En ny design av databasen markedsføring systemet
Database markedsføring og markedsføring teori som en kombinasjon av informasjonsteknologi, krever systemarkitektur et forsvarlig grunnlag for gjennomføring. Database markedsføring for problemet, ulike nasjonale og internasjonale ekspertuttalelser. Noen forskere mener at: fra databasen markedsføring og Customer Relationship Management (CRM) for å analysere forholdet mellom synspunkt, database markedsføring, men grunnlaget for CRM. Men den mangler CRM salg automatisering, kundeservice og business intelligence (data mining, etc.) innhold. Dens database med historiske data er ofte ute av kontakt med selskapet, så bare som en foreløpig analyse av type kampanjer.
Gitt dagens markedsføring av betydning i bedriften, mener jeg at dette systemet skal være en full markedsføring som det styrende ideologi, som dekker CRM salg, kundeservice og business intelligence innhold av hele systemet. Basert på følgende to hovedgrunner: For det første er database markedsføring CRM datavarehus, data mining forutsetning. Integrere de to delene kan forsterke markedsføringen funksjon av systemet. Enhetlig ledelse av markedsføring arbeid, som teknisk sett er også mulig å oppnå, 2, salg, kundeservice, selv om enkelte forskjeller med markedsføring, men det kan sies å markedsføre som en kjerne for å spille sine respektive roller. Dette er nedfelt i: salgsdata til å gi til markedsavdelingen, markedsavdelinger, gjennom retningslinjer veiledning om hvordan du kan gå inn i en glatt salg, merverdi for kundene, kundeservice til markedsføringsmateriell til å være en viktig referanse, i henhold til kundens spesifikke forbruker egenskaper gir den tilsvarende service, oppnå kundetilfredshet.
Kort sagt, bør studiet av databasen markedsføring systemet være drevet av markedsføring. Salg, kundeservice og business intelligence for tilgjengelighet til enterprise-level marketing system, på en måte, er det en full markedsføring ideer i kjernen av CRM. Studiet av dette nye databasen markedsføring systemet vist i figur 1. Av databasen markedsføring systemet er et slikt system: salg, til kundeservice avdeling gjennom kundekontakt sentre og salgskanaler samle inn kundedata, og gjennom sortering av markedsavdelingen i kundedatabase. Markedsavdelinger å observere kundedata, statistikk og analyse, om nødvendig, en del av dataene ved å strømlinjeforme konvertering inn i datavarehus dyptgående analyse og behandling som data mining, kunnskap modellen vil komme til verdier gjennom det visuelle representasjon til markedsavdelingen . Markedsføring og produksjon avdelinger av disse funnene, finansiell sektor, informasjon integrering, for å utvikle den neste fasen av markedsstrategi og send til hver sektor som referanse for sine aktiviteter.
2 Implementering av den nye databasen markedsføringssystem
2.1 kilder til kundedata: kundekontakt og kontakt
Corporate markedsføring personalet umiddelbart hvis det ikke er tilstrekkelig kundedata og markedsinformasjon. Vil være vanskelig å gjennomføre. Derfor har kontakter og samarbeid med kunder blir spesielt viktig. Database markedsføring, kundekontakt og kontakter er i hovedsak av to deler: Først salg av produkter og tjenester gjennom distribusjonskanaler og kundekontakt, betimelig kunden salg posten: Først til kunden gjennom kundeserviceavdelingen kommunisere med kunden kontaktsenteret og kommunikasjon. Gjennom multi-media, til flerkanals integrasjon og intelligente søkemetoder hjelpe våre kunder til å finne de beste setene (kundeservice poeng) og gi kvalitet på tjenestene. Kundekontakt Centre som er et sett med telefon, e-post, faks, nettverk, kommunikasjon og en rekke digitale og ikke-digitale kanaler med kundens interaksjoner plattform. I denne plattformen, kan kundene velge sin egen vei som helst med selskapet å kommunisere, og bedrifter å forstå synspunkter og kundenes behov, med den raskeste hastigheten for å hjelpe kundene å løse reelle problemer, på samme tid, senteret også prøve å samle de relevante informasjon. Oppnå kundeinformasjon. Zero-tap "for fremtiden gi grunnlag for markedsføring og salg. Fordelen er: For bedrifter, tilgang til effektiv og enkel tilgang til alle poster og informasjonsbehandling, forbedre kundetilfredsheten, for kunder, bekvemmelighet og valg personlig, er sanntids interaksjon sterk, er det intimitet, som har godt inntrykk på virksomheten. integrering av flere kanaler av kundekontakt sentrum routing tjenester komponent og den tilsvarende serveren til klienten kontaktinformasjon-basert server og database gjennom riktig implementering av forretningslogikk, Finn de beste setene på vegne av, og gjøre kundeinformasjon oppdatere og poster. hele prosessen for automatisk behandling, er kunden ringe effektivitet svært høy. En typisk kunde kontaktsenteret vist i figur 2.
