为〃0,〃1和勺输入变量为X=X，r，xnJ,则隐含层神经元输入和输出分别为：（式3.5）（式3.6）wj是第i个输fQj）是激活（式3.7）（式3.5）（式3.6）wj是第i个输fQj）是激活（式3.7）（式3.8）其中，zj是第j个隐藏层神经元的输入，bj是第j个隐藏层神经元的阈值，入神经元与第j个隐藏层神经元之间的权值，y.是第j个隐藏层神经元的输出，函数。输出层神经元的输入和输出分别为：z二2wy+bj=iz其中，zk是第k个输出层神经元的输入，bk是第k个输出层神经元的阈值，wjk是第j个隐含层神经元与第k个输出层神经元之间的权值，yk是第k个输出层神经元的输出。11

隐藏层图3.2多层感知器网络本章小结本章通过对本文模型构建思路的阐述，对构建客户画像的目的、原理以及构建过程进行阐述；本章还对多层感知器模型简单的对其原理和方法进行阐述，以及构建该模型，为下一章中实例分析奠定了基础。12第四章案例分析项目概况A公司B项目位于广东省中山市三乡，该项目为A公司的合作项目，并且为现房销售，由于该项目所处的位置为繁华地段，周边的生活配套较成熟，并且在收购该项目的时候所花的费用较高，这也决定了该项目的定价会比较高；除此之外，在市场产品普遍为90m2三房两厅两卫的情况下，该项目90m2却只有两房两厅，145m2为三房两厅，这便使得项目在前期推广的时候，市场占有率非常低且去化率较低；而这一切最主要的原因在于未对市场进行准确的定位，未能精准的定位客户群体，未能够进行精准营销。基于SPSS数据的客户画像分析本文所研究的案例中，该项目在销售的过程中，已将设计好并涵盖各类指标设计的问卷对客户进行发放且引导客户进行填写，搜集客户信息，由于该项目开盘时间较短以及该项目的体量比较小，所收集到的数据相对来说会比较少，但对于项目依然具有一些指导性作用。将所获取的客户相关信息（客户的置业目的、居住理念、兴趣爱好、经济能力等），运用SPSS软件中的“相关性”，利用上一章建立的构建的客户画像，代入案例所收集的客户信息，根据得到的相关性系数，可以大致了解每个特征与成交客户之间的相关性，对客户进行标签化处理，最终可以根据客户对应不用的标签进行筛选，最终形成不同区域的客户画像。比如，选取部分结果对来自香港客户对生活阳台的需求、是否追求奢饰品以及客户看重户型还是朝向与年龄段之间的关系进行相关性分析，如下表4.3所示。表4.1部分相关性系数阳台需求成交途经奢侈品需求朝向置业次数客户区域-.228**-.412**-.347**年龄段-.308**-.218**居住理念置业目的兴趣爱好年收入理财产品客户区域-.128**-.078**-.538**年龄段-.289*-.457**注：**表示在0.01级别（双尾），相关性显著。数据来源：A公司8项目数据从表4.3可以看出客户区域对需要生活阳台以及追求奢饰品是具有显著相关性，年龄段与房子朝向的选择也是具有显著相关性的。另外，根据各个客户区域和年龄段做出相应选择的频率可知香港的客户对阳台需求和奢侈品需求更高，30-50岁的客户更看重朝向选择。本文其他指标数据参考上一章客户画像的构建进行相关系数的分析，最终将客户信息进行了分析汇总，描绘了客户画像，由于本文通过数据显示来自三乡的客户37%、来自香港的客户占55%，两个占比一大部分，所以主要针对这两个区域的客户进行客户画像的描绘，如下（图133、图4)。1、香港客户画像基褴信息力基褴信息力E0里，口年，三二二密、三代问堂、上印由工•.谒・苏巨之收.:…、白I一心置业借祝二步等"％干单口用促，我麦.为门用、王黑茎挣口口片两后、有双南二匕通透,爷情定修、看亘■」•叵物4E!及周边商业瓦套、区井底套经常使用的APP经常使用的APP类型叶登空，胴I期生、现堀支■.八获贵讯类、刊天都有新闻的F惇烟房时名■■吏用大用声KFF进行孱源对比店子是蚤功能享受场斯，能够改茎居-王吊京，能翳增加收盘，止M汽上，帝望吻业能/根学春吉保妞类的服务;在财灵过程市会先五舌甘幺司过行了留，讦通过朋左进行白词，号后忑现场看房!兴趣专好有政旅诉、亘嬷三灯・史媛及总，豆取彝中公益性以.忌羔生案的三功兴趣专好有政旅诉、亘嬷三灯・史媛及总，豆取彝中公益性以.忌羔生案的三功合常便毛微信、进吁社交・吉即三系餐JT以及购拗商场、最经常•使用的购物犯斗是淘丰一口马海|口支歌姓丁向买、二对的但WFF式加时季■,星至因定存青图4.1项目香港客户画像从图4.1可以将香港客户总结为以下几点：(1)香港客户集中年龄段为40-60岁，此年龄段多为处于事业成熟期以及退休阶段，并且其家庭收入平均为20-40w,属于中资产阶级；多数为二次购房并且是作为度假或者养老，这也与其年龄段以及香港的居住环境、生活压力不太适合养老；大多数人偏向选择90近2+1房的产品，且认为应当具备生活阳台，由于目前香港客户居住距离较远，所以更愿意选择精装产品，对于小区物业也是有着较高的要求。