[摘要] 為了更好地對企業(yè)的營銷管理進行量化分析，許多企業(yè)開始引進數(shù)據(jù)挖掘技術為企業(yè)的營銷管理提供精準的信息支持。本文就是基于這樣的一種發(fā)展趨勢，結合數(shù)據(jù)挖掘技術特點與營銷數(shù)據(jù)的特征，分析數(shù)據(jù)挖掘技術在企業(yè)營銷管理中的應用。

[關鍵詞] 數(shù)據(jù)挖掘 營銷數(shù)據(jù)庫 客戶關系管理

一、數(shù)據(jù)挖掘的概念及方法

數(shù)據(jù)挖掘(Data Mining) 是一個利用各種分析工具在海量數(shù)據(jù)中發(fā)現(xiàn)模型和數(shù)據(jù)間關系的過程，這些模型和關系可以用來做出預測。它是一個多步驟的對大量數(shù)據(jù)進行分析的過程，它在自身發(fā)展的過程中，吸收了數(shù)據(jù)庫、數(shù)理統(tǒng)計和人工智能中的大量技術，是一種利用信息資源的有效方法。

數(shù)據(jù)挖掘的功能用于指定數(shù)據(jù)挖掘任務中要找的模式類型。一般來說數(shù)據(jù)挖掘任務可被分成描述和預測兩類：“描述性挖掘任務刻劃數(shù)據(jù)庫中數(shù)據(jù)的一般特性；預測性任務則在當前數(shù)據(jù)上進行推斷，以進行預測?！币话阃ㄟ^概念/類描述、關聯(lián)分析、分類和預測、聚類分析等方法去實現(xiàn)。

二、營銷管理數(shù)據(jù)的特點

作為企業(yè)數(shù)據(jù)重要的一部分，企業(yè)的營銷數(shù)據(jù)除擁有數(shù)據(jù)的共性之外，也有其自身特點。主要特點如下：

1.數(shù)據(jù)量大。關于企業(yè)營銷的數(shù)據(jù)量非常龐大，每天的經(jīng)營都不斷產(chǎn)生大量新的數(shù)據(jù)，如果僅用傳統(tǒng)的分析法，如采用計算機的常規(guī)分析手段，其分析處理能力也非常有限，運用數(shù)據(jù)挖掘技術效果就大不一樣了，我們僅從其定義即可看出它面向的就是大數(shù)據(jù)量。特別是它與數(shù)據(jù)倉庫的結合，更是加強了其對海量數(shù)據(jù)的處理能力。

2.動態(tài)性與規(guī)律不明性。營銷數(shù)據(jù)中所包含的規(guī)律性往往不是很強，隨著時間、經(jīng)濟環(huán)境的變化，規(guī)律也在不斷更迭變化，比如在銷售旺季中的某種模式到銷售淡季中可能就不起作用或作用不明確。對于這樣多變且復雜的現(xiàn)象數(shù)學形式的模型很難及時適應或預測這種變化，但在采用某種數(shù)據(jù)挖掘技術后企業(yè)一般就可以在不斷獲得新數(shù)據(jù)后，自動對模型進行動態(tài)更新以適應新的環(huán)境。

3.數(shù)據(jù)類型多。市場的不確定性與銷售、客戶關系的變化與許多因素的影響，如經(jīng)濟的、政治的、社會的、心里的等等有關。數(shù)據(jù)的類型既有數(shù)值型的也有大量非數(shù)值型的，如分類數(shù)據(jù)。

4.關系復雜 企業(yè)的營銷變量從產(chǎn)品種類、廣告場所、客戶特征到銷售量可謂眾多繁雜，其取值既類型多樣化且也可能和很多因素有關。這種相關的性質(zhì)有可能是線性的也有可能是非線性的。也許可以較為簡單的初等函數(shù)形式來描述，但有些根本無法以數(shù)學形式表示達。

三、數(shù)據(jù)挖掘技術在營銷管理中的應用

根據(jù)數(shù)據(jù)挖掘在企業(yè)營銷管理中的現(xiàn)實與到目前為止的理論研究成果，本文認為數(shù)據(jù)挖掘在營銷管理中的應用已滲透到從產(chǎn)品銷售關聯(lián)、潛在客戶分析、客戶關系管理到廣告投放決策等等方面，主要應用介紹如下：

