沈阳城市学院建筑工程学院大学生创新创业项目训练 辽宁省 110112
摘要：近年来，人们的生活水平有很大的提高，消费者对于服饰的观念出现了显著转变，逐渐由关注服饰的基本使用价值转向对服饰品质需求、设计感及个性化要求，于是服装定制逐步成为服装行业新的发展点。由于服装定制具有快时尚和个性化的特点，对产品服务和營销要求更加快速便捷、精准定位、时尚把握和良好的用户体验。
关键词：大数据；网络；服装精准定制；模式
1服装定制行业营销技术发展现状
目前中国服装定制业的发展已有初步规模，市场上有雅戈尔、杉杉、报喜鸟、衣邦人、埃沃等定制品牌，但其市场营销还是以市场为导向的传统营销模式为主，依据大规模生产为基础，通过连锁分店来拓展定制业务。随着国内电子商务快速发展，也有部分小型服装定制品牌通过电子商务平台来发展业务，如恒龙、尚品开发了APP服装定制平台，宝禾、伊年、雪虎公司是通过天猫、京东开设服装定制店铺。目前这些平台功能比较简单，主要流程是客户选择款式，输入服装技术参数，然后进入制造环节。因此现阶段的问题是，传统门店营销模式造成定制服装成本过高、时间长、市场感知慢，而当前的定制平台功能比较简单，被动运营，消费行为认知能力不足；没有深度分析客户个性需求以实现精准推荐；缺少流行服饰元素抓取以实现时尚推荐；不能全面掌握市场上的客户关注点和商品评论以改进服饰设计。
2基于“互联网+大数据”服装定制精准营销的意义
2.1助力提升数据价值
服装定制相关数据是企业重要的数据资产，大数据技术完成各种多源跨域数据的融合，将销售数据、服装设计数据、售后评价数据、供应链数据、社交数据、时尚流行资讯、行业数据及竞争对手数据整合在一起，使得企业数据深度、广度和延续性有很大提升，为后续分析提供数据基础，有利于对客户进行全方位价值剖析。
2.2提升营销触达精准率
传统营销模式是大众的、粗放的全面撒网形式。如今，利用大数据使得营销生态全面升级，对用户平台登入的渠道获取，关键词搜索，服饰页面浏览，设计师优选、穿衣搭配参考与服饰选定等用户行为进行分析。掌握客户服饰偏好、颜色偏好、风格偏好、设计师偏好，精准描绘客户画像，量身订制对应的营销产品和营销策略，通过企业APP、微信公众号或其他互联网营销平台精准推送给目标客户，提高被选率，降低营销成本。
2.3搭建市场罗盘，把握市场动态
搭建数据可视化的市场罗盘，通过日、周、月的实时在线数据查询，及时了解各类服饰、面料、风格、促销方案、渠道和设计师等的点击量、收藏量和订单量，获取互联网抓取品牌舆情和商品评价，进行多维度多主题分析，掌握用户需求、产品异动、渠道动态、用户口碑和趋势变化，以调整服饰布局、销售渠道，优化产品设计。
2.4获取流行趋势和市场关注点，辅助产品开发
由于对时尚资讯信息获取的不完整，服装设计师对潮流元素很难把握，通过大数据对权威时尚周及发布会、色彩趋势论坛和时尚预测机构的信息抓取和分析，建立时间序列预测模型，提供给设计师更准确的流行元素参考，帮助设计流行服饰。
通过对主流社交平台和行业网站的信息获取，了解客户对服装定制关注点和评论，深度掌握市场偏好和意愿，辅助设计师对服饰设计的改进和新服饰的开发。
3基于“互联网+大数据”的服装定制的精准营销平台和技术分析
3.1“互联网+大数据”服装定制营销平台的技术架构设计
为整体服务于服装定制行业互联网精准营销创新，满足营销分析平台实时高速分布式运算和存储，提出了基于Hadoop的服装定制营销体系技术架构。该平台分为数据源层、数据采集存储层、数据模型层、功能分析层和业务应用层。
期刊文章分类查询,尽在期刊图书馆
数据源层是提供各类企业内外部来源数据，有结构化的业务系统数据和非结构化的网页、文本、图像等数据，分别有营销系统，时尚资讯，电商平台，社交媒体及外部数据源。
数据采集存储层为该层负责从各类定制客户、服饰等数据库中提取、导入和集成数据，根据不同主题分析需要，设计多维数据逻辑模型，将预处理后的数据进行存储。数据采集主要产品包括网络爬虫、动态采集工具包、日志提取分析工具、外部数据导入工具和其他数据提取工具等。数据存储主要由可进行横向扩展的Hadoop集群[7]构成，Hadoop由HDFS（分布式文件系统），MapReduce（分布式计算），Mahout（数据挖掘），Pig（数据流），Hive（数据仓库）等构成。
