數(shù)據(jù)挖掘技術(shù)：企業(yè)網(wǎng)絡(luò)營(yíng)銷(xiāo)的助推器論文

　　數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中通過(guò)算法搜索隱藏于其中信息的過(guò)程。數(shù)據(jù)挖掘通常與計(jì)算機(jī)科學(xué)有關(guān)，并通過(guò)統(tǒng)計(jì)、在線分析處理、情報(bào)檢索、機(jī)器學(xué)習(xí)、專(zhuān)家系統(tǒng)(依靠過(guò)去的經(jīng)驗(yàn)法則)和模式識(shí)別等諸多方法來(lái)實(shí)現(xiàn)上述目標(biāo)。下是學(xué)習(xí)啦小編今天為大家精心準(zhǔn)備的：數(shù)據(jù)挖掘技術(shù)：企業(yè)網(wǎng)絡(luò)營(yíng)銷(xiāo)的助推器修改論文。內(nèi)容僅供參考，歡迎閱讀!

　　數(shù)據(jù)挖掘技術(shù)：企業(yè)網(wǎng)絡(luò)營(yíng)銷(xiāo)的助推器全文如下：

　　摘　要：數(shù)據(jù)挖掘是一門(mén)交叉學(xué)科，能從數(shù)據(jù)中挖掘知識(shí)，提供決策支持。網(wǎng)絡(luò)營(yíng)銷(xiāo)是適應(yīng)網(wǎng)絡(luò)經(jīng)濟(jì)時(shí)代的網(wǎng)絡(luò)虛擬市場(chǎng)的新?tīng)I(yíng)銷(xiāo)理論，數(shù)據(jù)挖掘技術(shù)同樣能在網(wǎng)絡(luò)營(yíng)銷(xiāo)中得到廣泛的應(yīng)用，成為網(wǎng)絡(luò)營(yíng)銷(xiāo)的助推器，為企業(yè)帶來(lái)效益。

　　關(guān)鍵詞：數(shù)據(jù)挖掘　網(wǎng)絡(luò)營(yíng)銷(xiāo)　市場(chǎng)營(yíng)銷(xiāo)

　　計(jì)算機(jī)網(wǎng)絡(luò)與數(shù)據(jù)庫(kù)技術(shù)的發(fā)展和廣泛應(yīng)用，信息日益成為企業(yè)的一種重要資源，人們利用信息技術(shù)生產(chǎn)和搜集數(shù)據(jù)的能力大幅度提高，在這些數(shù)據(jù)背后隱藏著極為重要的商業(yè)知識(shí)，但是這些商業(yè)知識(shí)是隱含的、事先未知的。面對(duì)“人們被數(shù)據(jù)淹沒(méi)，人們卻饑餓于知識(shí)”的挑戰(zhàn)，數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生，越來(lái)越顯示出其強(qiáng)大的生命力。

　　1　數(shù)據(jù)挖掘技術(shù)

　　數(shù)據(jù)挖掘(Data Mining)就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。還有很多和這一術(shù)語(yǔ)相近的術(shù)語(yǔ)，如從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)知識(shí)、數(shù)據(jù)分析、數(shù)據(jù)融合以及決策支持等。數(shù)據(jù)挖掘是一門(mén)交叉學(xué)科，它把人們對(duì)數(shù)據(jù)的應(yīng)用從低層次的簡(jiǎn)單查詢(xún)，提升到從數(shù)據(jù)中挖掘知識(shí)，提供決策支持。常用的數(shù)據(jù)挖掘技術(shù)主要有以下幾種：

　　1.1　人工神經(jīng)網(wǎng)絡(luò)

　　仿照生理神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的非線性預(yù)測(cè)模型，主要由“神經(jīng)元”的互聯(lián)，或按層組織的節(jié)點(diǎn)構(gòu)成，通常由輸入層、中間層和輸出層三個(gè)層次組成，在每個(gè)神經(jīng)元求得輸入值后，再匯總計(jì)算輸入值;由過(guò)濾機(jī)制比較輸入值，確定網(wǎng)絡(luò)的輸出值。

　　1.2　決策樹(shù)

　　決策樹(shù)是一個(gè)類(lèi)似流程圖的樹(shù)型結(jié)構(gòu)，其中每個(gè)內(nèi)部節(jié)點(diǎn)表示在一個(gè)屬性上的測(cè)試，每個(gè)分枝代表1個(gè)測(cè)試輸出，而每個(gè)樹(shù)葉點(diǎn)代表類(lèi)或類(lèi)分布。樹(shù)的最頂層節(jié)點(diǎn)是根節(jié)點(diǎn)。目前，在數(shù)據(jù)挖掘中使用的決策樹(shù)方法有多種，典型的在國(guó)際上影響較大的決策樹(shù)方法是Quinlan研制的ID3算法。