1.尋找替在客戶。數(shù)據(jù)挖掘在尋找替在客戶主要工作是識別好的潛在客戶、為接近潛在客戶選擇溝通渠道、信息簡檔的匹配等。不像傳統(tǒng)的僅靠營銷部門的經(jīng)驗去選擇一部分人群，數(shù)據(jù)挖掘技術提供了許多效果顯著的更為精確的定量方法。如在利用簡檔匹配定義替在客戶時，我們可以用距離度量評價替在客戶的得分、計算匹配度等，從而更為精準地知道那些人有可能是企業(yè)或公司的客戶。

2.定向市場營銷活動。企業(yè)在選擇了一部分人群作為替在客戶后，要使這部隊部人群成為企業(yè)的人現(xiàn)實客戶，需要開展許多營銷活動。如何開展營銷活動、合理安排預算等都是企業(yè)迫切需要知道的情報，否則容易造成預算分配不合理、強度與止目標群錯位等。數(shù)據(jù)挖掘在改進市場營活動時主要是采取響應度建模，進而計算固定預算的響應率、從而達到優(yōu)化營銷活的收益。例如，公司想給大量的替在客戶發(fā)郵件，但每客戶的響應度不一樣，在不同的普及底線、穿透度要求下利用數(shù)據(jù)挖掘技術我們可以計算出響應度的排位，從而為合理安排定向營銷活動提供決策。

3.產(chǎn)品關聯(lián)分析。史上啤酒與尿布放在貨架鄰近處一起銷售的營銷經(jīng)典案例就是產(chǎn)品關聯(lián)規(guī)則的側面反應。數(shù)據(jù)挖掘在零售企業(yè)對于產(chǎn)品關聯(lián)的分析大大地促進產(chǎn)品的銷售，傳統(tǒng)的做法是按產(chǎn)品分類擺放，但這樣企只能獲得簡單的銷量數(shù)據(jù)并不能獲得如購買習慣、捆邦銷售等信息。通過關聯(lián)規(guī)則挖掘可經(jīng)挖掘到所有支持度和軒信度分別大于等于預定的最小支持度和最小置信度的規(guī)則，并找出其中的規(guī)律。在做此類分析時，常用APRIORI算法去實現(xiàn)。目前，大部分大超市都開始使用關聯(lián)規(guī)則挖掘幫助其決策，為企業(yè)的交叉售銷、提升銷售、銷售推薦提供支持，更好地為顧客的服務，實現(xiàn)企業(yè)與顧客雙贏。

4.客戶關系管理。在產(chǎn)品高度同質(zhì)化、客戶需求多樣化的今天，如何進行有效地客戶關系管理已是企業(yè)競爭能力提升的的重要基礎。以前，人們認為客戶關系管理就是“以客戶為中心”對客戶進行管理，這種觀點雖然有一定的道理，但只是概念性描述，沒有具體的量化指導措施。只是片面強調(diào)表面現(xiàn)象，沒有深層次的分析。如無法精準地辯別出那些客戶最有價值，對如何保持客戶和流失客戶分析缺少令人信服的方案。

四、結論

隨著數(shù)據(jù)挖掘技術的不斷發(fā)展和企業(yè)越來越重視從營銷數(shù)據(jù)中獲得知識，數(shù)據(jù)挖掘技術的在企業(yè)營銷數(shù)據(jù)管理中將扮演著更為重要的角色。同時企業(yè)信息化的加強和營銷定量分析的俱增，數(shù)據(jù)挖掘技在企業(yè)營銷管理的中應用將越來越廣。充分利用數(shù)據(jù)挖據(jù)技術為企業(yè)的營銷管理服務，提高從營銷數(shù)據(jù)庫中發(fā)現(xiàn)知識的能力，從而使企業(yè)在競爭中處于有利位置。

參考文獻：

[1]Jiawei Han， Micheline Kanmber. 數(shù)據(jù)挖掘：概念與技術， 機械工業(yè)出版社，2001

[2]營銷管理:第3版(原文版)/(美)菲利普·科特勒=Philip Kotler)著，王虹，應斌譯-北京:清華大學出版社，2007

[3]數(shù)據(jù)挖掘技術:市場營銷、銷售與客戶關系領域應用，（美）Michael J.Berry 等著，別榮芳等譯，機械工業(yè)出版社，2006