基于數據挖掘技術的零售業精確營銷應用研究

[摘 要]本文主要闡述了基于數據挖掘技術的精確營銷在國內外的發展狀況以及在零售業的一些應用研究，目的在于協助零售企業改進原有的無目的的粗獷式營銷模式，及時制定、分析、跟蹤和總結，以期達到擬定的目標并解決具體的營銷問題，從而實現精細化運營。

[關鍵詞]數據挖掘;精確營銷;零售業

[中圖分類號]F713.32 [文獻標識碼]A [文章編號]1005-6432(2010)14-0016-03

1 引 言

隨著零售業的迅速發展，市場環境日益成熟，營銷競爭趨向白熱化，不管是產品或是服務，都試圖在這個信息爆炸的年代找到更大的發展空間，然而在產品供應大于消費需求的年代，如何將各式各樣的產品找到不同需求的消費者是企業最關心的問題。但是對于目前國內的零售業來說，粗獷式的促銷方式給企業帶來了較大的成本，也沒有促進企業良好有序的發展。在這種背景下，培養顧客忠誠度和針對性營銷成了近幾年來零售業營銷的熱門話題，“精確營銷”的概念也應運而生。

下文將主要闡述基于數據挖掘技術的精確營銷在國內外的發展狀況以及在零售業的一些應用研究，目的在于協助零售企業改進原有的無目的的粗獷式營銷模式，及時制定、分析、跟蹤和總結，以期達到擬定的目標并解決具體的營銷問題，從而實現精細化運營。

2 精確營銷

在現代社會中，消費者的需求越來越分化，要求營銷策略對各細分市場更加具有針對性，也就是要更加“精確”。

“精確營銷”(Precision Marketing)是建立在充分了解顧客信息的基礎上，通過定量和定性相結合的方法對目標市場的不同消費者進行細致分析，根據其不同的消費心理和行為特征，采用有針對性的現代技術、方法和指向明確的策略，實現對目標市場不同消費者群體強有效性、高投資回報的營銷溝通。

數據庫營銷作為精確營銷的一種方式，在國外發達國家已經有幾十年的歷史，20世紀90年代，數據挖掘技術在西方發達國家得以推廣運用，并率先在電子商務、直銷、電信、零售業、航空公司等擁有海量客戶數據的領域得以成功應用，后又延伸到生產控制領域，數據庫營銷幾近成熟，已經成為各類型企業的常規營銷方式。

在中國，數據挖掘技術自21世紀初引入電信行業以來，目前在電信行業已經應用得非常深入，在銀行、航空公司和互聯網行業也已經有所應用，但在零售業還鮮見這樣的成功案例。一方面因為數據庫營銷在中國發展還不成熟，另一方面主要因為國內零售業一直忙于規模擴張，還停留在品類管理階段不肯往前挪步。

但是零售企業具有實施數據庫營銷的得天獨厚的優勢，會員卡的普及使企業收錄了大量的會員個人信息，而條碼、掃描設備、POS機的應用使數據庫中會員的消費數據在大規模的增長，這對零售企業來說是一筆非常寶貴的數據財富。這些數據在當今技術驅動型營銷環境下可以帶給我們大量的意想不到的信息，這些技巧和能力包括客戶關系管理、數據庫營銷及數據挖掘、整合營銷傳播以及對產品、部門、客戶和渠道的獲利能力分析。

3 數據挖掘技術及方法論

數據挖掘，是探查和分析大量數據以發現有意義的模式和規律的過程。其技術是數據庫和數據倉庫技術研究、開發和應用中最活躍的分支之一，是包含數據庫、數據倉庫、人工智能和統計分析在內的一門新興技術。數據挖掘技術通過從海量的數據中分析并提煉出其中隱含的、可信的、新穎的、有效的信息，從而允許企業通過對客戶的更好了解來改善市場、營銷、銷售和客戶服務工作。

在零售業精確營銷中，主要使用的數據挖掘方法有:

(1)關聯分析。關聯分析的目的是挖掘隱藏在數據之間的關系，確定哪些事物會一起出現。典型的例子是要確定顧客在超市中同時購買哪些商品，即購物籃中都是哪些商品。

(2)分類分析。分類首先要對一個新的客觀事物特征進行描述，然后將客觀事物的觀察值分配到事先確定的類別之中。如把顧客按事先確定的顧客類型分組等。

(3)聚類分析。聚類的任務是將相似的事物分成一類，差異較大的事物分在不同的類中。聚類與分類的區別是聚類并不依賴于事先確定好的組別，聚類通常也作為其他數據挖掘或建模過程的第一步工作。例如，對于“顧客們最喜歡什么樣的促銷方式”這樣的問題，應該首先按照顧客的購買習慣進行聚類，于是相近購買習慣的顧客被分到一個類中，不同的類別表明不同的購買習慣，然后分別調查每一類顧客最喜歡的促銷方式。

(4)估計與預測。在實踐中，估計經常被用來完成分類的工作，與分類不同的是，分類處理的是離散的結果，估計處理的是連續的結果。在已知一些輸入的數據后，我們可以用估計的方法得到未知的連續型隨機變量的某一數值，例如，對一個家庭孩子總數的估計、對一個家庭總收入的估計等。

(5)描述與可視化。數據可視化是數據挖掘的一種描述性的有效手段，旨在增進對復雜數據庫內容的了解和對行為準確的描述。

4 基于數據挖掘技術的零售業精確營銷應用

4.1 客戶細分

根據帕累托的80/20原則，企業只要抓住了為企業創造80%利潤的20%的重要客戶，那么企業就能夠實現以有限的資源獲得最大化的回報。因此實現客戶細分對于零售企業來說是非常重要的。

客戶細分通常采用分類回歸技術和決策樹算法，模型建立的基礎是對象特征數據的建立和有效提取，這些數據就存在于客戶行為的數據中。比如顧客最后一次來消費的時間、顧客在企業一定時間內的消費次數和消費種類、顧客會員制從激活到目前的時間等。以企業的現實購買資料為依據，用分類回歸樹建立了客戶基本特征集與利潤之間的對應規則，從而分辨出各類客戶的價值，判定客戶的重要程度。其客戶細分標準如圖1所示。

顯而易見，對于價值客戶，也就是帕累托的80/20原則中20%的重要客戶，是最為理想的客戶類型，要極力保持;對于次價值客戶，也就是易流失客戶，很容易受到企業競爭對手的優待和引誘，因此企業應給予適當的關照;對于潛價值客戶，往往占到企業客戶數量的最大比例，具有最大的潛在價值，一定的營銷策略可以激發出這類客戶的購買潛力，從而使其升級為價值客戶;對于低價值客戶，基本上屬于無價值客戶，企業投入成本再高也收效甚微，因此無須過多投入，放任自然。

我們可以看出，海量的客戶數據通過信息技術的處理變得一目了然，為重要客戶的識別建立模型，這樣，企業可以有針對性地制定營銷決策，為服務提供更可靠的支持。

4.2 市場購物籃分析

市場購物籃分析是指研究在一次購物活動中購物籃組成成分的方法論。這是一種基礎性的數據挖掘，它依賴簡單的統計分析，處理大量的數據。這些信息可以提供關于商品同族的非常有用的數據，并且通過商品定位和交叉銷售來增加銷售收入。較為經典的例子就是沃爾瑪的啤酒和紙尿褲的故事。沃爾瑪分析發現，很多購買啤酒的消費者同時也會購買紙尿褲，于是沃爾瑪通過啤酒和紙尿褲相鄰貨架的管理提升了兩個產品的銷量。

市場購物籃分析是一種非定向式數據挖掘，主要利用關聯規則尋找之前并不知道的模型，是知識發現的一種形式。最近關于市場購物籃分析的報告包括了神經網絡方法和可視化的結合應用，以及用協同過濾算法預測選擇或偏好。現階段，一系列專門針對市場購物籃分析的軟件也被開發了出來，如DataSage有限公司的DataSage Customer Analyst軟件等。

