大数据营销知识点总结

一、走进大数据世界

大数据的特征（4V）：

1  数据的规模性

2   数据结构多样性

3   数据传播高速性

4   大数据的真实性、价值性、易变性；

结构化数据、半结构化数据、非结构化数据

大数据处理的基本流程图

大数据关键技术：

1  大数据采集

2   大数据预处理

3  大数据存储及管理

4   大数据安全技术

5  大数据分析与挖掘

6   大数据展现与应用

二、大数据营销概论

Target 百货客户怀孕预测案例

大数据营销的特点：

1   多样化、平台化数据采集： 多平台包括互联网、移动互联网、广电网、智能电视等

2   强调时效性： 在网民需求点最高时及时进行营销

3   个性化营销： 广告理念已从媒体导向转为受众导向

4   性价比高： 让广告可根据时效性的效果反馈，进行调整

5   关联性： 网民关注的广告与广告之间的关联性

大数据运营方式：

1   基础运营方式

2   数据租赁运营方式

3   数据购买运营方式

大数据营销的应用

1   价格策略和优化定价

2   客户分析

3   提升客户关系管理

4   客户相应能力和洞察力

5 智能嵌入的情景营销

6   长期的营销战略

三、产品预测与规划

整体产品概念与整体产品五层次

整体产品概念： 狭义的产品： 具有某种特定物质形态和用途的物体。

产品整体概念（广义）：向市场提供的能够满足人们某种需要的

                      一切物品和服务。

整体产品包含：有形产品和无形的服务                          

整体产品五层次：潜在产品、延伸产品、期望产品、形式产品、核心产品

大数据新产品开发模型：

1   需求信息收集及新产品立项阶段

2  新产品设计及生产调试阶段

3  小规模试销及反馈修改阶段

4   新产品量产上市及评估阶段

产品生命周期模型

传统产品生命周期划分法：

（1）销售增长率分析法

  销售增长率=（当年销售额-上年销售额）/上年销售额×100%

销售增长率小于10%且不稳定时为导入期；

销售增长率大于10%时为成长期；

销售增长率小于10%且稳定时为成熟期；

销售增长率小于0时为衰退期。

（2）产品普及率分析法

    产品普及率小于5%时为投入期；

    普及率在5%—50%时为成长期；

    普及率在50%—90%时为成熟期；

    普及率在90%以上时为衰退期。

大数据对产品组合进行动态优化

产品组合

       销售对象、销售渠道等方面比较接近的一系列产品项目被称为产品线。产品组合是指一个企业所经营的不同产品线和产品项目的组合方式，它可以通过宽度、长度、深度和关联度四个维度反映出来

四、产品定价与策略

大数据定价的基本步骤：

1   获取大数据

2   选择定价方法

3   分析影响定价因素的主要指标

4  建立指标体系表

5   构建定价模型

6  选择定价策略

定价的3C模式：成本导向法、竞争导向法、需求导向法

影响定价的主要指标与指标体系表的建立

影响定价因素的主要指标：

1  个人统计信息：家庭出生、教育背景、所在地区、年龄、感情状况、家庭关系等。

2   工作状况：行业、岗位、收入水平、发展空间等

3  兴趣：健身与养生、运动和户外活动、娱乐、科技、购物和时尚等

4 消费行为：消费心理、购买动机等。

定价策略：

精算定价： 保险、期货等对风险计算要求很高的行业

差异定价： 平台利用大数据对客户建立标签，分析对产品的使用习惯、需求判断客户的忠诚度，对不同客户进行差别定价

动态定价： 即根据顾客认可的产品、服务的价值或者根据供需状况动态调整服务价格，通过价格控制供需关系。动态定价在提高消费者价格感知和企业盈利能力方面起着至关重要的作用。

价格自动化 ：根据商品成本、市场供需情况、竞争产品价格变动、促销活动、市场调查投票、网上协商、预订周期长短等因素决定自身产品价格

用户感知定价 ：顾客所能感知到的利益与其在获取产品或服务中所付出的成本进行权衡后对产品或服务效用所做出的整体评价。

协同定价： 是大数据时代企业双边平台多边协同定价策略

价格歧视：

一级 ：就是每一单位产品都有不同的价格，即商家完全掌握消费者的消费意愿，对每个消费者将商品价格定为其能够承受的最高出价；

二级 ：商家按照客户的购买数量，对相同场景提供的、同质商品进行差别定价；

三级 ：可视为市场细分后的定价结果，根据客户所处的地域、会员等级等个人属性进行差别定价，但是对于同一细分市场的客户定价一致。

五、销售促进与管理

    促销组合设计概念

大数据促销组合设计流程

精准广告设计与投放

[if !supportLists]l [endif] 广告设计5M：任务（Mission），预算（Money），信息（Message），媒体（Media），测量（Measurement）。

通过用户画像的进一步挖掘分析，企业可以找出其目标消费群体的广告偏好，如平面广告的配色偏好，构图偏好，视频广告的情节偏好，配乐偏好，人物偏好等，企业可以根据这些偏好设计出符合目标消费群体审美的广告创意，选择消费者喜欢的广告代言人，做出能在目标消费群体中迅速传播开来的广告。

在媒体决策方面，利用大数据综合考虑其广告目的、目标受众覆盖率、广告信息传播要求、购买决策的时间和地点、媒体成本等因素后，有重点地采用媒体工具。企业可以在确定前述影响变量后，通过大数据的决策模型，确定相对最优的媒体组合。

