【数据快讯】数据挖掘在精准营销中的应用

利用数据挖掘技术对顾客的购买行为和历史的规律进行分析和挖掘，可以定位目标用户群体，实现以顾客为中心的精准营销...

精准营销需要解决的问题是：哪些用户是某个产品或者营销活动的目标用户?或者是每个用户最适合推荐什么产品?前者是找目标用户，后者是为用户推荐产品，两者是类似的。

我们可以利用数据挖掘技术对顾客的购买行为和历史的规律进行分析和挖掘，从而定位目标用户群体，实现以顾客为中心的精准营销。

1、精准营销方法论

以顾客行为数据为基础，结合数据挖掘技术和不同营销手段，建立精准营销流程，形成从数据分析、预测模型、模型营销应用以及后续监测和评估的闭环。如下图是精准营销方法论，将数据挖掘和营销活动有机的连接形成了营销闭环。

2、精准营销中常见的数据挖掘算法

数据挖掘是指从大量数据中通过算法搜索隐藏于其中信息的过程。在精准营销中我们常用的数据挖掘的算法有：聚类、分类、关联。

1)聚类

聚类是一种无监督的学习算法，也就是说聚类不需要”结果变量“，它可以通过对自变量的探索自动告诉你应该分成多少类。聚类的基本原理是根据样本自身的属性，用数学方法按照某种相似性或差异性指标，定量地确定样本之间的亲疏关系，并按这种亲疏关系程度对样本进行聚类。

2)分类

分类是一种有监督的学习方法，分类属于预测性模型，是通过对过去数据的学习来判断未来某种行为。例如在电商客户中事先定义好顾客是否流失，如果我们要预测未来一段时间某个顾客是否流失，这时就要构建分类模型。分类学习方法所使用的数据集称为训练集，训练集中每一个个体都有明确的类别，通过训练集中的数据表现出来的特征，为每一个类找到一种准确的描述或者模型。

3)关联

关联分析是从大量数据中发现项集之间有趣的关联和相关联系。关联分析的一个典型例子是购物篮分析。该过程通过发现顾客放入其购物篮中的不同商品之间的联系，分析顾客的购买习惯。通过了解哪些商品频繁地被顾客同时购买，这种关联的发现可以帮助零售商制定营销策略。

在数据挖掘当中，通常用 “ 支持度 ” ( support )和 “ 置性度 ” ( confidence )两个概念来量化事物之间的关联规则。关联规则 A->B 的支持度 support=P(AB) ，指代事件 A 和事件 B 同时发生的概率。置信度confidence=P(B|A)=P(AB)/P(A), 指的是发生事件 A 的基础上发生事件 B 的概率。同时满足最小支持度阈值和最小置信度阈值的规则称为强规则。比如：Computer => antivirus_software , 其中 support=2%, confidence=60%，表示的意思是所有的商品交易中有 2% 的顾客同时买了电脑和杀毒软件，并且购买电脑的顾客中有 60% 也购买了杀毒软件。

数据人有话说：精准营销就是在精准定位的基础上，依托现代信息技术手段建立个性化的顾客沟通服务体系，实现企业可度量的低成本扩张之路，是有态度的网络营销理念中的核心观点之一。

来源：36大数据

编辑：黄鹏飞