（管理科学与工程专业论文）智能化零售业客户特征分析研究.pdf

摘要 摘要 随着国内各个大型零售超市的迅速崛起和国外零售超市企业的介入 中国国 内零售行业的竞争已经到了非常激烈的程度 零售超市企业要在竞争中立于不败 之地 必须充分重视客户关系管理 数据的指数级增长和智能化分析技术的发展同时为顾客关系管理带来了机 遇和挑战 对顾客进行细分并发现最有价值的顾客 整合企业有限资源对重点客 户进行差异化服务 为企业在残酷的市场竞争中保持竞争力有着极为重要的意义 而发现最有价值的顾客 关键在于对客户特征有全方位的把握 数据挖掘 d a t am i n i n g 可以快捷有效的处理大量历史和现有数据 能够从 数据库中发现一些潜在的 有用的 有价值的信息来应用于超市经营 本文旨在应用数据仓库的原理和数据挖掘方法进行零售企业顾客细分 然后 对不同顾客群进行客户特征分析 从零售行业的特殊性入手 结合零售业客户关 系管理理论 引入数据挖掘理论和技术 以某大型零售超市作为研究对象 构建 基于数据挖掘和数据仓库理论的零售超市企业客户管理系统 本文做的主要工作如下 1 本文的研究对象为国内某超市的运营及客户数据 针对国内超市的数 据冗余数据 无效及错误数据多 可供使用的客户属性少等特点 设计了新的数 据清洗及属性提取的方法 并利用t r a n s a c t s q l 语句进行实现 为客户细分及客 户特征分析打定坚实的基础 2 目前流行的数据挖掘数据处理的软件各有其优点 本文基于实际应用 的需要 根据数据特征及各软件的优劣 把各软件有机的整合于从数据预处理 数据仓库构建 模型构建 模型评价 结果分析呈现的数据挖掘流程中 充分发 挥了各种软件的优势 3 对零售超市的客户价值提出了新的分类方法 接着进行实证分析 通 过聚类分析的数据挖掘处理方法 对客户进行细分 在聚类数目的选择上 采用 类间的距离均值比较方法 实现了理论基础与数据的统一 为了对细分的方法与 传统的矩阵划分方法比较 采用组间方差和组内方差对传统矩阵划分方法与聚类 方法进行比较 确认了聚类方法较之传统的矩阵划分方法的优势 4 在对客户进行细分的基础上 为了挖掘各类客户的特征 分别对各类 广东1 业大学管理学硕士学位论文 客户群体使用关联规贝i j 挖掘方法 得到关于客户特征组合的规则 并且根据超市 的实际对规则进行解释 以对超市的营销管理工作提供参考 5 根据客户对打折商品的偏好程度 利用数理统计的方法 对客户进行 另一个方向的划分 再用关联规则挖掘方法 得出具有不同打折偏好的各类客户 的特征 论文的研究提供了具有一定应用价值的研究方法和成果 旨在帮助零售超市 企业根据客户价值准确的细分客户 进而全面把握各类客户的特征 进行有针对 性的市场开发和策划营销 提高企业核心竞争能力 关键诃 零售业 数据挖掘 客户细分 客户特征 聚类分析 关联规则 i i a b s t r a c t a b s t r a c t w i t ht h ed e v e l e p m e n to fl a r g er e t a i ls t o r e sa n dt h ea r r i v a lo ff o r e i g ne n t e r p r i s e s r e t a i ls t o r e si nc h i n am e e ts e r i o u sc o m p e t i t i o ni nt h er e t a i l i fr e t a i le n t e r p r i s e sw a n t t ob ei na ni n v i n c i b l ep o s i t i o ni nt h ec o m p e t i t i o n m u s tg i v ef u l la t t e n t i o nt oc u s t o m e r r e l a t i o n s h i pm a n a g e m e n t t h ee x p o n e n t i a lg r o w t hi nd a t aa n dd e v e l o p m e n to fi n t e l l i g e n c ea n a l y s i st e c h n o l o g y h a s b r o u g h to p p o r t u n i t i e s a n d c h a l l e n g e s t oc u s t o m e r r e l a t i o n s h i p m a n a g e m e n t c u s t o m e rs e g m e n ta n df i n d i n go u tt h em o s tv a l u a b l ec u s t o m e r s t h e i n t e g r a t i o n o fl i m i t e dr e s o u r c e st oc u s t o m e r s d i f f e r e n t i a t e d s e r v i c e s p a l ya n i m p o r t a n tr o l ei nr e m a i n i n gc o m p e t i t i