六、客户管理

    大数据在客户管理中的作用

1   增强客户粘性

2   挖掘潜在客户

3   建立客户分类

    客户管理中数据的分类、收集及清洗

数据分类：

描述性数据： 这类数据是客户的基本信息。

如果是个人客户，涵盖了客户的姓名、年龄、地域分布、婚姻状况、学历、所在行业、职业角色、职位层级、收入水平、住房情况、购车情况等；

如果是企业客户，则包含了企业的名称、规模、联系人和法人代表等。

促销性数据： 企业曾经为客户提供的产品和服务的历史数据。

包括：用户产品使用情况调查的数据、促销活动记录数据、客服人员的建议数据和广告数据等

交易性数据： 这类数据是反映客户对企业做出的回馈的数据。

包括历史购买记录数据、投诉数据、请求提供咨询及其他服务的相关数据、客户建议数据等。

收集：

清洗：

首先，数据营销人需要凭借经验对收集的客户质量进行评估

其次，通过相关字段的对比了解数据真实度

最后，通过测试工具对已经确认格式和逻辑正确数据进行测试

客户分层模型

客户分层模型 是大数据在客户管理中最常见的分析模型之一，客户分层与大数据运营的本质是密切相关的。在客户管理中，出于一对一的精准营销要求针对不同层级的客户进行区别对待，而客户分层则是区别对待的基础。

RFM客户价值分析模型

时间（Rencency）：

     客户离现在上一次的购买时间。

频率（Frequency）：

     客户在一定时间段内的消费次数。

货币价值（MonetaryValue）：

    客户在一定的时间内购买企业产品的金额。

七、 跨界营销

利用大数据跨界营销成功的关键点

1   价值落地

2  杠杠传播

3   深度融合

4   数据打通

八、精准营销

    精准营销的四大特点

1   可量化

2   可调控

3  保持企业和客户的互动沟通

4  简化过程

精准营销的步骤

1  确定目标

2  搜集数据

3   分析与建模

4  制定战略

九、商品关联营销

       商品关联营销的概念及应用

关联营销：

关联营销是一种建立在双方互利互益的基础上的营销，在交叉营销的基础上，将事物、产品、品牌等所要营销的东西上寻找关联性，来实现深层次的多面引导。

关联营销也是一种新的、低成本的、企业在网站上用来提高收入的营销方法。

       关联分析的概念与定义

最早的关联分析概念： 是1993年由Agrawal、Imielinski和Swami提出的。其主要研究目的是分析超市顾客购买行为的规律，发现连带购买商品，为制定合理的方便顾客选取的货架摆放方案提供依据。该分析称为购物篮分析。

电子商务领域： 关联分析可帮助经营者发现顾客的消费偏好，定位顾客消费需求，制定合理的交叉销售方案， 实现商品的精准推荐 ；

保险公司业务： 关联分析可帮助企业分析保险索赔的原因，及时甄别欺诈行为；

电信行业： 关联分析可帮助企业发现不同增值业务间的关联性及对客户流失的影响等

简单关联规则及其表达式

事务：简单关联分析的分析对象

项目：事务中涉及的对象

项集：若干个项目的集合

简单关联规则 的一般表示形式是：前项→后项（支持度＝s％，置信度＝c％）

或表达为：X→Y（S＝s％，C＝c％）

例如：面包->牛奶(S=85%,C=90%)

            性别（女）∩收入（＞5000元）→品牌（A）（S＝80％，C＝85％）

支持度、置信度、频繁项集、强关联规则、购物篮分析模型

置信度和支持度

support(X→Y)= P(X∩Y)                  

confidence(X→Y)= P(Y|X)

十、评论文本数据的情感分析

       商品品论文本数据挖掘目标

电商平台激烈竞争的大背景下，除了提高商品质量、压低商品价格外，了解更多消费者的心声对于电商平台来说也变得越来越有必要，其中非常重要的方式就是对消费者的文本评论数据进行内在信息的数据挖掘分析。评论信息中蕴含着消费者对特定产品和服务的主观感受，反映了人们的态度、立场和意见，具有非常宝贵的研究价值。

针对电子商务平台上的商品评论进行文本数据挖掘的目标一般如下：

分析商品的用户情感倾向，了解用户的需求、意见、购买原因；

从评论文本中挖掘商品的优点与不足，提出改善产品的建议；

提炼不同品牌的商品卖点。

商品评论文本分析的步骤和流程

商品评论文本的数据采集、预处理与模型构建

数据采集：

1、“易用型”：八爪鱼、火车采集器

2、利用R语言、Python语言的强大程序编写来抓取数据

预处理：

1文本去重

检查是否是默认文本

是否是评论人重复复制黏贴的内容

是否引用了其他人的评论

2机械压缩去词

例如： “好好好好好好好好好好”->“好”

3短句删除

原本过短的评论文本      例如：很“好好好好好好好好好好”->“好”

机械压缩去词后过短的评论文本   例如：“好好好好好好好好好好”->“好”

4评论分词

文本模型构建包括三方面：情感倾向分析、语义网络分析、基于LDA模型的主体分析

情感倾向分析：

基于情感词进行情感匹配

对情感词的倾向进行修正

对情感分析结果进行检验

语义网络分析：

基于LDA模型的主体分析

十一、大数据营销中的伦理与责任

       大数据的安全与隐私保护

数据安全：一是保证用户的数据不损坏、不丢失；二是要保证数据不会被泄露或者盗用

大数据营销中的伦理风险：用户隐私、信息不对称下的消费者弱势群体、大数据“杀熟”