利用關聯規則模型進行市場購物籃分析的邏輯關系由顧客購買產品重疊的部分導出。對企業而言，那些只購買產品A的客戶是產品B的營銷潛力;只購買產品B的客戶構成產品A的潛在市場。利用關聯規則，企業可以預測每個客戶一旦購買其中一種產品后還會購買另一種產品的可能性，并據此設計促銷活動。

市場購物籃分析在零售業已經有所應用，并且很多零售組織已經用更多的信息對市場購物籃數據進行了補充，這些額外的信息可以包括收入、消費狀況及大量其他個人信息(可以通過一張價格減免的申請表獲得)，而這些都使得有針對性地進行營銷具有了可能性。

4.3 針對性促銷

毫無疑問，顧客消費需求與響應模型是數據挖掘最常見的應用。對任何企業來說，市場營銷部門的工作就是要策劃促銷活動去打動那些潛價值顧客和次價值顧客，使他們對企業保持更高的忠誠度。到底如何策劃促銷活動呢?這需要我們大量的客戶數據分析，將數據挖掘技術與傳統的市場營銷理論整合，既指導了促銷活動，又很好地鎖定了營銷的對象。

針對性促銷主要采用神經網絡模型、決策樹和回歸分析技術方法，在實現上需要依靠前面兩種應用的支持——客戶細分和購物籃分析。客戶細分，簡單地說就是按照客戶的一些屬性如年齡、收入和生活習性等對客戶進行分類，然后對不同類型的客戶提供個性的產品。購物籃分析，是找出顧客的消費偏好，為企業找出交叉銷售的機會，為針對性促銷做準備。綜上所述，針對性促銷就是為顧客量身打造一份顧客最感興趣的促銷單，以最大限度地抓住顧客的消費興趣，吸引顧客再次前來購物。

針對性促銷同樣也是對未來顧客購買需求的預測，預測模型邏輯如圖2所示，圖中的縱軸為建模時點。

任何模型必須有目標。在針對性促銷中，有以下幾個可能的目標:增加顧客響應度、增加總收入、降低廣告費用、增加潛在顧客的活力等。總體來說，針對性促銷的目標就是增加每一份寄出的促銷單的收益率，最大化顧客響應度和企業利潤。

基于數據挖掘的針對性促銷有效地解決了現代零售業的促銷難題，根據銷售數據收集和整理客戶相關信息，將不同特征的客戶進行聚類，找出不同客戶群體的不同消費特征和消費差異特征，從而依據客戶特征設計不同的促銷單，提供不同的產品和服務，滿足客戶差異化的需求。

5 結束語

精確營銷的挖掘價值，一方面在于自身平臺的顧客價值開發，通過關聯營銷的方式讓消費者多購買企業的產品和服務。例如亞馬遜創立的關聯數據挖掘和推薦機制，很好地實現了關聯銷售和交叉銷售。另一方面，精確營銷要發現與消費者需求相關的增值服務或促銷信息。例如7-11便利店在國外可以郵寄信件、收發快遞、購買午餐等，這些服務為企業帶來顧客的忠誠度。企業可以針對顧客消費的不同情況，采取不同的營銷策略。

精確營銷是當今營銷界的一個熱點問題，由于實踐的局限性和技術手段的限制對精確營銷的研究還處于初級階段，尤其是利用數據挖掘技術對零售業精確營銷的應用研究涉及的很少。本文就這方面的問題作一些探討和總結，以助于零售企業實行面對客戶需求的營銷模式的實戰運用。

參考文獻:

[1]戴維#8226;奧爾森，石勇.商業數據挖掘導論[M].北京:機械工業出版社，2007.

[2]邁克爾#8226;J.A.貝里，戈登#8226;S.利諾夫.數據挖掘——客戶關系管理的科學與藝術[M]. 袁衛，等，譯.北京:中國財政經濟出版社，2004.

[3]羅茂初，等. 數據庫營銷[M].北京:經濟管理出版社，2007.

[作者簡介]陳競(1987—)，女，安徽淮北人，首都經濟貿易大學信息學院管理科學與工程專業碩士研究生，研究方向:電子商務與供應鏈管理。