En ny utformning av databasen marknadsföring system
Databas för försäljning och marknadsföring teori som en kombination av IT kräver systemarkitektur en rimlig grund för genomförandet. Databas marknadsföring system för problemet, olika inhemska och internationella sakkunniga. Vissa forskare tror att: från databasen marknadsföring och Customer Relationship Management (CRM) för att analysera förhållandet mellan synvinkel databas marknadsföring, även om grunden för CRM. Men det saknar CRM försäljning automation, kundservice och business intelligence (data mining etc.) innehåll. Sin databas av historiska data ofta har kontakt med företaget, så bara som en preliminär analys av vilken typ av åtgärder.
Tanke på den nuvarande marknaden betydelse i företaget, jag tror att detta system är en fullt marknadsföring bör vara den vägledande ideologi, som omfattar CRM försäljning, kundservice och affärsinformation innehållet i ett komplett system. Bygger på följande två skäl: För det första är databasen marknadsföring CRM datalagring, förutsättning data mining. Integrera de två delarna kan stärka marknadsföringen funktion i systemet. Enhetlig hantering av marknadsföring arbete, som tekniskt är också möjligheten att uppnå, det andra, försäljning, kundservice, även om vissa skillnader med marknadsföring, men vi kan säga är att marknadsföring som en kärna för att spela sina respektive roller. Detta kommer till uttryck i: försäljningsdata bör vara tillgänglig för marknadsavdelningen, marknadsavdelningar, genom beslut att utjämna steg vägledning om hur du anger försäljningen, mervärde för kunderna, kundservice arbete måste marknadsinformation som en viktig referens, enligt kundens förbrukning egenskaper hos de specifika detaljerna i motsvarande tjänster, att uppnå kundtillfredsställelse.
Kort sagt bör studiet av databasen marknadsföringssystem drivas av marknadsföring. Försäljning, kundservice och Business Intelligence för tillgängligheten av företag-level marketing system, på sätt och vis är det en hel marknadsföring idéer kärnan i CRM. Databasen av denna nya marknadsföring system visas i figur 1. Av databasen marknadsföring system är ett sådant system: försäljning, till kundtjänst via kundtjänstcentra och försäljningskanaler samla in kunddata, och genom sammanställning av databasen till kunder saluföringssektorn. Marknadsavdelningar att iaktta kundernas uppgifter, statistik och analys, vid behov, en del av uppgifterna genom att rationalisera omräkning till datalager fördjupad analys och bearbetning såsom data mining, kunskap modell kommer till värde genom den visuella framställningen till marknadsavdelningen . Marknadsförings-och produktionen av dessa fynd, den finansiella sektorn, information integration, att utveckla nästa fas av marknadsföringsstrategi och skicka till varje sektor som referens för sin verksamhet.
2 Genomförande av den nya databasen marknadsföring system
2,1 Källorna till kunddata: kundkontakt och kontakt
Företag marknadsföring personal omedelbart om det finns några lämpliga kunddata och marknadsinformation. Kommer att bli svårt att genomföra. Därför har kontakt och samverkan med kunder att bli särskilt viktigt. Databas marknadsföring, kundkontakter och kontakter har två delar: För det första, försäljning av produkter och tjänster via distributionskanaler och kundkontakter i god tid enligt kundens försäljningsrekord: Först till kunden via kundtjänst kommunicera med kunden kontaktcentret och kommunikation. Genom multimedia, till flerkanaligt integration och intelligenta sökmetoder hjälper kunderna att hitta de bästa platserna (kundtjänst poäng) och tillhandahålla högkvalitativa tjänster. Kundkontakt Centre som är en uppsättning av telefon, e-post, fax, nätverk, kommunikation och en serie av digitala och icke-digitala kanaler av kundinteraktion plattform. I denna plattform kan kunderna välja sin egen väg när som helst med företaget att kommunicera, och företag att förstå åsikter och kundernas behov, med den snabbaste hastigheten för att hjälpa kunder att lösa verkliga problem, samtidigt, centrum försöker också att samla in relevant information. Uppnå kundinformation. Zero-förlust "för framtiden ligga till grund för marknadsföring och försäljning. Fördelen är: För företag, tillgång till effektiv och enkel tillgång till alla register och informationshantering, förbättra kundnöjdheten, För kunderna, bekvämlighet och val personlig, är interaktion i realtid stark, det är närhet, som har gott intryck på företaget. integration av flera kanaler för kundkontakt center routing tjänster del och motsvarande servern att klienten kontaktinformation-baserad server och databas via lämpliga genomförandet av affärslogik, hitta de bästa platserna på uppdrag av, och göra uppdatera kundinformation och dokument. hela processen för databehandling, är kundsamtal effektiviteten mycket hög. En typisk kundkontakt center visas i figur 2.