大数据伦理困境的成因：

用户隐私意识淡薄

用户未能清晰认知数据价值

企业利益驱使

] 管理机制不够完善

大数据伦理构建的必要性：企业社会责任、用户与社会群体的维系

这些是我按照老师讲的课本上的内容结合PPT总结出来的《大数据营销》的重点。

作者：许明张雄

教学与研究 2000年04期

　一

　经济学家很少关注人的情绪、情感与市场的关系，不少人持有这样的偏见：从情感的角度研究市场主体行为“不过是‘人格化’的方法，这是败坏政治经济学的毒物。实际上，如果我们要在内心的情感的意义上来了解，我们就人格化。在其他科学里，这种人格化是占星学、炼金术、活力论。就是说，占星家、炼金术士或者活力论者用他的感觉、意志、智慧、理性——总之，用他的理想的典型——描写自己，而不用观察到的运动，并且向为什么它们这样地动，而不是像天文学家、化学家和生物学家后来所问的那样仅仅问他们怎样地动以及动了多少”。（康芒斯：《制度经济学》（下），396—397页，北京，商务印书馆，1965。）显然，理论家们对经济学方法的理解似乎只限于市场运动的过程描述及其量化方面，至于市场行为主体的自身因素对市场的影响则是微不足道的。

　但是，也有少数理论家对情感与市场有着浓厚的兴趣。就理论研究的范式而言，马克斯·韦伯似乎更为重视情感与市场行为、情感因素与经济学家研究方法之间的关系。

　在韦伯看来，经济学家的研究对象不是一种机械体或有机体，而是人类。这些行为人，既是主观的又是受环境支配的。他们的情感、动机、痛苦、快乐等都是主观的，而他们与别人的交易则是受环境支配的。经济研究要了解他们的真实活动，除了测量市场活动本身或者它的结果以外，研究者必须“设身处地”去研究行为活动主体在特定时空条件下的精神因素，尤其是情感因素。在自然科学里，人们只问“怎样”、“什么”、“多少”这些问题，可是，在经济科学里重要的是要了解发生作用的动机，了解人们那样行动的理由。人们求购商品的行动，在商品多的时候不如在商品少的时候那样急切，因为它符合我们自己在同样情况下情感变化的经验。如果我们要真正了解为什么人们那样行动，就必须研究这种情感的作用。经济学应建立在对人的情感作用分析的基础上。这是一种经济学家必备的“历史意识”：要着手研究，只有造成一种心像，不仅显示人们怎样行动，而且显示他们在特殊情况下所选择的行动。只有这种“历史的意识”，方能解释市场行为者的经济行为，不仅是过去的行为，而且是在和他自己不同的情况下的行为。我们不可能把自己放在一个机械或者有机体的位置，来了解为什么那样行动，因为它缺乏像我们自己的情感。

　韦伯如此重视人的情感因素，原因在于他把人的基本行为取向划分为四种类型：目的理性（purposively rational ）行为、 价值理性（value rational）行为、情感性的（affectional）行为、 传统型的（traditional）行为。 所谓情感性的行为是指行为在某种感情状态的波动下发动的，位于有意识行为与无意识行为的边界。在韦伯看来，情感性的行为和传统型的行为不过是理念型的一种解释图式，旨在说明：透过理性类型的应用，需要测算出非理性的偏离程度，以达成对社会的最佳分析。

　美国经济学家乔治·考托瑙，致力于对市场行为的研究，他受格式塔心理学行为模式，尤其是库尔特·莱温解释学行为模式的影响，提出了“消费者感情指标”这一理论。他认为，市场行为作为生活空间的功能，是由人格和环境的相互作用决定的[C=F（P，S）]。 在他看来，市场购买行为不仅取决于经济形势、可使用的资金和购买者的财力，而且取决于他的心理情绪、他对形势的感情，这些构成了经济人格的特点。这种感情（乐观主义或悲观主义）是大部分人都有的，它影响着人们的购物、储蓄或投资的决策。为了获取消费者的期望，用韦尔纳利德的话说也就是“对未来事物的带有情感色彩的主观观念”，考托瑙根据汇集技术制定了消费者的感情指标，这一指标是在大量的市场调查的基础上完成的。其调查表共设8个项目，每个项目后面都有一个问题，要回答：“为什么？”调查要求被询问者指出：他是否认为一年来自己的情况已有所改善，是否认为当下购买某商品是适时的。对调查结果的计算，考托瑙尽可能将情感的消费态度算术符号化，如用（++；或＝+；或－+）表示消费者的乐观情绪，用（+－；＝－；甚至－－）表示悲观情绪，用（+＝；＝＝）表示谨慎态度。百分率是根据答案的总数计算的，因此有助于更好地从市场调查对象所处的形势中来了解他的消费个性。有材料表明，人们在十年中所作的统计似乎已证实了这样一种想法：这些情感指标的主观取向支配着具体的市场行为，只要用6个月至1年时间，就能作出预测：在1973—1974和1978—1980年间，早在汽车销售量下跌以前，消费者的感情指标就已出现了下跌。正如考托瑙在1981年制定的消费者的感情指标所表明的那样，消费者的感情指标的变化和美国30年来出现的经济衰退是一致的。因此，有些经济学家认为，考托瑙的感情指标的图式可以作为表示市场商业周期中出现变化的报警器。

　类似于马克斯·韦伯、考托瑙的有价值的观点还可以引述一些，如西蒙的现代决策理论中“直觉与情感”的论述，梅奥的“社会人假设”理论中的“情绪”概念，以及道格拉斯·麦葛瑞哥的“理性人和情绪人”的论述等等。

