基于数据挖掘的数据库营销研究

重庆交通大学 刘华

在20世纪80年代数据挖掘技术出现以前，很多企业认为庞大的网络数据信息已经给他们带来了很大的利益。利用这样便捷而高效的网络技术，顾客不再让他们毫无头绪。但是随着21世纪的到来，信息的大爆炸式发展让营销者们措手不及，数据信息已经成为大片大片的汪洋大海，而人们正被这些海浪逐渐淹没。单凭固有的数据信息，商家已经很难抓住各种分散的顾客。而这时正值数据挖掘技术突飞猛进的发展阶段，一种全面的革新又给商家们扔下了救命的稻草，“数据丰富，知识饥渴”似乎将不再是他们的形容词。

1 数据挖掘与数据库营销

1.1 数据挖掘

数据挖掘即最初的知识发现(KDD)，是指在庞大的网络数据库、数据仓库或者其他信息仓库中，运用特定的技术将大量、模糊、不完全、随机的数据提取、整合、发掘之后，获取有商业价值含量的知识，简言之就是提取、挖掘知识。运用这些知识，商家可以掌握客户的购买倾向、消费心理等，从而制定相应的营销战略，来达到增加利润的目的。

常用的数据挖掘方法有两类：一类是机器学习技术，一类是统计模型。前者与数据挖掘的关系最密切。机器学习属于人工智能的一种，也称为归纳推理，，是通过学习训练数据集，来发现模型的参数，进而找出隐含的规则。常用的机器学习方法有决策树、人工神经元网络和遗传算法等。统计模型在数据挖掘中的应用主要是进行评估，例如聚类分析、概率分布、回归分析、相关分析和判别分析等。

人工神经元网络是数据挖掘技术中使用最广泛的技术，它通过模仿人脑的机能，反复学习训练数据集，然后发现用于分类和预测的模式。该技术对于解决极复杂的问题最有效，但其最大的缺点就是无法解释结果产生的原理及其所用的规则。

决策树是一种类似于树型结构的预测模型，其中树的一些非终端节点分别表示属性，而叶节点则表示所属的不同类别。树的分支是根据训练数据和集中数据的不同来取值建立的，所有分支组合形成一个决策树，再对其进行反复修剪转化为相应的规则，用于对新数据进行分类。它不同于神经元网络的是其决策制定过程的可见性，它可以解释结果产生的原理。

1.2 数据库营销

所谓数据库营销就是企业与其顾客进行双向沟通和互动的过程。数据库营销是近几年高速发展的一个全新的营销概念，是网络营销领域的另一次重要变革。企业首先搜集和积累网站消费者的大量信息，经过处理，然后预测消费者购买某种产品的可能性，还可以利用这些信息精确定位自己的产品，有专业性地制定产品的营销策略。当然最终都是以吸引顾客购买商品为目的的。

有效的数据库营销直接就可以提高营销效率，建立企业与顾客之间的良好关系，提高顾客的忠诚度，最终增加长期利润。传统的大众化营销是以产品为中心，对产品进行定量分析，而数据库营销是归纳分析所有的相关数据。数据库营销把企业的营销模式从规模营销转向个性化营销，为顾客提供个人所需的独特的产品。

1.2.1 帮助企业准确快速地找到目标消费者

在传统营销理念中，所有的消费者接受的都是统一的、大批量生产的、相同的产品和信息。新兴的数据库技术却能使企业将目标集中在个人身上，实现目标的准确定位，从而生产出适用不同群体的个性化产品。数据库营销可以帮助营销者有效地探测市场，及时发现新的市场机会然后向顾客提供新产品、新服务。营销者对特定的顾客进行调查和观察，追踪每个顾客的需求和欲望，并在已有相关顾客的数据库中挖掘新的机会，获取新的效益。数据库营销是互动的营销，营销者必须不断地与特定的顾客沟通了解，建立与消费者之间的一种有效的反应机制，进而从中发现顾客的新需求，然后提供给顾客新的产品和服务。

1.2.2 降低营销成本，提高营销效率

当今消费者风格迥异，或多追求时尚化、个性化、风格化，企业可针对消费者这种需求， 及时对市场进行细分，以便使产品更准确地满足目标消费群体的需求。建立消费者数据库可以帮助企业寻找到经济的促销方式，而其中的关键就是准确的定位目标消费群。企业可以避免使用价格昂贵的大众传播媒体，可以运用网络这一更经济的促销方式，进而降低成本、增强本企业的竞争力。

2 数据库营销中常用的数据挖掘技术

数据库营销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企业有价值的，能帮助企业作出正确营销决策的信息和知识。下面介绍的是数据库营销中常用的数据挖掘技术：

2.1 关联分析

关联分析法也就是常说的市场篮子分析。它通过搜索数据库中的所有事物，从中提取关联规则，找到出现条件概率较高的模式，以掌握顾客的购买偏好和习惯，帮助调整市场商品的摆放及制定产品的捆绑销售策略。

关联实际上就是数据对象之间相关性的确定，通过对象之间的关联关系，找出所有能将一组数据项和另一组数据项相联系的规则。当然，这种规则的建立并不是确定的关系，而是一个具有一定置信度的可能值，即事件发生的概率。关联分析法直观、易理解，但对于关联度不高或相关性复杂的情况不太有效。

