Ein neues Design der Datenbank-Marketing-System
Database Marketing und Marketing-Theorie als eine Kombination von Informatik, System-Architektur erfordert eine angemessene Grundlage für die Umsetzung. Database-Marketing-System für das Problem, verschiedene nationale und internationale Gutachten. Einige Wissenschaftler glauben, dass aus dem Datenbank-Marketing und Customer Relationship Management (CRM), das Verhältnis zwischen der Sicht analysieren, Database-Marketing, obwohl die Grundlage für CRM. Aber es fehlt die CRM Sales Automation, Customer Service und Business Intelligence (Data Mining, etc.) Inhalt. Die Datenbank der historischen Daten ist oft nicht in Kontakt mit der Firma, so nur als eine vorläufige Analyse der Art der Aktionen.
Angesichts der derzeitigen Bedeutung Marketing im Unternehmen, ich glaube, dass dieses System eine umfassende Marketing ist sollte der Leitgedanke, für CRM Vertrieb, Kundenservice und Business-Intelligence-Inhalte eines kompletten Systems. Basierend auf den folgenden zwei Hauptgründe: Erstens ist die Datenbank-Marketing CRM Data Warehousing, Data Mining Voraussetzung. Integrieren Sie die beiden Teile können Verbesserung der Marketing-Funktion des Systems. Unified Management der Marketing-Arbeit, die technisch auch die Möglichkeit, zu erreichen; 2, Vertrieb, Kundenservice, wenn auch mit etwas andere Marketing-Bemühungen, aber kann man sagen, als eines der wichtigsten Marketing werden ihre jeweilige Rolle spielen. Dies ist in verkörpert: sales Daten an die Marketing-Abteilung bieten, Marketing-Abteilung, um durch die Entscheidungsfindung für Schritt zu einem glatten Sales Guide, Mehrwert für die Kunden; Kundenservice Marketing-Materialien eine wichtige Referenz, basierend auf den Verbrauchsdaten der Kunden Merkmale des spezifischen Details werden die entsprechenden Service, Kundenzufriedenheit zu erreichen.
Kurz gesagt, sollte die Studie des Database-Marketing-System von Marketing-getrieben werden. Vertrieb, Kundenservice und Business Intelligence für die Zugänglichkeit von Enterprise-Level-Marketing-System, in einem gewissen Sinn ist es ein voller Marketing-Ideen im Mittelpunkt des CRM. Die Studie des neuen Datenbank-Marketing-System in Abbildung 1 dargestellt. Der Datenbank-Marketing-System ist ein solches System: Vertrieb, Kundendienst-Abteilung durch Customer Contact Center-und Vertriebskanäle, um Kundendaten zu sammeln, und durch die Sortierung der Datenbank, um die Marketing-Sektor Kunden. Marketing-Abteilungen zu beobachten, Kundendaten, Statistiken und Analysen, wenn nötig, einen Teil der Daten durch eine Straffung der Umwandlung in das Data Warehouse eingehende Analyse und Verarbeitung wie Data Mining, Wissensmanagement-Modell den Wert durch die visuelle Darstellung der Marketing-Abteilung wird kommen . Marketing und Produktion Abteilungen dieser Befunde, den Finanzsektor, Information Integration zu entwickeln, die nächste Phase der Marketing-Strategie und schicken Sie in jedem Sektor als Referenz für ihre Aktivitäten.