v ep o w e r i nt h eb r u t a lc o m p e t i t i o n a n di ti st h e k e yt o h a v ea l lt h ec h a r a c t e r i s t i c so fc l i e n t sw h e nf i n d i n go u tt h em o s tv a l u a b l e c u s t o m e r s d a t am i n i n gc a ne f f i c i e n t l yd e a lw i t ht h el a r g en u m b e ro fh i s t o r i c a la n dc u r r e n td a t a f r o mt h ed a t a b a s ec a nf i n ds o m ep o t e n t i a l u s e f u la n dv a l u a b l ei n f o r m a t i o nf o rt h e r e t a i ls t o r e s t h i sp a p e ra i m st ou s et h ep r i n c i p l e so fd a t aw a r e h o u s ea n dd a t am i n i n gm e t h o d s t o r e t a i l e n t e r p r i s ec u s t o m e rs e g m e n t s a n dt h e nt o m a k ec u s t o m e rc h a r a c t e r i s t i c a n a l y s i s s t a r tw i t h t h es p e c i a ln a t u r eo ft h er e t a i l i n d u s t r y w i t hc u s t o m e r r e l a t i o n s h i pm a n a g e m e n tt h e o r ya n dd a t am i n i n gt e c h n i q u e sa n dt h e o r y s t u d yal a r g e r e t a i ls u p e r m a r k e t b u i l dc u s t o m e r sm a n a g e m e n ts y s t e mb a s e do nd a t aw a r e h o u s i n g a n dd a t am i n i n g t h em a j o rw o r ki sa sf o l l o w s 1 i nt h i sp a p e r t h eo b je c to fs t u d yi ss u p e r m a r k e tt r a n s a c t i o na n dc u s t o m e rd a t a t h e r ea r em o r er e d u n d a n td a t a i n v a l i da n dw r o n gd a t aa n df e w e rc u o s t m e rf e a t u r e si n c h i n e s es u p e r m a r k e t s t od e a lt h i sp r o b l e m t h i sp a p e rd e s i g nan e wd a t ac l e a n s i n g a n da t t r i b u t e se x t r a c t i o nm e t h o d sa n du s et r a n s a c t s q lt oa c h i e v e m a k eas o l i d f o u n d a t i o nf o rc u s t o m e rs e g m e n t a t i o na n dc u s t o m e rp r o f i l i n g 2 d a t a p r o c e s s i n gs o f t w a r eh a v et h e i ro w nm e r i t s t h i sp a p e rb a s e do nt h ep r a c t i c a l a p p l i c a t i o n a c c o r d i n gt od a t aa n ds o f t w a r ef e a t u r e s i n t e g r a t et h es o f e w a r ef r o mt h e i i i 广东t 业大学管理学硕十学位论文 p r e t r e a t m e n t d a t aw a r e h o u s eb u i l d i n g c o n s t r u c t i o no fm o d e l m o d e le v a l u a t i o n p r o c e s s e s g i v ef u l lp l a yt ot h