Nový dizajn systému databázový marketing
Databáza marketing a marketingové teórie, ako jedného z kombinácie informačných technológií, architektúra systému vyžaduje rozumný základ pre implementáciu. Databázový marketing systém pre problém, rôzne domáce i medzinárodné znaleckého posudku. Niektorí učenci veria, že: z databázy marketingu a riadenia vzťahov so zákazníkmi (CRM), analyzovať vzťah medzi hľadiska, databázový marketing, aj keď základ pre CRM. Ale to chýba CRM predaj automatizácie, zákaznícky servis a business intelligence (data mining, atď) obsah. Jeho databáza historických dát je často v kontakte s firmou, tak len ako predbežnú analýzu typov propagácie.
Vzhľadom na súčasné marketingové úsilie o význame podniku, verím, že tento systém by mal byť plne marketing pokyny, zahŕňajúce CRM predaj, služby zákazníkom a obchodným inteligencia obsah celého systému. Na základe týchto dvoch hlavných dôvodov: za prvé, databázový marketing je CRM dátových skladov, data mining predpokladom. Integrovať dve časti môže zlepšiť marketing funkcie systému. Jednotný postup marketingové činnosti, ktoré technicky tiež možnosť realizácie, 2, Xiao Shou práce, zákaznícky servis Sui má Qubie s marketing, ale môžeme povedať, je marketing ako Hexinfahui ich role. To je zakotvené v: Údaje o predaji sa poskytne oddelenie marketingu, marketingové oddelenie, sprievodca po rozhodnutí-procese krokom do plynulého predaja, pridanú hodnotu pre zákazníkov, zákaznícke služby na trh materiály, ktoré sú dôležité, založené na vlastnostiach spotrebe zákazníkov konkrétne podrobnosti o príslušných služby, dosiahnutie spokojnosti zákazníka.
Stručne povedané, by malo štúdium databázového systému na trh sa riadi marketing. Predaj, služby zákazníkom a business intelligence pre dostupnosť enterprise-level marketing systém, v istom zmysle, je to plný marketingové nápady jadrom CRM. Štúdium tohto nového systému databázový marketing je znázornené na obrázku 1. Systému databázový marketing je takýto systém: predaj, služby zákazníkom prostredníctvom oddelenia centra pre kontakt so zákazníkmi a predajné kanály pre zber dát o zákazníkoch, a prostredníctvom zhromažďovania databázy klientov uvádzania na trh. Marketingová oddelenie sledovať údaje o zákazníkoch, štatistiky a analýzy, keď to bude potrebné, časť údajov zjednodušenie konverzia do dátového skladu in-hĺbkové analýzy a spracovania, ako sú dáta dolovaní budú cenné poznatky sa získavajú prostredníctvom vizuálnej reprezentácie modelu na oddelenie marketingu . Marketing a výroba oddelenie týchto zistení, finančnom sektore, integrácia informácií, rozvíjať ďalšie fázy marketingovej stratégie a poslať každý sektor ako referenčný pre svoju činnosť.
2 Prevedenie nového systému databázový marketing
2,1 zdroja údajov o zákazníkoch: kontakt so zákazníkmi a kontakty
Firemná marketing zamestnanci bez plnej real-time dát o zákazníkoch a informácie o trhu. Bude ťažké realizovať. Preto, kontakt a spoluprácu so zákazníkmi sa stala obzvlášť dôležité. Databáza marketing kontakty a klientmi, aby kontaktné má dve časti: Prvá, predaj výrobkov a služieb prostredníctvom distribučných kanálov a kontakt so zákazníkom, okamžite záznam predaj klientov: Po prvé, oddelenie služieb zákazníkom prostredníctvom zákazníkov kontaktného centra pre komunikáciu so zákazníkmi a komunikácie. Vďaka multi-media, multi-kanál integrácie a inteligentné vyhľadávacie metódy, ktoré pomáhajú klientom nájsť najlepšie miesta (miest zákaznícky servis) a poskytovanie kvalitných služieb. Zákaznícke kontaktné centrum, ktoré je súborom telefón, email, fax, sieť, komunikácia a rad digitálnych a non-digitálne kanály platformy interakciu so zákazníkmi. V tejto platforme, si zákazníci môžu vybrať svoj obľúbený spôsob, kdekoľvek sa podnikovej komunikácie a podnikom pochopiť názory a potreby zákazníkov, s najrýchlejšou rýchlosť, ktorá pomáhajú zákazníkom riešiť skutočné problémy, v rovnakom čase, centrá sa tiež snažiť zhromaždiť príslušné informácie. Dosiahnuť informácií o zákazníkoch. Zero-strata "do budúcnosti slúžiť ako základ pre marketing a predaj. Výhodou je: Pre podniky, prístup k účinnej a ľahký prístup ku všetkým záznamom a informácií, zvýšenie spokojnosti zákazníkov, pre zákazníkov, pohodlie a možnosť výberu osobné, real-doba interakcie je silný, je intimita, ktoré majú dobrý dojem na podnik. integráciu viac kanálov strediska pre kontakt so zákazníkmi smerovanie služby priečinok a zodpovedajúci server na klienta kontaktné informácie-založený server a databázy prostredníctvom vhodnej uskutočnenie obchodnej logiky, nájsť najlepšie miesta menom a zabezpečiť, aby informácie o zákazníkoch update a záznamov. celého procesu pre počítačové spracovanie, zákazník volania účinnosť je veľmi vysoká. typického zákazníka kontaktného centra je znázornené na obrázku 2.