2 Umsetzung der neuen Datenbank-Marketing-System
2.1 Die Quellen von Kundendaten: Kundenkontakt und Kontakt
Corporate Marketing-Mitarbeiter sofort, wenn es keine angemessene Kundendaten und Marktinformationen. Schwierig sein wird, durchzuführen. Deshalb hat Kontakte und Zusammenarbeit mit Kunden besonders wichtig. Database-Marketing, Kundenkontakt und Verbindungsbeamten hat zwei Teile: Erstens, Vertrieb von Produkten und Dienstleistungen über die Vertriebskanäle und Kundenkontakte in einer fristgerechten Weise unter den Kunden Rekordabsatz: Erstens, um den Kunden durch den Kundendienst mit der Customer Contact Center zu kommunizieren und Kommunikation. Durch Multi-Media-, Multi-Channel-Integration und intelligente Suchverfahren Kunden helfen, finden Sie die besten Plätze (Kundendienst Punkte) und bieten qualitativ hochwertige Dienstleistungen. Einer der Customer Contact Center ist ein Satz von Telefon, Email, Fax, Netzwerk-, Kommunikations-und eine Reihe von digitalen und nicht digitalen Kanäle der Interaktion mit dem Kunden-Plattform. In dieser Plattform können Kunden ihre eigene Weise zu jeder Zeit mit der Firma zu wählen, zu kommunizieren, und Unternehmen, die Ansichten und Bedürfnisse der Kunden verstehen, mit der schnellsten Geschwindigkeit zu helfen Kunden lösen reale Probleme, zur gleichen Zeit, das Zentrum auch versuchen, zur Erfassung der relevanten Informationen. Erzielen Sie Informationen über die Kunden. Zero-Verlust "für die Zukunft von Marketing und Vertrieb bilden die Grundlage für die Arbeit. Der Vorteil ist: Für Unternehmen, die Verbesserung des Zugangs zu effizienten und einfachen Zugang zu allen Unterlagen und Informationen, Management, Kundenzufriedenheit; Für Kunden, Bequemlichkeit und Auswahl personalisiert, ist Echtzeit-Interaktion stark, es ist Intimität, die guten Eindruck auf das Unternehmen haben. Integration mehrerer Kanäle von Customer Contact Center-Routing-Services-Komponente und die entsprechenden Server zum Client Kontaktinformationen-basierte Server-und Datenbank über die angemessene Umsetzung der Business-Logik, finden Sie die besten Sitzplätze im Auftrag von Kunden und machen Angaben zu aktualisieren und Aufzeichnungen. den gesamten Prozess für die elektronische Datenverarbeitung, ist Kunden-Call-Effizienz sehr hoch. Eine typische Customer Contact Center in Abbildung 2 dargestellt.
Customer Contact Centre für den Kundenkontakt und das Sammeln von Informationen ist ein guter Weg. Aber kann es mit den herkömmlichen Methoden (z. B. Besuche, informelle Kontakte, etc.) miteinander kombiniert und Collaboration, Business vorteilhafter sein wird ist von Vorteil.
2.2 Der Umgang mit Kundendaten
Laut verschiedenen Quellen von Kunden erhobenen Daten gibt es viele Probleme: Wiederholung, unvollständig, nicht standardisiert, Ungereimtheiten, etc., sie alle Follow-up-Analyse und die Ausgrabung der großen Einfluss. Daher erfordert große Mengen an groben Daten über diese Anforderungen im Voraus nach der Ordnung. Dieser Auftrag umfasst zwei Teile: Zunächst wurden die Endkunden-Daten (Umsatz-und Kundendaten) für das Screening und Auswahl-Recordern einheitliches Marketing-Datenbank, und zu konsolidieren und zu aktualisieren die Daten regelmäßig, genannt Datenvorverarbeitung werden kann: 2 ist eine Marketing-Datenbank für die weitere Data Mining eines Teils der Daten, durch gezielte Clean-up, Integration, Transformation und Reduktion. In eine akzeptable Form des Data Warehousing, Data Mining für die nächsten genügend Zeit zur Vorbereitung, kann als Teil der Daten Wiederaufbereitung beschrieben werden. Da die Komplexität der Datenverarbeitung Technologie und ist nicht für die spezifische Analyse.
