Nový design systému databázový marketing
Databáze marketing a marketingové teorie jako kombinace informační technologie, architektura systému vyžaduje rozumný základ pro provádění. Databázový marketing systém pro problém, různé domácí i mezinárodní znaleckého posudku. Někteří učenci věří: od databázový marketing a řízení vztahů se zákazníky (CRM), analyzovat vztah mezi hlediska, databázový marketing, i když základ pro CRM. Ale to postrádá CRM prodej automatizace, zákaznický servis a business intelligence (data mining, atd.) obsah. Jeho databáze historických dat je často v kontaktu s firmou, tak jen jako předběžnou analýzu typu povýšení.
Vzhledem k současné marketingové význam v podniku, věřím, že tento systém by měl být celý trh jako vůdčí ideologii, která zahrnuje CRM prodej, služby zákazníkům, a Business Intelligence obsah celého systému. Na základě těchto dvou hlavních důvodů: za prvé, databázový marketing je CRM datových skladů, data mining předpokladem. Integrovat dvě části může zlepšit marketing funkce systému. Jednotné řízení marketingové činnosti, které technicky je také možnost dosáhnout, 2, prodej, služby zákazníkům, i když s poněkud odlišné marketingové úsilí, ale lze říci o marketingu jako klíčové hrát jejich příslušných rolí. Byla prokázána: Prodej údaje mají být poskytnuty na oddělení marketingu, marketingové oddělení, a to prostřednictvím rozhodnutí o dosažení Shunli kroku návod, jak vstoupit prodeje, podle přání zákazníka hodnotu; služby zákazníkům informace by měly být důležitým referenčním k Ying Xiao, dle přání zákazníka specifické podmínky, například Xiaofeitezheng poskytují vhodné služby, dosažení spokojenosti zákazníka.
Stručně řečeno, by mělo studium databázového systému na trh se řídí marketing. Prodej, služby zákazníkům a business intelligence pro dostupnost enterprise-level marketing systém, v jistém smyslu, je to plný marketingové nápady jádrem CRM. Studium tohoto nového systému databázový marketing je znázorněno na obrázku 1. Systému databázový marketing je takový systém: prodej, služby zákazníkům prostřednictvím oddělení střediska pro kontakt se zákazníky a prodejní kanály pro sběr dat o zákaznících, a prostřednictvím shromažďování databáze klientů uvádění na trh. Marketingová oddělení sledovat údaje o zákaznících, statistiky a analysis, pokud je to nutné, část údajů zjednodušení konverze do datového skladu in-hloubkové analýzy a zpracování jako jsou data mining, znalostní model přijde na hodnoty prostřednictvím vizuální reprezentaci na marketing department . Marketing a výroba oddělení těchto zjištění, finančním sektoru, integrace informací, rozvíjet další fáze marketingové strategie a poslat každý sektor jako referenční pro svou činnost.
2 Provedení nového systému databázový marketing
2,1 zdroje údajů o zákaznících: kontakt se zákazníky a kontakty
Firemní marketing zaměstnanci okamžitě, pokud není dostatek údajů o zákaznících a informace o trhu. Bude obtížné provádět. Proto, kontakt a spolupráci se zákazníky se stala obzvlášť důležité. Databázový marketing, kontakt se zákazníkem a spolupráci se skládá ze dvou částí: první, prodej výrobků a služeb prostřednictvím distribučních kanálů a kontaktů se zákazníky včas pod zákazníka prodejní rekord: Za prvé, zákazník prostřednictvím oddělení služeb zákazníkům komunikovat s centrem kontakt se zákazníkem a komunikace. Díky multi-media, multi-kanál integrace a inteligentní vyhledávací metody, které pomáhají klientům najít nejlepší místa (míst zákaznický servis) a poskytování kvalitních služeb. Zákaznické kontaktní centrum, které je souborem telefon, email, fax, síť, komunikace a řadu digitálních a non-digitální kanály platformy interakci se zákazníky. V této platformě, si zákazníci mohou vybrat svůj vlastní způsob, kdykoliv se společností komunikovat, a podniky pochopit názory a potřeby zákazníků, s nejrychlejší rychlost, která pomáhají zákazníkům řešit skutečné problémy, ve stejné době, v centru se také snažit shromáždit příslušné informace. Dosáhnout informací o zákaznících. Zero-ztráta "do budoucna sloužit jako základ pro marketing a prodej. Výhodou je: Pro podniky, přístup k účinné a snadný přístup ke všem záznamům a informací, zvýšení spokojenosti zákazníků, pro zákazníky, pohodlí a možnost výběru osobní, real-doba interakce je silný, there is intimita, které mají dobré dojem na podnik. integration of více kanálů z center pro kontakt se zákazníky směrování services komponent a příslušný server k client kontaktní informace-založený server a databáze prostřednictvím příslušných realizace podnikatelských logic, najít nejlepší místa jménem a zajistit, aby informace o zákaznících update a záznamů. celého procesu pro počítačové zpracování, zákazník volání účinnost je velmi vysoká. typického zákazníka kontaktního centra je znázorněno na obrázku 2.
