数据挖掘在市场营销中的应用.doc

数据挖掘在营销中的应用随着知识经济和网络经济体系的飞速发展，企业生产和互联网相结合的时代背景下，产生了大量的数据洪流，在这大量的数据中往往隐藏着企业生产、商业决策的关键信息。但是面对巨大的数据洪流，传统的数据库查询技术和报表工具已经无法挖掘出能够适合企业和决策者的所需求的信息，因此强烈渴望一种新的数据分析技术来处理大量的数据，按照决策者的需求抽取有价值的信息集，数据挖掘技术由此应运而生。因数据挖掘技术从海量的数据中找出辅助决策者做出商业决策的关键信息，而越来越被各行各业所重视和应用。特别在营销领域，企业生产和销售模式逐渐从传统方式向基于订单生产和基于客户营销发展。在营销策略制定中，为了能尽快从业务累计的大量数据中及时获取有价值的信息，准确把握市场走向，提高企业市场竞争力，获取利益最大化，选择合理的数据挖掘技术，将会起到事半功倍的效果。一、数据挖掘的原理1、数据挖据的定义数据挖掘是从大量有噪声的、模糊的、随机的数据中发现尚未被发现的知识，是从系统内部自动获取知识的过程。它是一个萃取和展望新知识的流程，通过分析具体数据，发现确定有效的，有潜在价值的信息，为企业良好运转和决策部门提供关机信息。从数据仓库角度来看，数据挖掘可以被认为是在线分析处理（OLAP）的高级阶段，但其数据分析能力远远超过以数据汇总为主的数据仓库在线分析处理功能。2、数据挖掘的分析方法数据挖据涉及的学科领域和方法有很多，最常见的典型方法有四种，分别是关联分析法、序列分析法、分类分析法、聚类分析法。关联分析法用于发现给定事件或纪录中经常一起发生的项目，由此推断事件间潜在的关联，识别有可能重复发生的模式。关联分析的典型例子是市场购物篮分析，描述顾客的购买行为。如尿布与啤酒的故事就属于关联分析，可帮助零售商决定商品的摆放和捆绑销售策略。序列分析法与关联分析相类似，只是扩展为一段时间的项目集间的关系，常把序列分析看作由时间变量连接起来的关联，序列分析可分析长时期的相关纪录，发现经常发生的现象分类分析法用于预测事件所属的类别。其中样本数据中包含标识样本事件所属类别的数据项，类别是已知的，由数据挖掘根据样本数据构建对这些类别的模式的描述，再利用所发现的模式，参照新的数据的特征变量，将其映射入已知类别中。如在医疗应用中，可根据患者的各种特征进行疾病诊断等。聚类分析法用于描述和发现数据库中以前未知的数据类别，其中样本数据中不包含类别变量，数据挖掘将具有共同趋势和模式的数据元组聚集为一类。使类内各元组相似程度最高，类间差异最大。常用于市场细分，可根据已有顾客的数据，利用聚类技术将市场按顾客的消费模式的相似性分为若干细分市场，以进行有针对性的市场营销。二、数据挖掘应用在市场营销中的理论依据在市场营销中采用数据挖掘是营销发展到一定阶段的迫切要求，是现代营销在高科技信息时代的必然产物，它有助于提高企业的营销效率，降低营销成本，其理论依据有消费行为、细分市场理论、顾客数据库和直接营销等。一种产品或者服务在制定营销计划之前，营销者必须研究消费者市场和消费者行为。一方面在分析消费者市场时，公司需要了解购买对象、购买目的、购买行为、购买时间和地点等因素。另一方面还要分析影响消费者消费行为的主要因素，如文化因素、社会因素、个人因素和心理因素等。通过搜集顾客消费数据，采用数据挖掘技术，可以简明地得到这些信息。根据这些信息，营销者就能够制定出有效的营销计划，为有效地赢得顾客，创造利润提供保证。数据挖掘及时基于市场细分原理，其基本假定是“消费者过去的行为是今后消费倾向的最好说明”。任何公司或者企业的服务都不可能面向所有顾客，只能有小弟服务于其中的一部分细化市场，要想挑选好市场和服务市场，公司应该进行目标营销。目标营销需要经过市场细分化、目标市场选定和市场定位三个步骤。市场细分化按照精确性程度，由细分营销、缺补营销、本地化营销和个别化营销四个部分。个别化营销是细分化市场的最后一个层次，是消费者个性化追求个性消费的必然要求。