精确营销在零售业的应用与发展展望——以沃尔玛为例

《精确营销在零售业的应用与发展展望——以沃尔玛为例》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、精确营销在零售业的应用与发展展望——以沃尔玛为例危孟泱摘要：精确营销是一种差异化取胜的营销战略，以关注和满足细分客户群体的诉求为目标和优势。数据挖掘是精确营销的重要工具。在零售业，精确营销逐渐成为零售商制胜的法宝。本文简要分析了零售业巨头沃尔玛如何从产品业务中提取客户知识，并通过对精确营销的浅层、中级、深度应用来降低成本、提升销售、服务顾客，从而实现从产品到客户知识的模式转变。关键词：精确营销零售业沃尔玛随着市场经济的快速发展和信息技术的更新换代，各行各业的竞争都愈发激烈。零售商面对着大量的同质化商品、频繁的

2、价格战争和高昂的营销成本，其利润空间已越来越小，直接导致的后果就是零售商的核心竞争力下降。除了推出特色商品、建立自有品牌等方法，零售商还能通过降低营销成本来提升竞争力。实际上，在零售行业信息化程度日益提高的背景下，零售商正掌握着大量珍贵的一手的业务数据，如果能从这些数据中提取有价值的信息，挖掘潜在的客户行为规律，预测客户的购买意图，为客户提供准确的需求媒介，从而改变原来粗放式的、以产品为导向的大众营销模式，实现点对点一对一的、以顾客为导向的精确营销(PrecisionMarketing)模式，那么零售商就能节

3、约成本，提升竞争力。这就好比战场上，以精确制导、针对性强的导弹取代无特定对象的狂轰滥炸，提高的不仅是杀伤力，还有经济效益。1精确营销简介1.1精确营销的概念[1]莱斯特•伟门(LesterWunderman)于1999年提出的精确营销的初定义：改变以往的营销渠道及方法，以生产厂商的客户和销售商为中心，通过电子媒介、电话访问、邮寄、互联网等方式建立客户、销售商资料库。然后通过科学分析，确定可能购买的客户，从而引导生产厂商改变销售策略，为其制定一套可操作性强的销售推广方案，同时为生产厂商提供客户、销售商的追踪服务

4、。精确营销也可以叫差异化营销(DifferentiatedMarketing)，实际上是一种差异取胜的经营战略。一种更广泛适用的定义是：精确营销以科学管理为基础，以洞察客户为手段，恰当而[1]吕魏.精确营销[M].北京:机械工业出版社,2008,15-16.贴切地对市场进行细分，并采取精耕细作的营销操作方式，将市场做深做透，进而获得预期效益。1.2精确营销的实现过程精确营销的过程模型由以下五个模块构成：客户分群及理数据管理解营销方案设计营销方案实施营销结果反馈建立客户数客户分群筛选目标客执行营销有效

5、性评据库通过数据户群方案估生成目标数分析进行数据挖掘获得反馈总结经验据集客户理解信息教训图1精确营销过程模型数据管理。将分散在企业各个系统内的数据以及企业外部的数据（如市场调查、第三方数据等）分类后，以客户ID等信息为主轴进行抽取、清洗、转化，统一到客户数据库中。又根据不同的主题，如地点、购买类别等，将原始数据转化为目标数据集。客户分群及理解。将客户分成不同的群体：相同群体间相似度高，不同群体间差异明显。然后通过进一步数据分析，加深客户理解，明确客户需求。营销方案设计。从客户战略和当前营销重点出发，

6、筛选出目标客户群。利用数据挖掘，设计适合该客户群的营销方案，期间可利用购买者效用图、大众价格走廊评估方案可行性与价格定制的合理性。营销方案实施。可以利用数据分析寻找最有利的营销方案实施渠道，还可以在这个过程中为产品和服务处理订单以获得一定的反馈信息甚至额外的客户信息。营销结果反馈。基于营销方案执行过程中的数据进行有效性评估，并能总结一定的经验教训用于下一阶段的营销。2精确营销的工具：数据挖掘2.1数据挖掘的作用数据库技术的迅速发展以及数据库系统的广泛应用使人们积累的数据越来越多，“数据爆炸但知识匮乏”现象明显

7、。而数据挖掘(DataMining)就是从大量不完全的、有噪声的、模糊的、随机数据中提取隐含的、事先未知的、有潜在价值的商业信息和知识的过程，所以数据挖掘有时也称数据库中的知识发现(KnowledgeDiscoveryinDatabases,KDD)。数据挖掘的主要任务有分类、聚类分析、关联分析（购物篮分析）、预测、评估和可视化。2.2数据挖掘的常用算法决策树。决策树以树形结构表示分类或决策集合，产生规则和发现规律。其根节点是所有数据集合，每个分节点是对最可分辨的单一属性的测试，每一分支对应一个子集；并在子集

8、上递归调用之前的分支过程，直到所有子集包含同一类型数据。该算法可用于对新的数据进行分类。神经网络。人工神经网络(ArtificialNeuralNetworks,ANN)简称神经网络，是由大量简单神经元通过复杂连接而构成自适应非线性动态系统，具有自学习、自适应、联想记忆、大规模并行处理等功能。一般的模型有前馈式网络(BP网络)、反馈式网络(HopfieldNeuralNetworks,HNN)、自组