ea d v a n t a g e so fav a r i e t yo fs o f t w a r e 3 i nt h i sp a p e r w eg i v ean e wc u s t o m e rs e g m e n t sm e t h o d b ye m p i r i c a l t h r o u g h c l u s t e ra n a l y s i sa p p r o a c ht oc u s t o m e rs e g m e n t s w eu s ed i s t a n c eb e t w e e nc l u s t e r m e t h o dt oa c h i e v eat h e o r e t i c a lf o u n d a t i o na n dd a t au n i f i c a t i o n i no r d e rt oc o m p a r e t h et r a d i t i o n a lm e t h o d sa n dc l u s t e r i n gm e t h o d s w eu s es u mo fs q u a r e sb e t w e e n g r o u p sm e t h o da n ds u mo fs q u a r e si ng r o u p sm e t h o d c o n f i r m e dt h ea d v a n t a g eo f c l u s t e r i n gm e t h o d 4 b a s e do nc u s t o m e rs e g m e n t s i no r d e rt om i n ed i f f e r e n tg r o u p so fc u s t o m e r c h a r a c t e r i s t i c s u s ea s s o c i a t i o nr u l e st od i f f e r e n tg r o u p so fc u s t o m e ra n dg e tr u l e s a b o u tc u s t o m e rc h a r a c t e r i s t i c s a n dt h e ng i v ei n t e r p r e t a t i o no ft h er u l e sa c c o r d i n gt o t h ea c t u a lw o r ko fs u p e r m a r k e t f i n a l l yg i v er e f e r e n c et ot h es u p e r m a r k e t sm a r k e t i n g a n dm a n a g e m e n tw o r k 5 a c c o r d i n gt oc u s t o m e rp r e f e r e n c e so nt h el e v e lo fd i s c o u n tm e r c h a n d i s e u s i n g m a t h e m a t i c a s t a t i s t i c sm e t h o d m a k ed i v i s i o no ft h ec l i e n t si na n o t h e rd i r e c t i o n a n d t h e nu s ea s s o c i a t i o nr u l e s f i n a l d l yg e tc h a r a c t e r i s t i c so ft h ev a r i o u st y p e so f c u s t o m e r sw h i c hh a v ed i f f e r e n tp r e f e r e n c e so fd i s c o u n t t h ep a p e rp r o v i d e ss o m em e t h o d sa n dr e s u l t sw h i c hh a v ec e r t a i n a i m e da th e l p i n g r e t a i ls u p e r m a r k e tt om a k ea c c u r a t ec u s t o m e rs e g m e n t s t h e r e b yc o m p r e h e n s i v e l y g r a s pt h ef e a t u r e so fv a r i o u st y p e so fc u s t o m e r s i m p r o v em a r k e t i n gd e v e l o p m e n ta n d m a r k e t i n gp l a n n i n g a n df i n a l l yi m p r o v et h ec o m p e t i t i v e n e s s k e y w o r d s r e t a i li n d u s t r y d