　　1.3　遺傳算法

　　遺傳算法是模擬生物進(jìn)化過(guò)程的計(jì)算模型，是自然遺傳學(xué)與計(jì)算機(jī)科學(xué)相互結(jié)合滲透的計(jì)算方法。遺傳分析應(yīng)用搜索技術(shù)，先找出兩個(gè)合適的父樣本，通過(guò)“交叉”“變異”等帶有生物遺傳特點(diǎn)的操作產(chǎn)生下一代樣本，對(duì)子樣本反復(fù)“交叉”“變異”操作直到子樣本收斂為此，再找另外兩個(gè)合適的父樣本重復(fù)上述過(guò)程，就能得到下一代的樣本集。由此得到當(dāng)前樣本集較可能的發(fā)展方向。

　　1.4　近鄰算法

　　用該方法進(jìn)行預(yù)測(cè)的基本概念就是相互之間“接近”的對(duì)象具有相似的預(yù)測(cè)值。如果知道其中一個(gè)對(duì)象的預(yù)測(cè)值后，可以預(yù)測(cè)其最近的鄰居對(duì)象。

　　1.5　規(guī)則推導(dǎo)

　　根據(jù)統(tǒng)計(jì)意義上對(duì)數(shù)據(jù)中的規(guī)則“如果條件怎么樣、怎么樣，那么結(jié)果或情況就怎么樣”，對(duì)給定的一組項(xiàng)目和一個(gè)記錄集合，通過(guò)分析記錄集合，推導(dǎo)出項(xiàng)目間的相關(guān)性。

　　1.6　聚類(lèi)方法

　　聚類(lèi)分析方法按一定的距離或相似性測(cè)度將數(shù)據(jù)分成系列相互區(qū)分的組，它是不需要預(yù)定義知識(shí)而直接發(fā)現(xiàn)一些有意義的結(jié)構(gòu)與模式。可采用拓?fù)浣Y(jié)構(gòu)分析、空間緩沖區(qū)及距離分析、覆蓋分析等方法，旨在發(fā)現(xiàn)目標(biāo)在空間上的相連、相鄰和共生等關(guān)聯(lián)關(guān)系。

　　1.7　可視化技術(shù)

　　可視化技術(shù)在數(shù)據(jù)挖掘過(guò)程中的數(shù)據(jù)準(zhǔn)備階段是非常重要的，它能夠幫助人們進(jìn)行快速直觀地分析數(shù)據(jù)。利用可視化方法，很容易找到數(shù)據(jù)之間可能存在的模式、關(guān)系和異常情況等。

　　2　數(shù)據(jù)挖掘技術(shù)在營(yíng)銷(xiāo)中應(yīng)用的理論假設(shè)

　　隨著數(shù)據(jù)量的急劇增長(zhǎng)，現(xiàn)在的用戶(hù)很難再像以前那樣，自己根據(jù)數(shù)據(jù)的分布找出規(guī)律，并根據(jù)此規(guī)律進(jìn)行分析決策。因此必須借助于相應(yīng)的數(shù)據(jù)挖掘工具，自動(dòng)發(fā)現(xiàn)數(shù)據(jù)中隱藏的規(guī)律或模式，為決策提供支持。隨著市場(chǎng)經(jīng)濟(jì)國(guó)際化、區(qū)域經(jīng)濟(jì)全球化、業(yè)務(wù)處理數(shù)字化、消費(fèi)需求個(gè)性化的市場(chǎng)競(jìng)爭(zhēng)環(huán)境的形成，企業(yè)將面臨更多的競(jìng)爭(zhēng)對(duì)手和不確定的信息，需要借助于數(shù)據(jù)挖掘技術(shù)對(duì)商業(yè)數(shù)據(jù)庫(kù)中的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和其他模型化處理，從中提取輔助商業(yè)決策的關(guān)鍵性數(shù)據(jù)，來(lái)控制成本、提高效益。

