论文部分内容阅读
摘要：数据库中的知识发现（KDD）越来越多地应用到企业的市场营销设计与支持过程中。文章阐述了数据库营销的特点和作用，通过分析数据库营销中的市场细分与市场营销中市场细分的异同，提出了适用于数据库营销市场细分的方法。该方法需要使用统计与数据挖掘的方法和工具，通过建立模型的方式，为公司运营提供支撑。
关键词：市场细分；数据库营销；数据库的知识发现；数据挖掘
企业在日常的生产经营活动中，产生了大量运营数据，如果不加以利用就会杂乱无章地占据大量的存储、管理、维护等资源。实际上这些数据是用户行为、用户习惯的表征记录，是企业各项经营活动的成果记录，其中蕴涵着大量的信息与知识，如果善加利用将是企业不可估量的战略资源。在数据的存储方面，随着数据库技术的迅速发展以及数据库管理系统的广泛应用，人们可以积累的数据越来越多。目前的数据库系统已经可以高效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。
因此，在学术界对数据库的知识发现的研究也在不断深入。1989年IJCAI会议进行了关于数据库中的知识发现（Knowledge Discovery and Database，KDD）的专题讨论，Fayyad将其定义为“KDD是从数据集中识别出有效的、新颖的、潜在有用的以及最终可理解的模式的非平凡过程”。从1995年开始，KDD发展为国际年会，国内对该领域研究始于1993年，国家自然科学基金开始支持该领域研究。数据分析能力是一项对开发者、使用者都有很高要求的能力，需要具备数据库、人工智能、机器学习、神经网络、统计学、模式识别、知识库系统、信息检索和数据库可视化等多方面的知识和技巧。
同时对于这项技术在企业中的实际应用来说，随着理论的深入与数据挖掘工具的不断推出，其对各个企业的实际生产经营活动都起到了很大的推动作用。特别是数据库营销，由于其较低的成本，完善的模型和对市场的细微把握，对企业有着重大的意义。而所有的营销活动都应以市场细分为基础，因此数据库营销中市场细分就成为其不可逾越的第一步工作。
一、数据库营销中市场细分的作用
数据库营销中市场细分的应用随着IT技术的发展和市场交易量的扩大愈来愈广泛。目前，各个行业领域包括金融业、电信业、网络相关行业、零售商、制造业、医疗保健及制药业等都将其视为本公司的重要战略资源加以应用。从目前技术的发展与行业的应用来看，其作用主要体现在以下方面：
第一，对运营数据进行更好的重组、汇集、抽取和预测，更方便、快捷地从企业现有资源上采集和转化信息和数据，能为企业管理提供更好的决策支持，使管理层及时地了解企业生产经营现状，深入地了解企业所处的竞争环境，更好地制定符合实际的战略方案。
第二，在激烈的市场竞争和迅速的业务扩张中，运营数据可以用来分析数据的一般特性，使用数据可视化、分类、聚类分析、序列模式分析等工具，理解商业行为、确定商业模式、捕捉对企业利益侵害行为、提高服务质量，提高资源利用率，提高员工劳动生产率。例如，电信企业中对客服中心的分布的设计，基站的设置等。
第三，运营数据是用户消费行为的直接记录，通过对用户长期消费活动数据的规律总结。有助于划分用户群体，使用分类技术和聚类技术，可以更精确地挑选出潜在的用户；识别用户购买行为，发现用户购买模式和趋势，进行关联分析，以便更好地进行产品组合、产品推介等等。
第四，运营数据虽然是历史数据的集合，如果能够通过各种工具发现其中存在的普遍规律。由于企业的生产经营有延续性，用户的消费习惯有规律性，我们可以用来预测未来的生产经营情况，比如我们可以通过营销案预演，虚拟整个营销过程，测试目标用户反应，初步评价各种营销案的效果，确认最能接受营销案的客户群体，保证在真正推出市场的销售方案代价最小，收益最大。又如，我们可以通过运营数据，发现用户流失的规律与特征，使企业能在用户流失之前做出有效地挽留措施，降低流失率。