在做完市场细分之后，需要评估细化市场，公司要从细分市场的吸引力、公司的目标和资源两方面来评估不同的细分市场，最后在目标市场上定位，采用数据挖掘技术能从顾客技术中分析出各个层次的细分市场，从而为公司定位于自己的目标市场提供可靠的依据。三、数据挖掘在市场营销中的应用许多优秀的市场营销人员不仅明白搜索顾客数据的重要性，而且意识到真正的挑战在于演绎出一门能够针对顾客提出只能的、前瞻性的营销方案的知识体系，数据挖掘技术有效的帮助了营销工作者透过表面无关的顾客数据层，挖掘出数据之间的内在有意义的联系，从而不仅能对顾客需求做出及时反映，还能对顾客需求进行有效的预期。通过对大量的顾客消费数据进行分析，可得顾客的消费倾向和消费群体分布。从而分析顾客带来的利润分布状况和细分市场的特征，并在此基础上制定有效的、低成本的营销计划，最终为企业带来更多的利润。1、确定营销目标，定向营销通过搜集和加工，处理设计消费者消费行为的大量信息，确定特定消费群体或个体的兴趣、消费习惯、消费倾向和消费需求，进而推断出相应消费群体下一步的消费行为，以此为基础，对所识别出来的消费群体进行特定内容的定向营销。2、依据数据挖掘技术，寻求新的利润空间企业将商业消费信息组合在一起，应用超级计算机并行处理，采用神经元网络、模型化算法和其他信息处理的手法进行处理，依据分析方法，可以推断出顾客在现有的消费需求的基础可能会导致与此相关的其他需求，营销者如果能够满足这些扩展需求，就可以在现有的顾客利润基础上找到新的利润点。举一个简单的例子，当银行通过对业务数据进行挖掘后，发现一个银行账户持有者突然要求申淸双人联合账户时，并且确认该消费者是第一次中请联合账户，银行会推断该用户可能要结婚了，它就会向该用户定向推销用干购买房厍、支付子女学费等长期投资业务。3、构筑竞争优势，扩大营业额在市场经济比较发达的国家和地区，许多公司都开始在原有信息系统的基础上通过数据挖掘对业务信息进行深层次加工。以构筑自己的竞争优势，扩大自己的营业额。比如美国运通公司就有一个用干记录信用卡业务的数据库，数据量达到54亿字符，并仍在随着业务进展不断更新。运通公司通过对这些数据进行挖掘，制定了“关联结算优惠”的促销策略，即如果一个顾客在一个商店用运通卡购买一套时装，那么在同一个商店再买一双鞋，就可以得到比较大的折扣，这样既可以增加商店的销售量，也可以增加运通卡在该商店的使用率。再如，居住在伦敦的持卡消费者如果最近刚刚乘英国肮空公司的航班去过巴黎，那么他可能会得到一个周末前往纽约的机票打折优惠卡。4、建立业务数据库，扩展自身业务 基于数据挖掘的营销，常常可以向消费者发出与其以前的消费行为相关的推销材料。卡夫食品公司建立了一个拥有3000万客户资料的数据库，数据库是通过收集对公司发出的优惠券等其他促销手段作出积极反应的客户和销售记录而建立起来的，卡夫公司通过数据挖掘了解特定客户的兴趣和口味，并以此为基础向他们发送待定产品的优惠券，并为他们推荐符合客户口味和健康状况的卡夫产品食谱。又如，美国的读者文摘出版公司运行苕一个积累了40年的业务数据库。其中容纳有遍布全球的一亿多个订户的资料，数据库毎天24小时连续运行，保证数据不断得到实时的更新，正是基干对客户资料数据库进行数据挖掘的优势，使读者文摘出版能够从通俗杂志扩展到专业杂志、书刊和声像制品的出版和发行业务，极大地扩联了自己的业务。四、总结数据挖掘是现代研究的热点，并且在各行各业初步发挥了其优越性和潜力，但同时它也面临着一些不可避免的问题。需要进一步研究在不同抽象层次挖掘多类型知识的有效方法；需要更灵活、方便的数据挖掘语言或接口；需要研究针对面向对象的数据库，空间数据库和多媒体数据库之类的高级数据挖掘技术；需要挖掘不同来源的数据；发现的知识与专家定义的知识的集成；以确保在数据挖掘中对隐私的保护方法等，都是易购需深入研究的重要论题。随着数据挖掘技术的迅速发展，越发掀起了投资数据挖掘项目的高潮。但在实现这一复杂、昂贵的数据同时，也暴露了很多问题。投资者往往对其存有过高期望，低估成本，带来了极大的风险；另外还需要专门的内部专业技术人员或咨询机构解释、评价数据挖掘结果，增加了成本。因此信息管理人员和投资者还需要充分认识其潜在的问题，要从需求、数据、财力和技术四个方面考虑，认