Kundkontakt Centrum för kundkontakt och insamling av information är ett bra sätt. Men kan den med traditionella metoder (t.ex. besök, informella kontakter, etc.) i kombination med varandra och samarbete, måste företagen vara mer fördelaktigt är fördelaktigt.
2,2 Hanteringen av kunddata
Enligt olika källor av kunder som samlats in finns det många problem: upprepningar, ofullständiga, inte standardiserat, inkonsekvenser osv, de alla uppföljande analys och utgrävningen av stor betydelse. Och därför ojämnheter av dessa massiva uppgifter som krävs i förväg av ordern. Denna order omfattar två delar: För det första var slutkunden (försäljning och kundinformation) för screening och inspelare urval enhetlig marknadsföring databas, och att konsolidera och uppdatera data regelbundet, kan kallas data förbehandlingen del: 2 är behovet av marknadsföring databasen för ytterligare data mining vissa uppgifter, insamling av särskilda, integration, omvandling och minskning. Till en godtagbar form av datalagring, data mining för nästa tillräckligt med tid att förbereda, kan beskrivas som del av de uppgifter upparbetning. Som komplexitet dataförfaranden, och inte är till särskild analys.
2,3 Konsumtion av viktiga data: Data mining
Kunddata i enlighet med de krav på rengöring och efterbehandling, behöver också ytterligare schaktning och analys, utforska och upptäcka marknadsvärdet av fördjupad information. Data Mining, från en databas perspektiv, det visar sig gömd i stora datamängder och deras intressanta datamodell härledda data till användbar information och kunskap om processen, den information och kunskap kan ofta används i olika tillämpningar, såsom företagsledning, marknadsanalys och så vidare. För företagens marknadsföring. Det hjälper de uppgifter företaget kunden från de register som finns i masskonsumtion psykologi och egenskaper beteende kunder är kommersiella värdet av datamodeller för att hjälpa företag genom sin utveckling av mer exakt och effektiv marknadsföring beslut.
De grundläggande stegen för data mining är:
(1) data rengöring och integration: eliminering av buller eller inkonsekventa data, satte olika datakällor tillsammans och resultaten i datalager. En av datalager är en ämnesorienterade, integrerat, tidsvarierande och icke-flyktiga insamling av uppgifter anordnades på flerdimensionella datamodell design.
(2) uppgifter samt uppgifter om omvandling: från datalager för att hämta relevanta uppgifter och uppgifter analys, samt att undersöka enande i en sådan form (t.ex. genom summariska eller sammanläggning operationer).
(3) Data Mining: Använda intelligenta metoder för att extrahera data från stora datamodeller.
(4) modell för utvärdering och kunskapsrepresentation: Enligt vissa interestingness mäta, identifiera det faktiska värdet av modellen och de resultat som uppnåtts genom visualisering och kunskapsteknik representation tillgänglig för användarna (som företagsledare och andra beslutsfattare).
Betonar vikten av att data mining i synnerhet kunder i den yrkesmässiga användningen av ett brett spektrum av marknadsföring, främst präglas och framstående förening analys, klassificering och prediktion, och klusteranalys och så vidare. För att underlätta förståelse, bara en av ett slags modell som beskrivs algoritm.
