Een nieuw ontwerp van de database marketing systeem
Database marketing en marketing theorie als een combinatie van informatie-technologie, systeem architectuur vereist een redelijke basis voor de uitvoering. Database marketing systeem voor het probleem, verschillende nationale en internationale expertise. Sommige geleerden geloven dat: uit de database marketing en customer relationship management (CRM) om de relatie tussen het oogpunt analyseren, database marketing, maar de basis voor CRM. Maar het mist de CRM-verkoop automatisering, klantenservice en business intelligence (data mining, enz.) content. De databank van de historische gegevens is vaak het contact met het bedrijf, dus alleen als een voorlopige analyse van het type van de promoties.
Gezien de huidige marketing belang in de onderneming, Ik denk dat dit systeem is een volledige marketing moeten de leidende ideologie, die CRM-verkoop, klantenservice en business intelligence inhoud van een compleet systeem. Op basis van de volgende twee belangrijke redenen: Ten eerste, database marketing is de CRM-data warehousing, data mining conditio sine qua non. Integreer de twee delen kunnen verbeteren van de marketing functie van het systeem. Unified beheer van de marketing werken, die technisch is ook de mogelijkheid om te bereiken; 2, verkoop, klantenservice, hoewel een aantal verschillen met de marketing, maar het kan gezegd worden voor marketing als een kern van hun respectieve rollen te spelen. Dit is met name tot uiting in: Sales gegevens moeten worden verstrekt aan de afdeling marketing, marketing diensten, door middel van de beleidsvorming in een stap uitleg over hoe succesvol te verkopen aan klanten om de toegevoegde waarde; klantendienst om marketing materialen een belangrijke referentie, onder specifieke voorwaarden, zoals de klant Xiaofei functies bieden de overeenkomstige dienst, het bereiken van klanttevredenheid.
Kortom, moet de studie van database marketing systeem worden aangedreven door marketing. Verkoop, klantenservice en business intelligence voor de extra functie van enterprise-class 'marketing systeem, in zekere zin is het een volledige marketing ideeën in de kern CRM. De studie van deze nieuwe database marketing systeem dat is afgebeeld in figuur 1. Van de database marketing-systeem is een dergelijk systeem: sales, customer service afdeling via customer contact centers en de verkoopkanalen van de klant gegevens te verzamelen, en door het vergaren van de database in de marketing sector klanten. Marketing afdelingen van de klant gegevens, statistieken en analyse, indien nodig, een deel van de gegevens door het stroomlijnen van de omzetting in het data warehouse diepgaande analyse en verwerking, zoals data mining, kennis model om de waarde te komen door middel van de visuele representatie van de marketing afdeling in acht te nemen . Marketing en productie-afdelingen van deze bevindingen, de financiële sector, informatie-integratie, naar de volgende fase van de marketing strategie te ontwikkelen en te verzenden naar elke sector als de referentie voor haar activiteiten.
2 Implementatie van de nieuwe database marketing systeem
2.1 De bronnen van klantgegevens: klantcontact en contact
Corporate marketing personeel zonder adequate klantgegevens en real-time marktgegevens. Zal moeilijk zijn uit te voeren. Daarom heeft het contact en overleg met klanten bijzonder belangrijk geworden. Database marketing, klantcontact en samenwerking bestaat uit twee delen: ten eerste, de verkoop van producten en diensten via de distributiekanalen en contacten met de klant tijdig op basis van de verkoop van de klant record: de eerste, de customer service afdeling via customer contact centers communiceren met klanten en communicatie. Door middel van multi-media, multi-channel integratie en intelligente methoden voor het zoeken te helpen klanten bij het vinden van de beste zitplaatsen (klantenservice punten) en bieden diensten van hoge kwaliteit. Customer Contact Centre, dat is een set van telefoon, email, fax, netwerk-, communicatie en een reeks van digitale en niet-digitale kanalen van interactie met de klant platform. Zai dit platform altijd en overal bij cliënten 可 uw favoriete manier om te communiceren met de onderneming, en het bedrijfsleven Ye de klant standpunten en behoeften Shenrulejie, om klanten te helpen op te lossen snelste SUDU echte probleem, op hetzelfde tijdstip, centra verzamelen ook Xiang Qi Guan Jin Liang informatie. Bereiken van klantinformatie. Zero-verlies "voor de toekomst vormen de basis voor marketing en sales. Het voordeel is: Voor ondernemingen, toegang tot efficiënte en gemakkelijke toegang tot alle documenten en informatie management, het verbeteren van klanttevredenheid; Voor klanten, het gemak en keuze gepersonaliseerde, real-time interactie is sterk, er is intimiteit, die een goede indruk op de onderneming hebben. integratie van meerdere kanalen van customer contact center componenten en de bijbehorende server routing diensten, contact met de klant op informatie gebaseerde server en database uitvoering door de juiste business logica, Vind de beste plaatsen voor rekening van, en maak klantinformatie update en records. het hele proces voor de computer worden verwerkt, klanten call-efficiëntie is zeer hoog. Een typische klant contact center afgebeeld in figuur 2.