　　數(shù)據(jù)挖掘技術(shù)在企業(yè)市場(chǎng)營(yíng)銷(xiāo)中得到了比較普通的應(yīng)用，它是以市場(chǎng)營(yíng)銷(xiāo)學(xué)的市場(chǎng)細(xì)分原理為基礎(chǔ)，其基本假定是“消費(fèi)者過(guò)去的行為是其今后消費(fèi)傾向的最好說(shuō)明”。通過(guò)收集、加工和處理涉及消費(fèi)者消費(fèi)行為的大量信息，確定特定消費(fèi)群體或個(gè)體的興趣、消費(fèi)習(xí)慣、消費(fèi)傾向和消費(fèi)需求，進(jìn)而推斷出相應(yīng)消費(fèi)群體或個(gè)體的下一步的消費(fèi)行為，然后以此為基礎(chǔ)，對(duì)所識(shí)別出來(lái)的消費(fèi)群體進(jìn)行特定內(nèi)容的定向營(yíng)銷(xiāo)。這與傳統(tǒng)的不區(qū)分消費(fèi)者對(duì)象特征的大規(guī)模營(yíng)銷(xiāo)手段相比，大大節(jié)省了營(yíng)銷(xiāo)成本，提高了營(yíng)銷(xiāo)效率，從而為企業(yè)帶來(lái)更多的利潤(rùn)。

　　3　數(shù)據(jù)挖掘技術(shù)在企業(yè)網(wǎng)絡(luò)營(yíng)銷(xiāo)中的應(yīng)用

　　網(wǎng)絡(luò)營(yíng)銷(xiāo)作為適應(yīng)網(wǎng)絡(luò)經(jīng)濟(jì)時(shí)代的網(wǎng)絡(luò)虛擬市場(chǎng)的新?tīng)I(yíng)銷(xiāo)理論，是市場(chǎng)營(yíng)銷(xiāo)理念在新時(shí)期的發(fā)展和應(yīng)用。從本質(zhì)上來(lái)說(shuō)，網(wǎng)絡(luò)營(yíng)銷(xiāo)與傳統(tǒng)市場(chǎng)營(yíng)銷(xiāo)的目標(biāo)都是一致的，都是為了實(shí)現(xiàn)企業(yè)的營(yíng)銷(xiāo)目標(biāo)。

　　3.1　客戶(hù)關(guān)系管理

　　網(wǎng)絡(luò)營(yíng)銷(xiāo)的企業(yè)競(jìng)爭(zhēng)是一種以顧客為焦點(diǎn)的競(jìng)爭(zhēng)形態(tài)，爭(zhēng)取顧客、留住顧客、擴(kuò)大顧客群、建立親密顧客關(guān)系、分析顧客需求、創(chuàng)造顧客需求等，都是最關(guān)鍵的營(yíng)銷(xiāo)課題。因此，如何與散布在全球各地的顧客群保持緊密的關(guān)系并能掌握顧客的特性，再經(jīng)由教育顧客與企業(yè)形象的塑造，建立顧客對(duì)于虛擬企業(yè)與網(wǎng)絡(luò)營(yíng)銷(xiāo)的信任感，是網(wǎng)絡(luò)營(yíng)銷(xiāo)的關(guān)鍵?；诰W(wǎng)絡(luò)時(shí)代的目標(biāo)市場(chǎng)、顧客形態(tài)、產(chǎn)品種類(lèi)與以前有很大的差異，如何跨越地域、文化、時(shí)空差距再造顧客關(guān)系，發(fā)掘網(wǎng)絡(luò)客戶(hù)，了解并掌握網(wǎng)絡(luò)客戶(hù)的愿望并利用互動(dòng)服務(wù)與客戶(hù)保持良好的關(guān)系，是眾多企業(yè)需要考慮的首要問(wèn)題。相關(guān)研究表明：一個(gè)企業(yè)如果將其客戶(hù)流失率降低5%的話，其利潤(rùn)就能增加25%～85%。因此，企業(yè)必須要加強(qiáng)與客戶(hù)之間的緊密聯(lián)系和提高客戶(hù)忠誠(chéng)度。數(shù)據(jù)挖掘技術(shù)為客戶(hù)關(guān)系管理提供了便利，企業(yè)可以將從各種渠道收集的客戶(hù)信息組合后，應(yīng)用超級(jí)計(jì)算機(jī)、并行處理、神經(jīng)元網(wǎng)絡(luò)、模型化算法和其他信息處理技術(shù)手段進(jìn)行處理，提煉出有用信息。一方面是根據(jù)客戶(hù)行為進(jìn)行聚類(lèi)。另一方面是從所建立的數(shù)據(jù)倉(cāng)庫(kù)中挖掘出為企業(yè)創(chuàng)造利潤(rùn)的這部分客戶(hù)，從而與創(chuàng)造利潤(rùn)的優(yōu)良客戶(hù)建立長(zhǎng)期關(guān)系。