a t am i n i n g c u s t o m e rs e g m e n t a t i o n d a t aw a r e h o u s e c u s t o m ec h a r a c t e r i s t i c s c l u s t e ra n a l y s i s a s s o c i a t i o nr u l e s i v 独创性声明 独创性声明 秉承学校严谨的学风与优良的科学道德 本人声明所呈交的论文是我个人在 导师的指导下进行的研究工作及取得的研究成果 尽我所知 除了文中特别加以 标注和致谢的地方以外 论文中不包含其它人已经发表或撰写过的研究成果 不 包含本人或其它用途使用过的成果 与我一同工作的同志对本文所做的任何贡献 均已在论文中作了明确的说明 并表示了谢意 本学位论文成果是本人在广东工业大学读书期间在导师的指导下取得的 论 文成果归广东工业大学所有 申请学位论文与资料若有不实之处 本人承担一切相关责任 特此声明 1 指导教师签字 云 檬传 f 论文作者签字 噶 码j 年月 日 第一章绪论 1 1 问题的研究背景 第一章绪论 随着国内各个大型零售超市的迅速崛起和国外零售超市企业的介入 以及大 型超市在采购配送 人员素质 管理技术 营销技术 服务理念等方面的不断完 善和发展 中国国内零售行业的竞争已经到了非常激烈的程度 利润被不断压缩 顾客在各个超市之间具有了更多的选择 零售超市如何在激烈的市场竞争中去求 得生存和发展 提升自身的竞争能力 从而在市场上谋得一席之地 是我们必须 面对的一个严峻的课题 在这种情况下 对超市数据的充分利用越来越引起企业 的注意 在这面临着海量商业数据的年代 越来越多的零售超市开始重视对商业 数据的充分利用 从中发掘出对企业有用的信息来支持企业的经营决策 在市场 充分而有效的调节下 对商业数据的充分利用的经营理念 伴随着数据挖掘的先 进工具和方法 已经逐渐被各个企业所认可 1 1 1 我国零售业特别是大型超市行业面临的问题 一 但是 随着零售超市规模的不断增大 商品种类和日交易量也日益庞大起来 所积累的商业数据也越来越多 在这种情况下 大型超市面临着如何以最少的资 金组织最快的商品流动 如何根据顾客的需求对商品进行合理的布局和搭配 如 何根据目前的销售信息去预测未来的销售情况等一系列急需解决的问题 面临着 巨大的竞争压力以及伴随着超市规模扩大所出现的一系列问题 迫切需要利用有 价值的商业信息和知识来应付日益激烈的市场挑战 如何有效地开发利用信息资 源 将成为所有超市企业信息工作的重点 我国的超市企业应用现代化信息技术刚处于起步阶段 对商业数据中所包含 的大量潜在的 有用的商业信息利用也还不够充分 加强超市企业经营的信息化 水平 增加其经营 决策 管理的科技含量 是促进超市企业发展的必由之路 1 1 2 数据挖掘技术对提升零售业竞争能力的作用 国内超市企业要在这场激烈的竞争中不被拖垮 必须着力研究先进的技术和 经验 并将其迅速应用到超市的经营管理中去l l l 超市的数据挖掘是一门新兴的 技术 对辅助超市的经营决策具有巨大的作用 加强对超市数据的研究 既是当 广东工业大学管理学硕 学位论文 前国内外超市企业决策研究的热点问题 也是国内超市企业赢得市场的必然选择 面对超市经营所积累的海量数据 理论上 从这些数据中我们完全可以得到 充足的信息来解决以上问题 而目前的数据库技术对这些数据的分析和利用也远 远落后于他们产生和存储速度 对计算机已产生的结果也不能直接的加以应用 仍需人类专家进行分析解释 这一过程耗费了大量的人力和物力 此外 所得到 的知识也可能是不完善的和过失的 而数据挖掘 d a t am i n i n g 可以快捷有效的 处理大量历史和现有数据 能够从数据库中发现一些潜在的 有用的 有价值的 信息来应用于超市经营 为从数据海洋中直接发掘相关知识提供了可能 数据分 析和挖掘正交得越来越重要 它能够使企业和组织获得可以操作的数据 其分析 结果可以应用到实际中 提升企业决策质量 使企业获得竞争优势 对数据挖掘 技术在超市的运用进行研究是非常有意义的一个课题 科用数据挖掘的有关技术 在零售行业中可以展开如下分析 借助关联规则 分析方法 进行不同层次的关联分析 挖掘购物模式 提供商品的类别 品牌等 关联模式 借助专家评分方法 可构造多个指标的综合评分内容 提供给业务分 析人员或行业分析人员或行业专家使用 借助决策树模型 运用于告警分析 挖 掘出隐藏在告警现象背后的商业规律 提前发现商机或预知风险 基于多种时间 序列算法的趋势预测内容 神经网络的聚类分析 预测分析 从容应对商业问题 内容 偏差分析发掘异常值的出现 对商业运作中的异常行为发掘商业内涵 1 1 3 客户特征分析对零售业提高竞争力的重要作用 根据帕累托的2 0 8 0 法贝l j 企业营业收入的8 0 是来自2 0 的顾客 众多企 业运营发展过程中发现占客户比例较小部分的客户却创造了利润的绝大部分 这 充分表明并非所有的客户对企业来说都是有价值的 价值客户才是企业价值的源 泉 2 l 企业对客户区别对待 通过对客户的价值进行多角度的量化分析 可以帮 助企业把有限精力集中在最有价值的客户和最有发展潜力的客户身上 优先配置 资源 同他们建立稳定的客户关系 全面提升企业的盈利能力和竞争能力 