(2)大多数香港客户对居住有着更高的要求，并非只需要满足其居住的功能，更多看重的是房子的功能性，更加注重其享受式的场所，并且在乎物业是否能够提供清洁保姆类的服务，总之言之，香港客户的居住理念是一种享受式生活；而且绝大多数香港客户在现场看房之前便会通过香港公司进行了解，并且会咨询朋友的意见并从数据分析来看，香港客户在第一次现场看房时基本上已经会认购；可见前期的工作也是非常重要的。(3)大多数客户平时喜欢旅游以及运动，并且会经常参加公益性活动，在平时生活上会经常使用微信或Facebook进行社交，但是他们喜欢聚会，经常会与朋友一起去茶餐厅聚会，一起交谈度过空闲时间，并且他们也更加喜欢线下购物，喜欢奢饰品，喜欢去购物广场，可见香港客户的生活节奏是比较悠闲。(4)香港客户平时的理财习惯为股票、基金以及固定存款，他们每天使用频率最高的APP为社交类以及资讯类的，并且大部分人都有每天看新闻的习惯，但从数据上看大部分人对于房产APP的使用率不高，只有在购买时偶尔性的进行对比；且经过分析发现香港客户大多数为返乡置业，并且非常认可项目开发商的品牌。14

总之，从香港客户的画像中，精准的分析客户的特征、兴趣爱好以及生活习惯，能够给为营销人员在进行推销的时候提供有效的信息，抓住客户主要痛点进行营销，针对此类客户进行精准营销，提高成交率，提升营销效率。2、三乡客户画像基础信息M-N基础信息M-N号，中上，三、四口上冢、三R问堂、火E田工冢焙年收K1B-25有至一诲置业情沆二灾置土、上要以自住、、投览为目的%主要选择1曲I产一n电、支皆留北再使、吉圭叶值空间出四周边两注设奢.教育资通经常使用的APP类型社交类।购物关、视频案经常使用的APP类型社交类।购物关、视频案、力幺里以专员讯=%西壬鄂有新宜的习惯、以及用社交软件的归国犯任：砥层廿二便田房地卢打中进行在漉对比三名客户购宸行为孱子是星本土沽产于，力且叵源是健康智能的;能够改善居住环境;能葩增加收镰F更加看里物11的楼栋管家以悭托管的展芳彳购房过程芸认可期左的介郎,以及已购业主的推介兴趣爱好叁效律身、喜欢运动,我洪哭=，考点便叁交以及娓乐类的活动,但是较少时间经加活动兴趣爱好叁效律身、喜欢运动,我洪哭=，考点便叁交以及娓乐类的活动,但是较少时间经加活动弃常侍甲徽信、如箱冲行针方以E工工空池去运动、休闲娱乐包及购物商场场所*品经堂使用的购物软件是淘宝、天摘;比较里劝网上购物：平时的理财方式为股票%基金、因定存萩图4.2项目本地三乡客户画像从图4.2三乡客户画像可以总结为以下几点：（1）三乡客户群体集中年龄段为30-50岁，该年龄段跨度较大，但从数据模型分析上可以看出最主要的集中在30-40岁的人群，该年龄段的人群主要为事业上升期，且多数家庭随着二胎政策的出台，出现房间不够的情况，需要二次购房，除了自住之外，也是一种投资；并对生活配套较为看重之外，也十分看重教育资源，所以针对此类客户要着重展示项目教育资源。（2）虽然三乡客户群体中，大部分客户还是认为房子就是满足基本的居住条件，但是对居住条件有着较高的要求，认为应该是健康智能的，特别是受新冠病毒的影响，人们对于居住场所有着更多的要求，房子的通风性更为重要，健康住宅尤为重要，从数据中得出人们对物业除了基本的服务（清洁、安保服务等）外，认为物业能为其提供楼栋管理服务以及托管服务是具有必要性，这类服务能够满足为投资类客户的需求，以及提升房子的价值；所以在针对三乡客户群体的时候应该重点推三房户型以及展示项目为高端品质项目，宜居的居住环境以及项目周边丰富的教育资源。（3）三乡客户群体中大多数喜欢在空闲时间进行健身运动类的活动，也有部分选择娱乐性的活动来放松自己，但是大部分客户表示没有过多的时间进行此类活动，这也与客户正处于事业的上升期有联系，所以针对这类客户，应该抓准时间进行约谈，因为客户的空闲时间会比较少，应该把握时间，例如利用周末、节假日、早晚，尽量在客户空闲时间进行回访，折这样15既能让客户接收到信息，也能不引起的客户反感;并在回访过程中应抓住客户的痛点进行梳理，精准营销，这样才有助于提高营销效率；并且客户会比较看重老业主以及朋友的评价，所以在维护业主的关系上也是非常重要的，老业主的口碑相当于为项目做了很好的推。（4）三乡客户群体在日常生活上，经常使用微信，邮件进行社交以及工作；并且从收集到的客户信息可以看出，客户使用微信的频率非常高以及使用时间比较长；使用资讯、新闻类的软件也会比较多；也有部分客户表示在购房前会使用房产APP进行房源的比较；客户也比较喜欢使用淘宝、天猫等购物软件进行购物;在理财方面，客户更加选择的理财方式多为股票、基金以及固定存款。