　　3.2　企業(yè)經(jīng)營(yíng)定位

　　通過(guò)挖掘出消費(fèi)者的相關(guān)數(shù)據(jù)，可以找出其共性和個(gè)性，并對(duì)消費(fèi)者進(jìn)行分類(lèi)，來(lái)制定企業(yè)的經(jīng)營(yíng)目標(biāo)和市場(chǎng)定位，以利于企業(yè)利用網(wǎng)絡(luò)優(yōu)勢(shì)，與客戶(hù)進(jìn)行積極有效的信息交流與情感溝通，一對(duì)一地向客戶(hù)提供個(gè)性化的產(chǎn)品與服務(wù)。例如，利用關(guān)聯(lián)分析，可以發(fā)現(xiàn)客戶(hù)的關(guān)聯(lián)購(gòu)買(mǎi)需要。有些客戶(hù)在購(gòu)買(mǎi)某種商品時(shí)，會(huì)同時(shí)購(gòu)買(mǎi)其他的產(chǎn)品，企業(yè)就可以針對(duì)這種情況，采取積極的營(yíng)銷(xiāo)策略，擴(kuò)展客戶(hù)購(gòu)買(mǎi)的產(chǎn)品范圍或提供相關(guān)的服務(wù)，吸引更多的客戶(hù);通過(guò)挖掘客戶(hù)的個(gè)人特征以及消費(fèi)數(shù)據(jù)，可以將客戶(hù)群體進(jìn)行細(xì)分，根據(jù)不同的客戶(hù)群，實(shí)施不同的營(yíng)銷(xiāo)和服務(wù)方式，從而提高客戶(hù)的滿意度;可以通過(guò)分類(lèi)技術(shù)，根據(jù)顧客的消費(fèi)水平和基本特征對(duì)顧客進(jìn)行分類(lèi)，找出對(duì)本企業(yè)有較大貢獻(xiàn)的重要客戶(hù)的特征，通過(guò)對(duì)其進(jìn)行個(gè)性化服務(wù)，提高他們的忠誠(chéng)度。企業(yè)只能找準(zhǔn)了顧客的真正需求和特征，才能有的放矢，提供個(gè)性化、多樣化、差異化的富有成效的網(wǎng)絡(luò)營(yíng)銷(xiāo)方案，從而找準(zhǔn)企業(yè)的營(yíng)銷(xiāo)定位。

　　3.3　客戶(hù)信用風(fēng)險(xiǎn)控制

　　企業(yè)在實(shí)施網(wǎng)絡(luò)營(yíng)銷(xiāo)過(guò)程中經(jīng)常經(jīng)受來(lái)自買(mǎi)方的信用風(fēng)險(xiǎn)：個(gè)人消費(fèi)者可能在網(wǎng)絡(luò)上使用信用卡進(jìn)行支付時(shí)惡意透支，或使用仿造的信用卡騙取賣(mài)方的貨物;集團(tuán)購(gòu)買(mǎi)者有拖延貨款的可能。賣(mài)方需要對(duì)此承擔(dān)風(fēng)險(xiǎn)。利用數(shù)據(jù)挖掘技術(shù)可以解決企業(yè)經(jīng)常面臨的詐騙行為或延付貨款行為。通過(guò)數(shù)據(jù)挖掘，企業(yè)可以得到這樣的判斷：“什么樣的人使用信用卡屬于什么樣的模式”，而且一個(gè)人在相當(dāng)長(zhǎng)的一段時(shí)間內(nèi)，其使用信用卡的習(xí)慣往往是較為固定的。因此，一方面，通過(guò)判斷信用卡的使用模式，可以監(jiān)測(cè)到信用卡的惡性透支行為;另一方面，根據(jù)信用卡的使用模式，可以識(shí)別“合法”用戶(hù)。如此得到詐騙行為的一些特性，當(dāng)某項(xiàng)業(yè)務(wù)符合這些特征時(shí)，就可以向決策人員提出警告，從而提高企業(yè)應(yīng)對(duì)客戶(hù)信用風(fēng)險(xiǎn)的能力。

　　3.4　客戶(hù)信譽(yù)分析

　　企業(yè)開(kāi)展網(wǎng)絡(luò)營(yíng)銷(xiāo)后，由于客戶(hù)的不確定性、匿名性和虛擬性，增加了企業(yè)的經(jīng)營(yíng)風(fēng)險(xiǎn)。風(fēng)險(xiǎn)與效益并存，分析客戶(hù)的信用等級(jí)對(duì)于降低風(fēng)險(xiǎn)、增加收益是非常重要的。利用數(shù)據(jù)挖掘工具，可以對(duì)客戶(hù)信譽(yù)進(jìn)行分析，以加強(qiáng)營(yíng)銷(xiāo)的安全性和針對(duì)性。通常的做法是：從已有的數(shù)據(jù)中分析得到信用評(píng)估的規(guī)則或標(biāo)準(zhǔn)，即得到“滿足什么樣條件的客戶(hù)屬于哪一類(lèi)信用等級(jí)”，并將得到的規(guī)則或評(píng)估標(biāo)準(zhǔn)應(yīng)用到對(duì)新的客戶(hù)的信譽(yù)分析。對(duì)不同客戶(hù)的信譽(yù)劃分等級(jí)，不同等級(jí)的客戶(hù)采取不同的營(yíng)銷(xiāo)策略，制定不同的付款方式和交貨方式，降低營(yíng)銷(xiāo)風(fēng)險(xiǎn)，提高營(yíng)銷(xiāo)效益。

