數據庫營銷中市場細分研究論文

導語：數據庫營銷中市場細分研究論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：數據庫中的知識發現（KDD）越來越多地應用到企業的市場營銷設計與支持過程中。文章闡述了數據庫營銷的特點和作用，通過分析數據庫營銷中的市場細分與市場營銷中市場細分的異同，提出了適用于數據庫營銷市場細分的方法。該方法需要使用統計與數據挖掘的方法和工具，通過建立模型的方式，為公司運營提供支撐。

關鍵詞：市場細分；數據庫營銷；數據庫的知識發現；數據挖掘

企業在日常的生產經營活動中，產生了大量運營數據，如果不加以利用就會雜亂無章地占據大量的存儲、管理、維護等資源。實際上這些數據是用戶行為、用戶習慣的表征記錄，是企業各項經營活動的成果記錄，其中蘊涵著大量的信息與知識，如果善加利用將是企業不可估量的戰略資源。在數據的存儲方面，隨著數據庫技術的迅速發展以及數據庫管理系統的廣泛應用，人們可以積累的數據越來越多。目前的數據庫系統已經可以高效地實現數據的錄入、查詢、統計等功能，但無法發現數據中存在的關系和規則，無法根據現有的數據預測未來的發展趨勢。

因此，在學術界對數據庫的知識發現的研究也在不斷深入。1989年IJCAI會議進行了關于數據庫中的知識發現（KnowledgeDiscoveryandDatabase，KDD）的專題討論，Fayyad將其定義為“KDD是從數據集中識別出有效的、新穎的、潛在有用的以及最終可理解的模式的非平凡過程”。從1995年開始，KDD發展為國際年會，國內對該領域研究始于1993年，國家自然科學基金開始支持該領域研究。數據分析能力是一項對開發者、使用者都有很高要求的能力，需要具備數據庫、人工智能、機器學習、神經網絡、統計學、模式識別、知識庫系統、信息檢索和數據庫可視化等多方面的知識和技巧。

同時對于這項技術在企業中的實際應用來說，隨著理論的深入與數據挖掘工具的不斷推出，其對各個企業的實際生產經營活動都起到了很大的推動作用。特別是數據庫營銷，由于其較低的成本，完善的模型和對市場的細微把握，對企業有著重大的意義。而所有的營銷活動都應以市場細分為基礎，因此數據庫營銷中市場細分就成為其不可逾越的第一步工作。

一、數據庫營銷中市場細分的作用

數據庫營銷中市場細分的應用隨著IT技術的發展和市場交易量的擴大愈來愈廣泛。目前，各個行業領域包括金融業、電信業、網絡相關行業、零售商、制造業、醫療保健及制藥業等都將其視為本公司的重要戰略資源加以應用。從目前技術的發展與行業的應用來看，其作用主要體現在以下方面：

第一，對運營數據進行更好的重組、匯集、抽取和預測，更方便、快捷地從企業現有資源上采集和轉化信息和數據，能為企業管理提供更好的決策支持，使管理層及時地了解企業生產經營現狀，深入地了解企業所處的競爭環境，更好地制定符合實際的戰略方案。

第二，在激烈的市場競爭和迅速的業務擴張中，運營數據可以用來分析數據的一般特性，使用數據可視化、分類、聚類分析、序列模式分析等工具，理解商業行為、確定商業模式、捕捉對企業利益侵害行為、提高服務質量，提高資源利用率，提高員工勞動生產率。例如，電信企業中對客服中心的分布的設計，基站的設置等。

第三，運營數據是用戶消費行為的直接記錄，通過對用戶長期消費活動數據的規律總結。有助于劃分用戶群體，使用分類技術和聚類技術，可以更精確地挑選出潛在的用戶；識別用戶購買行為，發現用戶購買模式和趨勢，進行關聯分析，以便更好地進行產品組合、產品推介等等。

第四，運營數據雖然是歷史數據的集合，如果能夠通過各種工具發現其中存在的普遍規律。由于企業的生產經營有延續性，用戶的消費習慣有規律性，我們可以用來預測未來的生產經營情況，比如我們可以通過營銷案預演，虛擬整個營銷過程，測試目標用戶反應，初步評價各種營銷案的效果，確認最能接受營銷案的客戶群體，保證在真正推出市場的銷售方案代價最小，收益最大。又如，我們可以通過運營數據，發現用戶流失的規律與特征，使企業能在用戶流失之前做出有效地挽留措施，降低流失率。

二、數據庫營銷中市場細分與傳統市場營銷中市場細分的異同

市場細分是現代營銷理念的產物是市場營銷理論和戰略的新發展。目前市場細分的理論和方法不斷完善，而且被廣泛地應用于營銷實踐。而作為本文研究的重點，數據庫營銷中的市場細分與市場營銷中的市場細分既有聯系又有區別。