总而言之，针对本地三乡客户，由于项目开发商在当地有着比较高的品牌知名度，所以对于本地客户群体主要的营销策略应该在于客户关注点以及客户的痛点，满足客户的需求价值进行营销，利用成交客户画像进行全面梳理，进而针对客户痛点进行精准营销，提高营销效率。综述所述，由于本文的数据收集能力有限，主要是通过发放问卷的形式收集成交客户相关信息，并借助大数据的平台技术支持以及应用，对客户相关信息进行深入的分析，形成不同维度的客户画像，描绘出某特定维度的客户画像的特定特征，以此作为客户的个性化需求画像，为项目之后的精准营销做准备。基于MLP模型的数据分析将问卷调查所统计出来的数据分为两份，一部分为已成交客户的客户数据，一部分为未成客户的客户数据。同时将已成交客户数据标签设置为“1”，将未成交客户数据标签设为“0”，将已做标签的数据作为多层感知器模型的样本集。为采用多层感知器模型对营销效果进行评价，降低数据离散性，减小不同量纲带来的影响，需要先将所选的评价指标数据归一化至［0,1］之间。另外，随机选择70%的样本集作为多层感知器模型的训练数据集（附表一），将剩下的30%的样本集作为模型的测试数据集（附表二）用来检验模型的精度。归一化公式如（式4.1），其中X*为归一化数据，x为原值数据，xmin为数据中最小值，xmax为数据中最大值。X*=':min （式4.1）Xmax—%min在运用多层感知器模型营销效果进行时，将所选样本集输入初始的多层感知器模型中。本文采用SPSS软件神经网络功能构建A公司B项目营销效果多层感知器模型，为精确计算，模型设定隐藏层中最小单元数为1，最大单元数为50，其余参数设置为默认值。4.4MLP模型效果评价精度分析预测拟概率与实际所选用的样本标签规律相符合，表明本文研究的多层感知器模型参数设置合理，建模过程稳定，如图4.3所示。16

0 I图0 I图4.3多层感知器模型预测拟概率图注：数据来源A公司8项目为讨论多层感知器模型的建模效果，根据模型训练结果得到模型训练数据的ROC曲线进行评估模型测试样本的预测性能。结果如图（图4.4）所示，模型ROC曲线的AUC值（ROC曲线下部分的面积，值越大说明建模效果越好）为0.734,说明本文所用多层感知器模型的建模效果很好。I-SpecitlcityI-Specitlcity名百感知觐AUC-0.7M图4.4多层感知器模型训练ROC曲线注：数据来源A公司8项目4.4.2精度验证为了验证本文建模的精确性，将测试数据集导入已经训练好的模型中，对建模结果做精度为了验证本文建模的精确性，17

分析，得到多层感知器模型的ROC曲线图（图4.5），由图4.5所示，本文多层感知器模型的AUC（ROC曲线下的面积）值为0.794,说明本文由已知数据得到的模型能够很好的反应营销方式的效果，建模结果准确。图4.5多层感知器模型测试ROC曲线注：数据来源A公司8项目4.4.3模型评价应用选取对项目来访中部分意向客户数据（如表4.2,表中数字的具体含义见附表）代入已建立的多层感知器模型，对每个客户的成交概率进行模型测算，最终所获得的数据如表4.5。表4.2意向客户数据集客户客户居住地客户成交途经客户职业是否结婚客户年龄段户型面积交通工具置业次数家庭年收入置业目的居住理念是否追求奢饰品到访次数影响购房的因素兴趣爱好使用最多的购物平台感兴趣的活动朝向景观是否需要生活阳台最看重的三个户型空间最希望物业提供哪些服务获取楼盘信息途经经常去的场所经常使用的房产apP平时经常使用的app看到网页广告是否会看你认为户外广告对你的影响A13415111214111461585421148185712732B14213221134211351584122127292412721C2421221211212246258112152853221371218D21312311214212352683211628363213621E26213121331121352594121648262612922表4.3客户成交概率注：数据来源人公司8项目!客户三乡客户包三乡客户B香港客户匚香港客户口香港客户E综合得分0.6091770.1254710.7E737E0.315S610.637403从表4.3可得出香港客户中客户C的成交概率是最高的，达0.79；成交概率最低为三乡客户日仅为0.13；将该数据反馈到项目销售人员，销售人员对香港客户口、E以及三乡客户A展开营销；减少对香港客户口的追踪；放弃三乡客户B，并利用上文所呈现的客户画像，对其相对应的客户类型，进行痛点的梳理，制定符合客户人、D、E的个性化营销方案，针对性的进行逼定，最终通过销售人员的结果反馈，客户人、C已成交，客户£仍在持续的追踪中，但其成交概率也非常大；并从表4.5以上五组随机意向客户看，香港客户的成交概率整体高于三乡客户，这也与上文所提及到项目主要成交客户为香港客户相符。