Zákaznické kontaktní centrum pro kontakt se zákazníkem a informace-hromadící je dobrý způsob. Ale může to s tradičními metodami (např. návštěvy, neformální kontakty, atd.) v kombinaci s sebou a spolupráci nového podniku bude výhodnější, je prospěšné.
2,2 manipulace údajů o zákaznících
Podle různých zdrojů údajů o zákaznících shromažďovány existuje mnoho problémů: opakování, neúplné, není standardizována, nesrovnalosti, atd., všichni po-Up analýzy a ražba velký dopad. A proto drsnost těchto masivních údajů požadovaných před cílem. Tato objednávka obsahuje dvě části: První, dodavatel end-zákaznických dat (prodeje a zákaznických dat), pro screening a výběr rekordéry byly sjednoceny marketingové databáze, a konsolidovat a aktualizovat data pravidelně, může být tzv. předzpracování dat část: 2 je marketing databáze pro další data mining části dat, prostřednictvím zvláštních clean-up, integrace, transformace a redukce. V přijatelné formě datových skladů, data mining pro příští dostatek času na přípravu, může být popsána jako součást dat přepracování. Vzhledem k tomu, složitosti zpracování dat, a není pro konkrétní analýzu.
2,3 Spotřeba klíčových dat: Data mining
Zákaznická data v souladu s požadavky na čištění a úpravu, také potřebují další výkop a analýzy, zkoumání a objevování tržní hodnotu in-hloubka informace. Data Mining, z databáze perspektivy, zjistí, skrytá ve velkých datových souborů a jejich zajímavé údaje model odvozený data na užitečné informace a znalosti o procesu, informace a znalosti mohou být široce používány v různých aplikacích, jako je řízení podniku, analýza trhu a tak dále. Pro firemní marketing. To může pomoci společnosti masivní zákaznických dat z nalezených záznamů spotřebitelů psychologii a chování související s zákaznických charakteristik obchodní model hodnoty data, pomáhat společnostem přes jejich vývoj přesnějších a efektivní marketingová rozhodnutí.
Základní kroky data mining patří:
(1) data čištění a integrace: odstranění šumu nebo v rozporu data, různé zdroje dat dohromady, a výsledky uloženy v datovém skladu. Jeden z datového skladu je předmět-orientovaný, integrovaný čas variantu a permanentní sběr dat organizovány s využitím multi-dimenzionální data model design.
(2) Výběr dat a transformace: z datového skladu získat relevantní data a analýzy úkolů, a aby prozkoumala sjednocení do vhodné formy (např. prostřednictvím hromadných či agregační operace).
(3) Data Mining: s využitím inteligentních metod pro extrakci dat z obrovské datové modely.
(4) model hodnocení a reprezentace znalostí: Podle některých zajímavost měřit, určovat skutečné hodnoty modelu a výsledky získané prostřednictvím vizualizace a technologie reprezentace znalostí k dispozici uživatelům (např. obchodním manažerům a jiným subjektům).
Na význam dolování dat zejména zákazníkům v obchodním využití široké škály marketing, hlavně s rozlišením mezi charakterizace, asociační analýza, klasifikace a predikce, a shluková analýza, atd.. Pro usnadnění pochopení, jen jeden z druhu model popsaný algoritmus.