　二

　（一）情绪—情感与市场行为者的关系

　这个问题涉及市场的人性问题，也是行为者情绪方面的特性问题。经济学家、哲学家休谟，在《人性论》第二卷“论情感”中曾深刻地揭示了经济行为者为什么不断追随财富积累的人性原因，他说：“财富的本质就在于获得生活中的快乐和舒服的能力。这种能力的本质在于它的发挥的概然性，在于它使我们借一种真的或假的推理去预期那种快乐的真正存在。这种快乐的预期本身就是一种很大的快乐；这种快乐的原因既然是我们享有的，并因而是与我们有关系的某种所有物或财产，所以我们在这里就清楚地看到前面体系的所有各个部分（指人性的心灵知觉中情绪情感的诸表现形式——引者注）都极为精确而明晰地在我们面前展现出来了”。休谟实际上已明白地指出人类追逐财富的原因之一恰恰在于人性中存在着不可泯灭的情绪、情感因素的作用。

　情绪—情感成分从市场行为者的角度来说，乃是行为人对态度对象的感受、体验和心情，是对象引起的主体在感情上的反应。厂商对生产某一产品项目的选择、投资者对某一投资对象的定位、营销者对某一商品牌号的推广、消费者持有某一消费品的观念等等，都离不开他们各自对对象存在的一种情感的态度。在市场上，各种媒体所传播的广告的作用，实际上就是消费者、投资者、营销者对某商品或某项目给予感受和心情上的导向。态度对象刺激了主体，使人们获得情感体验：喜好或厌恶、尊敬或蔑视、热爱或仇恨、同情或冷漠等等。它是人们市场决策的一个首要组成部分，也会激励市场行为者的各种动机和兴趣。情绪—情感表明市场行为者对市场运作客体的喜欢或厌恶有着一定的强度和方向。如果情感是反映一种积极的感觉，就可能导致消费者、投资者、营销者的良好反应，而若反映的是一种消极的感情，则给生产商带来十分不利的影响。因此，了解市场行为者的情绪（既有个体情绪又有群体情绪），对市场的运作目标和趋势的测定具有十分重要的意义。在市场上，我们很难区分出两类人：一类似乎是“理性人”，是能运用逻辑推理，具有完备的信息，而且善于准确计算，能够推演出纯粹客观结论的人。另一类是“情绪人”，是缺少理智，感情用事，而且具有高度偏见的人。

　事实上，任何一个市场行为者都不可能绝对地把自身划分为“理性人”或“情绪人”。有人说，人的理性信念完全可以消除人的情感因素，当你在作出市场决策时，只要你奉守如此原则：“让我们不要把个人因素带进问题里去”，“让我们只考虑事实吧”，“让我们冷静下来，客观地考虑这个问题”，那么，你就能消除心理上的恐惧、意愿、焦虑、敌意和侵犯等因素对自身思想和行为的影响。但是，这种作法受到了心理学和行为科学理论的挑战。

　研究者们认为，人的行为不管他是在思想、在分析、在推理，还是在与他人做交易、从事商务谈判，总免不了要受到情绪—情感因素的影响。心理学家麦独孤指出，所有有目的的行为都是由人的复杂情感来决定的。达菲对此作出进一步解释：所有的行为都是有动机的，没有动机就没有行动，而情绪就代表着极端的动机。美国学者PT扬（YangPT）指出：人的行为不可能离开人的感情，当有机体趋向于行动时，就有一个积极的中枢感情过程在工作。感情过程的作用是产生动机并影响行为。 人的行为发生实际上遵循着如此原理：（1）刺激引起感情和感觉；（2）感情的唤醒使有机体接近或离开刺激；（3）感情过程导致动机； （4）动机的强度与感情的各个方面有关（如持续性、强度、频率和新鲜性）；（5）感情过程靠影响选择而发挥着调节作用；（6）从积极感情的激活到消极感情的激活的组织模式是广范围的神经行为模式本身所遵循的最终原则。

　从消费行为学角度来分析，情绪—情感是消费者对某一对象商品所持有的评价与行为倾向，是个人行为的心理准备状态。如果消费者能从购买某种商品中得到一定需要的满足，对该商品评价较高，有一种积极购买的行为倾向，这就是消费者对商品的消费情感，商品就是情感的对象。情感作为个人行为的心理准备状态是一种内在的心理动力，激活着个人采取与之相适应的行为，作用于对象。

　行为学家费希宾曾提出属性态度—情感模式，明晰地揭示了情感与行为的内在关系。见下图：

　在费希宾看来，消费者对商品的情感（态度），是以对此种商品的信念为基础，又与消费者进行各种行为的意向有关，而消费者的各个意向也与其对应的行为有关系。反过来，消费者的行为反馈于消费者的信念，而且一旦形成对商品的一种情感（态度），又将形成新的信念。

　费希宾还进一步对消费者的情感（态度）提出了如下公式：

　Ab=∑W[,i]B[,i]b

　其中：Ab——消费者对特定牌号b的情感（态度）；

　W[,i]——消费者认为该牌号所具有属性i的重要程度；

　B[,i]b——消费者对牌号的属性i所持有的评价性信念；

　N——消费者选择某一特定牌号所考虑的重要属性的数目。

　费希宾模式告示我们：人的情绪反应，虽然有时处于不自觉状态，但是却对人的行为极有影响。人的外显行为离不开个人的意向作用，而个人意向又直接受消费者情感（态度）的驱动。没有情感的存在，便没有人的消费行为。

