基于数据挖掘技术的数据库营销

客户世界 | 2015年7月12日 | 会议会展 | 评论已关闭 | 1685

||2004-09-21

数据库营销在现代企业的营销模式中的新型营销模式，它是基于现代信息技术学、营销学和统计学而形成的一门边缘科学。数据挖掘技术的引入，解决了数据库营销中的关键问题，即如何在已有的海量数据中挖掘出有用的信息和知识，为企业的营销决策提供保证。

数据库营销（database marketing）是上世纪90年代兴起的一个热门话题，是现代企业的一种新型营销模式，是基于现代信息技术、营销学和统计学而形成的一门边缘科学。它不仅是一种营销方法、工具、技术和平台，更重要的是一种企业经营新理念。

当前，由于企业日益广泛地使用数据库管理系统，使得企业存储了诸如产品销售、客户信息等大量的历史数据。而就目前的数据库管理水平而言，大部分企业的历史数据并没有被有效利用，有的反而成为了数据垃圾。这使得企业在决策时缺乏科学、有效的支持，在和其他企业的竞争中处于不利的境地。因此，利用数据挖掘技术，从大量的、不完全的、有噪声的、模糊的和随机的数据中自动提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识，为企业的决策提供有力的支持，实现一个从数据到信息再到知识的质的飞跃。在现代信息技术飞速发展的今天，这对于采用数据库营销方式的企业有着极其重要的意义。

数据库营销是以企业目标市场的顾客信息为对象，对其进行采集、处理，挖掘出富有价值的信息，并有针对性地与客户进行沟通，提升企业的营销能力和水平。数据库营销正以其独特的营销理念和高效率的回报为越来越多的企业所接受和使用。

数据库营销的基本作用

　　数据库营销在开拓新的目标市场和稳定现有顾客，使之成为持续性的消费者，对提高市场占有量、扩大顾客的终身价值有着极其重要的作用。可以说，数据库营销正把以消费者为主体的需求导向逐步取代以产品导向和销售导向为主体的传统营销模式。其基本作用如下：

（1）充分了解客户的需要并为客户提供更好的服务。客户数据库中的资料是客户消费行为的记录，从中可以反映出每一客户的消费爱好和消费倾向。这将使针对每一顾客的个性化营销成为可能。

（2）了解客户的价值并对客户的价值进行评估。利用数据库的资料，通过区分高价值客户和一般客户，计算客户生命周期的价值以及客户的价值周期，对各类客户采取相应的营销策略。

（3）分析客户需求行为。通过对数据库内客户的历史资料分析，不仅可以预测客户未来的需求趋势，还可以评估需求倾向的改变。

（4）市场调查和预测。通过对数据库中历史数据的分析和挖掘，可以为市场调查提供丰富的信息和知识，根据这些信息和知识可以分析潜在的目标市场并采取相应的营销策略。

数据库营销的优势

与传统的营销手段相比，数据库营销有如下优势：

（1）可以帮助企业准确找到目标客户群。数据库营销是营销领域一次重要变革，是一个全新的营销概念。在生产观念指导下的营销，各种类型的消费者接受的是相同的、大批量生产的产品和信息；在市场细分化理论下的营销，是根据人口统计及消费者共同的心理特点，把仍不知名的顾客划分归类。而新的计算机技术和数据库技术可以使企业能够对目标对象更加细化，最终集中在最小消费单位— —单个客户，实现目标市场高度清晰。

（2）数据库营销帮助企业判定潜在客户的购买标准并准确定位。企业收集潜在客户的各种信息后通过数据库的技术分析处理可总结出客户的购买前提和标准，从而可以为自己选择竞争力强的定位，不仅获得高利润而且使制定的营销策略满足了目标客户的需求帮助企业在最适合的时机以最适合的产品满足客户的需求，可以降低成本，提高效率。根据客户数据库的记录，可以分析出客户在什么时候需要什么样的产品，就可有针对性开展营销活动，实现最佳效益。