二、数据库营销中市场细分与传统市场营销中市场细分的异同
市场细分是现代营销理念的产物是市场营销理论和战略的新发展。目前市场细分的理论和方法不断完善，而且被广泛地应用于营销实践。而作为本文研究的重点，数据库营销中的市场细分与市场营销中的市场细分既有联系又有区别。
首先，两者的联系主要体现在：市场营销活动与数据库营销过程是衔接的。数据库营销的市场细分可以在营销活动之前提供数据预测；也可以用在营销活动之后分析结果，但两者总是联系紧密的过程。企业逐渐认识到，本企业的竞争优势体现在能够向用户提供满足整体需求的产品和服务组合，为用户提供个性化业务解决方案。因此，在设计市场营销业务项目时，需要采取不同的用户群细分方法对用户进行细分，对不同用户采取不同的服务策略。而企业的经营成果也正是构筑在不同细分用户对企业的贡献上的，不同的用户群体对总体收入的影响是不同的，因而在经营成果的分析中，也必不可少的需要对用户进行细分。这样可以加深对市场的了解，认清每种用户对企业经营活动的意义，从而制定更有针对性的营销政策。其理论依据也是相同的。根据1956年美国著名的市场学家温德尔·史密斯（Wendell Smith）的论述主要有两个：一是用户需求的异质性。由于用户需求、欲望及购买行为是多元的，所以用户在购买产品和使用服务上的需求呈现较大的差异。用户需求的异质性是进行用户细分的内在依据。二是企业资源的有限性和为了进行有效的市场竞争。现代企业由于受到自身实力的限制，即便是处于市场领先地位也不可能在整个营销过程中占绝对优势。为了进行有效的竞争，企业必须进行市场细分，选择最有利可图的目标用户群体，集中企业资源，制定有效的竞争策略来增强自己的竞争优势。所以企业资源的有限性和为了进行有效的市场竞争是进行市场细分的外在要求。
其次，数据库营销中的市场细分与市场营销中的市场细分区别主要是：目的不同。数据库营销的市场细分目的是为了更好的从现有的经营数据中，找出对经营成果有影响的各个用户群体，并分析其影响程度或者找出其中规律；市场营销的市场细分，主要是为了开拓用户未被开发的潜力，增加其对经营成果的贡献。方法不同。数据库营销中的市场细分更加倚重数据库营销的各种手段，包括统计分析、数据挖掘等等，从海量的日常经营数据中，通过设定参数与算法，建立模型的方式，找出符合细分条件的用户群体。市场营销的市场细分，主要依据两种方法：一是依据自然属性来细分用户，主要是利用人口统计学、社会经济学、经济地理原理所提供的特定市场内有关个人的重要信息来细分用户，其变量主要有地理细分变量、人口统计变量、社会经济变量等，也可以把这些变量结合起来进行细分；二是依据行为属性来细分用户依据行为属性细分，用户主要是通过对人们的心理分析，个性特征，生活方式的研究来细分用户，其变量主要有心理分析变量、产品使用变量和产品效用变量等。对象不同。数据库营销中的市场细分主要面对企业现有用户，这是因为数据库营销的数据来源主要是企业已经获得的经营数据。市场营销的市场细分主要面对全体消费者，从中找出目标用户群体发展为企业的新用户。标准不同。数据库营销中的市场细分依据的标准在细分前是未知的，需要运用数据挖掘的方法与工具从大量数据中找出可以用来细分用户的标准。而市场营销的市场细分主要基于一些已知的标准，对目标可以进行归类与分析。
三、数据库营销中市场细分的方法与过程
上文结合市场营销的市场细分总结了数据库营销中的市场细分有以上的一些特点，所以在应用上，后者更多地依靠统计学与数据挖掘的方式进行。通过设定变量与参数，在企业经营获得的大量日常生产经营数据中，找出各种隐含的商务关系、产品关联、营销机会与用户行为特征。