总而言之，利用神经网络建立多层感知模型对于项目进行精准营销有着非常大的作用，通过对项目客户进行概率的筛选，对成交概率高的客户利用已描绘的客户画像对其进行痛点的梳理，最终制定个性化营销方案，对不同类型客户进行精准营销，提高项目营销效率。4.5案例结果讨论截止目前，虽然项目从传统营销到精准营销的时间只有几个月，但是在大数据背景下精准营销依然取得一定程度上的收获，初步的实现了客户资源的整合、客户画像的描绘、大数据转化率的提升，项目销售业绩提升近一倍；实现项目费用有效的降低，具体如下：1、联合各平台，建立客户有效数据库通过与各大网络平台合作，获取近万条有效客户信息，形成客户数据库，并根据客户区域进行分类，对客户画像描摹，将以往传统营销所忽略的数据进行收集以及量化；并通过MLP模型进行客户意向程度的筛选，为项目进行精准营销提供数据以及技术支持。2、进行精准的推广投放，进而降低费效比通过对客户的生活习惯以及兴趣爱好，针对客户的举办不同主题活动，为项目增加较多的人流量；并且从模型测算出哪种广告类型对受众，项目调整广告投放策略，为项目节省几十万营销支出，降低项目的费效比。3、促进公司进行大数据精准营销的转化该项目借助大数据进行分析进而实施精准营销，从传统方式进行了转换，虽然实施的时间短以及部分数据收集的不到位，但依然对公司进行精准营销的全面转换提供了一定的借鉴意义。本章小结本章通过对A公司B项目的来访客户以及成交客户进行问卷调查，收集客户相关信息，19以及通过数据平台收集客户相关数据，利用上一张所提及的SPSS对客户信息进行相关性分析，客户画像的原理以及描绘；且利用上一章所提及的多层感知器原理，将项目所获取数据进行带入，建立该项目多层感知器模型，并通过对项目部分客户数据代入模型进行验证，最终得出模型是具有可行性的；最后以项目的部分意向客户为例，代入模型，得出其成交概率，并将概率较高的客户，通过比对客户画像找到客户痛点，制定个性化营销方案进行精准营销，并通过整体的情况对项目的营销策略进行调整。2)第五章结论及展望5.1结论本文进行了大数据背景下房地产精准营销的量化研究，利用SPSS对表面无关联的各类数据进行了整合、分类以及分析，并结合实际案例进行分析，让其房地产营销的预测以及策略更加的精准，让项目精准地找到其客户群体，针对性地进行营销，真正意义上实现精准营销。本文通过对其相关理论进行研究，通过对A公司X项目进行实际案例分析，利用SPSS进行相关因素的分析，从客户需求以及客户价值的定位出发描绘出项目的客户画像;通过SPSS建立神经网络模型（MLP）；通过本论文的研究，得出以下主要结论：1、大数据精准营销的本质并不在“量”，而是在“价值的发掘”，大数据精准营销更似个性化的互动的过程，对客户的需求进行个性化营销，对所获取的数据进行分析以及预测，实现高效率的营销。2、利用SPSS相关性，对成交客户各类因素进行分析，形成项目的客户画像，对海量的客户进行筛选，可以找到与项目匹配程度高的客户群体，从而进行针对性营销，精准的抓住客户痛点，并为其解决问题，使得客户的需求价值实现最大化，进而实现精准营销。3、利用SPSS建立神经网络模型（MLP），对项目的客户信息进行模型的建立、精度以及效果的评价，最终通过大数据所收集到的意向客户数据代入其模型，计算其成交概率，配合客户画像制定个性化营销方案，进行精准营销。4、利用对各类指标的重要性进行分析，进而筛选出费效比更高且适用于项目客户群体的媒体进行广告的投放，使得精准的投放广告，为企业节省营销支出，提高宣传效率，实现双赢。5、通过对A公司X项目的实例分析，可以看出在通过大数据匹配客户画像，分析客户需求，可以实现从传统营销到精准营销的突破。本文虽然在大数据背景下精准营销研究取得一点点的成果，但在客户分类、客户画像等方面仍然有许多需要完善以及改进的地方，对于数据的获取处于比较有限的阶段，所以本文在进行案例分析时，部分细节仍有不足之处，需进一步通过实证进行补充以及总结。5.2展望大数据背景下精准营销是一种顺应时代潮流的发展趋势，但是真正意义上实现精准营销是需要多个部门进行配合以及共同协助，根据市场的变化，不断的调整营销策略；以大数据作为依据，企业建立完善的数据处理以及分析系统，对数据进行分类以及精准的分析，为项目不断的输送具有价值性的信息；通过对项目客户进行意向程度的筛选，配合客户画像，制定出针对不同客户群体的个性化营销方案，进而使得营销团队利用现有的资源对目标客户进行精准营销，最终使得房地产营销从传统的营销方式向精准营销进行转化；企业借助大数据平台，不断的优21化产品，占领市场，使得大数据的价值能够更加发挥到极致，使得企业的发展提供更大的空间以及发展方向。22参考文献[1]李拥勋.大数据视角下的腾讯微博用户行为分析[D].南京师范大学，2014.[2]马睿清，邓和智.大数据背景下房地产精准营销模式研究仃].现代商贸工业,2017(6)：3-3.