2,3 Verbrauch der wichtigsten Daten: Data Mining
Kundendaten werden in Übereinstimmung mit den Anforderungen für die Reinigung und Veredelung, müssen auch weitere Ausgrabungen und Analysen, zu erforschen und zu entdecken, den Marktwert der eingehenden Informationen. Data Mining, aus einer Datenbank Perspektive, setzt es sich, versteckt in großen Datenbeständen interessante Daten Muster und die daraus resultierenden Daten in nützliche Informationen und Wissen in den Prozess, der Informationen und Wissen können weit verbreitet in verschiedenen Anwendungen eingesetzt werden, wie z. B. Betriebswirtschaft, Marktanalyse und so weiter. Für Corporate Marketing. Es kann das Unternehmen massive Kundendaten aus den Aufzeichnungen helfen, fand in Verbraucherverträgen Psychologie und Verhalten in Bezug auf Merkmale der Kunden kommerziellen Wert Datenmodell für Unternehmen durch ihre Entwicklung genauer und effektiver Marketing-Entscheidungen zu unterstützen.
Die grundlegenden Schritte des Data Mining gehören:
(1) Reinigungs-und Daten-Integration: Beseitigung von Rauschen oder inkonsistente Daten, hinterlegt die verschiedenen Datenquellen zusammen, und die Ergebnisse in das Data Warehouse. Einer der Data Warehouse ist eine themenorientierte, integrierte, zeitlich veränderlichen und nicht-flüchtige Sammlung von Daten über die organisierte mehrdimensionales Datenmodell Design.
(2) Daten, Auswahl und Transformation: aus dem Data Warehouse zum Abrufen der relevanten Daten und Analysen Aufgaben und für die Einigung in einer geeigneten Form (zB durch Zusammenfassung oder Aggregation Operationen) zu erkunden.
(3) Data Mining: Mit intelligenten Methoden, um Daten aus großen Datenmengen Modelle zu extrahieren.
(4) Modell Bewertung und Repräsentation von Wissen: Nach einigen Interessantheit messen, ermitteln den realen Wert des Modells und die Ergebnisse durch Visualisierung und Repräsentation von Wissen Technologien Benutzern zur Verfügung (z. B. Business-Manager und andere Entscheidungsträger erhalten).
Die Bedeutung des Data Mining insbesondere Kunden im Business-Einsatz einer breiten Palette von Marketing, vor allem geprägt und unterscheiden Assoziations-Analyse, Klassifizierung und Vorhersage und Cluster-Analyse und so weiter. Zum besseren Verständnis, nur einer aus einer Art von Modell beschriebenen Algorithmus.
2,4 Clustering Data Mining Case Study: K-means-Algorithmus Theorie und Anwendung
K eine durchschnittliche Algorithmus läuft wie folgt ab:
(1) Eingaben enthalten N Objekten (Kunden-) Datenbank und die Anzahl der Cluster K (die Zahl der Kunden um Punkte) in der N Objekte in K wurden nach dem Zufallsprinzip ausgewählt, wie der Durchschnitt aller Cluster oder Zentren;
(2) die restlichen (N-K) Gegenstände, die jedem Cluster je nach Entfernung vom Zentrum zugeordnet zum nächstgelegenen Cluster von jedem;
(3) neu zu berechnen den durchschnittlichen Wert der einzelnen Cluster;
(4) Wiederholen Sie die beiden Schritte. Bis zum Durchschnitt der einzelnen Cluster nicht ändern. Jede Klasse zu stabilisieren. Die Ergebnisse werden im Rahmen der Einstufung jedes spezifische Zielgruppe von Clustern (mit dem gleichen Verbrauch Merkmale der Kundenbasis zu kommen).
