论文部分内容阅读
摘要：随着电子商务的深入发展，企业与客户的关系发生了许多变化：客户的选择范围骤然扩大；客户数据爆炸性增长；客户需求多样化、个性化，客户经验成熟化；对企业提出了产品优质、响应迅速、定位准确的高要求；企业正逐步向以客户为中心转变，如何与客户建立起长期的合作联盟，已经成为企业持续长期、稳定发展的重要条件。因而，在网络营销中。如何应用数据挖掘技术对客户数据进行分析，制定适合的精细化和个性化营销策略，如何有效地实施企业的前台驱动者--客户关系管理，已经引起了各行各业的重视。
关键词：数据挖掘 精细化 营销模式
1 引言
精细化营销最早由莱斯特·伟门(Lester Wundermn)提出来，他认为通过科学分析，能够识别可能的消费者，指导企业制定有针对性的营销策略。即企业对市场进行科学细分，采取精细化的营销方式，进行有效的竞争。精细化营销遵循顾客导向理念，强调对现代信息技术的应用，能够合理配置营销资源，是形成和保持企业竞争优势的有效途径。结合数据挖掘技术，精细化营销就是把一个顾客看成一个顾客群，将锁定销售目标的活动发挥到极致的程度，这样充分体现了 "顾客至上"、"顾客永远是正确的"、"爱你的顾客而非产品"等现代市场营销观念。消费者选购商品时完全以 "自我"为中心，现有商品不能满足需求，则可向企业提出具体要求。企业也能满足这一要求。这样既能最大限度满足消费者个性化需求。又能增强企业产品的市场竞争力同时由于和消费者保持长期的互动关系。企业能及时了解市场需求的变化。有针对性的生产。不会造成产品积压。缩短再生产周期，降低流通费用，从而提高企业经济效益。
2数据挖掘的概念及其方法
2.1数据挖掘的概念
数据挖掘是从大量存储的数据中，利用模式识别、统计和数学的技术，筛选发现新的有意义的关系、模式和趋势的方法。数据挖掘所要处理的问题就是在庞大的数据库中寻找出有价值的隐藏事件，加以分析并将这些有意义的信息归纳成结构模式以帮助企业进行科学化的决策。
2.2数据挖掘技术在网络营销中的应用
利用数据挖掘功能分析客户特征，目的在于帮助网上销售商了解客户的消费需求。根据数据挖掘的基本原理，结合网络营销的特点，本文设计基于数据挖掘技术基础上的客户特征分析系统。
该系统共由四个模块组成：
(1)人机接口界面：客户可以向系统手工添加客户基本信息、提出浏览或查询要求，同时查看查询结果。
(2)数据获取模块：收集的信息包括客户的基本信息、登录信息、订单信息、浏览记录等。
(3)数据处理模块：数据库按照元数据标准对数据进行清理、集成和变换。
(4)数据分析模块：利用经过转化的数据，综合企业的新数据库，按照数据挖掘规则，运用数据挖掘技术，如机器学习、神经网络、概率统计、关联规则、粗糙集理论等，对数据进行分析处理，得出结果并输出。
2.3精细化营销系统设计与实现
系统要得到上层所提供的精细化营销服务，需要从底层数据库获取交易数据、顾客数据、财务数据、市场数据等，将底层数据析取到数据仓库中，在数据仓库中建立以顾客、销售和财务等为主题的多维数据模型，并在保留原有数据的基础上，不断刷新数据仓库的数据，接着进行指标分析、多维数据分析和数据挖掘。主要内容有顾客分析、忠诚度分析、销售分析、顾客反馈分析。财务分析等。通过对顾客属性特征、交易行为和资金能力的分析。提取各种与顾客交易之静态特征和动态特征相关的知识，对顾客进行必要细分，从而有针对性地对顾客施加一对一的个性化营销服务。提高电子商务企业的认知能力和服务创新水平。扩大其获利机会。可见上层的精细化营销功能的获得是底层数据所不能直接提供的，需要经过中间析取到数据仓库中，面向主题对数据进行组织与管理后，再利用数据挖掘技术才能实现的。
精细化营销系统设计和实现主要依赖 "动态网站技术"、"数据库管理技术"和"数据挖掘技术"。主流的动态网站开发技术主要考虑采用 ASP、JSP、PHP三种；由于对数据库的要求较高，因而应使用 Oracle、SQL Server等大中型数据库管理信息；对于数据挖掘和定量分析手段，可以使用的成熟软件包有SPSS或SAS。
3数据挖掘在精细化营销领域中的作用
数据挖掘技术之所以能在营销领域得到广泛的关注，是因为它对企业的营销管理带来许 多显著的利益。其主要利益如下：
（1）确定营销目标
数据挖掘能帮助市场营销者进行市场分析，开拓市场，确定公司的目标市场，准确制定市场营销活动，使营销活动更能满足顾客的需求、欲望以及对商品的预期需求。如果顾客的数据信息比较完整，数据挖掘可以模拟实际的顾客行为，找出与当前营销问题相符的模型，辅助制定有效的营销计划。
（2）延伸营销利润
