Novi dizajn sustava baze podataka marketinga
Database marketing i marketinške teorije kao kombinacija informacijske tehnologije, arhitekturu sustava zahtijeva razumnu osnovu za provedbu. Database marketing sustav za problem, raznih domaćih i međunarodnih stručno mišljenje. Neki znanstvenici vjeruju da: od baze marketing i upravljanje odnosima s kupcima (CRM) je raščlaniti odnos između točke gledišta, marketing baze podataka, iako je temelj za CRM. Ali to nema CRM prodaje automatizacije, službu za korisnike i poslovne inteligencije (data mining, itd.) sadržaja. Njegova baza povijesnih podataka često je izvan dodira s tvrtkom, tako da samo kao preliminarnu analizu svih oblika promocije.
S obzirom na trenutnu važnost marketinga u poduzeću, vjerujem da je ovaj sustav je puno marketinške bi trebao biti vodilja ideologije, koja pokriva CRM prodaje, službu za korisnike i poslovne inteligencije sadržaj kompletan sustav. Na temelju sljedećih dvaju razloga: prvo, baza je marketinške CRM skladištenje podataka, preduvjet je data mining. Integrirajte dva dijela može unaprijediti marketinške funkcije sustava. Jedinstveni upravljanje marketinga rada, koji je tehnički i mogućnost za postizanje, 2, prodaje, službu za korisnike, premda neke razlike u marketingu, ali se može reći za marketing kao jezgru igrati njihovim ulogama. Ovo je utjelovljen u: podataka o prodaji pružiti marketing odjel, Odjel marketinga na vodič kroz donošenje odluka korak u glatku prodaje, dodatne vrijednosti za klijente; službu za korisnike za marketinške materijale biti važan referentni, na osnovi kupci potrošnji karakteristike specifične detalje odgovarajućih usluga, postizanja zadovoljstva kupaca.
Ukratko, studij marketing sustav baze podataka bi trebao biti upravljan od marketinga. Prodaja, usluga korisnicima i poslovnu inteligenciju za pristupačnost enterprise-level marketing sustav, u smislu, to je pun marketinške ideje srž CRM. Baza podataka ovog novog marketing sustav prikazan na slici 1. Sustava baza podataka marketing je takav sustav: prodaja, usluge kupcima odjel kroz kupca kontakt centara i prodajnih kanala za prikupljanje podataka o klijentima, a kroz uspoređivanje u marketinškom odjelu klijentima. Marketinga promatrati korisničkih podataka, statistike i analize će biti dio podataka u Bi Yao Moderniziranjem, pretvoren u skladište podataka dubinsku analizu Chu Li Ru data mining, doći će do vrijednosti Zhishimoshi vizualizacijom da se odjela za marketing . Marketing i produkcija odjela tih nalaza, financijski sektor, informacije integracije, razviti sljedeću fazu marketinške strategije i poslati svakoj sektora kao referenca za svoju djelatnost.
2 Implementacija novog baze marketing sustav
2,1 Izvori podataka o klijentima: uspostavu kontakata s korisnicima i kontaktnim
Korporativni marketing osoblje odmah ako nema adekvatne podatke o klijentima i tržišne informacije. Će biti teško provoditi. Stoga, kontakt i veza s klijentima je postala osobito važna. Database marketing, uspostavu kontakata s korisnicima i suradnja ima dva dijela: prvi, prodaja proizvoda i usluga putem kanala distribucije i kupaca kontakata pravodobno pod kupca prodajni rekord: Prvo, kupac kroz odjel službu za korisnike za komunikaciju s centrom za uspostavu kontakata s i komunikacija. Kroz multi-medija, višekanalni integracije i inteligentne metode pretraživanja koje našim klijentima pomažu naći najbolja mjesta (usluga klijentima bodova) i pružiti kvalitetne usluge. Customer Contact Centre koji je skup telefon, email, fax, mreža, komunikacija i niza digitalnih i ne-digitalne kanale za praćenje poslovanja s platforme. U toj platformi, kupci mogu odabrati njihov ljubimac način bilo gdje sa poslovnim izmjenama i poduzećima da Shenru razumjeti stavove i potrebe kupaca, s najbrže SpeedBar pomoći klijentima riješiti konkretne probleme, u isto vrijeme, klubovi su najbolji za prikupljanje relevantnih Informacije. Postići korisnička informacija. Zero-gubitak "za budućnost pružaju osnovu za marketing i prodaju. Prednost: Za poduzeća, pristup efikasan i jednostavan pristup svim podacima i upravljanje informacijama, poboljšanje zadovoljstva kupaca; Za goste, praktičnost i Xuanze personalizirane, međudjelovanje u stvarnom vremenu je jaka, postoji intimnost, koja imaju dobre dojam na poduzeća. integraciju višestrukih kanala za uspostavu kontakata s korisnicima usmjeravanje usluge komponenti i odgovarajući server klijent Kontakt-temeljen poslužitelj i baza podataka kroz odgovarajuću primjenu poslovne logike, pronaći najbolja mjesta u ime i za ažuriranje korisničkih informacija i zapisa. cijelog procesa za računalnu obradu, poziv kupca učinkovitost je vrlo visoka. tipične središte za uspostavu kontakata s korisnicima je prikazano na slici 2.