Cluster-Analyse zu Marketing-Anwendung, z. B. Einkauf im Supermarkt Art der Anerkennung für die Mitglieder des Clients, um eine bessere Qualität bieten Dienstleistungen für die Mitglieder vom Supermarkt Kunden-Datenbank, nachdem die erforderlichen Daten zum Konsum, nach der Verarbeitung von mehrdimensionalen numerischen Daten Modell: Kunden-Identifikationsnummer (Gesamtverbrauch, die Zahl der Käufe, das Einkommensniveau, ... ...). Welche Gesamtverbrauch, die Zahl der Käufe sind Einkommensniveau multidimensionalen Variablen in direktem Zusammenhang mit der Art der Kundendaten. Nach Mitgliedschaft (N) die Anzahl und Arten von Kunden (K) von Informationen wie Cluster-Analyse ergibt sich für den entsprechenden Ergebnissen von Clustern, die 2-D-Simulation Ergebnisse in Abbildung 4 dargestellt.
Clustering Ergebnis ist, dass alle Mitglieder einer großen Shopping Supermarkt Kunden in drei verschiedenen Abmessungen sind signifikante Cluster (Klasse geteilt), A, B, C, jede Art von Kunden ihre eigenen Präferenzen der Verbraucher und die verschiedenen Eigenschaften der Verbraucher. Supermarkt kann vergleichen und zu analysieren Merkmale der verschiedenen Arten von Kunden und Verbrauchern führen gezielte Marketing.
Data Mining-Datenbank-Marketing-System der Kernkomponente der analytischen CRM-Anwendungen ist auch die Core-Technologie spielt eine sehr entscheidende Rolle. Um jedoch die Komplexität der Theorie und Technik, Data Mining und viele müssen vervollkommnet werden. Es ist erwähnenswert, dass nicht alle Datenbank-Datentypen für bergbauliche Notwendigkeit, einige höchst Textinformationen (z. B. eine große Zahl von Textanalyse, Bilder, etc.) und einige nicht-numerischen Daten können so lang sein wie die Zahl der manuellen Nachbearbeitung aus dem gleichen Grund wird auch dazu beitragen Marketinganstrengungen und Entscheidungsfindung.
2,5 bis entwickeln die entsprechenden Marketing-Entscheidungen
Daily Abverkaufsdaten Kundenkontakt Prozess um die Informationen einzuholen, um Data Mining Wissensgewinnung Modell Unternehmen für verschiedene Produkte und Service Roll-out Marketing-Aktivitäten bieten Le gut für die Tatsache, dass Shenkao Grundlage, dann Corporate Produktionsabteilungen, Cai Wu-Sektor und anderen grundlegenden Daten (wie zB Bestands-und Kostendaten) berücksichtigt wurden, die Marketing-Abteilung zu einem entsprechenden Ergebnis kann mehr wissenschaftliche und rationale Marketing-Entscheidungen und Strategien, wie der 4P Marketing-Strategie, Produkt-Strategie kann nur einer wie folgt entwickeln optimiert werden:
(1) nach einigen produktspezifischen Verkaufsdaten und die durchschnittliche Gewinnspanne verstehen Verbraucher Präferenzen der Kunden. Damit die vorhandenen Produktlinie oder Produkt-Unternehmen zu beurteilen, das Projekt, und das entsprechende Portfolio-Strategie mit den richtigen Produkten (wie Produkt-Portfolio Expansion oder Kontraktion. Product Line Extensions) besser gerecht zu Marktnachfrage;
(2) durch die historische Umsatz Data-Mining-Produkte, um ihren Lebenszyklus Stadium, in dem nach den Produkten im Import, Wachstum, Reife zu finden, sinken in den verschiedenen Phasen der Produkt-Features und Strategien;
(3) neue Produkte, in Übereinstimmung mit dem Kunden ein Produkt oder eine Dienstleistung oder Genugtuung für Produkt-Verbesserungen und Aktualisierungen zu bewerten. Für diese neuen Produkte, weil der Verbraucher die Differenzierung der bestimmte Verbrauchergruppen. Kann für ihren Konsum Merkmale der neuen Produkte, Neupositionierung oder Produkte zu entwickeln, um ihren Geschmack zu treffen und so weiter.