Zákaznícke kontaktné centrum pre kontakt so zákazníkom a informácie-hromadiace je dobrý spôsob. Ale môže to s tradičnými metódami (napr. návštevy, neformálne kontakty, atď) v kombinácii so sebou a spoluprácu nového podniku bude výhodnejšie, je prospešné.
2,2 manipulácia údajov o zákazníkoch
Podľa rôznych zdrojov údajov o zákazníkoch zhromažďujú existuje veľa problémov: opakovanie, neúplné, nie je štandardizovaná, nezrovnalosti, atď, všetci po-Up analýzy a razba veľký vplyv. A preto drsnosť týchto masívnych údajov požadovaných pred cieľom. Táto objednávka obsahuje dve časti: Prvá, dodávateľ end-zákazníckych dát (predaja a zákazníckych dát), pre skríning a výber rekordéry boli zjednotené marketingové databázy, a konsolidovať a aktualizovať dáta pravidelne, môže byť tzv predspracovanie dát časť: 2 je marketing databázy na ďalšie dáta mining časti dát, prostredníctvom osobitných clean-up, integrácie, transformácie a redukcia. V prijateľné forme dátových skladov, data mining pre budúci dostatok času na prípravu, môže byť opísaná ako súčasť dát prepracovanie. Vzhľadom k tomu, zložitosti spracovanie dát, a nie je pre konkrétnu analýzu.
2,3 Spotreba kľúčových dát: Data mining
Zákaznícke dáta v súlade s požiadavkami na čistenie a úpravu, tiež potrebujú ďalšie výkop a analýzy, skúmanie a objavovanie trhovú hodnotu in-hĺbka informácie. Data Mining, z databázy perspektívy, zistí, skrytá vo veľkých dátových súborov a ich zaujímavé údaje model odvodený dáta na užitočné informácie a poznatky o procese, informácie a vedomosti môžu byť široko používané v rôznych aplikáciách, ako je riadenie podniku, analýza trhu a tak ďalej. Pre firemné marketing. To môže pomôcť spoločnosti masívne zákazníckych dát z nájdených záznamov spotrebiteľov psychológiu a správania vo vzťahu k zákazníkovi vlastností obchodný model, farebný tón dáta pomáhať spoločnostiam cez ich vývoj presnejších a efektívne marketingové rozhodovanie.
Základné kroky data mining patria:
(1) data čistenie a integrácia: odstránenie šumu alebo v rozpore dáta, rôzne zdroje dát dohromady, a výsledky uložené v dátovom sklade. Jeden z dátového skladu je predmet-orientovaný, integrovaný, čas-sa meniť a non-volatile zber dát organizované s využitím multi-dimenzionální data model design.
(2) Výber dát a transformácia: z dátového skladu vyhľadávanie a analýzu úlohy-súvisiace dáta, a zjednotenie do formy vhodnej na razenie (napr. prostredníctvom hromadných alebo agregačné operácie).
(3) Data Mining: s využitím inteligentných metód pre extrakciu dát z obrovskej dátové modely.
(4) model hodnotenia a reprezentácia znalostí: Podľa niektorých zaujímavosť opatrení, identifikovať model a bude naozaj cenné výsledky prostredníctvom vizualizácie a technológií reprezentácia vedomostí k dispozícii užívateľom (napr. obchodným manažérom a iným subjektom).
Na význam dolovania dát najmä zákazníkom v obchodnom využití širokej škály marketing, hlavne vyznačuje a odlišuje združenia analýzy, klasifikácie a predikcie, a shluková analýzy a tak ďalej. Pre uľahčenie pochopenie, len jeden z druhu model popísaný algoritmus.
