Sebuah desain baru dari sistem pemasaran database
pemasaran Database dan teori pemasaran sebagai kombinasi teknologi informasi, arsitektur sistem memerlukan dasar memadai untuk implementasi. Database sistem pemasaran untuk masalah, pendapat ahli yang berbeda domestik dan internasional. Beberapa ahli percaya bahwa: dari database pemasaran dan customer relationship management (CRM) untuk menganalisis hubungan antara sudut pandang, pemasaran database, meskipun dasar CRM. Tetapi tidak memiliki otomatisasi CRM penjualan, layanan pelanggan dan intelijen bisnis (data mining, dll) konten. Its database data historis sering tidak berhubungan dengan perusahaan, sehingga hanya sebagai analisis awal dari jenis promosi.
Mengingat pentingnya pemasaran saat ini di perusahaan tersebut, saya percaya bahwa sistem ini harus menjadi pedoman pemasaran lengkap, meliputi penjualan CRM, layanan pelanggan dan bisnis konten intelijen dari sistem yang lengkap. Berdasarkan dua alasan utama berikut: Pertama, pemasaran database adalah data CRM pergudangan, data mining prasyarat. Mengintegrasikan dua bagian dapat meningkatkan fungsi sistem pemasaran. Unified manajemen kerja pemasaran, yang secara teknis juga kemungkinan untuk mencapai, 2, jual, pelayanan pelanggan, meskipun beberapa perbedaan dengan pemasaran, namun dapat dikatakan untuk pemasaran sebagai inti untuk memainkan peran masing-masing. Hal ini terwujud dalam: data penjualan untuk menyediakan ke departemen pemasaran, pemasaran departemen untuk memandu melalui langkah pengambilan keputusan menjadi penjualan mulus, nilai tambah bagi pelanggan, layanan pelanggan untuk materi pemasaran menjadi referensi penting, berdasarkan karakteristik pelanggan konsumsi rincian spesifik yang sesuai layanan, mencapai kepuasan pelanggan.
Singkatnya, studi tentang sistem database pemasaran harus didorong oleh pemasaran. Penjualan, layanan pelanggan dan intelijen bisnis untuk aksesibilitas sistem pemasaran perusahaan-level, dalam arti tertentu, itu adalah ide-ide pemasaran penuh pada inti dari CRM. Studi tentang sistem pemasaran database baru ditunjukkan pada Gambar 1. Sistem pemasaran database sistem seperti: penjualan, departemen layanan pelanggan melalui pusat kontak pelanggan dan saluran penjualan untuk mengumpulkan data pelanggan, dan melalui pengumpulan database kepada klien sektor pemasaran. departemen Pemasaran untuk mengamati data pelanggan, statistik dan analisis, bila perlu, bagian dari data, dengan mempersatukan konversi ke dalam gudang data analisis mendalam dan pengolahan seperti data mining, model pengetahuan akan datang ke nilai melalui representasi visual untuk departemen pemasaran . Pemasaran dan departemen produksi penemuan ini, sektor keuangan, integrasi informasi, untuk mengembangkan fase selanjutnya dari strategi pemasaran dan kirim ke masing-masing sektor sebagai acuan untuk aktivitasnya.
2 Penerapan sistem pemasaran database baru
2.1 sumber data pelanggan: kontak dengan pelanggan dan kontak
Perusahaan pemasaran staf segera jika tidak ada data pelanggan yang memadai dan informasi pasar. Akan sulit untuk melaksanakan. Karena itu, kontak dan hubungan dengan pelanggan menjadi sangat penting. pemasaran Database, kontak pelanggan dan penghubung memiliki dua bagian: Pertama, penjualan produk dan layanan melalui saluran distribusi dan kontak pelanggan secara tepat waktu di bawah rekor penjualan pelanggan: Pertama, pelanggan melalui departemen layanan pelanggan untuk berkomunikasi dengan pusat kontak pelanggan dan komunikasi yang. Melalui multi-media, multi-channel integrasi dan metode pencarian cerdas untuk membantu klien menemukan kursi terbaik (pelanggan poin layanan) dan menyediakan layanan yang berkualitas. Kontak Pelanggan Pusat yang merupakan seperangkat telepon, email, fax, jaringan, komunikasi dan serangkaian saluran digital dan non-digital platform interaksi pelanggan. Pada platform ini pelanggan kami dapat memilih cara favorit mereka kapan saja, dimana saja dengan bursa bisnis, dan korporasi gambaran yang lebih baik dari pendapat dan kebutuhan pelanggan, dengan kecepatan tercepat untuk membantu pelanggan memecahkan masalah nyata, sementara pusat juga Jinliangsouji yang Xiangguan informasi. Mencapai informasi pelanggan. Zero-rugi "untuk masa depan memberikan dasar bagi pemasaran dan penjualan. Keuntungannya adalah: Untuk perusahaan, akses untuk mengakses efisien dan mudah untuk semua catatan dan manajemen informasi, meningkatkan kepuasan pelanggan; Bagi pelanggan, kenyamanan dan pilihan personalisasi, interaksi real-time kuat, ada keintiman, yang memiliki kesan baik pada perusahaan. integrasi beberapa saluran pusat pelanggan hubungi routing komponen layanan dan server yang berhubungan dengan client server kontak berbasis informasi dan database melalui penerapan yang tepat dari logika bisnis, menemukan kursi terbaik atas nama, dan untuk memperbarui informasi pelanggan dan catatan. seluruh proses pengolahan komputer, pelanggan panggilan efisiensi yang sangat tinggi. Sebuah pusat kontak pelanggan tipikal ditunjukkan pada Gambar 2.