数据库营销中市场细分的方法可以分为5项：关联分析、分类和预测、聚类分析、孤立点分析、演变分析等。实现上述功能的算法包括统计类的诸如回归分析、时间序列、判别分析、因子分析；神经学习网络类的诸如粗糙集、决策树、模糊集、支持向量集等等。数据库营销中的市场细分的过程，如图1所示。
第一，确定市场细分参数。即决定使用何种参数从数据库的海量数据中提取相应的用户数据对用户进行细分。一般目前企业级的数据库营销应用中，为了更加精确地描述实际市场情况，模型的设计维数都比较高，设计与提取的参数数量一般都需要上百个。
第二，数据准备。一般前面两个步骤就会占据整个过程的50-90%的时间和精力。需要完成的工作包括：数据收集、数据描述、数据质量评估和数据清理、合并与整合、构建元数据，加载数据挖掘库等。
第三，数据分析与验证，运用数据挖掘的方法，将初步确定参数的具体数值进行分析，进而发现参数设定的有效性并进行参数的变换，形成对解释问题有效的参数集。
第四，建立模型。通过以上步骤，建立相应的数据模型，为了保证得到的模型具有较好的精确度和健壮性，需要一个定义完善的“训练-验证”协议，进行模型训练与优化。
第五，模型应用与评估。按照确定的参数将目标用户导入模型进行细分，同时分析同类用户的各种特征，找出其中隐含的关联，为分析与应用提出结论。最后还要根据实际情况，对模型输出进行营销学上的解释，并进行实施效果评估。
参考文献：
1、张晓航.基于聚类算法的客户细分[J].通信企业管理,2005(12).
2、David Hand等著;张银奎等译.数据挖掘原理[M].机械工业出版社,2003.
3、Jiawei Han,Micheline Kamber著;范明,孟小峰等译.数据挖掘:概念与技术[M].机械工业出版社,2001.
4、陈祖义,华勇,王培.商业数据挖掘技术的应用及发展[J].当代经济,2007(4).
（作者单位：朱丽娅，宁夏大学经济管理学院；杨明哲，中国移动宁夏分公司业务支撑部）
关键词：市场细分；数据库营销；数据库的知识发现；数据挖掘
企业在日常的生产经营活动中，产生了大量运营数据，如果不加以利用就会杂乱无章地占据大量的存储、管理、维护等资源。实际上这些数据是用户行为、用户习惯的表征记录，是企业各项经营活动的成果记录，其中蕴涵着大量的信息与知识，如果善加利用将是企业不可估量的战略资源。在数据的存储方面，随着数据库技术的迅速发展以及数据库管理系统的广泛应用，人们可以积累的数据越来越多。目前的数据库系统已经可以高效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。
因此，在学术界对数据库的知识发现的研究也在不断深入。1989年IJCAI会议进行了关于数据库中的知识发现（Knowledge Discovery and Database，KDD）的专题讨论，Fayyad将其定义为“KDD是从数据集中识别出有效的、新颖的、潜在有用的以及最终可理解的模式的非平凡过程”。从1995年开始，KDD发展为国际年会，国内对该领域研究始于1993年，国家自然科学基金开始支持该领域研究。数据分析能力是一项对开发者、使用者都有很高要求的能力，需要具备数据库、人工智能、机器学习、神经网络、统计学、模式识别、知识库系统、信息检索和数据库可视化等多方面的知识和技巧。
同时对于这项技术在企业中的实际应用来说，随着理论的深入与数据挖掘工具的不断推出，其对各个企业的实际生产经营活动都起到了很大的推动作用。特别是数据库营销，由于其较低的成本，完善的模型和对市场的细微把握，对企业有着重大的意义。而所有的营销活动都应以市场细分为基础，因此数据库营销中市场细分就成为其不可逾越的第一步工作。