在零售业特别是大型超市的运营中 企业面对的是大量的客户 由于大多数 零售企业都引入了会员常i j 有比较成熟的会员管理制度 因此拥有大量顾客的交 易及顾客属性的数据 利用这些数据进行挖掘不仅是可能的 而且也是必要的 由于顾客细分在零售业市场营销工作中的重要地位 加上零售业特别是大型 超市在数据收集方面的优势 在零售业的商业数据利用和分析中 对顾客的分析 2 第一章绪论 占了重要的地位 而在零售业顾客细分当中 怎么样对客户的价值进行分析 以及怎么样把最 有价值的客户识别出来 成了最重要的话题 1 2 国内外文献综述 1 2 1 客户细分方法的现状 随着客户关系管理实践和理论的发展 在客户细分方法研究方面 研究者正 在努力寻找将客户聚类为潜在有利可图的并且在总体中独特的客户群的方法和措 施 g w i n j 在国际学术界 学者们主要利用数据挖掘技术建立基于细分市场水 平的客户分割模型 m o r w i t z 4 使用c a r t 和判别分析以及k 均值聚类方法进行市 场细分 w e d e f s 使用模糊聚类回归方法进行收益细分 v r i e n s t 6 提出一个组合指 标细分方法 如j a e s o ok i m 等研究了神经网络在旅游客户细分中的应用f 7 a v e l l i d o 等研究了神经网络在网上客户细分的应用 b a l a k r i s h n a n l 9 j 利用从家庭 水平扫描数据中导出的咖啡商标转移概率 使用神经网络和k 均值聚类方法完成 了六个细分市场的分类研究 f i s h t o 提出了一个根据神经网络进行工业市场分割 的新方法 国内的如武汉大学郭蕴华等 提出了基于模糊聚类分析的客户分类算 法 清华大学的陈伯成 1 2 1 提出的自组织映射神经网络 s o m 在客户分类中的应 用研究 目前对客户分类的情况还有待于发展 无论是分类算法或者是其与c r m 系统的整合都需要在理论上和实践上进一步研究 1 2 2 客户特征分析研究现状 国内学术领域对客户特征研究主要集中在客户关系管理 c r m 领域 主要 利用数据挖掘技术进行客户特征的分析和选择 通过客户识别 可以从大量的客 户及潜在客户中发现企业的最可能客户 提高c r m 实施的针对性 客户特征选 择的任务就是从大量的客户原始特征中筛选出具有识别显著性的特征 用以设计 客户识别分类器i t 研究客户特征 尤其是显著性特征 能够用于定位目标客户 以更好地市场细分 国外的相关研究覆盖了非常多的学科领域 不仅是c r m 而且在各个专业领 域 如财务审计 医学 银行 电信等 j a m i ep r a t t j a m e sd s t i c e 在研究审计 师诉讼风险决策时需要事先评估客户的财务状况 其中描述客户财务情况的特征 广东工业大学管理学硕七学位论文 主要是指客户财务特征 例如客户资产结构 销售增长率 公司市值 股票回报 可变性等等 1 4 1 g u y d i s hj b u c a r d oj 等人在评估 针头更换计划 n e e d l ee x c h a n g e p r o g r a m 简称n e p 是也考虑到客户特征对客户自愿进行针头更换行为的影响 n e p 是指政府为了保障社会健康状况免费为注射吸毒者提供注射针头的更换 以 避免h i v 肝炎等传染病的交叉感染 在该研究中所提出的客户特征是年龄 性 别 是否无家可归者 是否失业人员 是否贿买保险 是否在过去两年有过传染 病史等 并试图发现哪些特征对最终吸毒者上门更换针头的决策产生影响 1 5 1 对 于客户特征的研究 一般是指如何找到影响客户接受被服务行为的因素 以及这 些因素中最显著的方面 并对其进行评价 在反洗钱研究领域 j a s o nk i n g d o n t j 在文献中提到国外银行对用户特征向量 即所谓支持向量 的提取主要从客户 帐 号 业务 地域 时间几大方面提取 主要是为了对客户的行为的基本属性进行 分类 后文中采用了这种基本分类方法 首先对客户的属性进行分类 根据这一 分类训练客户的各种监测准则集 如数量准贝i j 集 路径准则集 强度准则集和交 易行为集等 从而形成综合的 全方位的监测体系 1 3 本研究的主要内容与方法 1 3 1 研究内容 1 研究目的通过对零售业客户特征分析智能方法的研究 为零售业改进 客户关系管理工作 从而改善企业的运行状况 最终提高自身的竞争能力提供帮 助 2 研究对象重庆市某大型超市的实际运营数据 3 理论依据客户关系管理的相关理论 客户价值矩阵理论 4 研究方法利用数据挖掘理论相关模型 包括聚类分析模型 关联规则 分析模型等 5 研究工具综合运用了目前主流的几种重要的数据处理工具 包括以下 几类 数据库工具 s q ls e r v e r2 0 0 5 数据仓库构建工具 s q l 2 0 0 5b i 工具 数据挖掘工具 c l e m e n t i n e1 0 1 4 第一章绪论 统计工具 s p s sl3 0 1 3 2 研究思路 论文的逻辑结构即研究思路 如图1 1 所示 图1 1 研究思路 f i g u r e1 1l o g i co ft h er e s e a r c h 5 广东t 业大学管理学硕仁学位论文 6 第一章绪论 1 3 3 