论文部分内容阅读
[摘要]在市场竞争日益激烈，竞争方式日益丰富的情况下，对企业营销数据的挖掘成为众多企业管理者的新宠，将营销数据作为制定企业营销策略的重要依据。但是，目前仍有许多企业对营销数据存在较大误区，没能将营销数据充分挖掘，进而影响了企业营销策略的制定。本文在分析界定营销数据概念的基础上，简述数据挖掘对企业营销策略的重要性，并分析营销数据挖掘对企业营销策略的重要影响。
[关键词]数据挖掘；营销策略；营销数据
[中图分类号]F274 [文献标识码]A [文章编号]1005-6432（2014）17-0039-02
在知识经济时代，市场竞争已经逐渐演变成为智慧和才能的竞争，随着计算机技术在企业各个部门的不断渗透，越来越多的数据为企业决策提供了参考素材，同时也为企业制定营销策略提出了更高的挑战。诸多企业在采用信息化管理之后却难以应对海量营销数据的攻击，在制定营销策略时陷入了“数据丰富，知识匮乏，方式欠缺，方向不明”的困境。针对这种现象，企业管理者需要对营销数据的概念有充分认识，根据企业自身的数据情况进行分析，对营销策略进行战略调整。
1企业营销数据挖掘的概念
数据挖掘又称做数据库中的知识发现，是当下数据库领域中的研究热点，需要从数据库庞大的数据储备中找出隐含的、具有潜在价值信息的过程。因此，数据挖掘对决策而言具有明显的支持作用，数据挖掘技术是在人工智能、机器学习、统计学、可视化技术的支撑下完成的，具有归纳性和合理性，对决策者调整营销策略，减少或规避风险，落实决策都有重要意义。
目前数据挖掘在商业领域的分析方法有许多种，需要根据问题以及数据的类型对分析方法做出调整，较为常用的主要有以下几种。
1.1关联分析法
关联分析法指的是从所储备的数据中能够找出某些数据在某一事件中存在的关联性。采用这种分析法需要先确定关联规则，发现某一事件中不同数据是否存在关联性，而这种关联性与企业管理或销售存在着怎样的关系，从而据此对企业管理或销售计划做出调整。
1.2序列分析法
这种分析法与关联分析法的规则类似，但是它寻找的是某一事件中数据之间在时间上的关联性。这种分析法对于发现潜在用户具有明显作用，能够广泛应用到医疗、工程等领域的企业当中。
1.3分类和预测分析法
一般而言，分类与预测分析法是由两个过程实现的，首先是先确定一个模型描述，描述出指定的数据类型和概念集，进行分类划分，然后使用这个分类进行预测分析。这种分类预测分析法能够对特定消费习惯的用户进行有效分析，从而推断出消费习惯和下一步的消费行为。
最后一种就是聚类分析法，这种分析法是专门针对缺乏数据描述的情况而采用的。例如，在聚类分析之前，数据特征等都是未知的，进行聚类分析时就能够将数据库内的信息进行相似性最大化处理，这样就能够帮助企业了解出哪些是较为典型性的用户，哪些是忠实用户，哪些是流失用户等，从而有助于企业根据不同用户的消费特征制定出不同的营销策略。
2数据挖掘的重要性
随着企业信息化建设的逐步完成，大量的数据信息在企业随处可见，而完善的信息系统为企业提供了良好的数据挖掘条件，所以，如何利用好数据资源，成为企业获得市场地位，赢得市场份额的重要环节。
但是，我国企业虽然信息化系统较为普及，但是对数据信息的利用仍有欠缺，对信息化以及数据信息的挖掘利用仍处在起步阶段，在市场竞争压力不断加大，企业规模不断扩大的情况下，需要利用现代化数据信息来应对瞬息万变的挑战。因此，企业进行数据信息挖掘有助于增加经营、决策的科学性，制定出正确的营销策略，是企业快速发展的必由之路。
3良好数据挖掘对企业营销策略的影响
3.1有助于优化产品布局，为营销策略提供参考