2,4 Clustering Data Mining Případová studie: K-algoritmus znamená, teorie a aplikace
K-algoritmus znamená postup je následující:
(1) vstup obsahuje N objektů (zákazníků), databáze a počet klastrů K (počet zákazníků bodů) v objektech v N K byly náhodně vybrány jako průměr ze všech skupin nebo středisek;
(2) zbývající (N-K), objekty pro každý cluster v závislosti na vzdálenosti od středu přiřadí k nejbližší cluster od každého;
(3) k re-výpočet průměrné hodnoty každého klastru;
(4) opakují dva kroky. Až do průměru každého clusteru se nemění. Každá třída stabilizace. Výsledky budou spadat pod klasifikace každé specifické cílové skupiny klastrů (se stejnou spotřebou charakteristiky zákazníků).
Cluster analýzy aplikované na marketing, jako je typ supermarket nakupování uznání pro příslušníky klientů tak, aby lépe poskytovat kvalitní služby pro členy z databáze supermarket zákazníci po nezbytné údaje o spotřebě, po zpracování vícerozměrných číselných údajů model: identifikační číslo zákazníka (celková spotřeba, počet nákupů, úroveň příjmů, ... ...). Které celkové spotřeby, počtu nákupů, jsou výše příjmů vícerozměrné proměnné přímo souvisí s typem dat zákazníka. Podle členství (N), počet a typy klientů (K) informací, jako jsou shlukové analýzy, odpovídající výsledky uskupení, 2-D simulace výsledky jsou uvedeny v obr. 4.
Clustering Výsledkem je, že všichni členové velkých zákazníků nákupní supermarket jsou rozděleny do tří různých rozměrů významný cluster (třída), A, B, C, každý typ zákazníků mají své vlastní preference spotřebitelů a různých spotřebitelských vlastnosti. Supermarkety mohou srovnávat a analyzovat spotřebu vlastnosti různých druhů zákazníků a provádět cílené marketingové kampaně.
Data mining je databázový marketing systému základní součástí analytické CRM aplikací je i základní technologie, hraje velmi důležitou roli. Nicméně, ke složitosti teorie a technologie, dolování dat a mnoho třeba zdokonalovat. Je pozoruhodné, že není databáze všech typů dat vyžadují bagrování, mohou některé vysoce textové informace (např. hodně analýza textu, obrázky, atd.) a nějaký non-číselné údaje pouze prostřednictvím nějaké umělé pořádku, opět také pomůže marketingové úsilí a rozhodování-procesu.
2,5 až rozvíjet vhodné marketingové rozhodnutí
Denní údaje o prodeji, kontakt se zákazníkem informace získané v průběhu model dolování dat pro podnikové produkty, získávání znalostí a služeb pro různé marketingové aktivity, aby dobré reference na fakta, a pak výrobní odvětví, ve finančním sektoru a další základní údaje (jako jsou zásoby a údaje o nákladech), vzít v úvahu, marketingové oddělení, aby vypracovala odpovídající výsledek může být více vědecké a racionální marketingové rozhodnutí a strategií, jako 4P marketingové strategie, strategie produktů pouze jeden může být optimalizováno takto:
(1) Podle některých produktů konkrétní údaje o prodeji a průměrná marže spotřebitelů pochopení zákaznických preferencí. Tak stávající výrobkové řady nebo produkt společnosti k posouzení projektu a odpovídající strategie portfolia pomocí správné produkty (například rozšíření produktového portfolia, nebo kontrakce. Pro rozšíření produktové řady), aby lépe vyhovět poptávce trhu;
(2) po historickém prodeje produktů data mining najít svého životního cyklu fáze, v níž, podle produkty při dovozu, růst, zralost, pokles charakteristika jednotlivých fází strategie vývoje výrobku odpovídajícím způsobem;
(3) nové produkty, v souladu s zákazníkem hodnocení výrobku nebo služby nebo výrobku, spokojenosti zlepšovat a aktualizovat. U těchto nových produktů, protože spotřebitel diferenciace určité skupiny spotřebitelů. Může za jejich spotřebu vlastností nových produktů, přemístění nebo vývoj výrobků, které uspokojují jejich vkusu a tak dále.