论文创新点 本文研究重点为客户价值管理 采用基于聚类分析 关联规则的数据挖掘技 术进行系统研究 主要创新点如下 1 对客户价值模型的创新长期以来 在对客户价值细分的经典方法中 矩阵划分 包括二维矩阵及三维矩阵 的方法占了主流 但是这些方法多数是根 据数据某一维的特征进行纵向和横向的静态的切分 这种机械切分的方法没办法 解决在数据分布不均匀的情况下反映数据的实际情况 本文在客户价值理论基础 上 总结客户价值矩阵模型对客户价值评价上的优点 提出了用数据挖掘中的聚 类方法对对客户进行划分 既继承了客户价值矩阵的优势 也能够与现实数据有 效的契合 实现了理论上和实际上的统一 2 对顾客特征分析方法的创新传统的顾客特征分析方法主要是主观经验 和数理统计方法为主 本文把数据挖掘中的关联规则算法引入顾客的特征分析中 来 通过挖掘来得到潜在的 深层的 有效的规则 并且通过对规则的合理的解 释 对符合某条件的客户进行特征分析 应用到实际营销活动中 3 在研究方法上的创新在零售业的客户关系管理上 虽然有现成的理论 可以作为借鉴 但是在研究实际问题上面 由于实际操作数据和理论框架上面的 差距 如何在理论和实际中间找出一个平衡点 从理论指导实践 在从实践里面 提取理论 并升华到一定的高度 这对研究方法又提出了新的要求 本文把主流 数据处理软件有机的整合于从数据预处理 数据仓库构建 模型构建 模型评价 结果分析呈现的数据挖掘流程中 4 在实践上的创新根据国内超市的特点 针对国内超市的数据冗余数据 无效及错误数据多 可供使用的客户属性少等特点 设计了新的数据清洗及属性 提取的方法 并利用t r a n s a c t s q l 语句实现 本文在实际数据的处理上面 充分 利用现有的数据 定性和定量分析相结合 通过建模一模型评估一模型调整的螺旋 上升的方法 实现了理论和实际上面的统一 体现了解决复杂系统问题的方法论 7 广东t 业大学管理学硕七学位论文 第二章 零售超市的特点研究 2 1 零售超市的行业特点 2 1 1 零售超市的商品结构 超级市场商品结构的特点是 除以经营食品 衣料等中低档商品为主外 凡 属人们的日常生活用品可以说是应有尽有 从多数超级市场的商品结构来看 食 品 饮料占一半以上 超级市场的商品结构与一般商场的商品结构有着明显的区别 一般商场的商 品集中起来是一个 全 字 特跳是大型商场 经营的商品一般都达十万种以上 有的甚至上百万种 而且以出售样式新颖 质量好 价格高等高档商品为主 超级市场和一般商场比较起来 它的商品结构的优点是 它所经营的主要商 品是与人们衣 食 住 行息息相关的日常生活用品 这类商品需要量最多 吸 弓 了广大的消费者 因而可以大量销售 由于这类商品一般是大众化的商品 因 而便于一次性大量采购 降低商品价格 因此 超级市场的商品结构与其大量进 货 大量销售的经营方式是相适应的 同其他形式的零售商店相比 具有较强的 竞争力 2 i 2 零售超市的销售策略 超级市场的销售策略整体上可以归纳为薄利多销 超级市场区别于一般商店的一个突出特点 是其在销售商品时 主要采取下 述两种办法 1 商品出售价格低廉据了解 超级市场商品的销售价格 一般比百货商 店便宜 之所以出现这种情况 因为超级市场可以统一大量进货 不但能减少回 扣和运输费用 还可以减少流通环节 降低流通费用 为合理地降低销售价格提 供了条件 2 低盈j i l 多销售一般来说 超级市场的利润率较之其他零售商店为 但 这并不影响超级市场利润总额的增加 因为超级市场商品价格虽然较低 但销售 量大 货物库存时间短 周转速度快 尽管衬润率低 却能获取更多的利润 同 一般商店及其他商品周转慢的零售商店相比较 超级市场薄利多销的销售方法具 8 第二章零售超市的特点研究 有很大的优越性 2 1 3 零售超市的销售方式 超级市场销售方式上的一个主要特点就是自我服务 超级市场利用新的科学 技术成果 改革传统的销售办法 形成了具有独自特点的自我服务方式 这主要 表现在 超级市场基本上不采用售货员售货 而是由顾客自行挑选商品 或使用 自动 半自动机售货 在超级市场内 货架都排成一条条纵横交 错的长廊 商 品都一一标明名称 价格 重量 规格和便用方法等 绝大多数商品采用小型透 明塑料代包装 顾客可以用商店准备好的小车或提篮 任意选购 顾客购买商品 后 可在出口处向出纳员交款 出纳员用电子收款机记录每件商品的数量 价格 收款数 找款数 向顾客结帐 这种新型售货方式的优点是 1 可以节省劳务开支 解决零售商业劳动力不足的困难由于超级市场从 业人员少 对商店管理采用了电子计算机 既减少了职工工资的支出 又节省了 大量的管理费 同时 由于顾客自己任选商品 又可减少现金交易方面的手续和 费用 这不仅可以提高服务效率 还能因减少各项费用而以较低价格出售商品 2 能够使顾客心情愉快顾客可以自行选购商品商品包装的色彩 大小 形状 规格等又全部展示在顾客面前 所有的问题不用问就可以全部知道 因而 买卖方便 顾客可以随心所欲地取放商品 消除或减少了与售货员可能发生的矛 盾 3 可以使顾客有计划地购买商品在超级市场中 顾客可以在自己所带钱 数的范围内自由选购 并可随意地改变计划顺序进行选购 如因携款不足 可以 随时把已挑选的商品放回原处 另行选购或不购 这样就可以避免因退货而与售 货员引起不必要的麻烦 总之 