企业产品布局主要指的是产品种类和数量、产品生产组合等内容，对产品销售范围、销售数量以及组合销售情况进行数据挖掘有助于增加企业产品的销量。从某种意义上讲，企业产品是企业最真实的代表，因此，需要在产品生产以及销售的过程中对收集来的数据进行有效分析。主要包括两个方面，一是在产品生产过程中成本价格浮动数据。用最通俗的例子来表述，就是当某一个较为畅销的产品的成本价格上升时，仅仅靠提升产品价位，来巩固销售额不是最好的办法，而是需要考虑调整产品布局，对该畅销产品进行组合销售、范围销售、带动销售的情况下，来获得更好的利润。这些营销策略需要在严密、准确、全面的数据挖掘情况下进行，否则就增加了企业的运营风险。二是产品在销售过程中的销量数据浮动。假如产品在某一区域的销量逐渐上升或逐渐下降，就需要对这类事件进行充分数据挖掘，在进行这类数据挖掘时可以采用聚类分析法和分类与预测相结合的方法，从而制定相应的营销策略，抓住企业的各类用户，并对忠实用户进行巩固。
3.2有助于管理用户类别，为营销策略提供支撑
根据真实有效的数据来进行分析挖掘是企业用户管理的基础，是企业营销策略落实的关键。首先，数据挖掘可以帮助企业将用户类别标准进行明晰，使企业能够根据不同用户群的需求来制定营销策略。其次，数据挖掘时可以通过分类预测分析法对潜在用户进行吸纳，使企业在维护好原有用户的基础上将潜在用户归纳到现有类别当中。同时还可以根据已经掌握的用户资料，根据性别、年龄、区域以及洽谈手段进行归类分析，从而了解不同用户的合作趋向，为用户提供更好的服务。
另外，在管理用户类别方面，还需要从用户满意度的角度进行分析，通过与用户维持较为合理的交流氛围来把握产品的市场定位，有计划地进行差异化营销。在分析用户满意度的同时要注重为忠实用户实行个性化销售制度，制定良好的个性化产品组合，及时调整产品内容和产品组合结构，从而保证了营销策略的灵活性，为企业制定营销战略提供有效支撑。
3.3有助于实现营销数据管理科学化，提高营销策略制定时效性
通过对营销数据挖掘与分析，能够为企业决策者提供更加精准地市场分析，为摆正企业发展目标，准确开展市场营销活动，提供强有力的支撑，在实际落实中则大大增加了营销策略制定的时效性。企业在进行数据挖掘时能够对用户对产品的使用情况进行及时掌握，快速做出反应，为企业调整、拟定营销策略提供可靠依据，大大提升了营销策略的制定速度，缩短了从制定到落实的时间差，为企业发展、产品销售赢得了宝贵时间。比如，制定交叉销售策略时，企业可以快速利用现有老用户的信息及其所在社会层次制订老客户带动新客户的营销方案，大大提升了寻找新用户、掌握新用户信息的速度，不仅能够有效开展富有个性化的交叉销售，还能够在一定程度上保证了营销策略有效落实。
4结论
通过以上论述可以发现，在知识经济时代下开展的营销数据挖掘虽然能够较为快速地为企业赢得利润，但是还需要企业进一步扩大数据搜索、储备范围，不断更新数据收集、储备及分析方法，为企业营销策略制定提供更加准确的参考信息。同时企业还需要扎实修炼数据挖掘方面的内功，不断提升数据挖掘能力，综合利用数据挖掘方法，迎接更多的挑战。这就要求企业要充分认识到营销数据挖掘中存在的瞬时性、短暂性，在数据信息的瞬时性中挖掘持久性规律，尽可能地规避数据挖掘的不良影响，做到既能钻得进去，又能跳得出来，为企业提供更加全面决策参考。
参考文献：
[1]马江洪，张文修，徐宗本.数据挖掘与数据库知识发现：统计学的观点[J].工程数学学报，2002（1）.
[2]钱锋，徐麟文.数据挖掘及在营销中的应用[J].杭州电子工业学院学报，2001（4）.