2,4 Klustring Data Mining Fallstudie: K-medel algoritm teori och tillämpning av
K-medel algoritm process är följande:
(1) ingång innehåller N objekt (kund) databasen och antalet kluster K (antalet kunder till poäng) i N-objekt i K var slumpmässigt utvalda som genomsnittet av alla kluster eller centrum,
(2) återstående (N-K) motsätter sig varje kluster beroende på avståndet mellan mittpunkten hänföras till det närmaste klustret från varje;
(3) att på nytt beräkna det genomsnittliga värdet på varje kluster;
(4) upprepa två steg. Fram till i genomsnitt varje kluster ändras inte. Varje kategori av stabiliseras. Resultatet kommer enligt klassificeringen av varje specifik målgrupp av kluster (med samma utmärkande egenskaper hos kunder).
Klusteranalys tillämpas på marknadsföringen, såsom snabbköp shopping typ av erkännande för medlemmar av kunder för att bättre kunna erbjuda högkvalitativa tjänster till medlemmar från stormarknadernas kunder databasen efter att nödvändiga uppgifter om konsumtionen, efter bearbetning av flerdimensionella sifferuppgifter modell: kundnummer (den totala konsumtionen, antalet inköp, inkomstnivå, ... ...). Som den totala konsumtionen, antalet köp, inkomstnivåer är flerdimensionella variabler som har direkt samband med den typ av kunddata. Enligt medlemskap (N) antal och typer av kunder (K) av information såsom klusteranalys fått motsvarande resultat kluster och 2-D simuleringsresultat visas i figur 4.
Kluster Resultatet är att alla medlemmar i en stora kunder shopping mataffär är indelade i tre olika dimensioner betydande kluster (klass), A, B, C, varje typ av kunderna har egna konsumenternas preferenser och olika egenskaper konsumenten. Supermarket kan jämföra och analysera egenskaper hos olika typer av kunder, och genomföra riktade marknadsföring mot konsumenter.
Data mining är databasen saluföringssystem av de centrala delen av analytisk CRM-applikationer är även kärnan teknologi, spelar en mycket avgörande roll. Men komplexiteten i teori och teknik, data mining och många behöver bli fullkomnade. Det är värt att notera att inte alla databas typer av uppgifter behöver gruvdrift, kan vissa mycket text information (t.ex. ett stort antal textanalys, bilder, etc.) och vissa icke-numeriska data så länge antal manuella avsluta på samma sätt kommer också att hjälpa marknadsföring och beslutsfattande.
2,5 kan utveckla lämpliga marknadsbeslut
Daglig försäljning, kundinformation som erhållits under anslutningen, datautvinning, ny kunskap modell för företags produkter och tjänster för olika marknadsföringsaktiviteter ger en god referens för fakta, och sedan produktionsinriktning, finansiella sektorn och andra grundläggande uppgifter (såsom inventering och kostnader) för en omfattande behandling, marknadsavdelningen så därför kan utveckla en mer vetenskaplig och rationell marknadsföring beslut och strategier, såsom 4P marknadsföringsstrategi, produktstrategi bara en kan optimeras på följande sätt:
(1) enligt vissa produktspecifika försäljningssiffror och den genomsnittliga vinstmarginalerna för konsumenten att förstå kundens önskemål. Således befintlig produktgrupp eller produkt för företag att bedöma projektet, och motsvarande produkter med rätt kombination av strategier (t.ex. expansion eller kontraktion portfölj. För linje förlängning) för att bättre möta efterfrågan på marknaden,
(2) genom den historiska försäljningsuppgifter gruvprodukter att hitta sin fas livscykel där, enligt produkterna i import, tillväxt, mognad, nedgång kännetecknar olika strategier för produktutveckling i enlighet därmed,
(3) nya produkter, enligt kundens bedömning av en produkt eller tjänst eller produkt tillfredsställelse förbättras och uppdateras. För dessa nya produkter på grund av konsumentens differentiering av särskilda konsumentgrupper. Kan för deras utmärkande egenskaper hos nya produkter, omplacering eller utveckla produkter för att uppfylla sin smak och så vidare.