2018基于数据挖掘技术的网络营销管理
[摘要] 本文介绍了运用数据挖掘技术处理现代网络营销中的客户关系管理，帮助企业运用恰当的技术分析客户数据，制定适当的网络营销策略，实现高效的营销管理。[关键词] 数据挖掘 网络营销 客户关系
一、引言
随着全球经济化和信息化的快速发展，商业环境中的信息越来越密集，数据库的规模越来越大，在当今的网络营销中，企业如何从大量的业务数据中经过提取和分析，做出正确快速的决策，以获得有利于商业运作的信息，提高企业的竞争力，是各行各业广泛重视的问题。为此，急需新一代新的计算技术，能够智能化地从大量的数据中提取出有用的信息和知识，为企业的管理人员提供决策支持，于是数据挖掘技术应运而生了。
早期各种商业数据是以数据库的形式存储在计算机中的，后来发展到可对数据库进行查询和访问，进而又发展到对数据库的即时遍历。数据挖掘技术使数据库技术进入了一个更高级的阶段，它不仅能对过去的数据进行查询和遍历，并且能够找出过去数据之间的潜在联系，从而促进信息的传递。
二、客户关系管理与数据挖掘技术
客户关系管理(CRM)是企业与客户之间建立的管理双方接触活动的信息系统。网络时代企业的客户关系管理应该是利用现代信息技术手段，在企业与客户之间建立的一种数字的、实时的、互动的管理交流系统。其特征为：个性化营销服务和客户服务 ；信息采集渠道的多样化和集成化；客户信息的集中式管理和共享；商业智能化的数据分析和处理。
数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的，但又是潜在有用的信息和知识的过程。在商业应用领域，数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据；其功能有：自动预测趋势和行为、关联分析、聚类、概念描述、概念描述等。
三、CRM中经典数据挖掘技术的分析
1.神经网络
神经网络是模拟人脑神经网络来处理、记忆信息的一种新型系统。可完成分类分析、聚类分析、回归分析，是典型的预测工具。其优点：抗干扰能力、可变性、通用性强，有较强的容错性和鲁棒性；能并行处理规模较大的数据库；能处理连续、分类或聚类离散变量；有较强的自适应自学习能力。
神经网络适合分析CRM中的定量问题，适合处理大量非线性、有时间顺序、多目标、残缺不全的数值型数据，处理注重结果、不用解释原因的复杂问题。如：可根据客户的交易纪录和网站点击率等建立神经网络客户模型，分析客户响应度、忠诚度，预测客户需求，指导生产和服务，从而留住老客户、赢得新客户。
2.决策树
决策树是以图表表示一系列事件和可能结果的方法。由决策节点、分支和叶子组成，可完成分类分析、聚类分析，是比较成熟的、作决策的极好工具。其优点：决策过程直观、易理解、易使用、自动化程度高、效率高；擅长处理非数值型和分类型数据；易转换成数据库查询语句，能清晰地显示哪些字段比较重要。
决策树与神经网络相比更适合分析CRM中的定性问题。分析含有大量字段、用自然语言表述的非数值型数据，分析需要解释原因或结果为以自然语言表达的规则的问题。如：分析客户资料、进行客户细分，以便针对不同客户群制定不同的对策；根据客户的交易数据、访问网站等情况，分析客户流失规律、解释每个客户群流失原因，帮助制定对策留住客户。
页:
[1]