Kontak Pelanggan Pusat untuk kontak pelanggan dan pengumpulan-informasi adalah cara yang baik. Tapi bisa dengan metode tradisional (misalnya kunjungan, kontak informal, dll) dikombinasikan satu sama lain dan kolaborasi, bisnis akan lebih menguntungkan adalah menguntungkan.
2.2 penanganan data pelanggan
Menurut berbagai sumber data pelanggan yang dikumpulkan ada banyak masalah: pengulangan, tidak lengkap, tidak standar, inkonsistensi, dll, mereka semua analisis tindak lanjut dan penggalian dampak besar. Dan oleh karena itu kasar data-data ini besar diperlukan sebelum pesanan. Perintah ini mencakup dua bagian: Pertama, data akhir-pelanggan (penjualan dan data pelanggan) untuk penyaringan dan perekam seleksi adalah database pemasaran terpadu, dan untuk mengkonsolidasikan dan memperbarui data secara teratur, dapat disebut data preprocessing bagian: 2 adalah database pemasaran untuk pertambangan data lebih lanjut dari bagian dari data, melalui khusus bersih-up, integrasi, transformasi dan reduksi. Menjadi bentuk yang dapat diterima data pergudangan, pertambangan data untuk waktu yang cukup berikutnya untuk mempersiapkan, dapat digambarkan sebagai bagian dari pengolahan data. Sebagai kompleksitas teknologi pengolahan data, dan bukan untuk analisis spesifik.
Konsumsi 2,3 data kunci: Data mining
Data nasabah sesuai dengan persyaratan untuk membersihkan dan finishing, juga perlu penggalian lebih lanjut dan analisis, untuk mengeksplorasi dan menemukan nilai pasar informasi mendalam. Data Mining, dari perspektif database, maka data yang besar tersembunyi di set menemukan pola-pola yang menarik data dalam data yang diperoleh menjadi informasi yang berguna dan pengetahuan proses, informasi dan pengetahuan secara luas digunakan dalam berbagai aplikasi, misalnya manajemen bisnis, analisis pasar dan sebagainya. Untuk pemasaran perusahaan. Ini dapat membantu data pelanggan perusahaan besar dari catatan yang ditemukan di psikologi konsumen dan perilaku yang berkaitan dengan karakteristik pelanggan komersial model nilai data, untuk membantu perusahaan-perusahaan melalui pengembangan mereka dari keputusan pemasaran yang lebih akurat dan efektif.
Langkah dasar data meliputi penambangan:
(1) pembersihan data dan integrasi: penghapusan noise atau data yang tidak konsisten, berbagai sumber data yang sama, dan hasilnya disimpan di gudang data. Salah satu gudang data adalah subjek berorientasi, terpadu, waktu yang bervariasi dan koleksi non-volatile data terorganisasi dengan menggunakan desain model data multi-dimensi.
(2) seleksi data dan transformasi: dari data warehouse untuk mengambil data yang relevan dan tugas analisis, dan menjelajah penyatuan ke dalam bentuk yang sesuai (seperti melalui ringkasan atau operasi agregasi).
(3) Data Mining: Menggunakan metode cerdas untuk mengambil data dari model data yang besar.
(4) evaluasi model dan representasi pengetahuan: Menurut beberapa ukuran interestingness, mengidentifikasi nilai sebenarnya dari model dan hasil yang diperoleh melalui visualisasi representasi pengetahuan dan teknologi tersedia bagi pengguna (seperti manajer bisnis dan pembuat keputusan lain).
Keluar pentingnya data mining pada khususnya, pelanggan dalam penggunaan bisnis berbagai pemasaran, terutama dicirikan dan dibedakan analisis asosiasi, klasifikasi dan prediksi, dan analisis cluster dan sebagainya. Untuk memudahkan pemahaman, hanya satu dari jenis model yang dijelaskan algoritma.