数据模型层是负责数据建模、挖掘、评估和发布，包括服装定制中的数据挖掘算法和应用模型，是架构的核心技术层，主要模型有客户画像、服饰画像、服饰搭配、服饰流行预测、促销活动分析、客户关注点、售后评价、渠道传播力、销量预测、款式分析和设计师分析。
功能分析层是负责决策者和各层各部门管理者的功能需求，主要功能有客户关系管理、服装热点分析、流行趋势预测、售后分析、品牌舆情、渠道评价、促销分析和客服优化。
业务应用层是精准营销业务，主要包括客户智能、服装推荐、市场促销和辅助服装设计等几个模块，该层负责将分析结果通过各种可视化形式展现出来。
3.2基于“互联网+大数据”的服装定制精准营销技术分析
3.2.1整合多源数据的人本画像，精准人群策略
服装定制客户画像系統是实现互联网精准营销的一种重要方法，它抽象出客户的信息全貌，将营销数据、客户服务数据、服装设计数据、社交网络数据等进行有机整合，以标签形式构建多层次、多视角、立体化的客户全景画像。全景画像将为服装定制营销系统中精准推荐、广告投放或客户平台的促销活动提供技术支持。
服装定制画像体系由三级标签构成，建立基础信息、购买行为、触点记录和渠道活动四维数据体系。将原始数据按照四维建立一级指标，数据整合后有500个一级标签，如性别年龄、款式色彩偏好、消费频率等；利用统计和聚类分析方法，引入了爱时尚、小资生活、关注促销等二级标签，有近200个标签；在二级标签基础上，结合共性数据挖掘建模算法，抽象出三级标签，可以将客户细分为各个细分群体。根据平台需要，提取标签库中的标签推送给营销系统中的服饰推荐和设计师推荐模块、客服平台的促销模块和渠道平台选择的广告投放模块。
3.2.2服装时尚流行趋势分析
大数据预测时尚流行款式，引导客户需求是服装定制营销中最有特色的技术之一，客户具有其自身独特的审美观，但通常缺乏专业的服装设计知识，因而其对个性化服装的需求通常也是定性或者模糊不确定的。通过大数据技术提取出主要时尚资讯、主要电商热销服饰、社交平台时尚关注等关键词，从颜色、款式等多维度对服装时尚流行关键词进行分析，预测未来服装时尚流行趋势，对符合目标特征需求的客户进行推荐，涉及技术有网络爬虫、语义理解、聚类分析，如图3所示。
3.2.3穿衣搭配和服饰推荐
穿衣搭配和智能推荐是服装定制营销常用的技术手段，主要有在相似商品上的推荐、基于关联规则的流行穿衣搭配推荐、基于用户特征的相似用户、基于用户历史行为的相似用户和用户偏好的风格搭配推荐。模型主要过程是通过客户在线主观情感评价和电商平台上的搜索关键词、浏览行为、购买记录，了解客户对服饰的款式偏好、颜色偏好、设计师偏好，结合用户聚类信息，对适合该客户群的服装款式、风格、主题及关联搭配进行智能推荐。
结论
在“互联网+”环境下机遇与挑战并存，服装定制企业的发展方向是依据自身品牌、规模、服务等方面的优势，融合线上线下资源、产品和服务，实施产品多元化发展营销战略。本文结合大数据营销技术对服装定制行业的数据资源进行分析，设计了服装定制精准营销平台技术架构，在运营技术方面对定制客户画像、交叉销售模型、时尚流行趋势预测等进行分析，提出客户与服饰双向联动的营销策略。随着新媒体和新渠道不断创新，服装定制营销新技术将互联网和大数据更深度融合，从而大幅提高企业营销能力和市场竞争力。
参考文献：
[1]梁道雷,郑军红,杨聪霞,张心怡.基于“互联网+大数据”服装定制的精准营销研究[J].丝绸,2018,55(10):54-59.
[2]宋亚男,张微,谢红,李世伟.服装精准定制中体型分类的方法[J].服装学报,2016,1(04):375-380.
论文作者:杨希,任思帅,宋芷萌
论文发表刊物:《防护工程》2019年第3期
论文发表时间:2019/5/21
标签：数据论文; 服装论文; 精准论文; 客户论文; 互联网论文; 服饰论文; 平台论文; 《防护工程》2019年第3期论文;