淺談數據挖掘技術在企業市場營銷中的應用,市場營銷論文內容摘要：大數據挖掘技術是對數據進行分析,預測將來,洞悉因果,其終極目的是通過數據驅動實現精準決策。企業傳統IT系統如ERP系統僅僅是基于采購、生產、銷售等包括人、財、物在內的一系列企業經營供給鏈的事務型管理系統,而非數據分析型系統。企業傳統IT系統積累了大量真實可靠的數據化數據,將大數據挖掘技術與傳統IT系統相結合,挖掘數據背后的邏輯,展現潛藏的商業價值,對企業的經營決策意義重大。本文主要研究數據挖掘技術在企業市場營銷中的應用。本文關鍵詞語：大數據;數據挖掘技術;市場營銷;一、引言需求驅動發展,企業信息化系統的應用與快速發展,為企業帶來業務處理與管理的便捷,同時,積累了大量數據。隨著DT(DateTechnology)時代的到來以及智能化技術的快速發展,企業意識到數據是一筆難得珍貴的無形資產,企業迫切需要在ERP等傳統IT系統的基礎上,運用數據挖掘技術對企業經營數據從產生、流動、變動等數據流構成的各個環節進行全生命周期的整合管理,進而挖掘傳統IT系統無法展現的大量隱含邏輯與規則。這必將為企業的決策,尤其是產品品類劃分、需求預測、客戶辨別、定價策略、廣告定向、倉儲以及渠道與客戶管理等市場營銷策略提供更為科學精準的數據支持。二、何為數據挖掘關于何為數據挖掘(DataMining),能夠從數據挖掘的詳細任務實現步驟進行闡述。首先,從海量數據中尋找什么樣的規則與邏輯,即確定數據挖掘的目的任務,明確需求;其次,根據數據挖掘需求,確定挖掘分析對象,即進行數據的準備及一系列預處理動作;再次,選擇挖掘技術,建立數據模型;最后,數據規則與邏輯的展示。數據挖掘技術通常有關聯規則分析、聚類分析、異常分析、神經網絡法、回歸分析、演變分析等。無論是數據挖掘技術的方式方法選擇還是經過確實定,都應其應用領域的不同或者需求目的的不同而有一定的差異性,數據挖掘技術的應用能夠幫助企業實現業務的自動化向智能化發展。三、對企業市場營銷數據挖掘的目的任務數據挖掘早已在零售業、生產制造業、金融、電子商務、交通、保險和電信等眾多行業領域得到了應用廣泛,并成為企業或組織行業競爭的利刃。無論哪種行業應用,先確定數據挖掘的目的任務是必要前提。也就是明確企業面臨的困惑與問題,需要通過數據挖掘到達的目的。(一)企業在市場營銷中面臨的問題描繪敘述當前,企業在市場營銷中的問題總體上有幾點:(1)產品品類構造劃分以及銷量的預測是眾多企業面臨的問題。當前企業主要通過歷史銷售數據的統計,粗略地對品類的銷量分布及趨勢進行分析預測。怎樣更深層次、更寬維度地找出產品品類、銷量,銷售時間、地區,門店地址、顧客群體等眾多數據信息之間的關聯規則,進而更好地進行預測,并及時調整產品品類構造、倉儲水平、促銷強度提供根據。(2)顧客的管理方面,固然很多企業IT系統數據庫存儲了顧客消費記錄,也記錄了用戶基本信息,但往往顧客信息數據僅用于通訊,周期性發送促銷廣告信息,對促進其再次消費,提高顧客粘性價值不大,反而會引起顧客的反感。急需對顧客信息數據進行深度挖掘,例如從顧客寓居地點、教育背景、職業背景等多種看似無關聯的數據層,尋找其隱藏的內在聯絡,進而對制定促進顧客關系、保存顧客的最佳策略,對顧客需求做出精準預期和快速反響,以更好制定有效營銷策略。(3)廣告投放、促銷活動的盲目性,導致營銷成本增大,效率低下。當代企業在競爭中已經把握了一定的營銷策略,進行顧客細分,并有選擇有針對地對更有購買可能的顧客進行廣告投放、促銷活動。但是,怎樣尋找潛在顧客,他們所具有的消費行為特征是什么,他們的購買力、消費需求會受哪些因素影響,哪種廣告投放渠道收效更大等等,這些都需要有大量數據根據來做判定。(二)企業市場營銷數據挖掘的目的任務根據以上所描繪敘述的企業在市場營銷中所面臨的問題,確定應用數據挖掘技術的目的任務:(1)運用聚類分析、關聯規則分析,挖掘不同顧客之間差異度、類似度、關聯度,對顧客購買行為進行分析,進而細分顧客并對顧客價值進行有效評估。