Kundekontakt Senter for kundekontakt og informasjonsinnhenting er en god måte. Men kan den med tradisjonelle metoder (for eksempel besøk, uformelle kontakter, etc.) kombinert med hverandre og samarbeid, vil virksomheten bli mer gunstig er en fordel.
2.2 håndtering av kundedata
Ifølge ulike kilder til kundedata samlet er det mange problemer: repetisjon, ufullstendige, ikke standardiserte, inkonsekvenser, etc., vil de følge analysen og gruvedrift av stor betydning. Og derfor grovheten på disse massive opplysningene som kreves i forkant av bestillingen. Denne bestillingen omfatter to deler: Først, det end-kundedata (salg og kundedata) for screening og valg opptakere ble forent markedsføring database, og til å konsolidere og oppdatere data regelmessig, kan kalles data preprosessering del: 2 er en markedsføring database for videre data mining av deler av dataene, gjennom konkrete opprydning, integrasjon, transformasjon og reduksjon. Inn i datavarehus akseptable former for data mining for neste gode godt forberedt, kan beskrives som en del av dataene gjenvinning. Som kompleksiteten i databehandlingen teknologi, og er ikke spesifikke for analyse.
2.3 Forbruk av viktige data: Data mining
Kundedata i samsvar med krav til rengjøring og etterbehandling, trenger også videre utgraving og analyse, å utforske og oppdage markedsverdien av detaljert informasjon. Data Mining, fra en database perspektiv, er det gjemt i store datasett funnet interessante data mønstre i data innhentet til nyttig informasjon og kunnskap om prosessen, den informasjon og kunnskap kan brukes til forskjellige applikasjoner, som business management, markedsanalyse og så videre. For bedriftens markedsføring. Det kan bidra til selskapets massive kundedata fra postene finnes i forbrukernes psykologi og atferd knyttet til kundens egenskaper kommersiell verdi datamodell, for å hjelpe bedrifter gjennom utvikling av mer nøyaktig og effektiv markedsføring beslutninger.
De grunnleggende trinnene i data mining inkluderer:
(1) data rengjøring og integrering: eliminering av støy eller inkonsekvent data, deponeres de ulike datakildene sammen, og resultatene i datavarehus. En av datavarehus er et tema-orientert, integrert, tidsvarierende og ikke-flyktig innsamling av data organisert ved hjelp av multi-dimensjonal datamodell design.
(2) data seleksjon og transformasjon: fra datavarehus, henting og analyse av oppgave-relaterte data, og å utforske samling til en egnet form (for eksempel gjennom sammendrag eller aggregering operasjoner).
(3) Data Mining: Bruk av intelligente metoder for å hente ut data fra store datamodeller.
(4) modellen evaluering og kunnskap representasjon: I følge enkelte interestingness måle, identifisere den virkelige verdien av modellen og resultatene oppnås gjennom visualisering og kunnskap representasjon teknologier tilgjengelig for brukere (som for eksempel bedriftsledere og andre beslutningstakere).
Ut betydningen av data mining særlig kunder i virksomheten bruk av et bredt spekter av markedsføring, hovedsakelig preget og fremstående forening analyse, klassifisering og prediksjon, og cluster analyse og så videre. For å lette forståelsen, bare én av en slags modell beskrevet algoritmen.