Customer Contact Centre voor klantcontact en het verzamelen van informatie is een goede manier. Maar kan zij met de traditionele methoden (zoals bezoeken, informele contacten, enz.) in combinatie met elkaar en samenwerking, zullen zich meer voordelig is heilzaam.
2.2 De verwerking van klantgegevens
Volgens verschillende bronnen verzamelde gegevens van de klant zijn er veel problemen: herhaling, onvolledig, niet gestandaardiseerd, tegenstrijdigheden, enz., ze allemaal follow-up analyse en opgraving van de grote impact. En daarom is de ruwheid van deze massale gegevens die nodig zijn voorafgaand aan de bestelling. Deze order bestaat uit twee delen: ten eerste, de eindgebruiker gegevens (sales en customer data) voor de screening en selectie recorders werden verenigd marketing database, en te consolideren en actualiseren van de gegevens geregeld, kan worden gebeld data preprocessing deel: 2 is een marketing database voor verdere data mining van een deel van de gegevens, door middel van specifieke clean-up, integratie, transformatie en-reductie. In een aanvaardbare vorm van data warehousing, data mining voor de komende tijd voldoende voor te bereiden, kan worden beschreven als onderdeel van de gegevens opwerking. Naarmate de complexiteit van data processing technologie, en is niet voor een specifieke analyse.
2,3 verbruik van de belangrijkste gegevens: Data mining
Klant gegevens in overeenstemming met de voorschriften voor reiniging en afwerking, ook verder te graven en te analyseren, te onderzoeken en de marktwaarde van de diepte-informatie te ontdekken. Data Mining, uit een database perspectief is gevonden verborgen in grote datasets en hun interessante data model afgeleide gegevens in bruikbare informatie en kennis van het proces, de informatie en kennis op grote schaal kunnen worden gebruikt in diverse toepassingen, zoals bedrijfskunde, marktanalyse en ga zo maar door. Voor corporate marketing. Het kan helpen het bedrijf enorme klantgegevens uit de records gevonden in consumentenovereenkomsten psychologie en gedragingen van de Cliënt informatie kenmerken van commerciële waarde model om bedrijven te helpen door middel van de ontwikkeling van meer accurate en effectieve marketing beslissingen.
De basisstappen van data mining zijn onder meer:
(1) data cleaning en integratie: eliminatie van ruis of inconsistente gegevens, de verschillende gegevensbronnen samen, en de resultaten neergelegd in het data warehouse. Een van de data warehouse is een subject-georiënteerd, geïntegreerde, tijdsafhankelijke en niet-vluchtige verzameling van gegevens met behulp van de georganiseerde multi-dimensionale data model design.
(2) gegevens selectie en transformatie: uit de data warehouse om de relevante gegevens en een analyse op te halen en ontdek de verenigde in een geschikte vorm hebben (zoals via samenvatting of een samenvoeging operaties).
(3) Data Mining: het gebruik van intelligente methoden om gegevens van enorme data modellen te halen.
(4) model evaluatie en kennis vertegenwoordiging: Volgens sommige interestingness meten, identificeren van de werkelijke waarde van het model en de resultaten verkregen door middel van visualisatie en representatie van kennis technologieën die beschikbaar zijn voor gebruikers (zoals business managers en andere besluitvormers).
Op het belang van data mining in het bijzonder, klanten in het zakelijke gebruik van een breed scala van marketing, die voornamelijk worden gekenmerkt en onderscheiden vereniging analyse, classificatie en predictie en cluster analyse en ga zo maar door. Om een beter begrip, slechts een van een soort van model beschreven algoritme.