超级市场的产生和发展 是对旧的流通体制的重大改革 其经营方式 和销售方法代表了零售商业现代化的经营方向 可以预料 超级市场今后必将获 得更大的发展 2 2 由行业特点决定的超级市场的数据特点 由超级市场的行业特点i t s 中 超级市场具有品种繁多 质量可靠 价格相对 较低 易于消费者选购等突出特点 因此深受广大消费者欢迎 9 广东t 业大学管理学硕士学位论文 这也导致了大型超市的销售数据具有以下主要特征 1 大量性随着消费者对超级市场这种市场形式的逐步认可 并且由于其 商品结构的全面性以及顾客购买的便利性 超级市场的顾客数量不断增大 数据 以惊人的速度迅速增长 我们所面对的大型超市消费数据达到了海量级别 2 关联性在超级市场所累积的大量销售数据中 由于不同的顾客在同时 选购多种商品时都有自己的理由 这使得销售数据之间存在有一定的关联性 例 如 同种商品 同类商品在不同的时间被不同的顾客所购买 某几类商品总是被 不同的顾客同时购买 同一顾客在不同盼时间购买不同的商品等等 超级市场所 积累的销售数据从某些角度上去看总会具有某种程度的相关性 3 包含信息的潜在性超级市场的大量数据中包含有许多非常有价值的信 息 但这些信息往往隐藏在较深的层次 我们不能够直接得到 必须通过各种原 理和工具对数据进行分析和挖掘 这些信息才能够展现出来 超级市场的数据虽 然十分庞大 复杂 但其中包含着许多有用的信息 随着数据挖掘技术的发展以 及各种数据挖掘方法的应用 我们可以从大型超市数据库中发现一些潜在的 有 用的 有价值的信息来应用于超级市场的经营 4 数据存储电子化现在 条形码已在商品包装 邮电 银行 图书馆 医药等领域中广泛应用 使用最多的是商品条形码 目前超级市场中的商品几乎 都采用条形码 售货时 售货员只要把商品包装上的条形码对着扫描阅读器 计 算机就能根据商品的种类在数据库中自动查询其售价 当描完所有购买的商品的 条形码符号后 计算机便立即报出累计总价 并打印出清单 同时将商品的数量 金额等输入中心电脑 数据的电子化存储为我们及时 高效的提取 利用数据提 供了可行的途径 从超级市场的数据特点中 我们可以看出 在超级市场的数据管理中应用数 据挖掘技术很有其必要性和可行性 2 3 根据行业特点和数据特点设计的客户关系管理功能模型 从上章数据挖掘中知识发现的过程来看 总体上可分为功能 数据和方法三 个部分 结合大型超市客户细分问题的特点 本文设计了一个功能结构模型 如 图2 1 所示 l o 第二章零售超市的特点研究 图2 l 零售业的客户关系管理数据挖掘功能模型 f i g u r e2 1f u n c t i o n sm o d e lo fc u s t o m e rr e l a t i o n s h i pm a n a g e m e n ti nr e t a i l 其中功能部分则既是目标又是结果 总体上客户细分的目标包括客户分类客 户价值分析 客营销策略选择等等 功能不同 在数据和方法的选择上会有很大 的区别数据部分是整个模型的基础 数据的准备和预处理是产生真实有效的挖掘 模式的保证 而客户细分结果是否满意在很大程度上依赖客户维度的选择和度量 的确立方法部分是它的核心部分 在实际应用中 首先应对问题进行分析 清楚 期望得出的结果 需要处理的数据规模以及预测的目标 然后才能决定选用哪一 种技术 模型中的概念维数据是由客户管理的具体需要而确定 并将随着时间的 广东工业大学管理学硕七学位论文 推移而不断增加 它的产生主要有两个来源 一个是来自于客户关系管理的需要 进行分类产生的结果 另外 聚类分析也是一个重要的概念维数据来源 聚类结 果中的每一类数据可以对应一个具有特定管理含义的客户群 则可以将各类客户 的概括描述作为一组概念 这样的一组概念将构成一个概念维度 这一过程又称 为概念聚类 聚类分析既可以产生新的概念维度 又可以为客户属性空间中的客 户与该概念维度建立直接关联映射 下一章本文以某大型超市企业的客户为研究 对象 依据此功能模型 对客户进行细分 并制定相应的营销策略 1 2 第三章基于消费行为的客户细分模型 第三章 客户细分的智能分析方法 3 1 智能分析方法 数据挖掘 3 1 1 数据挖掘的发展 数据挖掘技术是人们长期对数据库技术进行研究和开发的结果 起初各种商 业数据是存储在计算机的数据库中的 然后发展到可对数据库进行查询和访问 进而发展到对数据库的即时遍历 数据挖掘使数据库技术进入了一个更高级的阶 段 它不仅能对过去的数据进行查询和遍历 并且能够找出过去数据之间的潜在 联系 从而促进信息的传递l l s 现在数据挖掘技术在商业应用中已经可以马上投 入使用 因为对这种技术进行支持的三种基础技术已经发展成熟 他们是 1 海量数据搜集 2 强大的多处理器计算机 3 数据挖掘算法 商业数据库现在正在以一个空前的速度增长 并且数据仓库正在广泛地应用 于各种行业 对计算机硬件性能越来越高的要求 也可以用现在已经成熟的并行 多处理机的技术来满足 另外数据挖掘算法经过了这lo 多年的发展也已经成为一 种成熟 稳定 且易于理解和操作的技术 从商业数据到商业信息的进化过程中 每一步前进都是建立在上一步的基础上的 见表3 1 表中我们可以看到 第四 步进化是革命性的 因为从用户的角度来看 这一阶段的数据库技术已经可以快 速地回答商业上的很多问题了 