一方面采用数据挖掘可以发现能给公司带来最大利润的顾客群，依据数据统计和顾客的 消费模型，可以发展和保持与这些顾客的终生关系，即发现他们的现有需求，预测他们的未来需求，并加以满足，使这些顾客群带给公司的利润达到最大化。另一方面，由数据挖掘得到的信息可以扩展顾客对公司产品和服务的需求 ；依据关联分析，顾客的现有消费需求可能会导致与此相关 的其他需求。营销者要满足这些扩展需求，就能在现有的顾客利润基础上找到新的利润点。
（3）降低营销成本
营销成本是各公司关注的问题。传统的营销手段成本比较大，即使采用这些营销方法能获得一定的利润，但由于成本过大，导致营销的作用也并不显著，所以需要尽可能降低营销成 本。营销者采用数据挖掘，首先能弄清哪些顾客能给公司带来利润，这样可以有针对性地采取营销策略，节约营销成本。其次，营销者可以发现顾客的真实需求，而无须为顾客提供一些无关的营销服务，从而削减费用。最后，可以根据顾客的需求状况采用更有效的营销传播渠道，根据不同的情况采用不同的渠道，削减不必要的传播费用。
4 结论
在因特网技术和电子商务快速发展今天，企业为了创造、保持和扩展顾客关系，满足顾客的需求 目标，为企业创造更多的价值，就必须有效地利用信息技术来改善企业的管理，并快速做出决策，及时对市场及顾客的需求做出反应。所以企业要将营销手段、数据管理和数据处理有机结合，也就是有效对数据库营销、数据仓库和数据挖掘三方面进行有效整合。
参考文献:
[1] 翟立波，数据挖掘与知识发现，潍坊学院学报，2005年，第3期，第29页
[2] 吕安民，林宗坚，李成名，数据挖掘和知识发现的技术方法，测绘科学，2000年，第 4期，第36－38页
[3] 翟立波，数据挖掘与知识发现，潍坊学院学报，2005，第5期，第29－30页
[4] 罗敏霞，数据挖掘与知识发现的技术方法及应用，运城学院学报， 2005，第2期 ，第1页
[5] 戴泳，知识发现与知识挖掘技术及其应用，科技情报开发与经，2007年，第26期，第185页
[6] Usama M Fayyad,Gregory Piatesky-Shapiro et al.Advances in knowledge discovery and data mining.California: AAAI/MIT Press,1996.
[7] 王丽珍等编著，数据仓库与数据挖掘原理及应用，北京：科学出版社，2005年
[8] 李文峰，数据仓库、OLAP和数据挖掘技术在国防生管理决策中的应用，学位论文，.重庆大学，2007年，第47－50页
作者简介：张萌(1983年10月-)，男，汉，上海大学管理学院 管理科学与工程系 硕士研究生 研究方向：电子商务，循环经济。
关键词：数据挖掘 精细化 营销模式
1 引言
精细化营销最早由莱斯特·伟门(Lester Wundermn)提出来，他认为通过科学分析，能够识别可能的消费者，指导企业制定有针对性的营销策略。即企业对市场进行科学细分，采取精细化的营销方式，进行有效的竞争。精细化营销遵循顾客导向理念，强调对现代信息技术的应用，能够合理配置营销资源，是形成和保持企业竞争优势的有效途径。结合数据挖掘技术，精细化营销就是把一个顾客看成一个顾客群，将锁定销售目标的活动发挥到极致的程度，这样充分体现了 "顾客至上"、"顾客永远是正确的"、"爱你的顾客而非产品"等现代市场营销观念。消费者选购商品时完全以 "自我"为中心，现有商品不能满足需求，则可向企业提出具体要求。企业也能满足这一要求。这样既能最大限度满足消费者个性化需求。又能增强企业产品的市场竞争力同时由于和消费者保持长期的互动关系。企业能及时了解市场需求的变化。有针对性的生产。不会造成产品积压。缩短再生产周期，降低流通费用，从而提高企业经济效益。
2数据挖掘的概念及其方法
2.1数据挖掘的概念
数据挖掘是从大量存储的数据中，利用模式识别、统计和数学的技术，筛选发现新的有意义的关系、模式和趋势的方法。数据挖掘所要处理的问题就是在庞大的数据库中寻找出有价值的隐藏事件，加以分析并将这些有意义的信息归纳成结构模式以帮助企业进行科学化的决策。
2.2数据挖掘技术在网络营销中的应用
利用数据挖掘功能分析客户特征，目的在于帮助网上销售商了解客户的消费需求。根据数据挖掘的基本原理，结合网络营销的特点，本文设计基于数据挖掘技术基础上的客户特征分析系统。
该系统共由四个模块组成：
(1)人机接口界面：客户可以向系统手工添加客户基本信息、提出浏览或查询要求，同时查看查询结果。
(2)数据获取模块：收集的信息包括客户的基本信息、登录信息、订单信息、浏览记录等。
(3)数据处理模块：数据库按照元数据标准对数据进行清理、集成和变换。
