數據挖掘在企業(yè)精準營(yíng)銷(xiāo)服務(wù)的應用論文

　　【摘要】企業(yè)精準營(yíng)銷(xiāo)服務(wù)是在充分了解客戶(hù)的基礎上，針對客戶(hù)特點(diǎn)及需求，有針對性地進(jìn)行產(chǎn)品營(yíng)銷(xiāo)的行為。大數據時(shí)代數據呈現井噴式爆炸性增長(cháng)，不斷驅動(dòng)企業(yè)大數據精準營(yíng)銷(xiāo)的應用，數據挖掘成了企業(yè)從海量數據中獲取信息知識的必要技術(shù)手段。本文主要探討數據挖掘常見(jiàn)方法、挖掘過(guò)程及在企業(yè)精準營(yíng)銷(xiāo)服務(wù)的應用，以實(shí)際案例分析總結企業(yè)利用數據挖掘開(kāi)展精準營(yíng)銷(xiāo)工作更為合理的方法、流程。

　　【關(guān)鍵詞】數據挖掘；方法論；精準營(yíng)銷(xiāo)服務(wù)；策略

　　一、引言

　　大數據時(shí)代的來(lái)臨，數據呈現井噴式爆炸性增長(cháng)。在海量數據中，隱藏著(zhù)無(wú)數商業(yè)機會(huì )，但如何將大數據利用起來(lái)卻是一項艱巨的工作。在企業(yè)實(shí)施精準營(yíng)銷(xiāo)服務(wù)過(guò)程中，面臨著(zhù)客戶(hù)在哪？客戶(hù)有什么特征？客戶(hù)需要什么產(chǎn)品？如何進(jìn)行有效營(yíng)銷(xiāo)，提升客戶(hù)價(jià)值？我們在數據的海洋里淹死了，卻在知識的海洋里渴死了……而從龐大的數據中，借助合適的數據挖掘技術(shù)及工具，借助結合實(shí)際的數據挖掘方法，以客觀(guān)統計分析和挖掘算法挖掘出企業(yè)精準營(yíng)銷(xiāo)服務(wù)的潛在目標用戶(hù)、用戶(hù)特征，同時(shí)匹配合適的營(yíng)銷(xiāo)服務(wù)策略，可以顯著(zhù)提升企業(yè)營(yíng)銷(xiāo)服務(wù)精準度與成功率。