广东1 业大学管理学硕卜学位论文 表3 1 数据库技术的发展 t a b l e3 1d e v e l o p m e n to fd a t a b a s et e c h n o l o g y 进化阶段商业问题 支持技术产品厂家 产品特点 数据搜集 过去五年中我计算机 磁带和l b m c d c 提供历史性的 6 0 年代 的总收入是多 磁盘 静态的数据信 少 息 数据访问 在新英格兰的 关系数据库 o r a c l e s y b a s e 在记录级提供 8 0 年代 分部去年三月的 r d b m s i n f o r m i x 历史性的 动 销售额是多少 结构化查询语l b m 态数据信息 吉 m i c r o s o f t口 s q l o d b c o r a c l e s y b a s e i n f o r m i x i b m m i c r o s o f t 数据仓库 在新英格兰的联机分析处理 p i l o t c o m s h a r e在各种层次上 决策支持分部去年三月的 o l a p 多a r b o r 提供回溯的 9 0 年代 销售额是多少 维数据库 数 c o g n o s 动态的数据信 波士顿据此可得据仓库 m i c r o s t r a t e g y 息 出什么结论 数据挖掘 下个月波士顿高级算法 多处 p i l o t 提供预测性的 正在流的销售会怎样 理器计算机 l o c k h e a d 信息 行 为什么 海量数据库i b m s g i 其 他初刨公司 数据挖掘的核心模块技术历经了数十年的发展 其中包括数理统计 人工智 能 机器学习 今天 这些成熟的技术 加上高性能的关系数据库引擎以及广泛 1 4 第三章基于消费行为的客户细分模型 的数据集成 让数据挖掘技术在当前的数据仓库环境中进入了实用的阶段 3 1 2 数据挖掘的主要任务 数据开采技术的目标是从大量数据中 发现隐藏于其后的规律或数据间的关 系 从而服务于决策l 悖 2 0 数据挖掘一般有以下四类主要任务 1 数据总结数据总结目的是对数据进行浓缩 给出它的总体综合描述 通过对数据的总结 数据挖掘能够将数据库中的有关数据从较低的个体层次抽象 总结到较高的总体层次上 从而实现对原始基本数据的总体把握 传统的也是最简单的数据总结方法利用统计学中的方法计算出数据库的各 个数据项的总和 平均 方差 最大值 最小值等基本描述统计量 或者通过利 用统计图形工具 对数据制作直方图 饼状图等 利用o l a p 技术实现数据的多维查询也是一种广泛使用的数据总结的方法 2 分类分类的主要功能是学会一个分类函数或分类模型 也常常称作分 类器 该模型能够根据数据的属性将数据分派到不同的组中 即 分析数据的各 种属性 并找出数据的属性模型 确定哪些数据属于哪些组 这样就可以利用该 模型来分析已有数据 并预测新数据将属于哪一个组 分类应用的实例很多 例如 可以将银行网点分为好 一般和较差三种类型 并以此分析这三种类型银行网点的各种属性 特别是位置 盈利情况等属性 并 决定它们分类的关键属性及相互间关系 此后就可以根据这些关键属性对每一个 预期的银行网点进行分析 以便决定预期银行网点属于哪一种类型 3 关联分析数据库中的数据一般都存在着关联关系 也就是说 两个或 多个变量的取值之间存在某种规律性 这种关联关系有简单关联和时序关联两种 简单关联 例如 购买面包的顾客中有9 0 的人同时购买牛奶 时序关联 例如 若a t t 股票连续上涨两天且d e c 股票不下跌 则第三天i b m 股票上涨的可 能性为7 5 它在简单关联中增加了时间属性 关联分析的目的是找出数据库中隐藏的关联网 描述一组数据项目的密切度 或关系 有时并不知道数据库中数据的关联是否存在精确的关联函数 即使知道 也是不确定的 因此关联分析生成的规则带有置信度 置信度级别度量了关联规 则的强度 关联模型的一个典型例子是市场菜篮分析 m a r k e t i n gb a s k e t a n a l y s i s 通过挖 掘数据派生关联规则 可以了解客户的行为 广东t 业大学管理学硕仁学位论文 采用关联模型的成功典型案例是总部位于美国阿肯色州的w a l m a r t 零售 商的 尿布与啤酒 的故事 w a l m a r t 拥有世界上最大的数据仓库系统 它利 用数据挖掘工具对数据仓库中的原始交易数据进行分析 得到了一个意外发现 跟尿布一起购买最多的商品竟然是啤酒 如果不是借助于数据仓库和数据挖掘 商家决不可能发现这个隐藏在背后的事实 在美国 一些年轻的父亲下班后经常 要到超市去买婴儿尿布 而他们中有3 0 4 0 的人同时也为自己买一些啤酒 有了这个发现后 超市调整了货架的摆放 把尿布和啤酒放在一起 明显增加了 销售额 4 聚类当要分析的数据缺乏描述信息 或者是无法组织成任何分类模式 时 可以采用聚类分析 聚类分析是按照某种相近程度的度量方法 将用户数据 分成一系列有意义的子集合 每一个集合中的数据性质相近 不同集合之间的数 据性质相差较大 统计方法中的聚类分析是实现聚类的一种手段 它主要研究基于几何距离的 聚类 人工智能中的聚类是基于概念描述的 概念描述就是对某类对象的内涵进 行描述 并概括这类对象的有关特征 概念描述分为