數據挖掘技術在企業市場營銷中的應用

秦景然

隨著計算機技術的快速發展，網上用戶不斷增多，數據庫也隨之龐大，數據挖掘技術也日益成熟。如何在企業市場營銷中利用數據挖掘技術獲得更大的利益也成為當今各大企業研究的重要方向，如果能合理提高數據挖掘技術的使用率，將在確保企業商業知識安全的前提下增大營銷效率，降低市場成本。本文將通過了解數據挖掘技術，從而分析其在企業市場營銷中應用的理論依據和益處。

一、前言

現如今越發龐大的數據庫對于企業市場營銷來說既是機遇也是挑戰，出色的企業要能在這片數據庫中找到立足之地，充分利用數據庫可以提高對客戶的了解，有針對性地為每位客戶進行產品推薦，還可以挖掘出潛在客戶，在此基礎上搭配出詳盡的服務計劃，可以達到提高企業市場營銷的成功率和好評率。因此，研究數據挖掘技術在企業市場營銷中的應用是十分必要的。基于此，文章通過下文對數據挖掘技術在企業市場營銷中應用的相關內容展開了論述與探究。

二、了解數據挖掘技術

數據挖掘又稱DM，顧名思義，它是在大量的數據中挖掘到潛在的有價值、有規律的商業信息。篩選有用的信息、總結經常出現的模式、預判發展的趨勢是進行數據挖掘的主要目的。數據挖掘是一個對新知識進行萃取和展現的流程，它能為企業市場營銷在分析銷售、預測市場和產品決策等方面提供幫助。

數據挖掘涉及到的相關知識有很多，根據挖掘方法和挖掘任務等，均有不同的分類。本文選擇從挖掘任務角度對數據挖掘進行分析。

常見的數據挖掘任務可以分為四種類型：分類、聚類、關聯以及序列模式。分類是預測事件所屬的類別，又被稱作預測模型發現。是根據已知樣本數據構建對其他類別的模式進行描述，再利用這種模式參照新的數據的變量特征，將其映射到已知類別中。例如在看病的時候，醫生會根據各種癥狀來對患者可能感染的疾病進行粗略判斷；聚類是發現、描述數據庫中以前未曾出現的數據類別，常用于市場細分，可以有針對性地對客戶進行服務，從而提高市場營銷效率；關聯規則是數據挖掘的核心技術，關聯規則是一種簡單的形式，推斷客戶購買行為的潛在聯系，例如奶粉和尿布的關系就屬于關聯，但要確保規則的正確性才能給客戶和消費者更好的體驗；序列模式常被看作是由時間鏈接起來的關聯模式，可以用來分析長時間的記錄，用來進行市場預測。

三、數據挖掘技術的理論依據

數據挖掘的理論依據包括但不僅限于消費行為、顧客關系、顧客數據庫等。

一種商品在正式開始營銷之前必定要先對市場和消費者進行了解，明確消費者的消費目的、消費地點、消費偏好等，從而進一步分析影響消費者消費的各種因素，采用數據挖掘技術可以節約大量的人力物力，從而較為輕松地達到引導消費者進行消費的目的。由于市場競爭逐漸進入白熱化階段，消費者和客戶面對多種選擇時常常會陷入猶豫，此時客戶關系的作用就凸顯了出來。公司必須要對客戶關系進行良好管理，才能滿足客戶的各種需求，從競爭中脫穎而出。

由此可見應用數據挖掘技術對提高企業市場營銷額有一定好處，而增強對這項技術的了解才能更好的應用。

四、數據挖掘技術在企業市場營銷中的應用

由于政策支持等許多原因，中國經濟發展越發迅猛，但與之相對的市場趨于飽和，競爭也越發激烈，價格戰在市場營銷中雖然是一種良好的營銷手段，但并不具有長久性，有效利用數據挖掘才能使企業獲得更大的收益。數據挖掘所需要的客戶數據庫來源于市場中的各種渠道，將這些數據進行整理歸納并進一步分析，了解客戶消費的規律，從而預測出客戶未來的消費需求，進行市場預測就是數據挖掘的一種用法。例如一位客戶購買了奶粉，那么就可以針對性的為這位客戶推薦尿布和嬰幼兒益智玩具等嬰兒相關產品，達到提高銷售額的目的。并且，我們根據客戶的市場需求，我們還可以為客戶準備更多的商品，為后續的營銷和銷售奠定基礎。我們在市場中只有把握了需求，深刻的挖掘了客戶的需要，才可以創造出更多的價值。