[3]王实，高文.数据挖掘中的聚类方法[J].计算机科学，2000（4）.
[4]张跃先，康锦江，陈璐.营销决策模型的研究及其应用[J].科技和产业，2005（1）.
[关键词]数据挖掘；营销策略；营销数据
[中图分类号]F274 [文献标识码]A [文章编号]1005-6432（2014）17-0039-02
在知识经济时代，市场竞争已经逐渐演变成为智慧和才能的竞争，随着计算机技术在企业各个部门的不断渗透，越来越多的数据为企业决策提供了参考素材，同时也为企业制定营销策略提出了更高的挑战。诸多企业在采用信息化管理之后却难以应对海量营销数据的攻击，在制定营销策略时陷入了“数据丰富，知识匮乏，方式欠缺，方向不明”的困境。针对这种现象，企业管理者需要对营销数据的概念有充分认识，根据企业自身的数据情况进行分析，对营销策略进行战略调整。
1企业营销数据挖掘的概念
数据挖掘又称做数据库中的知识发现，是当下数据库领域中的研究热点，需要从数据库庞大的数据储备中找出隐含的、具有潜在价值信息的过程。因此，数据挖掘对决策而言具有明显的支持作用，数据挖掘技术是在人工智能、机器学习、统计学、可视化技术的支撑下完成的，具有归纳性和合理性，对决策者调整营销策略，减少或规避风险，落实决策都有重要意义。
目前数据挖掘在商业领域的分析方法有许多种，需要根据问题以及数据的类型对分析方法做出调整，较为常用的主要有以下几种。
1.1关联分析法
关联分析法指的是从所储备的数据中能够找出某些数据在某一事件中存在的关联性。采用这种分析法需要先确定关联规则，发现某一事件中不同数据是否存在关联性，而这种关联性与企业管理或销售存在着怎样的关系，从而据此对企业管理或销售计划做出调整。
1.2序列分析法
这种分析法与关联分析法的规则类似，但是它寻找的是某一事件中数据之间在时间上的关联性。这种分析法对于发现潜在用户具有明显作用，能够广泛应用到医疗、工程等领域的企业当中。
1.3分类和预测分析法
一般而言，分类与预测分析法是由两个过程实现的，首先是先确定一个模型描述，描述出指定的数据类型和概念集，进行分类划分，然后使用这个分类进行预测分析。这种分类预测分析法能够对特定消费习惯的用户进行有效分析，从而推断出消费习惯和下一步的消费行为。
最后一种就是聚类分析法，这种分析法是专门针对缺乏数据描述的情况而采用的。例如，在聚类分析之前，数据特征等都是未知的，进行聚类分析时就能够将数据库内的信息进行相似性最大化处理，这样就能够帮助企业了解出哪些是较为典型性的用户，哪些是忠实用户，哪些是流失用户等，从而有助于企业根据不同用户的消费特征制定出不同的营销策略。
2数据挖掘的重要性
随着企业信息化建设的逐步完成，大量的数据信息在企业随处可见，而完善的信息系统为企业提供了良好的数据挖掘条件，所以，如何利用好数据资源，成为企业获得市场地位，赢得市场份额的重要环节。
但是，我国企业虽然信息化系统较为普及，但是对数据信息的利用仍有欠缺，对信息化以及数据信息的挖掘利用仍处在起步阶段，在市场竞争压力不断加大，企业规模不断扩大的情况下，需要利用现代化数据信息来应对瞬息万变的挑战。因此，企业进行数据信息挖掘有助于增加经营、决策的科学性，制定出正确的营销策略，是企业快速发展的必由之路。
3良好数据挖掘对企业营销策略的影响
3.1有助于优化产品布局，为营销策略提供参考