[3]徐涛.大数据挖掘背景下的精准营销策略研究仃].中国社会科学院，北京码牛科技，2096-0298(2019)08(a)-072-02.[4]王陌兮，张靖欣.从“鱼饵式营销”看当代电商企业营销精准化的趋势研究仃].东北师范大学,2019.33.115.[5]陈宁.我国低技术中小企业创新效率提升研究一一“一体化漏斗”服务模型构建[J].广东技术师范学院政法学院,2013.[6]严娟.基于大数据的房地产企业精确营销研究.市场周刊[JL2013.09.12—17.[7]刘琼.大数据背景下图书馆服务体系创新与重构淮阴工学院图书馆[D].2014.[8]王宁，肖欢.精准营销研究综述.中南大学商学院[D].2014.[9]MotleyLB.TheShifttoPrecisionMarketing[J].ABABankMarketing,2011,43(4)：39.[10]罗红梅.电商企业基于数据进行精准营销的探讨[J].武汉商业服务学院学报，2013(3)：46—48.卓纯香2020.05.0623

附表附表附表一;多层感知器模型的训练数据集客户居住地客户成交途经客户职业是否结婚客户年龄段户型面积交通工具置业次数家庭年收入置业目的居住理念是否追求奢饰品到访次数影响房的因素兴趣爱好使用最多的购物平台感兴趣的活动朝向景观是否需要生活阳台最看重的个户型空间最希望物业提供哪些服务获取楼盘信息途经经常去的场所经常使用的房产apP平时经常使用的app看到网页广告是否会看你认为户外广告对你的影响是否成交1631232141122236148123212711111472111411421214222236148541212711531361213711421135111146147123112839161281122721132221222135249411254811141562221731222241111136149113113733141271121721112221112146167221154851211271121411231211222146269323214835651592111411231222112235269422212741121463113611221111312146149142212756721392111712311113221145248111113751561392121732121221112236159211252714111271221731511121311145369333112711251573222721121135221235358133113851012137212161133122212214535835225385562139211161113122232224525711321274102415832116112312123222461483332127511113722116112312323121352692122638467113922114112213112221352691222147111414621114112213212122451471132127317413911114212212112222462581122528532213712123315131252121361484411148261713931114212312113222362484231527183213821134214211122222351485431127115413722124

1611321132122145369142213845441462211621221231322236259133212736241392212732321221111145157311114841111371122711211121221135148111252735541463121711121222111135167133164711111271221421221322312245148362212743141383111521221231322246259122212831021136321312123111141214615721325481224136321142123121231213524915325275814137111112123112122224526921221281233139121152122122122223625711221271423146321112122121122224614744321283315138311232151311131214614854115471257127211142122133111214525932226272322159311211133112231214525914311374324157