2.2 序列模式

类似于关联分析，也是为了挖掘数据之间的联系。不同的是它侧重于挖掘出数据的前后时间顺序关系，分析是否存在一定趋势，以预测未来的访问模式，即用某个时间点发现的顾客对产品的购买行为模式来预测其将来购买产品的概率。

序列模式通过分析数据间的前后序列关系，来发现给定交易序列数据库中，每个序列是按照交易时间排列的一组交易集，挖掘序列函数作用在这个交易序列数据库上，返回该数据库中出现的高频序列。

进行序列模式分析也需要有用户输入最小值信度C和最小支持度S。另外，序列关联规则挖掘中采用的Apriori 特性可以用于序列模式的挖掘，另一类挖掘此类模式的方法是基于数据库投影的序列模式生长技术。

2.3 聚类

聚类可用于市场细分，它是按顾客的行为或特征的相似性将其划分为若干小的市场，以便制定有针对性的营销策略。

2.4 分类

分类用于预测对产品目录邮寄和广告或赠送优惠券等促销手段有反应的特定人群，也可以用来对顾客定级和破产预测等。

3 基于数据挖掘的数据库营销的实施

3.1 搜集大量有价值的顾客信息

信息是建立数据库营销的第一步，顾客信息是很广泛的一类内容。例如：顾客的姓名、性别、年龄、职业、住址、电话号码等;顾客的喜好及行为习惯；顾客与公司之间的业务交易记录，如订单、退货、投诉等。整理信息时要注意信息的结构化，避免杂乱无章，否则将会影响组织和输入的效率。

3.2 建立顾客数据库

充分掌握了顾客的信息之后，如何有效地保存并组织和利用这些信息，就要建立一个统一的系统：顾客数据库。用来分析搜集的数据信息进而产生更多的决策信息。然后再根据这些信息定期地进行整合分析，掌握瞬息万变的市场需求的特点和变化，从而满足各种顾客的多样化需求。

3.3 定期更新

搜集的信息不能一成不变，要定期从企业的不同角度收集信息，及时掌握顾客的需求变化，并尽快将变化的信息输入顾客数据库。同时对数据库中的信息也要定期进行汇总分析，并归纳总结出顾客需求变化的趋势，有利于营销者及时调整经营方向，以免错过市场商机。

3.4 售后加强

掌握了顾客的购买信息后，合理地运用市场营销手段，可以是加强顾客对产品的忠诚度，可以是刺激顾客需求，来挖掘潜在顾客。消费心理学有研究，顾客都有想买到物美价廉的产品的心理，他们在购买一个企业的某一品牌产品之后，通常都会有意识地在价格、性能等方面与其他不同品牌的同类产品进行比较。因此，顺利地卖出商品并不是完成了营销的全部，之后还需要继续对本产品进行不断宣传如做广告等，打造品牌形象，让顾客得到心理上的满足，以此加强顾客对该产品的依赖和信任。

目前许多国外金融保险行业和大型零售企业都纷纷建立了营销数据库，并合理运用数据挖掘技术来分析发现对本企业各种产品感兴趣的顾客群，帮助制定获取最佳顾客量的计划，加深与顾客之间的关系，及时发现并跟踪有发展前景的商品市场，根据顾客的各种反馈确定不同产品的开发计划、合理调配销售人员，为企业带来了竞争优势。如美国Firstar银行运用Marksman数据挖掘工具，预测应在不同的时候向不同的客户提供特定的产品；美国运通公司运用一个记录信用卡业务的大型数据库，进行数据挖掘，制定了一个“关联结算优惠”的策略，既增加了运通卡的使用率，也提高了该商店的销售量。美国读者文摘出版公司的业务数据库，拥有积累了40年遍布全球一亿多个客户的资料，并不断实时的更新数据，再进行数据挖掘，使该公司实现了从通俗杂志到专业杂志、出版发行书刊和声像制品的跨越，极大地发挥了自己的才能，扩展了公司的业务范围。

4 结语

数据库营销作为一种适应现代网络信息社会的独特的营销方式，它通过在顾客和企业之间建立直接的沟通，体现了一切为顾客服务这一营销公理，是一种很有发展前景的网络营销方式。但是在我国，数据库营销被引进不久，尚属新生事物。然而我国网络信息技术正值高速发展时期，数据库营销必定会被不断运用并得到提升，而这一提升也必定少不了数据挖掘的支持。因此，我国的各个企业应尽快建立稳定准确的顾客数据库，并巧妙运用数据挖掘技术进行有效分析和预测，制定营销战略，才能应对当今激烈的竞争环境。

[1](加)韩家炜,堪博(Kam ber).数据挖掘:概念与技术[M].北京:机械工业出版社,2007(3).

[2]李文滨.论数据库营销的功能及在CRM中的应用[J].现代商贸工业,2007(4).

[3]冯艳婷,柯士涛.电子商务环境下的客户关系管理及技术研究[J].云南民族大学学报：哲学社会科学版,2007(2).

[4]中国双软认定网.企业与产品相关统计数据.www.chinasoftware.com.cn,2010-5-11.

[5]百度网.教育软件.www.baidu.com,2010-5-12.

[6]教育部.2008年全国教育事业发展统计公报.www.jyb.cn,2009-7-17.