企业产品布局主要指的是产品种类和数量、产品生产组合等内容，对产品销售范围、销售数量以及组合销售情况进行数据挖掘有助于增加企业产品的销量。从某种意义上讲，企业产品是企业最真实的代表，因此，需要在产品生产以及销售的过程中对收集来的数据进行有效分析。主要包括两个方面，一是在产品生产过程中成本价格浮动数据。用最通俗的例子来表述，就是当某一个较为畅销的产品的成本价格上升时，仅仅靠提升产品价位，来巩固销售额不是最好的办法，而是需要考虑调整产品布局，对该畅销产品进行组合销售、范围销售、带动销售的情况下，来获得更好的利润。这些营销策略需要在严密、准确、全面的数据挖掘情况下进行，否则就增加了企业的运营风险。二是产品在销售过程中的销量数据浮动。假如产品在某一区域的销量逐渐上升或逐渐下降，就需要对这类事件进行充分数据挖掘，在进行这类数据挖掘时可以采用聚类分析法和分类与预测相结合的方法，从而制定相应的营销策略，抓住企业的各类用户，并对忠实用户进行巩固。
3.2有助于管理用户类别，为营销策略提供支撑
根据真实有效的数据来进行分析挖掘是企业用户管理的基础，是企业营销策略落实的关键。首先，数据挖掘可以帮助企业将用户类别标准进行明晰，使企业能够根据不同用户群的需求来制定营销策略。其次，数据挖掘时可以通过分类预测分析法对潜在用户进行吸纳，使企业在维护好原有用户的基础上将潜在用户归纳到现有类别当中。同时还可以根据已经掌握的用户资料，根据性别、年龄、区域以及洽谈手段进行归类分析，从而了解不同用户的合作趋向，为用户提供更好的服务。
另外，在管理用户类别方面，还需要从用户满意度的角度进行分析，通过与用户维持较为合理的交流氛围来把握产品的市场定位，有计划地进行差异化营销。在分析用户满意度的同时要注重为忠实用户实行个性化销售制度，制定良好的个性化产品组合，及时调整产品内容和产品组合结构，从而保证了营销策略的灵活性，为企业制定营销战略提供有效支撑。
3.3有助于实现营销数据管理科学化，提高营销策略制定时效性
通过对营销数据挖掘与分析，能够为企业决策者提供更加精准地市场分析，为摆正企业发展目标，准确开展市场营销活动，提供强有力的支撑，在实际落实中则大大增加了营销策略制定的时效性。企业在进行数据挖掘时能够对用户对产品的使用情况进行及时掌握，快速做出反应，为企业调整、拟定营销策略提供可靠依据，大大提升了营销策略的制定速度，缩短了从制定到落实的时间差，为企业发展、产品销售赢得了宝贵时间。比如，制定交叉销售策略时，企业可以快速利用现有老用户的信息及其所在社会层次制订老客户带动新客户的营销方案，大大提升了寻找新用户、掌握新用户信息的速度，不仅能够有效开展富有个性化的交叉销售，还能够在一定程度上保证了营销策略有效落实。
4结论
通过以上论述可以发现，在知识经济时代下开展的营销数据挖掘虽然能够较为快速地为企业赢得利润，但是还需要企业进一步扩大数据搜索、储备范围，不断更新数据收集、储备及分析方法，为企业营销策略制定提供更加准确的参考信息。同时企业还需要扎实修炼数据挖掘方面的内功，不断提升数据挖掘能力，综合利用数据挖掘方法，迎接更多的挑战。这就要求企业要充分认识到营销数据挖掘中存在的瞬时性、短暂性，在数据信息的瞬时性中挖掘持久性规律，尽可能地规避数据挖掘的不良影响，做到既能钻得进去，又能跳得出来，为企业提供更加全面决策参考。
参考文献：
[1]马江洪，张文修，徐宗本.数据挖掘与数据库知识发现：统计学的观点[J].工程数学学报，2002（1）.
[2]钱锋，徐麟文.数据挖掘及在营销中的应用[J].杭州电子工业学院学报，2001（4）.
[3]王实，高文.数据挖掘中的聚类方法[J].计算机科学，2000（4）.
[4]张跃先，康锦江，陈璐.营销决策模型的研究及其应用[J].科技和产业，2005（1）.