121112122123121114615815321285106213622111212312142122353583622127582215931114212213111122362681132127133113912111212211213122451573422548322514721114212211242122462472532127265114732111113212121221351691522537431513932122212111443111362684231128317413621111112213241122462593332528226514731111121111221121451692831138521214812126415221222211451585411647154712912126415221221111352494422548145713631161313211322222353591221137422213832111113311131222362571121128312612731114111311213222451472632147357214812151113111114221462591421138112113721122112111211112462574421128352115622122213221433111361483131127211613911122212121432112452494131148563115931122213221131111362591221627281412622122214121231111351585412128175612622122214121131112361695431137151613622122212121332211352572421128212112612122214121333111362474422548155712931166211311113112363482732127116415732116113211443121361693421138283113931125

22215221252211351585432148164713621122214221252111362595411127175612912126115311221111452484421547185612732122214121131211361575411137115613911126213121233112461481131138351112931136212212111121462584122128312214712126213121331121352594121648262612922124214221112122461485431527115712622122213121432111351671532127261413912122213121332111361683122138352413731126214121131212352485411647151412712126213221231111362474322137261615922126213221332111362573322128212615622111221111114222451682331627310121573212221311121121146157422213825211263112221213142311235268422112748111392211121121214311145268123213726641572111521321214121236269333262836121373212221323132211145159122213711261292216321311121122245248142162814531363111131321311122236157323114735621473211731311221112146159133164731111371124721321121211135267112212811371291223721121111111236148321112721111373122221322122211145249422112846541491111121131112421135147251263741321583211422131111312246157361252822611461112221212142211135268113212748341562212221212112411245257413212851024127221222121212211114515812211284156156111222141211121123614744111471614129211