大数据背景下房地产精准营销模式研究

大数据背景下房地产精准营销模式研究

大数据的兴起为房地产行业的营销提供了新的视角和途径，使得房地产精准营销的实现成为可能。据此，介绍了大数据在房地产行业的运用概况，通过数据挖掘與数据分类整合，结合某房地产电子商务公司精准营销理念，构建大数据背景下的房地产精准营销模式，有效结合传统房地产线上线下营销模式，形成大数据背景下房地产精准营销流程图，并对大数据背景下的房地产精准营销提供了相关建议。

标签：大数据；房地产电子商务；精准营销

1大数据在房地产行业中的运用概况

我国房地产行业经过了数十年的发展黄金周期，伴随着大数据时代的到来，房地产行业在开发投资方面积累了城市地理位置，经济发展情况，城市规划和政策导向，投资在建和供地情况等大量历史数据。在大数据的背景下企业可以根据收集到的相关数据进行挖掘分析，以此来预测未来的供需情况，合理评估项目投资价值，提高开发决策的准确性。Google公司就曾利用搜索引擎記录的相关数据，通过分析海量的关键词词，低成本高效率地预测了美国住房市场供需和价格等相关指数。

房地产行业的价值链主要是融资、拿地、设计建造、销售以及物业服务等几个环节。大数据时代的到来，为传统的房地产企业提供了新的视角。房地产行业迅猛的发展，开发和营销模式不断成熟和完善，但是在市场逐步趋向饱和，不确定性增大的情况下，传统的发展方式也遇到了瓶颈，经营风险扩大迫使不少企业转型以谋求新的利润增长点。在大数据的背景下，当地产企业可以深入分析挖掘到通过以往传统数据分析手段无法获得的各类有效价值，借此对房地产企业未来发展和经营做出更为迅速、科学、精准、安全的决策和预测。提炼大数据的价值并将其应用于房地产企业经营管理各个环节对于房地产企业未来发展至关重要。

2大数据背景下房地产公司精准营销模式

大型房地产公司为了获得巨大利润，需要最大程度的运用企业现有资源和投入资本，尽最大可能减少房地产企业管理运营成本，通过结合传统地产营销和电子商务地产的线上线下营销模式，在大数据的背景下，大数据技术支持和应用下，深入挖掘消费者的需求、意愿、行为以及心理数据，制定针对不同客户的个性化服务营销方案。

大数据背景下房地产精准营销指的是房地产企业依托互联网精准营销系统支撑，在准确进行房地产企业产品市场定位的基础上，以满足客户差异化需求、激发客户潜在需求为切入点，找准营销人群、配准营销策略匹配营销渠道、投准营销资源，其特点是针对性强、命中率高、效果更佳。该精准营销模式包含以下四个步骤。

2.1顾客需求及行为分析

顾客的需求及行为的分析主要是在大数据的背景下，大数据技术支持和应用下通过当下最流行的社交网络，购物，娱乐，团购网站以及传统的银行，公安，第三方公司等在线数据共享机制，对顾客消费需求，消费偏好，消费行为，消费心理，购买特点，购买能力，购买习惯以及情绪等数据进行分类存储和深入挖掘，将大众顾客以不同维度进行细分，得出每一维度顾客的需求特点，针对其特点制定符合其需求的营销方案，在对房地产企业产品清晰市场定位的前提下，在所制定的各个维度中寻找目标客户群进行进准营销，与此同时还可以深入挖掘潜在客户群，为房地产企业今后产品定位提供数据支撑。

2.2顾客个性化需求画像

由上节所知，通过对大众消费者的深入分析，为他们制定不同维度，将他们区分为不同的聚类群体，但不是所有聚类群体对都是房地产公司的目标客户。因此，我们需要在所有聚类客户中寻找具有购房能力且具有购房意愿的聚类群体做精准营销，将有购房能力无购房意愿和无购房能力有购房意愿的客户标注为潜在客户，由此我们便在不同维度聚类群体区分的前提下得出了不同条件下聚类群体的特征，以此作为顾客的个性化需求画像，为下边的精准匹配做准备。

2.3客户与产品的精准匹配

在制定完消费者个性化需求画像之后，我们将画像与房地产现有不同层次的产品特点进行贴合，将他们之中相同的特点进行精准定位，把消费者的个性化需求特点与楼盘产品的卖点相结合，最终锁定目标客户，进行精准营销。