2,4 Clustering Data Mining Prípadová štúdia: K-algoritmus znamená, teórie a aplikácie
K-algoritmus znamená postup je nasledujúci:
(1) vstup obsahuje N objektov (zákazníkov), databázy a počet klastrov K (počet zákazníkov bodov) v objektoch v N K boli náhodne vybrané ako priemer zo všetkých skupín alebo stredísk;
(2) zostávajúce (N-K), objekty pre každý klaster v závislosti od vzdialenosti od stredu pričlenené k najbližšej cluster od každého;
(3) k re-výpočet priemernej hodnoty každého klastru;
(4) opakujú dva kroky. Až do priemeru každého klastra sa nemení. Každá trieda stabilizácie. Výsledky budú spadať pod klasifikácia každej špecifickej cieľovej skupiny klastrov (s rovnakou spotrebou charakteristiky zákazníkov).
Cluster analýzy aplikovanej na marketing, ako sú veľké nákupné typu supermarket zákazníkov pre členské poskytovať kvalitné služby s cieľom lepšie identifikovať, pochádzajú od supermarketu zákazník databázy Zhong členov prevedené Suoxu údajov o spotrebe, 经过 numerické Chula viacrozmerných dát model: identifikačné číslo zákazníka (celková spotreba, počet nákupov, úroveň príjmov, ... ...). Ktoré celkovej spotreby, počtu nákupov, sú vyššie príjmov multidimenzionálnej premenné priamo súvisí s typom dát zákazníka. Podľa členstva (N), počet a typy klientov (K) informácií, ako sú shluková analýza, zodpovedajúce výsledky zoskupenia, 2-D simulácie výsledky sú uvedené v obr 4.
Clustering Výsledkom je, že všetci členovia veľkých zákazníkov nákupné supermarket sú rozdelené do troch rôznych rozmerov významný cluster (trieda), A, B, C, každý typ zákazníka má svoje vlastné preferencie spotrebiteľov a rôznych spotrebiteľských vlastnosti. Supermarket môžu porovnávať a analyzovať vlastnosti rôznych druhov zákazníkov a správanie cieľových spotrebiteľov marketing.
Data mining je databázový marketing systému základnou súčasťou analytickej CRM aplikácií je aj základné technológie, hrá veľmi dôležitú úlohu. Avšak, k zložitosti teórie a technológie, dolovanie dát a mnoho treba zdokonaľovať. Stojí za zmienku, áno, nie databázu všetkých typov dát vyžadujú bagrovania, tam je silná textové informácie (napr. vysoké analýza textu, obrázkov, atď) a niektoré nie sú numerické dáta Kenengzhiyao radu manuálne radenie pomocou, rovnako tiež pomôže marketingové úsilie a rozhodovania-procesu.
2,5 až rozvíjať vhodné marketingové rozhodnutia
Denné údaje o predaji, kontakt so zákazníkom proces na získanie informácií, dolovanie dát vedomostí model vytvára produkty a služby pre rôzne marketingové aktivity, aby vykonal dobre, že žiadosť o tej výrobe oddelenie, finančné oddelenie základných údajov (ako sú zásoby a údaje o nákladoch), vziať do úvahy, marketingové oddelenie, aby vypracovala zodpovedajúce výsledok môže byť viac vedecké a racionálne marketingové rozhodnutia a stratégií, ako 4P marketingovej stratégie, stratégie produktov iba jeden môže byť optimalizované takto:
(1) Podľa niektorých produktov konkrétne údaje o predaji a priemerná marža spotrebiteľov pochopenie zákazníckych preferencií. Tak existujúce výrobkové rady alebo produkt spoločnosti na posúdenie projektu a zodpovedajúce stratégie portfólia pomocou správne produkty (napríklad rozšírenie produktového portfólia, alebo kontrakcie. Pre rozšírenie produktového radu), aby lepšie vyhovieť dopytu trhu;
(2) po historickom predaja výrobkov data mining nájsť svojho životného cyklu fázy, v ktorej, podľa produkty pri dovoze, rast, zrelosť, pokles charakteristika jednotlivých fázach stratégie vývoja výrobku zodpovedajúcim spôsobom;
(3) nového produktu na trh, podľa priania zákazníka na výrobok alebo službu, spokojnosť, hodnotenie výrobkov alebo zlepšovanie a aktualizáciu. U týchto nových produktov, pretože spotrebiteľ diferenciácie určité skupiny spotrebiteľov. Môže za ich spotrebu vlastností nových produktov, premiestnenie alebo vývoj výrobkov, ktoré uspokojujú ich vkusu a tak ďalej.