2,4 Clustering Data Mining Kasus studi: K-berarti Teori dan penerapan algoritma
K-berarti proses algoritma adalah sebagai berikut:
(1) input berisi objek N (pelanggan) database dan jumlah cluster K (jumlah pelanggan untuk poin) di objek N K secara acak dipilih sebagai rata-rata semua klaster atau pusat;
(2) sisanya (N-K) objek untuk kelompok masing-masing menurut jarak dari pusat yang ditugaskan ke cluster terdekat dari masing-masing;
(3) menghitung kembali nilai rata-rata tiap cluster;
(4) ulangi dua langkah. Sampai dengan rata-rata tiap cluster tidak berubah. Setiap kelas stabil. Hasil akan datang di bawah klasifikasi dari setiap kelompok sasaran tertentu cluster (dengan karakteristik konsumsi sama basis pelanggan).
Analisis Cluster digunakan untuk pemasaran, seperti jenis belanja supermarket pengakuan bagi anggota klien dalam rangka untuk lebih memberikan layanan berkualitas kepada para anggota dari database pelanggan supermarket setelah data konsumsi yang diperlukan, setelah pengolahan data numerik multidimensi Model: pelanggan nomor identifikasi (konsumsi total, jumlah pembelian, tingkat pendapatan, ... ...). Yang konsumsi total, jumlah pembelian, tingkat pendapatan adalah variabel multidimensi secara langsung berkaitan dengan jenis data pelanggan. Menurut keanggotaan (N) jumlah dan jenis klien (K) dari informasi seperti analisis cluster, diperoleh hasil yang sesuai cluster, hasil simulasi 2-D ditunjukkan pada Gambar 4.
Clustering hasil besar-besaran supermarket belanja oleh pelanggan dari seluruh anggota dimensi yang berbeda ke dalam tiga sasaran yang berbeda cluster (kelas), A, B, C, masing-masing jenis pelanggan telah selera konsumen mereka sendiri dan karakteristik konsumen yang berbeda. Supermarket dapat dibandingkan dan dianalisis karakteristik konsumsi berbagai jenis pelanggan dan melakukan kampanye pemasaran bertarget.
Data mining adalah sistem database pemasaran komponen inti dari aplikasi CRM analitis juga teknologi inti, memainkan peran yang sangat penting. Namun, kompleksitas teori dan teknologi, data mining dan perlu banyak yang harus disempurnakan. Perlu dicatat bahwa tidak jenis database semua data harus menggali, beberapa sangat teks informasi (seperti sejumlah besar analisis teks, gambar, dll) dan beberapa data non-numerik mungkin selama jumlah finishing manual dengan cara yang sama juga akan membantu upaya pemasaran dan pengambilan keputusan.
2,5 untuk mengembangkan keputusan pemasaran yang tepat
data penjualan harian, pelanggan informasi yang diperoleh pada saat koneksi, data mining model untuk produk perusahaan penemuan pengetahuan dan layanan untuk berbagai kegiatan pemasaran menyediakan referensi yang baik bagi fakta, dan kemudian sektor produksi, sektor keuangan dan data dasar lainnya (seperti persediaan dan data biaya) turut diperhitungkan, departemen pemasaran untuk mengembangkan hasil terkait dapat lebih ilmiah dan rasional keputusan pemasaran dan strategi, seperti strategi pemasaran 4P, hanya satu strategi produk dapat dioptimalkan sebagai berikut:
(1) menurut beberapa produk data penjualan dan spesifik margin keuntungan rata-rata konsumen memahami pilihan pelanggan. Jadi lini produk yang ada atau produk perusahaan untuk menilai proyek, dan strategi portofolio yang sesuai dengan produk yang tepat (seperti ekspansi portofolio produk atau kontraksi Untuk ekstensi lini produk) untuk lebih memenuhi permintaan pasar.;
(2) melalui data historis penjualan produk-produk pertambangan untuk menemukan tahap siklus hidup mereka di mana, sesuai dengan produk impor, pertumbuhan, kedewasaan, penurunan karakteristik berbagai tahap strategi pengembangan produk sesuai;
(3) produk baru, sesuai dengan evaluasi pelanggan suatu produk atau jasa atau kepuasan produk ditingkatkan dan diperbarui. Untuk produk-produk baru karena diferensiasi konsumen dari kelompok konsumen tertentu. Bisa untuk karakteristik konsumsi produk-produk baru, reposisi atau mengembangkan produk untuk memenuhi selera mereka dan seterusnya.