2.4精准营销流程的支持

成功的精准营销需要决策，组织，计划，设计，运营以及现场实施等多个环节的共同作用，缺一不可，在制定出针对不同群体的个性化精准营销方案之后，营销团队需要通过现有资源和设备针对目标客户群进行精准营销，在售房中心，电话营销，短信营销等传统营销渠道的应用和拓展基础上，加入当前新型媒体的宣传，如微信营销，微博营销，社交网站营销以及直播互动营销等方式，锁定目标客户群，促使其产生购买欲望。

3大数据背景下房地产精准营销流程

在结合某房地产企业传统营销模式和现代电子商务营销模式的基础上，本文构建了大数据背景下房地产精准营销流程，如图1所示。

通过流程图我们可以发现，在图1的外围流程依旧是从消费者通过房地产开发商售楼中心以及大众媒体传播得到消息之后，进行电话咨询以及现场勘查最终促成双方交易的传统房地产营销模式，而图1的内部，是在大数据的背景下，大

数据技术的支持以及应用下所形成的精准数据信息流程，接下来我们将主要分析细化大数据背景下房地产精准营销流程。

如图1中间部分所示，我们将图中间部分的数据库，数据中心以及电商部三个部分组合起来，所形成的一个整体被称为精准营销的大数据中心。整个大数据中心由企业的信息技术团队，营销团队以及服务团队共同合作建立，大数据中心通过制定相关算法并对数据库中的数据进行结构化整合归类，方便后期进行数据调取及分析，同时进行深入分析和数据挖掘，提炼数据的潜在价值，为企业的精准营销提供有力的数据支撑，大数据中心主要有三个功能：

第一个功能是数据收集功能，房地产电子商务平台。首先，整合分类已在房地产平台注册过的用户个人基本数据资料，讲这些资料放入大数据中心的数据库中等待进一步的数据处理分析和数据挖掘。其次，大数据技术支持和应用下，通过对社交网络，购物网站，娱乐中心，团购网站等数据的搜集，对时下最流行的手机通讯类软件，娱乐，购物，地图，旅游类APP以及直播平台直播APP数据的搜集，以及对传统的银行，公安，第三方数据应用公司等数据的收集，将这些不同渠道搜集起来的消费者数据进行整合分类，存储在数据库当中有待进一步的分析与挖掘。最后，还要将房地产电子商务客户服务呼叫中心针对已达成交易的客户咨询问题和疑问进行归类存储放入数据库当中。通过以上三个方面针对售房企业，地产消费者以及购房业主的数据搜集为下一步数据分析提供了有力的先决条件。第二个功能是数据分析功能，将上一节中从三个方面搜集而来的数据从数据库中调出，设计相关算法构建模型进行測算，通过大数据技术的应用深入挖掘顾客消费需求，消费偏好，消费行为，消费心理，购买特点，购买能力，购买习惯以及情绪等特点，并建立不同纬度将客户进行分类，如图2所示，我们将数据库中的消费者基本数据根据客户年龄，婚姻状况，收入，职业教育情况，现有住房等基本维度进行分类，再根据房地产电子商务数据中心所传回的买房者电话咨询情况，网络搜寻情况，实地考察情况等维度进行整合，再加入已经有房的业主针对房展会与房交会的关注情况构建模型，由于数据量庞大，不仅有定性数据，还有定量数据，所以，我们将划分为不同维度的定性定量数据运用聚类模型，层次分析模型，因子分析以及分層对比分析等多种分析模型进行整合，编写D-SOM 算法进行分类提取，并利用K-means聚类算法和Kruskal-Wallis算法检验D-SOM 算法的有效性和合理性，对各种维度的聚类数据进行数据的反复验证，凡是验证通过的聚类数据将进入下一部数据匹配过程，验证不通过的数据将返回数据库中等待下一次聚类分析验证，由此不断循环分析所得的聚类数据，为下一步消费者个性化数据与房地产公司现有房源信息匹配做准备工作。

第三个功能是数据匹配和传递功能，我们将房地产现有房源信息以及不同房地产公司的数据进行分类，对外部环境因素如区域位置，交通状况，教育设施，医疗设施以及生活配套设施等进行分类，对房源信息因素如房屋面积，房屋户型，房屋价格以及日照和朝向分类，对品牌因素如地产开发商，地产建筑商，房租施工水品，物业公司等分类，把以上数据进行聚类整合，与上节验证通过的消费者个性化需求聚类数据进一步与房地产公司所提供的现有房源聚类信息进行组合和数据匹配，匹配不成功或匹配成功拟合度却不高的数据将被弃用，返回各自所在的数据中心进行下一次聚类拟合分析，而对于匹配成功且拟合度高的消费者数