【市场营销论文】浅谈数据挖掘与企业市场营销

《【市场营销论文】浅谈数据挖掘与企业市场营销》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、【市场营销论文】浅谈数据挖掘与企业市场营销摘要:随着信息化产业的迅猛发展，数据挖掘越来越广泛地深入到了各个行业领域，它涵盖了金融信息行业、电力行业、生产制造行业、互联网行业，公共服务行业等。随着经济全球化的发展，企业间的竞争逐渐呈现出白热化状态，因而谁具有分析数据资源的能力谁就有获得潜在价值的可能。一个企业往往拥有一个庞大的数据仓库，重要的是我们如何通过数据挖掘的方式来使企业获得差别优势，为管理及决策提供支持，赢得更高的利润。这个问题的解决依赖于两种技术：一是数据仓库技术，即把企业各个组织部门的数据进行分类整合，将业务数据转换成商业信息，形成可靠的数据管理环境；二是数据挖掘技术，即数据库

2、知识发现，通过计算机实现从海量数据中挖掘出对企业有益的数据和资源。那么如何进行数据挖掘呢，这就用到了统计建模、回归分析、数据处理等方法，本文将结合企业的市场营销实例探讨数据挖掘的过程。关键字：分类；回归；关联规则；建模；数据挖掘；数据仓库Abstract、CART3.2聚类分析聚类是指在未给定分类的情况下根据数据的相似度将数据进行归纳划分的方法。其划分的基本原则是保持最大群内相似度和最小群间相似度。著名的算法有：分裂方法、层次方法、基于密度的方法、基于网格的方法、基于模型的方法3.3关联规则关联规则是指隐含在数据之间的关系，其一般形式是：若A发生，那么B有C%的可能性发生，C就成为关联规

3、则的置信度。在利用关联规则在数据库的大量数据中发现相关联系时，通常采用的技术有：关联规则、序列模式分析等。3.4时序预测时序主要是指数据在时间维度上的相关性，根据时间的变化而呈现出规律性的发展变化。时序的变化受到多方因素的影响，其中包含季节性变动、周期性变动、不规则的变动等等。3.5数据采集在数据仓库中，数据采集需要解决的问题有确定要抽取的数据源以及数据加载的目标数据库，对数据进行不断的重构和重组，将代码翻译为完整的业务描述。如果只依靠SQL语句是很难实现数据采集工作的，必须使用专业的工具，这种工具应该具备完善的编程方法和复杂的数据采集规则。四、数据挖掘建模的过程　　首先应该定义挖掘的目

4、标，找到目的数据源；然后对数据仓库中的庞大数据进行采集取样，方法包括随机取样、等距取样、分层取样等；再对数据进行深入的调查探索也就是数据探索；将得到的数据进行预处理，包括数据的成分目录分析、属性分类、数据筛选等；再考虑本次的建模属于上述基本分类中的哪一种，确定后再决定选择哪种算法进行数据挖掘的建模；最后就是模型的构建过程和之后的评价分析。五、基于不同客户群的市场营销战略管理案例分析5.1提出数据挖掘的目标随着竞争的加剧，很多企业想通过数据挖掘发现潜在价值从而减少营销成本，提高盈利，他们的主要目标是争取更多的客户、降低服务成本、增加产品销量、增加客户对某一产品的忠诚度从而使其成为长期客户、

5、对未来趋势的预测等。5.2分析过程进行深入的市场细分，它包括地理细分、人口细分、心理细分、行为细分、组合效用细分等。我们可以通过聚类的方法根据客户的相似度对客户进行不同程度的划分，划分客户群是进行市场定位以及确定市场营销策略的前提。5.2.1客户分群的商业理解家具公司可以根据客户的年龄、收入和家庭人数等几个因素将整个家具市场进行细分，每个家庭都属于子市场中的一个。同样可以将客户群分为：老年人、工薪阶层的中年人、青年人，根据年龄的划分，企业可以制定更好的营销策略针对不同年龄的人群采用不同的销售理念。老年多会购买价格低廉且样式传统的实木家具；中年人则会选择耐用质量好且价格公道的家具；青年人比

6、较偏向于款式新颖价格低廉的家具。5.2.2客户分群的数据理解确定数据挖掘需要的数据源，包括客户的基本信息，对数据进行深入的调查探索。5.2.3客户分群的数据准备数据准备的主要工作是将未经加工的原始数据整合成数据集。5.2.4客户分群的模型建立找到相关因素进行分析从而优化组合，基本原则是保持最大群内相似度和最小群间相似度。总结几年来随着新技术的发展，出现了数据库营销的概念。是指企业通过数据挖掘技术收集消费者的大量信息，经过分析整合后，有针对性地传播营销信息，以达到盈利的目的。数据挖掘技术已经越来越受到企业的重视，它在企业的市场营销过程中也越来越不可或缺。但是由于数据资源过于庞大，我们的软硬

7、件还需要发展来支持数据挖掘技术，因此深入地研究数据挖掘算法继而实现更高效的计算是实现海量数据挖掘的关键所在，我们还有很长的道路要去探索与研究。