　　3.5　消費(fèi)需求預(yù)測(cè)

　　在網(wǎng)絡(luò)營(yíng)銷(xiāo)中，每一個(gè)消費(fèi)者首先是一個(gè)不斷變化的虛擬網(wǎng)絡(luò)環(huán)境中的“沖浪者”，他一方面扮演個(gè)人購(gòu)買(mǎi)者的角色，另一方面則扮演著社會(huì)消費(fèi)者的角色，起著引導(dǎo)社會(huì)消費(fèi)的作用。從事電子商務(wù)活動(dòng)的網(wǎng)絡(luò)營(yíng)銷(xiāo)人員要想成功地行銷(xiāo)在因特網(wǎng)上，他所構(gòu)思的網(wǎng)絡(luò)營(yíng)銷(xiāo)計(jì)劃除了需要考慮傳統(tǒng)市場(chǎng)中顧客的各種需求外，還必須照顧到網(wǎng)民對(duì)興趣、聚集和交流的需求，分析他們需求變化的表現(xiàn)、趨勢(shì)和原因，采用多種行銷(xiāo)方法，啟發(fā)、剌激網(wǎng)絡(luò)消費(fèi)者的需求，喚起他們的購(gòu)買(mǎi)興趣，誘導(dǎo)網(wǎng)絡(luò)消費(fèi)者將潛在的需求轉(zhuǎn)變?yōu)楝F(xiàn)實(shí)的需求。

　　3.6　企業(yè)交叉營(yíng)銷(xiāo)

　　交叉營(yíng)銷(xiāo)是指企業(yè)通過(guò)發(fā)現(xiàn)一位已有顧客的多種需求，并滿足其需求而實(shí)現(xiàn)多種相關(guān)產(chǎn)品或服務(wù)的各種策略和方法，其實(shí)質(zhì)是用戶(hù)資源在各產(chǎn)品及服務(wù)間的共享，是在擁有一定市場(chǎng)資源的情況下向自己的顧客或合作伙伴的顧客進(jìn)行的一種業(yè)務(wù)推廣手段。交叉營(yíng)銷(xiāo)現(xiàn)已擴(kuò)展到兩個(gè)電子商務(wù)企業(yè)/網(wǎng)站之間開(kāi)展聯(lián)盟合作的交叉網(wǎng)絡(luò)營(yíng)銷(xiāo)，有利于企業(yè)資源互補(bǔ)、互惠互利，吸引更多的網(wǎng)絡(luò)顧客，應(yīng)用網(wǎng)絡(luò)合作伙伴所形成的資源規(guī)模創(chuàng)造競(jìng)爭(zhēng)優(yōu)勢(shì)。利用數(shù)據(jù)挖掘工具，了解顧客在網(wǎng)上購(gòu)買(mǎi)商品或接受服務(wù)時(shí)的選取習(xí)慣、鏈接習(xí)慣、商品組合習(xí)慣，通過(guò)關(guān)聯(lián)分析，找出其中的規(guī)律，用來(lái)指導(dǎo)本企業(yè)應(yīng)捆綁銷(xiāo)售的商品，提高消費(fèi)者的消費(fèi)價(jià)值，提高交叉營(yíng)銷(xiāo)效果，提高顧客的滿意度和忠誠(chéng)度。

　　參考文獻(xiàn)：

　　1　馬妮娜.數(shù)據(jù)庫(kù)新的應(yīng)用技術(shù)———數(shù)據(jù)挖掘技術(shù)[J].中國(guó)電子商務(wù)雜志，2003(4)

　　2　曾凡濤，熊元斌.試論數(shù)據(jù)挖掘技術(shù)在旅游營(yíng)銷(xiāo)中的應(yīng)用[J].旅游科學(xué)，2002(4)

　　3　蔡猷花，張岐山.數(shù)據(jù)挖掘技術(shù)及其應(yīng)用[J].管理科學(xué)文摘，2003(2)