　需要指出的是，情感对人的市场行为的支配作用，并不是“独来独往”，不受任何理性约束和控制的。费希宾的模式，一方面强调了人的情感因素对外显行为的影响；另一方面，他并没有把感情因素视为行为驱动的最终因素，人的情感态度还要取决于信念的支配。信念往往以目的、动机的形式贯穿在人们的实践活动中，并与情感、意志相结合，形成一种稳定的观念意识支配人们的行动。众所周知，人的信念说到底，不过是人们对理性认识和实践行为的正确性的内在确信。理性不可等同于信念，但理性在信念中有着很重要的地位。强调理性不能取消行为决策的感情因素，并不等于理性对感情因素没有制控功能。实际上，市场行为者能够通过掌握市场的理性逻辑来调控人的情绪和情感，从而达到对行为的制控作用。这种过程是发现情感的存在和减少理性决策途径中情绪障碍的过程，也是变消极情感为积极情感的转换过程。在证券交易所，政府有责任通过交易的理性原则来调控交易者波动起伏的不健康的交易情绪，从而保持积极的投资情绪以便产生规范的交易行为。通常说来，市场运作的规范机制要求所有参与市场竞争或从事消费行为的人尽可能地压制或弱化的情绪有：敌对的情绪、不合作情绪、不忠实的情绪、背信弃义的情绪等。此外，还有与心理有关的情绪力量，如：狠恶、自私、不成熟和不合理的行为等等。

　（二）情绪—情感在市场运行过程中的作用

　其一，情绪—情感可以影响和调节市场的认知过程。

　市场信息总是通过市场行为者的知觉和记忆来进行选择和加工的。情绪—情感是一种监测机构，随时都在注意着信息的流动。它能促进或阻止市场行为的发生和市场运作的过程。这是因为情绪—情感体验所构成的恒常心理或当下的心理环境，都对市场的信息加工起组织与协调作用。按照情绪—情感的适应性，它协助市场行为者选择信息与环境相适应，并努力去改变环境。

　当投资者在各种条件已基本成熟时，他的良好心情有可能带来积极的投资心态。良好的心情与良好的外部形象相结合，使他对投资方的信任度大大增加，缩短由于陌生感而带来的心理距离，有助于合作意识的强化。在项目决策时，往往能达到思路开阔、思维敏捷、决策果断的效果。当投资者心情处于极度恐惧、郁闷和低沉时，它的投资心态往往是十分糟糕的。有可能在投资谈判时，对细枝末节问题过于钻牛角尖，人为制造障碍，甚至导致谈判的中断，不利于项目的成功。假如投资者过分担心投资额的回报率，那么，亏损的恐惧感往往影响投资者的行情分析和理智判断，结果，往往是“当断不断，反为祸乱”。

　当投资者心情处于过分冲动并达到激情状态时，往往易出现反常思维或反常行为。一方面，激情有助于冲破思维惰性，拓宽投资意向的空间和压缩投资决策的时间，有助于在较短的时间内调动一切参与市场投资的积极因素，排除投资环境和投资条件中的某种障碍。持久而炽热的激情甚至能激发足够的能量去完成预期投资工程。另一方面，冲突的情绪也极易带来决策的不冷静、计算上的粗糙、操作上的失误，从而使风险系数加大。

　其二，情绪—情感可以协调市场交往和人际关系，提高经济人的工作效率。

　在市场经济中，人与人的关系、物质与精神的关系是极为复杂和多样的。而情绪—情感，在人们的市场活动中又经常处于极为敏感的前沿地位，情绪因素对于协调人与物、人与人的关系有着重要的心理作用。众所周知，市场行为者总是带有一定情绪与其他经济人进行交往的。情绪是主体的基本生存状态，没有情绪的主体间交往是不存在的。主体的情绪正是通过对交往效果的影响而间接地影响着自身参与市场竞争的能力。从心理学角度而言，交往首先是语言交际的存在，然而，情绪对于交往的作用一点不亚于语言。它们相辅相成，缺一不可。情绪—情感总是通过表情的中介作用来达到人们彼此之间的相互了解和彼此沟通的效果。它可以为经济人建立相互协作的感情纽带，并及时传递着彼此知晓的市场信息。还可以为经济人去辨认当下所处的不十分明确的市场环境和交易人的态度。人们也常说，情绪—情感是“润滑剂”，做生意讲究“一回生，二回熟”就是这个道理。对于厂商来说，注意从情绪—情感方面协调企业与职工、职工与职工之间的人际关系，有助于生产效率的提高。在企业里，情绪—情感就是职工作为人所得到的满足程度的一个函数，满足程度依存于两个因素：一是职工个人情况，即职工由于其个人历史、家庭生活和社会生活所形成的个人态度和情绪；二是作业环境情况，即职工通过与自己同处一个作业环境中的同伴和上级的接触而形成情感氛围和人际关系。一位称职的现代企业管理者，应当具备两种技能：技术—经济的技能和人际关系的技能。前者是企业效益逻辑，后者是满足职工感情逻辑。学会情绪—情感逻辑的技巧，可以在正式组织的经济需求同非正式组织的社会需求之间保持平衡。平衡在一定条件下是取得高效率的关键。职工通过社会机构来取得别人的承认，获得安全感和满足感，从而自愿为实现企业目标而合作。学会情绪—情感逻辑的技巧，就使缩短厂商的最大化目标与企业职工最大化目标之间的视角距离成为可能。