(4)数据分析模块：利用经过转化的数据，综合企业的新数据库，按照数据挖掘规则，运用数据挖掘技术，如机器学习、神经网络、概率统计、关联规则、粗糙集理论等，对数据进行分析处理，得出结果并输出。
2.3精细化营销系统设计与实现
系统要得到上层所提供的精细化营销服务，需要从底层数据库获取交易数据、顾客数据、财务数据、市场数据等，将底层数据析取到数据仓库中，在数据仓库中建立以顾客、销售和财务等为主题的多维数据模型，并在保留原有数据的基础上，不断刷新数据仓库的数据，接着进行指标分析、多维数据分析和数据挖掘。主要内容有顾客分析、忠诚度分析、销售分析、顾客反馈分析。财务分析等。通过对顾客属性特征、交易行为和资金能力的分析。提取各种与顾客交易之静态特征和动态特征相关的知识，对顾客进行必要细分，从而有针对性地对顾客施加一对一的个性化营销服务。提高电子商务企业的认知能力和服务创新水平。扩大其获利机会。可见上层的精细化营销功能的获得是底层数据所不能直接提供的，需要经过中间析取到数据仓库中，面向主题对数据进行组织与管理后，再利用数据挖掘技术才能实现的。
精细化营销系统设计和实现主要依赖 "动态网站技术"、"数据库管理技术"和"数据挖掘技术"。主流的动态网站开发技术主要考虑采用 ASP、JSP、PHP三种；由于对数据库的要求较高，因而应使用 Oracle、SQL Server等大中型数据库管理信息；对于数据挖掘和定量分析手段，可以使用的成熟软件包有SPSS或SAS。
3数据挖掘在精细化营销领域中的作用
数据挖掘技术之所以能在营销领域得到广泛的关注，是因为它对企业的营销管理带来许 多显著的利益。其主要利益如下：
（1）确定营销目标
数据挖掘能帮助市场营销者进行市场分析，开拓市场，确定公司的目标市场，准确制定市场营销活动，使营销活动更能满足顾客的需求、欲望以及对商品的预期需求。如果顾客的数据信息比较完整，数据挖掘可以模拟实际的顾客行为，找出与当前营销问题相符的模型，辅助制定有效的营销计划。
（2）延伸营销利润
一方面采用数据挖掘可以发现能给公司带来最大利润的顾客群，依据数据统计和顾客的 消费模型，可以发展和保持与这些顾客的终生关系，即发现他们的现有需求，预测他们的未来需求，并加以满足，使这些顾客群带给公司的利润达到最大化。另一方面，由数据挖掘得到的信息可以扩展顾客对公司产品和服务的需求 ；依据关联分析，顾客的现有消费需求可能会导致与此相关 的其他需求。营销者要满足这些扩展需求，就能在现有的顾客利润基础上找到新的利润点。
（3）降低营销成本
营销成本是各公司关注的问题。传统的营销手段成本比较大，即使采用这些营销方法能获得一定的利润，但由于成本过大，导致营销的作用也并不显著，所以需要尽可能降低营销成 本。营销者采用数据挖掘，首先能弄清哪些顾客能给公司带来利润，这样可以有针对性地采取营销策略，节约营销成本。其次，营销者可以发现顾客的真实需求，而无须为顾客提供一些无关的营销服务，从而削减费用。最后，可以根据顾客的需求状况采用更有效的营销传播渠道，根据不同的情况采用不同的渠道，削减不必要的传播费用。
4 结论
在因特网技术和电子商务快速发展今天，企业为了创造、保持和扩展顾客关系，满足顾客的需求 目标，为企业创造更多的价值，就必须有效地利用信息技术来改善企业的管理，并快速做出决策，及时对市场及顾客的需求做出反应。所以企业要将营销手段、数据管理和数据处理有机结合，也就是有效对数据库营销、数据仓库和数据挖掘三方面进行有效整合。
参考文献:
[1] 翟立波，数据挖掘与知识发现，潍坊学院学报，2005年，第3期，第29页
[2] 吕安民，林宗坚，李成名，数据挖掘和知识发现的技术方法，测绘科学，2000年，第 4期，第36－38页
[3] 翟立波，数据挖掘与知识发现，潍坊学院学报，2005，第5期，第29－30页
[4] 罗敏霞，数据挖掘与知识发现的技术方法及应用，运城学院学报， 2005，第2期 ，第1页
[5] 戴泳，知识发现与知识挖掘技术及其应用，科技情报开发与经，2007年，第26期，第185页
[6] Usama M Fayyad,Gregory Piatesky-Shapiro et al.Advances in knowledge discovery and data mining.California: AAAI/MIT Press,1996.
[7] 王丽珍等编著，数据仓库与数据挖掘原理及应用，北京：科学出版社，2005年
[8] 李文峰，数据仓库、OLAP和数据挖掘技术在国防生管理决策中的应用，学位论文，.重庆大学，2007年，第47－50页
作者简介：张萌(1983年10月-)，男，汉，上海大学管理学院 管理科学与工程系 硕士研究生 研究方向：电子商务，循环经济。