一、数据库营销中市场细分的作用
数据库营销中市场细分的应用随着IT技术的发展和市场交易量的扩大愈来愈广泛。目前，各个行业领域包括金融业、电信业、网络相关行业、零售商、制造业、医疗保健及制药业等都将其视为本公司的重要战略资源加以应用。从目前技术的发展与行业的应用来看，其作用主要体现在以下方面：
第一，对运营数据进行更好的重组、汇集、抽取和预测，更方便、快捷地从企业现有资源上采集和转化信息和数据，能为企业管理提供更好的决策支持，使管理层及时地了解企业生产经营现状，深入地了解企业所处的竞争环境，更好地制定符合实际的战略方案。
第二，在激烈的市场竞争和迅速的业务扩张中，运营数据可以用来分析数据的一般特性，使用数据可视化、分类、聚类分析、序列模式分析等工具，理解商业行为、确定商业模式、捕捉对企业利益侵害行为、提高服务质量，提高资源利用率，提高员工劳动生产率。例如，电信企业中对客服中心的分布的设计，基站的设置等。
第三，运营数据是用户消费行为的直接记录，通过对用户长期消费活动数据的规律总结。有助于划分用户群体，使用分类技术和聚类技术，可以更精确地挑选出潜在的用户；识别用户购买行为，发现用户购买模式和趋势，进行关联分析，以便更好地进行产品组合、产品推介等等。
第四，运营数据虽然是历史数据的集合，如果能够通过各种工具发现其中存在的普遍规律。由于企业的生产经营有延续性，用户的消费习惯有规律性，我们可以用来预测未来的生产经营情况，比如我们可以通过营销案预演，虚拟整个营销过程，测试目标用户反应，初步评价各种营销案的效果，确认最能接受营销案的客户群体，保证在真正推出市场的销售方案代价最小，收益最大。又如，我们可以通过运营数据，发现用户流失的规律与特征，使企业能在用户流失之前做出有效地挽留措施，降低流失率。
二、数据库营销中市场细分与传统市场营销中市场细分的异同
市场细分是现代营销理念的产物是市场营销理论和战略的新发展。目前市场细分的理论和方法不断完善，而且被广泛地应用于营销实践。而作为本文研究的重点，数据库营销中的市场细分与市场营销中的市场细分既有联系又有区别。
首先，两者的联系主要体现在：市场营销活动与数据库营销过程是衔接的。数据库营销的市场细分可以在营销活动之前提供数据预测；也可以用在营销活动之后分析结果，但两者总是联系紧密的过程。企业逐渐认识到，本企业的竞争优势体现在能够向用户提供满足整体需求的产品和服务组合，为用户提供个性化业务解决方案。因此，在设计市场营销业务项目时，需要采取不同的用户群细分方法对用户进行细分，对不同用户采取不同的服务策略。而企业的经营成果也正是构筑在不同细分用户对企业的贡献上的，不同的用户群体对总体收入的影响是不同的，因而在经营成果的分析中，也必不可少的需要对用户进行细分。这样可以加深对市场的了解，认清每种用户对企业经营活动的意义，从而制定更有针对性的营销政策。其理论依据也是相同的。根据1956年美国著名的市场学家温德尔·史密斯（Wendell Smith）的论述主要有两个：一是用户需求的异质性。由于用户需求、欲望及购买行为是多元的，所以用户在购买产品和使用服务上的需求呈现较大的差异。用户需求的异质性是进行用户细分的内在依据。二是企业资源的有限性和为了进行有效的市场竞争。现代企业由于受到自身实力的限制，即便是处于市场领先地位也不可能在整个营销过程中占绝对优势。为了进行有效的竞争，企业必须进行市场细分，选择最有利可图的目标用户群体，集中企业资源，制定有效的竞争策略来增强自己的竞争优势。所以企业资源的有限性和为了进行有效的市场竞争是进行市场细分的外在要求。