首先，兩者的聯系主要體現在：市場營銷活動與數據庫營銷過程是銜接的。數據庫營銷的市場細分可以在營銷活動之前提供數據預測；也可以用在營銷活動之后分析結果，但兩者總是聯系緊密的過程。企業逐漸認識到，本企業的競爭優勢體現在能夠向用戶提供滿足整體需求的產品和服務組合，為用戶提供個性化業務解決方案。因此，在設計市場營銷業務項目時，需要采取不同的用戶群細分方法對用戶進行細分，對不同用戶采取不同的服務策略。而企業的經營成果也正是構筑在不同細分用戶對企業的貢獻上的，不同的用戶群體對總體收入的影響是不同的，因而在經營成果的分析中，也必不可少的需要對用戶進行細分。這樣可以加深對市場的了解，認清每種用戶對企業經營活動的意義，從而制定更有針對性的營銷政策。其理論依據也是相同的。根據1956年美國著名的市場學家溫德爾·史密斯（WendellSmith）的論述主要有兩個：一是用戶需求的異質性。由于用戶需求、欲望及購買行為是多元的，所以用戶在購買產品和使用服務上的需求呈現較大的差異。用戶需求的異質性是進行用戶細分的內在依據。二是企業資源的有限性和為了進行有效的市場競爭。現代企業由于受到自身實力的限制，即便是處于市場領先地位也不可能在整個營銷過程中占絕對優勢。為了進行有效的競爭，企業必須進行市場細分，選擇最有利可圖的目標用戶群體，集中企業資源，制定有效的競爭策略來增強自己的競爭優勢。所以企業資源的有限性和為了進行有效的市場競爭是進行市場細分的外在要求。

其次，數據庫營銷中的市場細分與市場營銷中的市場細分區別主要是：目的不同。數據庫營銷的市場細分目的是為了更好的從現有的經營數據中，找出對經營成果有影響的各個用戶群體，并分析其影響程度或者找出其中規律；市場營銷的市場細分，主要是為了開拓用戶未被開發的潛力，增加其對經營成果的貢獻。方法不同。數據庫營銷中的市場細分更加倚重數據庫營銷的各種手段，包括統計分析、數據挖掘等等，從海量的日常經營數據中，通過設定參數與算法，建立模型的方式，找出符合細分條件的用戶群體。市場營銷的市場細分，主要依據兩種方法：一是依據自然屬性來細分用戶，主要是利用人口統計學、社會經濟學、經濟地理原理所提供的特定市場內有關個人的重要信息來細分用戶，其變量主要有地理細分變量、人口統計變量、社會經濟變量等，也可以把這些變量結合起來進行細分；二是依據行為屬性來細分用戶依據行為屬性細分，用戶主要是通過對人們的心理分析，個性特征，生活方式的研究來細分用戶，其變量主要有心理分析變量、產品使用變量和產品效用變量等。對象不同。數據庫營銷中的市場細分主要面對企業現有用戶，這是因為數據庫營銷的數據來源主要是企業已經獲得的經營數據。市場營銷的市場細分主要面對全體消費者，從中找出目標用戶群體發展為企業的新用戶。標準不同。數據庫營銷中的市場細分依據的標準在細分前是未知的，需要運用數據挖掘的方法與工具從大量數據中找出可以用來細分用戶的標準。而市場營銷的市場細分主要基于一些已知的標準，對目標可以進行歸類與分析。

三、數據庫營銷中市場細分的方法與過程

上文結合市場營銷的市場細分總結了數據庫營銷中的市場細分有以上的一些特點，所以在應用上，后者更多地依靠統計學與數據挖掘的方式進行。通過設定變量與參數，在企業經營獲得的大量日常生產經營數據中，找出各種隱含的商務關系、產品關聯、營銷機會與用戶行為特征。

數據庫營銷中市場細分的方法可以分為5項：關聯分析、分類和預測、聚類分析、孤立點分析、演變分析等。實現上述功能的算法包括統計類的諸如回歸分析、時間序列、判別分析、因子分析；神經學習網絡類的諸如粗糙集、決策樹、模糊集、支持向量集等等。數據庫營銷中的市場細分的過程，如圖1所示。

第一，確定市場細分參數。即決定使用何種參數從數據庫的海量數據中提取相應的用戶數據對用戶進行細分。一般目前企業級的數據庫營銷應用中，為了更加精確地描述實際市場情況，模型的設計維數都比較高，設計與提取的參數數量一般都需要上百個。

第二，數據準備。一般前面兩個步驟就會占據整個過程的50-90%的時間和精力。需要完成的工作包括：數據收集、數據描述、數據質量評估和數據清理、合并與整合、構建元數據，加載數據挖掘庫等。

第三，數據分析與驗證，運用數據挖掘的方法，將初步確定參數的具體數值進行分析，進而發現參數設定的有效性并進行參數的變換，形成對解釋問題有效的參數集。

第四，建立模型。通過以上步驟，建立相應的數據模型，為了保證得到的模型具有較好的精確度和健壯性，需要一個定義完善的“訓練-驗證”協議，進行模型訓練與優化。

第五，模型應用與評估。按照確定的參數將目標用戶導入模型進行細分，同時分析同類用戶的各種特征，找出其中隱含的關聯，為分析與應用提出結論。最后還要根據實際情況，對模型輸出進行營銷學上的解釋，并進行實施效果評估。

參考文獻：

1、張曉航.基于聚類算法的客戶細分[J].通信企業管理,2005(12).

2、DavidHand等著;張銀奎等譯.數據挖掘原理[M].機械工業出版社,2003.

3、JiaweiHan,MichelineKamber著;范明,孟小峰等譯.數據挖掘:概念與技術[M].機械工業出版社,2001.

4、陳祖義,華勇,王培.商業數據挖掘技術的應用及發展[J].當代經濟,2007(4).