Customer Contact Centar za uspostavu kontakata s korisnicima i prikupljanje informacija je dobar način. Ali to može s tradicionalnim metodama (kao što su posjete, neformalni kontakti, itd.) u kombinaciji s drugima i suradnje, posao će biti više koristan je koristan.
2,2 rukovanje podataka o klijentima
Prema različitim izvorima podataka o klijentima prikupljenih postoji mnogo problema: ponavljanja, nepotpuni, nisu standardizirani, nedosljednosti, itd., svi oni praćenje analiza i iskopa veliki utjecaj. I zato hrapavosti tih masivnih potrebnih podataka prije reda. Ovaj nalog sadrži dva dijela: prvo, kraj-podatke o klijentima (prodaja i podataka o klijentu) za prikazivanje i odabir jedinstvenog marketinga snimači su baze podataka, te konsolidirati i ažuriraju podaci redovito, mogu se nazvati obradu podataka dio: 2 je marketinška baza za daljnje vađenje podataka iz dijela podataka, kroz konkretne čist-gore, integraciju, transformaciju i smanjenje. U prihvatljivom obliku skladištenje podataka, rudarenje podataka za sljedeći dovoljno vremena za pripremu, može se opisati kao dio prerade podataka. Kako složenost tehnologije obrade podataka, i nije za posebne analize.
2,3 Potrošnja ključnih podataka: Data mining
Korisničkih podataka u skladu sa zahtjevima za čišćenje i završnu obradu, također je potrebna daljnja iskopavanja i analiza, otkrivati tržišna vrijednost u temeljite informacije. Data Mining, iz baze podataka perspektive, ona se nalazi skrivena u velikim skupovima podataka i njihova zanimljive model podataka dobivenih podataka u korisne informacije i znanje o procesu, informacije i znanje može široko koristiti u različitim aplikacijama, kao što su poslovni menadžment, analiza tržišta i tako dalje. Za korporativnog marketinga. To može pomoći tvrtke masivni korisničkih podataka iz zapisa u potrošačke psihologije i ponašanja informaciju o klijentu karakteristike komercijalnu vrijednost modela kako bi pomogli tvrtkama kroz njihov razvoj točnijeg i učinkovite marketinške odluke.
Osnovne korake dubinske analize podataka obuhvaćaju:
(1) Podaci za čišćenje i integracija: eliminiranje buke u neskladu podataka, različitim izvorima podataka zajedno, a rezultat pohranjuje u skladište podataka. Jedan od skladištenje podataka je predmet-orijentiran, integriran, vremenski promjenjiva i neizbrisivu prikupljanje podataka organizirani pomoću multi-dimenzionalni model podataka dizajna.
(2) izbor podataka i transformacije: od preuzimanja skladište podataka i analizi podataka u svezi zadataka, i istraživati ujedinjenja u odgovarajućem obliku (kao što su kroz sažetak ili agregacije operacije).
(3) Data Mining: Korištenje metode inteligentne za izdvajanje podataka iz velike modelima podataka.
(4) modelu vrednovanja i znanja: Prema nekim interestingness mjeri, utvrditi stvarnu vrijednost modela i vizualizaciju rezultata dobivenih znanja i tehnologije na raspolaganju korisnicima (kao što su poslovni menadžeri i drugi donositelji odluka).
Je važnost data mining posebno, kupci u poslovno korištenje širokog raspona marketinških, uglavnom karakterizira i razlikuje udruge analiza, klasifikacija i predviđanja, i klaster analize i tako dalje. Da bi se olakšalo razumijevanje, samo jedna od vrsta modela opisana algoritma.