利用數據挖掘的關聯分析可以增加利潤點，比如客戶在銀行申請房屋貸款時可以提供裝修貸款等長期購買業務，從而提高營業額，也可以了解客戶的購房用途從而定制不同的方案，銀行甚至可以將這一信息賣給家具公司、婚慶公司等相關企業。一些比較大的公司更是會對客戶的信息進行深層次處理，在了解到的信息基礎上加以預測和推算，例如某人在假期購買從廣州飛往北京的機票，那么，他可能就會收到幾天后北京飛往廣州打折機票的相關短信通知。這種方式不但方便，而且還能夠節約時間。

使用數據挖掘技術不僅可以挖掘潛在客戶，還可以對已經購買產品的客戶進行跟蹤調查，了解客戶是否對產品滿意，更可以在以后的活動中更便捷的通知到客戶群體，吸引客戶回購，從而創造更多的價值。

授人以魚不如授人以漁，利用已有的數據庫不如建立自己的數據庫，既節約了向他人購買的成本，也能更好地利用數據并進行整理歸納，盡快地做出市場預測。

而且我們在工作中需要做好以下幾點：

把聚類分析模型建立起來，把控顧客不良消費行為，仔細客戶。

把聚類分析模型建立起來，通過聚類分析，從顧客的年齡、性別、產品購買的地點、時間、消費情況以及品類等入手分析，比如，在促銷茶品的時候，參與度高的顧客，可以把他們納入到促銷驅動性顧客群體中，按照數據將這類顧客的消費特征挖掘出來，例如，他們可能是婦女或者老年人。要求嚴格的控制成本，是對這類顧客消費的行為特征的判斷，而且，其他顧客的購買率也會直接影響到他們的購買率，有著較高的價格敏感度，購買習慣是迅速、單一，要求利用廣告重復刺激，還能夠將其購買和時間的關系計算出來，從而將較強針對性的促銷方案制定出來。在或者，按照購買商品的數據情況，可以把他們劃分為沖動型顧客，他們非常喜歡自己的品牌，對于自己喜歡的商品是非常的熱衷，很愿意接受新的事物，這類顧客有著較高的重復購買度，購買習慣是新鮮、快捷的。按照基本的數據情況，能夠將此類客戶的特征情況進一步挖掘出來。同時，還可以將顧客流失聚類分析模型搭建起來，分析流失顧客的特征，找出流失的根本原因，從而將防止流失顧客的針對性方案制定出來。

關聯分析模型的建立，劃分品類結構，準確地投放廣告

在分析市場購物籃時會經常會應用到關聯分析法，對顧客的購買記錄進行統計分析，找出顧客購物時的規律和聯系。例如，在購物籃中簡單地陳列出贈品、折扣項目和品類等，通過廣告渠道的增加，從而更好的獲取客戶的信息。還可以把關聯數據分析模型搭建起來，把顧客購買商品之間的聯系計算出來，弄清楚促銷品和索要購買商品間的聯系，然后對顧客的購物行為進行評測。例如，在統計了六位顧客的購買情況后，其中，有三位顧客購買了美白系列的產品，還有兩位分別購買了BB霜和唇彩，通過購買的頻次能夠分析他們對商品的需求情況。通過事物彼此間的聯系，還能夠判斷商品折扣間的關系、商品種類以及促銷商品和總金額的關系。目前，市場競爭壓力和趨勢越來激烈，還在不斷創新市場營銷的策略，顧客導向已經開始漸漸取締了對產品的關注，怎樣及時的刺激消費者消費以及判斷他們的需求，把和客戶間的主動性關系模型建立起來，在將營銷成本降低的基礎上，增強營銷質量，作為企業決策人員我們迫切需要解決和處理掉這樣的問題。

四、結束語

在國際上已經有許多的現金企業加深了對數據挖掘技術的研究，我們也要利用數據挖掘的特性，在企業市場營銷的時候多加利用。但在對數據挖掘技術開發的同時不要低估開發成本，也不要對后期效果有過于高的期待，避免造成損失。（作者單位為天津楊柳青畫社）