(2)運用關聯規則分析,解決產品品類構造劃分問題,品類組合問題,比方,一二線城市大型購物商場哪些品類更暢銷,哪些品類銷量低,降低配貨量,甚至取消品類,哪些品類綁定銷售更能提高銷量,哪種促銷方式更有效,選擇什么樣的廣告媒體,甚至是什么時間段投放,重復次數多少,能最大化刺激購買。四、企業市場營銷數據的采集與處理(一)構建數據倉庫根據數據挖掘的任務目的,能夠確定數據采集方向。任何企業都處于市場競爭環境中,數據來源必然包括外部數據與內部數據兩部分。外部數據有行業競爭對手數據,經濟相關指標以及天氣、季節等所有影響銷售因素。內部數據則主要來自企業內部進銷存或ERP等IT系統。數據庫的構建是數據挖掘應用的關鍵與基礎。(二)數據預處理通常進行原始數據都存在一定的問題,比方數據的重復、冗余,數據的完好性,數據格式的統一化、標準化等問題。需要對原始數據進行預處理,處理方式方法通常有(1)數據清洗,即剔除冗余數據,并通過極值檢驗、眾數、標準差數學方式方法去除無效數據;(2)數據規約整合,根據要求標準化數據格式,并對數據進行轉換整合,構建數據挖掘算法模型所需要的數據集合。五、數據挖掘在企業市場營銷中的應用(一)建立聚類分析模型,分析顧客消費行為,并細分顧客聚類是根據各個變量之間的親密和疏遠程度,將它們聚成多個簇的經過,聚類的目的是使得同一簇內的點之間距離較短,而不同簇點之間的距離較大[1]。建立聚類分析模型,運用聚類分析從顧客性別、年齡、購買產品的品類、地點、時間、消費金額等對顧客進行細分,例如,產品促銷期間顧客的介入度高的顧客能夠聚類到促銷驅動型顧客,根據數據進一步挖掘這類顧客的特征,可能是以老年人和婦女家庭型為主,這類顧客消費決策行為特點是對成本控制要求高,顧客購買概率受其他顧客購買影響較大,價格敏感度高,購買習慣為簡單、迅速,需要重復廣告刺激,還能夠計算出其購買時間和購買量與促銷時間和強度的關聯度,進而制定針對性更強的促銷策略。再比方,根據購買新品類數據能夠聚類到沖動型顧客,他們對品牌有一定的忠實度,更愿意跟蹤自個信賴的產品的新動向,勇于嘗試新事物,這類顧客重復購買度較高,購買行為自影響系數較大,購買習慣為快速、新鮮,根據數據可以以進一步挖掘這類顧客的更多特征。除此之外,還可建立顧客流失聚類分析模型,對流失的顧客分析其特征,找尋流失原因,制定避免顧客流失的針對性策略。表1購物籃分析表(二)建立關聯分析模型,細化品類構造,精準廣告與促銷的投放關聯分析最早是應用于市場購物籃分析中,統計分析顧客的購買記錄,發現顧客購物時的多種產品間的聯絡與購物規律。如下表1購物籃分析表,簡單例舉了品類、贈品、折扣幾項購買記錄,還能夠增加廣告渠道,消費金額等更多種的數據信息。能夠通過建立關聯數據分析模型,計算顧客同時購買的化裝品之間的聯絡,購物與促銷贈品的聯絡,以及與價格折扣的聯絡等,進而評測顧客購物行為。由表1數據可知6位顧客中,3位顧客購買美白系列的同時,購買了BB霜,4位購買BB霜的顧客同時購買了唇彩,由購物頻次能夠計算品類之間,事務之間的關聯強度,還能夠分析購物品類、總金額與促銷贈品、折扣之間的關聯規則等,以對顧客購買行為進行分析預測,便于尋找最優產品組合,折扣力度,以及更能刺激購買行為的促銷與廣告策略。當下日益劇烈的市場競爭,推動著企業在市場營銷中不斷創新發展,從關注產品已經轉變為顧客導向,怎樣及時準確地預測需求、引導刺激購買,建立與顧客的主動性關系形式,降低營銷成本的同時,提高營銷效率,這是企業經營決策者迫切需要解決的問題。在市場營銷中引入數據挖掘技術,針對企業實際面臨的營銷現在狀況與問題,建立數據分析模型,支持企業經營決策者制定更為精準有效的營銷策略,以使企業對變幻莫測的市場能做出更為迅速、更為精準的反響,對企業在競爭中取勝具有意義重大。六、總結本文首先對企業在市場營銷中普遍面臨的問題進行了描繪敘述,并在這里基礎上根據數據挖掘關鍵性步驟,確立了數據挖掘目的任務,介紹了數據采集與處理方式方法,最后,具體介紹了數據挖掘技術的詳細應用。DT時代,大數據挖掘、云計算、人工智能等技術推動企業乃至整個社會向智能化快速發展,企業只要走在時代前沿,同步于時代發