　其三，情绪—情感对市场行为者的认知动力、价值取向、对象性选择有着重要的影响。

　首先，情绪—情感可以通过放大或弱化主体的需要来影响行为者的认知动力。经济人的活动总是受自身的需要所驱使，然而，人的需要总是在一定情绪状态中产生和变化的。在情绪中产生和变化的需要不可避免地要受到当时情绪的影响。90年代的中国大陆出现股票热、债券热、房地产热、土地批租热、期货热、外汇热等等，一个接一个，在众多的投资者中，有人一年内改换了几种投资形式，其需要形式的改变与波动起伏的市场投资情绪的影响密切相关。现代心理学研究表明，当主体在某种需要的驱使下去从事某一种对象的认识活动时，如果其需要受到某种情绪的影响而放大，那么，认识的动力就会加大；如果其需要受到某种情绪的影响而弱化，那么，认识的动力无疑会变小。其次，情绪—情感的本质在于，它们以心理体验的方式反映主客体之间的价值关系，表达主体对于客体的价值态度。“同人的需要毫无关系的事物，人对它是无所谓情感的，只有那种与人的需要有关的事物，才能引起人情绪和情感。而且，依人的需要是否获得满足，情绪和情感具有肯定或否定的性质。凡不能满足人的渴求的事物，或与人的意向相违背的事物，则会引起否定性质的体验，如愤怒、哀怨、憎恨等；情绪和情感的独特性质正是由这些需要、渴求或意向所决定的。”（曹日昌主编：《普通心理学》，下册，42页，北京，人民教育出版社，1980。）作为一种现实的、具体的价值心理形式，它们是人的主体尺度的内在精神表现。正如马克思所说：“激情、热情是人强烈追求自己的对象的本质力量。”（《马克思恩格斯全集》，第42卷，169页，北京，人民出版社，1979。 ）情绪—情感能够帮助经济人确定、反映和表达自己所持有的价值观念。如，喜欢生态环境优美的人，往往对那些污染环境的产品，形成否定的、消极的价值态度。情绪、情感与价值的关联，对营销策略有着重要的意义：当消费者的情绪、情感对某种产品采取比较肯定和积极态度时，生产该产品的企业营销策略就要力图使情感不发生变化或产生较小的改变，使消费者最终接受本企业的产品，并从对产品的接受转变为对产品的偏爱。各种市场广告，经常出现“我喜欢×××产品”类似的情感导向式用语，其目的就是要通过消费者感官的刺激，引发情绪、情感方面的关注，达到消费价值导向的目的。

　其四，“市场情绪”能为政府的市场调控提供有价值的信号。

　所谓市场情绪，意指市场某种行为的群集性激动，并伴随着集体情绪的凝结。例如，某种形式的投资热、消费热、开发热、营销热；对物价的恐慌、对商品的抢购等等。市场情绪往往显示出政府某种市场政策、秩序不能满足市场行为者的需要和欲望。当然，也有一些市场情绪来自行为者在没有互通信息的情况下发生集体无意识行为，如农工潮现象。一般说来，市场情绪有着四个特征：（1）自发性；（2）具有使人对之注意的极大力量；（3）具有较强的社会感染性；（4）容易引起市场行为人的冲动。因此，对政府决策部门来说，市场情绪在某种程度上乃是市场供求关系、分配关系、消费关系、社会福利关系等最直接性的市场信号，因而，要敏感而又积极地分析这些信号背后深藏的群众欲望和需要，并主动地加以调节和控制。这对整个市场的健康、稳定、快速发展有着重要的意义。

作者介绍：许明（1969—），男，安徽滁州人，上海财经大学研究生，从事理论经济学研究；（200083） 张雄（1953—），男，安徽安庆人，上海浦东华夏社会发展研究院秘书长，哲学博士，主要从事经济哲学研究。（200129）

监督学习

目前，基于监督学习的情感分析仍然是主流，除了（Li et al,2009）基于非负矩阵三分解（Non-negative Matrix Tri-factorization），（Abbasi et al,2008）基于遗传算法（Genetic Algorithm）的情感分析之外，使用的最多的监督学习算法是朴素贝叶斯，k最近邻（k-Nearest Neighbor，k-NN），最大熵和支持向量机的。而对于算法的改进主要在对文本的预处理阶段。

基于规则/无监督学习

和基于监督学习的情感分析相比，基于规则和无监督学习方面的研究不是很多。除了（Turney,2002）之外，（朱嫣岚 et al,2002）利用HowNet对中文词语语义的进行了情感倾向计算。（娄德成 et al,2006）利用句法结构和依存关系对中文句子语义进行了情感分析，（Hiroshi et al,2004）通过改造一个基于规则的机器翻译器实现日文短语级情感分析，（Zagibalov et al,2008）在（Turney,2002）的SO-PMI算法的基础上通过对于中文文本特征的深入分析以及引入迭代机制从而在很大程度上提高了无监督学习情感分析的准确率。

跨领域情感分析

跨领域情感分析在情感分析中是一个新兴的领域，目前在这方面的研究不是很多，主要原因是目前的研究还没有很好的解决如何寻找两个领域之间的一种映射关系，或者说如何寻找两个领域之间特征权值之间的平衡关系。对于跨领域情感分析的研究开始于（Blitzer et al,2007）将结构对应学习（Structural Correspondence Learning，SCL）引入跨领域情感分析，SCL是一种应用范围很广的跨领域文本分析算法，SCL的目的是将训练集上的特征尽量对应到测试集中。（Tan et al,2009）将SCL引入了中文跨领域情感分析中。（Tan2 et al,2009）提出将朴素贝叶斯和EM算法的一种半监督学习方法应用到了跨领域的情感分析中。（Wu et al,2009）将基于EM的思想将图排序（Graph Ranking）算法应用到跨领域的情感分析中，图排序算法可以认为是一种迭代的k-NN