Grupiranje 2,4 Data Mining Studija slučaja: Algoritam k-means teoriju i praksu
K-znači Algoritam proces je kako slijedi:
(1) ulaznog sadrži N objekata (kupca) baza podataka i broj grupa K (broj kupaca bodova) u objektima u N K su nasumce odabrani kao prosjek svih klastera ili centre;
(2) preostali (N-K) objekte za svaki klaster po udaljenosti od centra dodijeljen najbliže grupe iz svake;
(3) ponovno izračunati prosječnu vrijednost svake grupe;
(4) ponoviti dva koraka. Do prosjeku svake grupe se ne mijenja. Svaka klasa stabilizira. Rezultati će doći pod klasifikacija svake određene ciljne grupe klastera (s istom potrošnjom karakteristike baze klijenata).
Klaster analiza primijenjena na tržište, poput velikih trgovačkih supermarketa tipa priznanje za člana klijente da Ti Gong Yi Bian bolju kvalitetu usluge za člana kupci iz supermarketa da bi se potrebne baze podataka Zhong je podatke o potrošnji, 经过 numerički liječenju multidimenzionalni podataka Model: matični broj kupca (ukupne potrošnje, broj nabavki, primanja, ... ...). Koja je ukupna potrošnja, broj nabavki, razina prihoda su višedimenzionalne varijable izravno povezane s vrstu podataka o klijentima. Prema broju članova (N) broj i vrsta klijenata (K) informacija, kao što su klaster analiza, dobiveni rezultati odgovaraju klastera, 2-D simulacija rezultata prikazanih na slici 4.
Grupiranje rezultat je velikih supermarketa kupovine od strane kupaca svih članova različitih dimenzija u tri različita cilja klastera (klasa), A, B, C, svake vrste klijenata imaju svoje vlastite preferencije potrošača i potrošača raznih obilježja. Supermarketi se može usporediti i analizirati potrošnju svojstva različitih vrsta klijenata i provode ciljane marketinške kampanje.
Rudarenje podataka je baza podataka sustava marketing osnovna komponenta analitičkih CRM aplikacija je i srž tehnologije, igra vrlo ključnu ulogu. Međutim, složenost teorije i tehnologije, podataka i mnogi trebaju biti savršena. To je značajan da nije baza podataka svih vrsta podataka trebaju rudarstvo, postoji jaka tekstualne informacije (kao što je puno analiza teksta, slike, itd.) i neke ne-numeričke podatke svibanj pravedan potreba neki priručnik za završnu obradu na isti način će također pomoći marketinške napore i donošenje odluka.
2,5 razviti odgovarajuće odluke marketinga
Dnevni podataka o prodaji, kupac kontakt informacije dobivene tijekom model data mining za Enterprise proizvode otkrivanja znanja i usluga za različite marketinške aktivnosti osigurati dobru referencu za činjenicama, a zatim proizvodni sektor, financijski sektor i ostale osnovne podatke (kao što su inventar i podatke o troškovima) uzeti su u obzir, odjel marketinga razviti odgovarajući rezultat može biti više znanstveno-racionalno marketinške odluke i strategije, kao što su 4P marketing strategija, stvarajući strategija samo jedan može biti optimiziran kako slijedi:
(1) Prema nekim specifičnim podataka o prodaji proizvoda i prosječne zarade potrošačkih razumijevanja kupca preferencijama. Tako postojeća linija proizvoda ili proizvoda tvrtke za procjenu projekta, a odgovarajuća strategija portfelj koristeći pravo proizvodi (kao što su proizvodni portfelj ekspanzije ili kontrakcije. Za liniju proizvoda ekstenzije) kako bi bolje zadovoljili potražnju na tržištu;
(2) do povijesnih podataka o prodaji proizvoda mining pronaći svoje pozornici ciklus života u kojem, prema proizvodima u uvoza, rast, zrelost, opadanje obilježje različite faze razvoja proizvoda strategija u skladu s tim;
(3) novi proizvodi, u skladu sa klijenta vrednovanje proizvoda ili usluge ili proizvod zadovoljstvo usavršavati i inovirati. Za te nove proizvode zbog potrošačke razlikovati određene skupine potrošača. Može li za svoju potrošnju karakteristike novih proizvoda, razvoj proizvoda i repozicioniranja u susret njihovim ukusima i tako dalje.