　　二、數據挖掘方法

　　數據挖掘工作本質(zhì)上是一個(gè)解決實(shí)際業(yè)務(wù)問(wèn)題的過(guò)程，需要有系統、科學(xué)的數據挖掘方法論來(lái)指導。業(yè)內主流的數據挖掘方法論有：歐盟機構聯(lián)合起草的CRISP-DM、SAS公司提出的SEMMA。CRISP-DM將數據挖掘分為6個(gè)階段，即商業(yè)理解（Busi-nessunderstanding）、數據理解（Dataunderstanding）、數據準備（Datapreparation）、建模（Modeling）、評估（Evaluation）、部署（Deployment）。而SEMMA將數據挖掘分為5個(gè)階段，即數據取樣（Sample）、數據特征探索、分析和預處理（Explore）、問(wèn)題明確化、數據調整和技術(shù)選擇（Modify）、模型的研發(fā)、知識的發(fā)現（Model）、模型和知識的綜合解釋和評價(jià)（Assess）。從工作流程來(lái)看，CRISP-DM是從項目執行角度談的方法論，更關(guān)注與商業(yè)目標的結合，而SEMMA則是從具體數據探測和挖掘出發(fā)談的方法論，更關(guān)注數據探索的過(guò)程。但從具體工作內容來(lái)看，CRISP-DM和SEMMA本質(zhì)上都是在數據挖掘應用中提出問(wèn)題、分析問(wèn)題和解決問(wèn)題的過(guò)程。因此，CRISP-DM和SEMMA互不矛盾，只是強調的重點(diǎn)不同而已。結合企業(yè)實(shí)施數據挖掘工作的實(shí)踐經(jīng)驗，經(jīng)常采用PDMA數據挖掘方法。PDMA將數據挖掘分為4個(gè)階段，即定義業(yè)務(wù)問(wèn)題（Problemdefinition）、數據準備（DataPreparation）、模型構建（ModelCreation）、模型應用（ModelApplication）。與CRISP-DM、SEMMA等相比，PDMA類(lèi)似CRISP-DM，但又有較大差異。首先，PDMA將CRISP-DM的數據理解、數據準備做了提煉與分解。PDMA的數據準備是在滿(mǎn)足業(yè)務(wù)目標的前提下，確定挖掘建模的數據范圍，并構建生成寬表數據及核查數據準確性。PDMA的模型構建是在數據準備后，從數據集中采集業(yè)務(wù)問(wèn)題相關(guān)的樣本數據集，探索數據的規律和趨勢，針對數據建模的數據集數據進(jìn)行探索，選擇一種或幾種挖掘算法，進(jìn)行模型構建及從技術(shù)和業(yè)務(wù)兩個(gè)角度進(jìn)行模型評估�？梢�(jiàn)，PDMA的數據準備只負責建模挖掘寬表準備，數據探索包括衍生變量的生成、選擇等部分數據處理工作在模型構建階段實(shí)現，各階段間的工作分工也更為清晰。其次，PDMA的模型應用不僅僅是模型部署，還包括模型評分、模型監控與維護，確保當市場(chǎng)環(huán)境、用戶(hù)數據發(fā)生變化時(shí)，能及時(shí)判別在用的挖掘模型是否還有效、適用。對于不適用的挖掘模型及時(shí)調整優(yōu)化，實(shí)現模型閉環(huán)管理。同時(shí)，PDMA的模型應用還強調模型輸出目標用戶(hù)的細分，及與市場(chǎng)營(yíng)銷(xiāo)策略的匹配建議，幫助業(yè)務(wù)部門(mén)更好理解模型輸出及指導后續工作的開(kāi)展。PDMA數據挖掘方法論是CRISP-DM、SEMMA等方法論的提煉優(yōu)化。

　　三、數據挖掘精準營(yíng)銷(xiāo)應用

　　隨著(zhù)三大運營(yíng)商全業(yè)務(wù)經(jīng)營(yíng)的迅猛發(fā)展，寬帶市場(chǎng)競爭激烈、市場(chǎng)日益飽和，越發(fā)呈現價(jià)格戰的競爭格局。借助大數據分析挖掘可精準識別寬帶營(yíng)銷(xiāo)服務(wù)潛在目標客戶(hù)及特征，從而實(shí)現營(yíng)銷(xiāo)服務(wù)有的放矢。

　　1、定義業(yè)務(wù)問(wèn)題

　�。�1）基于歷史數據挖掘過(guò)往寬帶營(yíng)銷(xiāo)服務(wù)客戶(hù)寬帶使用特征、消費水平特征、上網(wǎng)偏好等，剖析營(yíng)銷(xiāo)服務(wù)用戶(hù)的主要特征和原因，輸出潛在目標用戶(hù)清單。（2）在輸出潛在目標用戶(hù)清單的基礎上，對目標客戶(hù)進(jìn)一步深入挖掘分群，剖析出不同人群客戶(hù)的寬帶使用、消費行為的典型特點(diǎn)，提出針對性營(yíng)銷(xiāo)服務(wù)策略。（3）針對輸出的潛在目標用戶(hù)清單和分群制定具體的銷(xiāo)售策略，進(jìn)行派單執行，跟蹤效果，做好下次模型迭代優(yōu)化。