　　情感在我们的生活中无处不在但我们的选择和行动大多披着理性的外衣，以致人们忽视了情感的重要作用。情感究竟何时以何种方式影响我们的决策(从购物到投资)，始终令许多管理者感到费解和迷茫。

　　本文作者根据行为营销学领域的广泛研究，对影响消费者决策的五大情感因素进行了探讨。了解这些因素，将有助于公司提高顾客满意度和忠诚度。

　　1、不要忽略微妙的情感

　　我们往往关注强烈情感的影响，却忽视了那些微妙的情感也在不知不觉中左右着顾客的行为和选择。比如，芬芳的气味、曼妙的音乐可以吸引顾客走入一家商店。航 空乘务员的一丝微笑能够鼓励乘客购买免税商品。这种简单的改进，比如消除小小的不适，营造积极的氛围等，很容易实施，却能够将路人变为终身顾客。

　　2、瞬间心情可产生持续影响

　　众多商家已经认识到可以利用消费者的七情六欲左右他们的瞬间决定。虽然只是短暂的瞬间，但是此刻的心情可能产生深远的影响。我们一旦因为某种情感做出选 择，将会始终面临内外的压力，必须在今后做出类似的选择。我们的自我形象——公正、慷慨、节约、保守、风趣、有社会责任感——以及我们期望留给别人的印 象，将促使我们日后的行为与这种形象保持一致。商家可以利用“自我形象的一致性”特点吸引顾客。

　　此外，曾经的愉悦会引导未来的决定。所以，要趁着顾客心情不错时促使他们对产品或服务做出评价。这将影响他们今后的回忆和购买意愿。

　　3、利用负面情绪

　　如果商家面对顾客的负面情绪采取明智做法，它们就能化不满为双赢。办法之一就是向顾客提供排遣不佳情绪的途径。

　　例如，保险公司会提醒你人生处处是风险，随后给你提供消除负面情绪的机会，让你购买一份安全感。汽车销售人员、房产中介等许多职业人士很善于激发顾客的负面 情绪，尤其是让他们产生焦虑或担心将来会后悔，这样就可以迫使消费者做出决定：如果你现在不下手，你一直犹豫不决的车子或房子就要被别人抢走了。慈善组织 让我们通过捐钱或奉献时间的方式摆脱苦楚和内疚。

　　4、倾向性情感记忆

　　消费者在回忆情感体验时存在系统性偏见，他们不是将整个消费行为平均地来考量，而是格外关注消费过程中的高 潮、起伏或结局。消费者最刻骨铭心的并不是第一 印象，而是最后印象。因此，有些行业会在顾客体验的最后奉上一份免费代金券或礼物，而有些行业则会在最后为VIP顾客安排顶级客服人员。

　　摘 要：包装是品牌理念、产品特性、消费心理的综合反映，它直接影响到消费者的购买欲。心理与情感是分不开的，本文以包装的情感设计角度去分析包装，探索如何对包装进行创新设计。论文分两个部分构成，一是选取一个品牌做重点分析；二是选取多个品牌，分析包装的情感吸引力。

关键词：包装；情感；创新；消费者

中图分类号：J524 文献标识码：A　　 文章编号：1005-5312（2012）24-0178-01

一、alverde品牌的重点分析

本文调研的方向是关于化妆品的包装。市场上的化妆品牌层出不穷，种种的营销策略和广告包装都是为了一个目的——怎样让自己的产品在纷繁复杂的市场中脱颖而出。

通过文献检索的调研方法，以具体的案例来分析alverde是如何进行他们的包装设计的。Dm-drogerie markt是一家德国零售连锁药店，alverde是其旗下一款天然化妆品品牌。在做个品牌的包装之前，设计者们做了一下调研分析：

设计方向：新颖独特；设计目标：使之在货架上脱颖而出；当时市场分析：只注重有机产品这一方面，而忽视了产品的美容、保健功效是否新颖等重要方面。

他们以此为背景，针对具体问题提出具体的解决方案来开展包装设计：设计概念：将产品的有机与新颖、美容和保健功效融合进一个纯净的设计之中；设计元素：传统的亚洲艺术“花道”；设计构思：将每个产品系列的成分以艺术的方式来排列；设计效果：新包装展现出产品的效果。

整体的包装以白色为主色调，包装结构具有明晰的层次架构和色彩编码。水平标带强有力地传达了品牌的特征，增强了产品的识别度。整个策划的亮点在于“花道”，如何在包装中展现出“花道”这一概念，并且传达给消费者。设计者采用摄影这一手法，以产品系列的成分为摄影对象，在拍摄过程中进行了创新，产品的背面也用光线打亮；构图也十分新颖，很有日本禅宗的味道。这些种种设计最终构成了一个清新的产品形象，打开了化妆品市场。