172211114121124515742316383102312722227112111214112362682112128211114911223415111214111461585422148185712722141312111313111452671422127324514931116212121413212361474432637147215622121213211412111352573122128152413922114212211112112452573322528182213922126213211311211361474321147241712911111213211122222351691232128415514732125

261141112211114516854221381657137221111132122242213524823315374212147321141132121422223624813216282114138311221141211331213624754121271556137311222133213331123625746225275526126311264152312211114514854211471417126221222121313122224626925325481816136121224131212142223615944321272426137111112121113131214514743221273145148221212141212222114516754125381657129221222121212121223624712311375811129211171131212311114634941326282652126212371121111121223514952211381746147222271122112312113524752111474111146222222121313121214514842216282156136311222121314141123626712315371114127321222142312122113625844121381456126221222122313121124516712221273866156221272121212121123524751111374156127312473112112422223515713315381211137122171231212111113616953221281811156222262142311121114614854216371654127311222121112121123525946325485624139221222151212142114625954316471517126211112123114142213616933321271655158311111122111111224634821226385112156221241212111111114635937311573926127221222132212232114526752311274616139311262131212332113626741325482554129321242131212221113526856321284926137211222131114221114524741325281551126221222132113221114514844211474414126211222122212212123524724315271166129321222123211222114515916315374524129121222131212112114615741211381126129211212142111141214616844221471557136221附表二:附表二;多层感知器模型的测试数据集客客客是客户交置家置居是到影兴使感朝最最获经经平看你是户户户否户型通业庭业住否访响趣用兴向看希取常常时到认否居成职结年面工次年目理追次爱最趣景重望楼去使经网为成27

住交业婚龄积具数收的念求数房好多的观的物盘的用常页户交地途经段入奢饰品的因素的购物平台活动个户型空间业提供哪些服务信息途经场所的房产apP使用的app广告是否会看外广告对你的影响1712111131411145149132627121112821217211212231121361572316273126147312173131214122124535721114813511292222721221232111135249312127575613731217312111211111451572211481735126112272122112121123524711353735111281