其次，数据库营销中的市场细分与市场营销中的市场细分区别主要是：目的不同。数据库营销的市场细分目的是为了更好的从现有的经营数据中，找出对经营成果有影响的各个用户群体，并分析其影响程度或者找出其中规律；市场营销的市场细分，主要是为了开拓用户未被开发的潜力，增加其对经营成果的贡献。方法不同。数据库营销中的市场细分更加倚重数据库营销的各种手段，包括统计分析、数据挖掘等等，从海量的日常经营数据中，通过设定参数与算法，建立模型的方式，找出符合细分条件的用户群体。市场营销的市场细分，主要依据两种方法：一是依据自然属性来细分用户，主要是利用人口统计学、社会经济学、经济地理原理所提供的特定市场内有关个人的重要信息来细分用户，其变量主要有地理细分变量、人口统计变量、社会经济变量等，也可以把这些变量结合起来进行细分；二是依据行为属性来细分用户依据行为属性细分，用户主要是通过对人们的心理分析，个性特征，生活方式的研究来细分用户，其变量主要有心理分析变量、产品使用变量和产品效用变量等。对象不同。数据库营销中的市场细分主要面对企业现有用户，这是因为数据库营销的数据来源主要是企业已经获得的经营数据。市场营销的市场细分主要面对全体消费者，从中找出目标用户群体发展为企业的新用户。标准不同。数据库营销中的市场细分依据的标准在细分前是未知的，需要运用数据挖掘的方法与工具从大量数据中找出可以用来细分用户的标准。而市场营销的市场细分主要基于一些已知的标准，对目标可以进行归类与分析。
三、数据库营销中市场细分的方法与过程
上文结合市场营销的市场细分总结了数据库营销中的市场细分有以上的一些特点，所以在应用上，后者更多地依靠统计学与数据挖掘的方式进行。通过设定变量与参数，在企业经营获得的大量日常生产经营数据中，找出各种隐含的商务关系、产品关联、营销机会与用户行为特征。
数据库营销中市场细分的方法可以分为5项：关联分析、分类和预测、聚类分析、孤立点分析、演变分析等。实现上述功能的算法包括统计类的诸如回归分析、时间序列、判别分析、因子分析；神经学习网络类的诸如粗糙集、决策树、模糊集、支持向量集等等。数据库营销中的市场细分的过程，如图1所示。
第一，确定市场细分参数。即决定使用何种参数从数据库的海量数据中提取相应的用户数据对用户进行细分。一般目前企业级的数据库营销应用中，为了更加精确地描述实际市场情况，模型的设计维数都比较高，设计与提取的参数数量一般都需要上百个。
第二，数据准备。一般前面两个步骤就会占据整个过程的50-90%的时间和精力。需要完成的工作包括：数据收集、数据描述、数据质量评估和数据清理、合并与整合、构建元数据，加载数据挖掘库等。
第三，数据分析与验证，运用数据挖掘的方法，将初步确定参数的具体数值进行分析，进而发现参数设定的有效性并进行参数的变换，形成对解释问题有效的参数集。
第四，建立模型。通过以上步骤，建立相应的数据模型，为了保证得到的模型具有较好的精确度和健壮性，需要一个定义完善的“训练-验证”协议，进行模型训练与优化。
第五，模型应用与评估。按照确定的参数将目标用户导入模型进行细分，同时分析同类用户的各种特征，找出其中隐含的关联，为分析与应用提出结论。最后还要根据实际情况，对模型输出进行营销学上的解释，并进行实施效果评估。
参考文献：
1、张晓航.基于聚类算法的客户细分[J].通信企业管理,2005(12).
2、David Hand等著;张银奎等译.数据挖掘原理[M].机械工业出版社,2003.
3、Jiawei Han,Micheline Kamber著;范明,孟小峰等译.数据挖掘:概念与技术[M].机械工业出版社,2001.
4、陈祖义,华勇,王培.商业数据挖掘技术的应用及发展[J].当代经济,2007(4).
（作者单位：朱丽娅，宁夏大学经济管理学院；杨明哲，中国移动宁夏分公司业务支撑部）