（3）能够探测市场，发现新的市场机会和提供新产品、新服务。首先顾客数据库的存在为营销者发展一个可以控制的研究样本提供了可能。其次，营销者可以调查和观察特定的顾客，追踪个体层次上的顾客需要和欲望，并从已有的有关顾客的数据中发现新的机会，赢得新的效益。最后，数据库营销要求营销者不断与特定的顾客互动，从顾客的反应中发现出解决顾客问题的新产品与新服务。

（4）与顾客建立起长期、高品质的良好关系。根据建立起来的数据库，营销者结合最新信息和结果制定出新策略，使消费者成为本企业产品长期忠实用户。

（5）选择合适的营销媒体。企业根据客户数据库确定目标，从客户所在地区，从客户的购买习惯，购买能力，商店数目做出大致销售的估计，这些是决定营销媒体分配、充分传达广告内容、使客户产生购买行为必须要考虑的内容。在制定媒体计划阶段，有关客户的所有情报更是营销人员必须了解的内容。数据库营销的着眼点是在单个客户，所以必须根据数据库提供的信息谨慎考虑要以何种媒体和何种频率来与个人沟通才能达到良好的效果。

一般来讲，数据库营销一般经历数据采集、数据存储、数据处理、寻找理想客户、使用数据和完善数据等五个基本过程。

（1）数据采集。企业的客户数据可来自市场调查、以往销售记录、促销活动记录、黄页或者专业信息提供商。例如搜集有价值的顾客信息，如顾客的姓名、年龄、职业、家庭地址、电话号码、顾客的偏好及行为方式,顾客与公司之间的业务交易、顾客购买的具体数据(购买频率、购买量、购买时间和地点等) 。在搜集信息时要注意信息的真实与适用,避免信息的杂乱与无序。

（2）数据存储。在充分掌握顾客信息的基础上,将收集的数据，以客户为基本单元，逐一录入数据库系统，建立起客户数据库。顾客数据库能用来分析顾客提供的数据信息并在此基础上产生更多的决策信息;能直接接受定货、开展直接邮购、评估市场营销的成功程度;能进行一定的需求预测等。顾客数据库是进行数据库营销的基础。

（3）数据处理。运用先进的统计技术，利用计算机把不同的数据综合为有条理的数据库，然后在各种强有力的软件系统的支持下，产生产品开发部门、营销部门、公共关系等部门所需要的详细数据库。

（4）寻找目标顾客。根据使用最多类客户的共同特点，用计算机勾画出某产品的客户模型，此类客户群具有一些共同的特点——比如行业、规模等，可从中选择理想的目标客户群体。在掌握顾客需求特点的基础上,有目的地运用市场营销手段,如加强顾客的品牌忠诚或刺激顾客的需求,挖掘潜在顾客。这是数据库营销中的关键步骤。数据处理过程的算法是否可靠、有效，其结果如何将直接影响到数据库营销的最终效果，对企业的营销具有决定性的意义。

（5）使用数据并完善数据库。数据库数据可用于多个方面：例如将促销优惠卷决定送给某些客户；开发什么样的新产品；根据客户特性，判断如何制作广告比较有效；根据购买记录判定客户购买档次和品牌忠诚度等。同时随着各类营销活动的开展收集回来的信息将不断增加和完善，可使数据不断得到更新，从而及时反映客户的变化趋势，使数据库适应企业经营的需要。

数据挖掘技术

上述对数据库营销的分析表明，数据库营销系统中的关键是数据处理后如何寻找目标顾客，而数据挖掘技术正是关键所在，既如何从海量的客户数据中找出那些对我们有价值的，能帮助我们作出正确营销决策的信息和知识。

数据挖掘技术经过十余年的发展，形成了一些比较成熟的挖掘方法。根据发现知识的种类可以分为:

(1) 关联分析（Associations）:利用规则归纳方法进行数据挖掘，其目的是挖掘隐藏在数据间的相互关系,它能发现数据库中形如“90 %的顾客在一次购买活动中购买商品X的同时购买商品Y”之类的知识。目前有许多较成熟的算法，如：APRIORI、DHP等；

(2) 时序模式(Sequential Patterns):它注重于从时间上分析数据间的前后序列关系,找出重复发生概率较高的模式。例如: 在购买打印机的顾客中，许多人会在一段时间后购买墨盒和打印纸。这类分析对利用产品目录进行销售的公司特别重要，它能提醒公司在恰当的时机向恰当的客户邮寄产品目录；

(3) 分类分析(Classification):它通过分析示例数据库中的数据,为每个类别做出准确的描述,然后用这个分类规则对其它数据库中的记录进行分类。例如:银行将客户的信用等级划分为好、中、差三个等级。分类系统可以产生这样的规则:“如果客户在过去三年中未出现到期没归还的欠款,收入在30000 元以上,那么他/ 她的信用等级是好”。而在客户保持过程中，借助这样的方法能更加准确地判断哪些客户将会离去，提醒企业尽早实施相应的挽留措施。

(4) 聚类分析(Clustering):通过分析数据库中的记录数据,根据一定的分类规则,合理地划分记录集合,确定每个记录所在类别。聚类是一种对具有共同趋势和模式的数据元组进行分组的方法。分组后,组与组之间被认为是相异的, 而组内记录被认为具有相似性。与分类分析不同, 聚类是一种无指导的学习过程。这是因为在聚类之前数据库是杂乱的, 没有既定的分类规则, 用户和聚类程序都不知道这些记录应该分成几类。虽然有些工具允许用户事先指定一个确定的分组数目, 但这完全是主观的, 没有理由来证明这就是对的。事实上, 聚类方法很多, 比如加入法、分解法、系统聚类法、动态聚类法、模糊聚类法等。对于相同的记录集, 如果采用不同的聚类方法, 可能会有不同的划分结果。没有一个绝对的标准来判断哪个更好。但可以肯定的是一个真正的聚类一般应满足下面的条件: 数据库中的每一条记录都属于且仅属于一个特定的组。

这些数据挖掘方法的出现对数据库中知识的发现（Knowledge Discovery in Database–KDD）有着极其重要的作用。通过这些方法的使用，能从客户数据库中进行有效的数据处理和挖掘，为企业的营销决策提供支持。

数据挖掘技术在数据库营销中的应用

随着数据挖掘技术的逐步完善，数据库营销系统也正发挥越来越大的作用，被越来越多的企业所接受。通过数据挖掘技术对顾客信息资料数据库的分析，寻找挖掘现有客户对产品的依赖程度、喜好等各种特征模式，并运用这些模式来发现更多的潜在目标客户群。

数据挖掘在数据库营销中的主要应用有: 关联分析即市场篮子分析, 用于了解顾客的购买习惯和偏好, 有助于决定市场商品的摆放和产品的捆绑销售策略；时序模式与市场篮子分析相似,不过是用某时间点发现的产品购买或其他行为模式来预测将来购买产品或服务类别的概率；聚类分析用于市场细分, 将顾客按其行为或特征模式的相似性划分为若干细分市场, 以采取有针对性的营销策略；分类用于预测哪些人会对邮寄广告和产品目录、赠券等促销手段有反应, 还可用于顾客定级、破产预测等。

基于数据挖掘技术的数据库营销系统是目前企业在营销领域的一个新探索，已初步发挥了其优越性和潜力，并取得了一定的成效。但目前，数据挖掘技术尚处于不断发展的阶段，数据挖掘语言和接口有待进一步简化，基于Internet的数据库营销系统的数据挖掘技术尚不完善，对挖掘出的知识的有效性和可用性缺乏高效的评价方法等等这些问题，都会制约数据库营销系统在企业中的应用。因此，在使用数据库营销系统的同时，必须考虑上述因素的影响，从需求、数据、财力及技�

责编：admin