2.4 Clustering Data Mining Case Study: K-midler algoritme teori og anvendelse av
K-algoritme betyr prosessen er som følger:
(1) inngang inneholder N objekter (kunde) database og antall klynger K (antall kunder til poeng) i N objektene i K ble tilfeldig valgt som gjennomsnittet av alle klynger eller sentre;
(2) de resterende (N-K) objekter til hver klynge i henhold til avstanden til sentrum er tildelt den nærmeste klyngen fra hver;
(3) å re-beregne gjennomsnittlig verdi for hver klynge;
(4) gjenta de to trinnene. Fram til gjennomsnittet av hver klynge endres ikke. Hver klasse av å stabilisere. Resultatene vil komme under klassifiseringen av hver enkelt målgruppe av klynger (med samme forbruk karakteristikkene av kundebasen).
Cluster analyse brukes til markedsføring, slik som supermarked shopping type anerkjennelse for medlemmer av klienter for å yte bedre kvalitet til medlemmer fra supermarkedet kunder databasen etter at de nødvendige forbruksdata, etter behandling av flerdimensjonale numeriske data modellen: kunde identifikasjonsnummer (totalt forbruk, antall kjøp, inntektsnivå, ... ...). Hvilke totale forbruket, antall kjøp, inntektsnivå er flerdimensjonale variabler direkte relatert med den type kundedata. Ifølge medlemskap (N), og antall kundekategorier (K) analyse av informasjon som Klusteranalysen fikk resultatene tilsvarende klyngen, simuleringen resultatene vist i Figur 2-D 4.
Clustering Resultatet er at alle medlemmer av et stort kjøpesenter supermarked kunder er delt inn i tre ulike dimensjoner signifikant cluster (klasse), A, B, C, hver type kunder har sine egne forbrukernes preferanser og ulike forbruker egenskaper. Supermarket kan sammenligne og analysere kjennetegn ved ulike typer kunder, og gjennomføre målrettede forbrukeren markedsføring.
Data mining er databasen markedsføring system av kjernen komponenten av analytisk CRM-applikasjoner er også kjernen teknologi, spiller en meget avgjørende rolle. Men den kompleksitet av teori og teknologi, data mining og mange trenger å bli fullkommen. Det er verdt å merke seg at ikke alle databasen typer data må til gruvedrift, kan noen svært tekst informasjon (for eksempel et stort antall tekstanalyse, bilder, osv.) og noen ikke-numeriske data være så lenge antallet av manuell etterbehandling av samme token vil også bidra til markedsføring og beslutninger.
2.5 utvikle hensiktsmessige markedsføringsbeslutninger
Daglig salgsdata, kundekontaktinformasjon innhentet under data mining-modellen for bedriftsutvikling kunnskap funn produkter og tjenester for ulike markedsaktiviteter for å gi en god referanse for fakta, og deretter produksjon sektor, finansiell sektor og andre grunnleggende data (for eksempel inventar og kostnadsdata) for omfattende vurdering, kan markedsavdelingen derfor tilsvarende mer vitenskapelig og fornuftig utvikling av markedsføring beslutninger og strategier, slik som 4P markedsføring strategi, produkt-strategi bare én kan være optimalisert slik:
(1) ifølge noen produktspesifikke salgsdata og gjennomsnittlig profitt marginer på forbrukernes forståelse kundens preferanser. Til eksisterende produktserie av foretaket eller produkter prosjektevaluering, og riktig å anvende riktige produktmiksen strategier (for eksempel utvidelse eller reduksjon portefølje. For produktlinje extensions) for bedre å møte markedets etterspørsel;
(2) gjennom de historiske salgsdata mining produkter for å finne sin livssyklus stadiet der, i henhold til produktene i import, vekst, forfall, tilbakegang karakteristisk for ulike stadier av produktutvikling strategier tilsvarende;
(3) nye produkter, i samsvar med kundens evaluering av et produkt eller en tjeneste eller oppreisning for produktforbedringer og oppdatering. For disse nye produktene på grunn av forbruker differensiering av den spesifikke forbrukergrupper. Kan for deres forbruk karakteristikkene av nye produkter, reposisjonering eller utvikle produkter som oppfyller deres smak og så videre.