2.4 Clustering Data Mining Case Study: K-means algoritme theorie en de toepassing van
K-means algoritme proces is als volgt:
(1) N input bevat objecten (klant) database en het aantal clusters K (het aantal klanten van de punten) in de N objecten in K werden willekeurig geselecteerd als het gemiddelde van alle clusters of centra;
(2) de resterende (N-K) objecten aan elkaar cluster afhankelijk van de afstand van het centrum toegewezen aan het dichtstbijgelegen cluster van elkaar;
(3) opnieuw berekenen van de gemiddelde waarde van elke cluster;
(4) herhaal de twee stappen. Tot het gemiddelde van elke cluster niet veranderen. Elke klas van stabilisering. De resultaten zullen onder de indeling van elke specifieke doelgroep van clusters (met dezelfde kenmerken het verbruik van het klantenbestand).
Cluster analyse toegepast op de markt brengen, zoals een supermarkt winkelen type van erkenning voor de leden van de cliënten met het oog op een betere kwaliteit van diensten aan de leden van de supermarkt klanten database na de nodige verbruiksgegevens, na verwerking van multidimensionele cijfergegevens model: de klant identificatienummer (het totale verbruik, het aantal aankopen, inkomen, ... ...). Welke totale verbruik, het aantal aankopen, inkomensniveau multidimensionale variabelen die rechtstreeks verband houden met het type van de klantgegevens. Volgens lidmaatschap (N) het aantal en de types van klanten (K) van informatie, zoals clusteranalyse, de overeenkomstige resultaten clusters, de 2-D simulatie-uitkomsten in figuur 4.
Clustering resultaat is dat alle leden van een groot winkelcentrum supermarkt klanten zijn verdeeld in drie verschillende dimensies belangrijk cluster (klasse), A, B, C, elk type van klanten hebben hun eigen voorkeuren van de consument en de consument verschillende kenmerken. Supermarkten kunnen worden vergeleken en geanalyseerd het verbruik kenmerken van de verschillende soorten klanten en uitvoeren van gerichte marketingcampagnes.
Data mining is de database marketing systeem van het kernelement van analytische CRM-toepassingen is ook de core-technologie, speelt een zeer cruciale rol. Echter, om de complexiteit van de theorie en technologie, data mining en veel moet worden geperfectioneerd. Vermeldenswaard is ja, niet de database behoeften van alle soorten van data mining, een aantal sterke tekstuele informatie (zoals veel van tekstanalyse, imago, enz.) en enkele non-numerieke gegevens kunnen slechts enkele noodzaak om via het handmatig sorteren, zoals De zal ook helpen marketing inspanningen en de besluitvorming.
2.5 op de juiste marketing beslissingen te ontwikkelen
Dagelijks omzetgegevens, contact met de klant informatie die is verkregen tijdens de data mining model voor enterprise knowledge discovery producten en diensten voor verschillende marketingactiviteiten om een goede referentie voor de feiten, en vervolgens production sector, financiële sector en andere fundamentele gegevens (zoals inventaris en kosten gegevens) werden in aanmerking genomen, de marketing afdeling het ontwikkelen van een overeenkomstige resultaat kan meer wetenschappelijke en rationele beslissingen en marketing strategieën, zoals de 4P marketingstrategie, productstrategie slechts een kan worden geoptimaliseerd als volgt:
(1) volgens sommige specifieke product verkoopgegevens en gemiddelde marge voorkeuren van de consument te begrijpen van klanten. Zo onderneming bestaand productengamma of product evaluatie van projecten, en dienovereenkomstig het juiste product mix strategieën (zoals de uitbreiding of inkrimping van portfolio. Voor line extension) beter aan de marktvraag;
(2) door de historische verkoopgegevens mining producten om hun levenscyclus stage te vinden in die volgens de producten in de eerste fase, en de groei, maturiteit, verval in verschillende stadia van de kenmerken van deze strategieën;
(3) nieuwe producten, in overeenstemming met de klant de evaluatie van een product of dienst of product tevredenheid verbeterd en geactualiseerd. Voor deze nieuwe producten als gevolg van de consument differentiatie van de specifieke groepen consumenten. Kan voor hun verbruik kenmerken van nieuwe producten, herpositionering of het ontwikkelen van producten op hun smaak te ontmoeten en ga zo maar door.