　　2、數據準備

　　數據準備是在滿(mǎn)足業(yè)務(wù)目標前提下，確定數據建模的數據范圍，描述和檢查這些數據，并構建建模寬表。針對寬帶用戶(hù)的行為特征，可以選取以下幾個(gè)數據維度：上網(wǎng)偏好維度、消費行為維度、產(chǎn)品及終端結構維度。其中，偏好類(lèi)別數據主要利用DPI數據對用戶(hù)訪(fǎng)問(wèn)的目標URL地址，進(jìn)行多維度的統計計算后，得出的興趣類(lèi)別標簽。輸入模型的變量要根據不同區域和每次預測的數據源動(dòng)態(tài)調整。經(jīng)過(guò)數據清洗、整理、派生，最終確定模型輸入變量時(shí)，主要依據對于模型輸出結果的影響顯著(zhù)性選擇。

　　3、模型構建

　　模型構建就是在數據準備后，從數據集市中采集業(yè)務(wù)問(wèn)題相關(guān)的樣本數據集，探索數據的規律和趨勢，針對數據建模的數據集數據進(jìn)行修正，選擇一種或幾種挖掘方法，進(jìn)行數據模型構建，從技術(shù)和業(yè)務(wù)兩個(gè)層面進(jìn)行模型評估。通常情況下，主要以邏輯回歸和決策樹(shù)等作為建模主要方法，此類(lèi)模型能輸出具體流失公式和規則。在進(jìn)行用戶(hù)分群時(shí)，主要以聚類(lèi)模型為主要方法，尋找不同類(lèi)型用戶(hù)特征，制定分群針對性維系策略。

　　4、模型應用

　　在輸出潛在目標用戶(hù)清單的基礎上，對目標客戶(hù)進(jìn)行分群。根據數據挖掘模型結果，寬帶營(yíng)銷(xiāo)服務(wù)用戶(hù)可以分為以下5類(lèi)：低需求型用戶(hù)、供給過(guò)剩型用戶(hù)、供給不足型用戶(hù)、長(cháng)期高需求型用戶(hù)、短期高需求型用戶(hù)�；�于分群后的目標用戶(hù)，可以針對性進(jìn)行營(yíng)銷(xiāo)服務(wù)策略匹配，如低需求型用戶(hù)可以采用寬帶資費優(yōu)惠（如對上網(wǎng)少用戶(hù)采取特定的低資費），供給不足型用戶(hù)可以采用加快低寬帶客戶(hù)向高帶寬的遷移政策。最后進(jìn)行派單執行，跟蹤效果。

　　四、結束語(yǔ)

　　大數據時(shí)代，由于信息技術(shù)的應用普及，產(chǎn)生了大量的數據，每年都以指數級速度增長(cháng)。數據量大導致數據應用也會(huì )變得越來(lái)越困難，而借助合適的數據挖掘技術(shù)及工具，結合實(shí)際的數據挖掘方法，可以更加有效地提高數據的利用率，更深層次地挖掘出對企業(yè)精準營(yíng)銷(xiāo)有價(jià)值的信息，實(shí)現對海量信息的掌控，讓企業(yè)實(shí)現更為精準的營(yíng)銷(xiāo)服務(wù)。

【數據挖掘在企業(yè)精準營(yíng)銷(xiāo)服務(wù)的應用論文】相關(guān)文章：

數據挖掘在電力企業(yè)中的應用論文12-13

數據挖掘與企業(yè)營(yíng)銷(xiāo)策略探究03-29

數據挖掘技術(shù)的教學(xué)輔助系統應用論文03-16

數據挖掘技術(shù)在就業(yè)指導的應用論文02-27

數據挖掘在現代遠程教育中的應用論文11-22

數據挖掘技術(shù)在Web信息檢索中的應用研究論文12-01

數據挖掘論文的參考文獻01-07

數據挖掘論文的參考文獻范文02-18

時(shí)間序列數據挖掘研究論文提綱03-27

數據挖掘論文參考文獻范文11-20