数据挖掘在精确营销的应用

《数据挖掘在精确营销的应用》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、数据挖掘在精确营销中的应用作者：段勇华院分析技术(上海)有限公司技术总监引言美国前邮政部长、美国百货商店之父约翰·华纳梅克曾这样感叹到：“我在广告上的投资有一半是无用的，但问题是我不知道是哪一半。”“现代营销之父”菲利普•科特勒先生也曾指出：“促销费用的大部分都打了水漂，仅有1/10的促销活动能得到高于5%的响应率，而这个可怜的数字还在逐年递减。”这是专家们对传统市场营销体系及理论缺陷的高度概括。那么是什么原因使曾经风靡一时的“4P”，“4C”等传统营销理论在实战中大打折扣了呢？我们认为日趋激烈的市场竞争是其中一个因素，但更重

2、要的因素是客户日趋个性化的偏好与需求。面对客户的多样化、层次化和个性化的偏好与需求，传统大众化的营销就失去了优势。本文将就基于客户需求的精确营销的概念和方法以及其中数据挖掘的应用展开详细的阐述。精确营销与大众营销的对比那么基于客户需求的精确营销与大众营销相比有什么特点和优势呢？首先，我们说精确营销是真正以客户为导向，侧重于满足客户个性化需求，通过分析每个客户的消费行为和偏好，进而解决两个问题：哪些用户是某个产品或者营销活动的目标用户？每个用户最适合给他推荐的产品是什么？而传统营销则要笼统的多，虽然也是基于用户细分来设计营销组合

3、，但是并不知道每个客户个体的偏好以及适合推荐的产品，最终的营销是针对某几个用户群体，这样也就忽视了细分用户群体里的差异化、个性化的需求，效果自然也就没有精确营销好。其次，精确营销是一个基于数据分析的量化过程，是以事实为依据，是对用户使用行为和偏好的精准衡量和分析，从而实现对客户的精准定位和对不同客户不同业务内容的精确推荐。而传统营销更多采用市场调研方式了解客户消费行为及偏好，定性分析和主观因素要更多，而且客户某些潜在的需求和间接的偏好是无法通过调研得出所有答案的。第三，精确营销的推广销售群体是有针对性的一部分的目标用户，而传统

4、营销则面对的是所有大众。我们来看一下这个例子：某企业有客户群25万人，希望对他们做一次邮寄的促销活动，每一个用户邮寄成本为1.5元，如果客户对促销活动响应，平均能带来200元的利润。对25万用户全部邮寄，如果响应率在1%左右，那么收益=250000*1%*200-250000*1.5=125000；通过精确的目标用户筛选，选择2.5万用户（是总用户的10%），如果响应率达到5%（是原来的5倍），那么收益=25000*5%*200-25000*1.5=212500，比对全体用户邮寄的收益提高了87500元。通过这个例子我们可以看

5、到精确营销在节约营销成本，提高利润水平上无疑比传统营销更具优势。精确营销与长尾理论在传统营销中，由于资源的限制和对高营销效率的追求，企业更关注重要的人和重要的事，即重点针对创造80%利润的20%的客户做营销，这就是我们通常所说的“二八”定律。但“二八”定律对于以用户需求为中心的精确营销来讲是不适用的。因为我们对用户分析的目的就是要找出每一个个体在需求上的差异，进而针对这种差异所产生的个性化需求进行定向的精确营销。此外，用户需求的差异化和产品种类的丰富性也使用户的选择趋于多样化。以移动电话运营上的彩铃业务为例，可以供客户下载的歌

6、曲有上万首，这样用户便面临着无限的选择，而其中的每一首歌曲都有可能被用户下载，尽管绝大部分歌曲下载的需求和实际下载量并不高，但这些处于长尾部分的下载量占总下载量的比例加在一起却可能超过正态曲线分布中处于头部位置主流歌曲的比例，也就是说那些不流行的占绝大多数的彩铃相对于流行的少数主流彩铃所创造的收入和利润要更多，这就是目前颇为流行的“长尾理论”。图1：“长尾理论”示意3000025000下载次数2000015000头部长尾部分1000050000歌曲长尾理论告诉我们，不仅要关注处于传统需求曲线上那个代表“畅销品”的头部；更要关注

7、所谓“冷销品”的长尾部，这就需要我们要更深入地研究目标客户群体和个体之间的需求差异。数据挖掘在精确营销中的应用让我们回到前面某企业做邮寄促销的例子，如何才能获得筛选10%的用户，响应率提高4倍（是原来的5倍）的效果呢？这就是数据挖掘的威力。精确营销解决的问题是：哪些用户是某个产品或者营销活动的目标用户？或者每个用户最适合给他推荐的产品是什么？前者是为产品或者营销活动筛选目标客户；后者是对用户进行产品推荐，从本质上来说，两者是类似的。数据挖掘正是通过对客户消费行为数据和历史规律的挖掘与分析，进而可以找到目标用户的特征，实现以客户

8、为中心的精确营销。数据挖掘是对一系列对数据进行分析和挖掘的方法的统称，在精确营销领域，最常用的数据挖掘方法主要包括以下三类（完整来说数据挖掘范围会更广，但本文仅侧重描述如下三类）：分类、聚类、关联。Æ分类(Classify)分类是数据挖掘应用最广泛的应用之一，分类属于预测性模