二、包装的情感吸引力

烘焙在德国有着悠久的传统，但近年来烘焙产品形象显得有点过时，不再吸引年轻人。因此，Kaiser烘焙器皿的设计重点突出了品牌和产品的情感吸引力。在该项目的第一阶段，设计者专注在命名研发上，因为命名必须反映产品的品牌形象。从烘焙器皿的心形造型获得灵感，设计者研发了Love Collection(爱的收藏)这一命名，这一富有情感的命名和独特的包装让Kaiser系列产品备受瞩目，同时带来了娱乐的、节日的气氛。第二阶段，产品的包装形象则激发了顾客想要享受家庭烘焙的小威与欢乐的欲望。最终，凭借设计者的独特的包装设计概念，Kaiser突破了烘焙器皿之前古板乏味的形象，创造了全新的、现代的、富有情感的烘焙形象。

制药行业的产品在包装设计上有自己的规则。一方面，该行业的产品需要传达出基本的医疗效果，另一方面，随着市场竞争的加剧，情感设计起着越来越大的作用。设计者将医药与化妆品元素融合起来，为Visalys研发了一个富有情感和美感的品牌设计，让该品牌一推出即在牙齿美白产品市场上拥有独特的定位。该产品存储盒的设计也象征着美白，传达了产品的药效以及时尚优雅的风格。

三、如何对包装进行创新

（一）产品特性

包装兼具一个功能就是对产品进行宣传，所以要立足自身的产品特性，针对自身的产品特点，进行包装的设计，这样才不会在市面上形成千篇一律的局面，自然就脱颖而出了。

（二）消费者的情感诉求

在包装设计中，还要考虑当今的社会，倡导什么样的理念，比如食品行业中消费者最关注的是食品的安全问题，在进行包装的时候就要将绿色天然无污染等元素考虑其中。

（三）明晰的层次架构

要对一个品牌有一个清晰的层次定位，然后再其内部的商品中再将其分成不同的等级、层次，从而进行不同的标价，会使商品得到不同层次消费者的购买。

（四）色彩编码

产品的包装是个消耗品，即使包装得再精致，最终也会被丢弃掉。这就要求在短时间里让消费者对产品有一个印象，而色彩是最能够达到这种印象的元素。

（五）产品命名

产品命名貌似和包装没多大关系，实际不然，它是对一个产品进行包装设计前的一个产品定位，是一个十分重要的环节，一个好的产品名称也能使其在同类产品中脱颖而出。

（六）独特的包装结构

产品的包装结构能够带给消费者实际操作的体验，这种体验同样会给消费者留下深刻印象的作用。

（七）清晰的产品说明

尤其是新开发的产品，更是要做好产品的说明工作，其中要对说明的版式、字体、颜色等方面进行考究的设计。

参考文献：

[1]王绍强新包装四川美术出版社,2010版

情感分析（Sentiment Analysis）

第一步，就是确定一个词是积极还是消极，是主观还是客观。这一步主要依靠词典。

英文已经有伟大词典资源：SentiWordNet 无论积极消极、主观客观，还有词语的情感强度值都一并拿下。

但在中文领域，判断积极和消极已经有不少词典资源，如Hownet，NTUSD但用过这些词典就知道，效果实在是不咋滴（最近还发现了大连理工发布的情感词汇本体库，不过没用过，不好评价）。中文这方面的开源真心不够英文的做得细致有效。而中文识别主客观，那真的是不能直视。

中文领域难度在于：词典资源质量不高，不细致。另外缺乏主客观词典。

第二步，就是识别一个句子是积极还是消极，是主观还是客观。

有词典的时候，好办。直接去匹配看一个句子有什么词典里面的词，然后加总就可以计算出句子的情感分值。

但由于不同领域有不同的情感词，比如看上面的例子，“蓝屏”这个词一般不会出现在情感词典之中，但这个词明显表达了不满的情绪。因此需要另外根据具体领域构建针对性的情感词典。

如果不那么麻烦，就可以用有监督的机器学习方法。把一堆评论扔到一个算法里面训练，训练得到分类器之后就可以把评论分成积极消极、主观客观了。

分成积极和消极也好办，还是上面那个例子。5颗星的评论一般来说是积极的，1到2颗星的评论一般是消极的，这样就可以不用人工标注，直接进行训练。但主客观就不行了，一般主客观还是需要人来判断。加上中文主客观词典不给力，这就让机器学习判断主客观更为困难。

中文领域的难度：还是词典太差。还有就是用机器学习方法判断主客观非常麻烦，一般需要人工标注。

另外中文也有找到过资源，比如这个用Python编写的类库：SnowNLP 就可以计算一句话的积极和消极情感值。但我没用过，具体效果不清楚。

到了第三步，情感挖掘就升级到意见挖掘（Opinion Mining）了。

这一步需要从评论中找出产品的属性。拿手机来说，屏幕、电池、售后等都是它的属性。到这一步就要看评论是如何评价这些属性的。比如说“屏幕不错”，这就是积极的。“电池一天都不够就用完了，坑爹啊”，这就是消极的，而且强度很大。

这就需要在情感分析的基础上，先挖掘出产品的属性，再分析对应属性的情感。

分析完每一条评论的所有属性的情感后，就可以汇总起来，形成消费者对一款产品各个部分的评价。

接下来还可以对比不同产品的评价，并且可视化出来。如图。

这一步的主要在于准确挖掘产品属性（一般用关联规则），并准确分析对应的情感倾向和情感强度。因此这需要情感分析作为基础。首先要找到评论里面的主观句子，再找主观句子里的产品属性，再计算属性对应的情感分。所以前面基础不牢固，后面要准确分析就有难度。

中文这个领域的研究其实很完善了，技术也很成熟。但需要完善前期情感分析的准确度。

总的来说，就是中文词典资源不好，工作做得不是很细很准。前期的一些基础不牢固，后面要得到准确的分析效果就不容易了。