论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　内容摘要：近年来，随着外资零售企业不断进驻中国市场，本土零售业遭遇前所未有的内忧与外患。大数据时代下，传统营销思路所形成的竞争优势逐渐消失，本文从数据挖掘的角度应用精确营销，旨在使本土零售业“修炼内功”，从根本上打造核心竞争力。

　　关键词：大数据精确营销本土零售数据挖掘核心竞争力

　　精确营销与数据挖掘

　　精确营销（PrecisionMarketing）通俗的理解就是在充分了解顾客信息的基础上，针对不同的顾客群制定企业营销目标，有针对性的进行群组式的营销。本文引用莱斯特·伟门对精确营销的定义，精确营销是改变以往的营销渠道及方法，以生产厂商的客户和销售商为中心，通过电子媒介、电话访问、邮寄、互联网等方式建立客户、销售商资料库，然后通过科学分析，确定可能购买的客户，从而引导生产厂商改变销售策略，为其制定出一套可操作性强的销售推广方案，同时为生产厂商提供客户、销售商的追踪服务。

　　数据挖掘（DataMining）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、人们事先不知道的、但又是潜在有用的信息和知识的过程。简单地讲，数据挖掘就是对海量的数据进行精细加工，从大量的数据中提取潜在的、有价值的信息、模式和趋势，然后以易于理解的可视化形式表现出来，其目的是让企业分析内外部的信息、预测客户的行为、检验异常模式，帮助企业决策者调整市场策略、减少风险，以做出正确决策。

　　精确营销与数据挖掘都属于涉及多学科的交叉领域。精确营销需要借助数据挖掘来实现，数据挖掘是精确营销实现的工具、方法和基础，精确营销是数据挖掘的结果。数据挖掘与精确营销互为因果关系，两者紧密结合。基于数据挖掘的应用，整合精确营销元素，改变传统营销模式，在正确的时间通过正确的渠道将正确的信息传达给正确的人，从而提高本土零售业的生产力和利润率，提高本土零售业营销活动效率和国际市场竞争力，为提高本土零售业经营管理水平提供坚实的理论基础。

　　零售业应用数据挖掘的主要方法

　　（一）关联规则

　　关联规则挖掘是由RakeshApwal等人首先提出的，两个或两个以上变量的取值之间存在某种规律性，就称为关联。数据关联是数据库中存在的一类重要的、可被发现的知识。关联分为简单关联、时序关联和因果关联。关联分析的目的是找出数据库中隐藏的关联网。

　　（二）分类分析

　　分类是最常见的数据挖掘方法之一，是基于一个可预测属性或特征把事物分成多个类别，每个类别包含一个或多个其它属性，其中有一个可以预测的属性。分类是通过对当前数据集合的描述以识别未知数据的归属，针对数据库中的每一类数据，挖掘出关于该类数据的描述或模型。

　　（三）聚类分析

　　聚类是把各不相同的个体分割成更多相似性的子类的工作，类似于对象细分工作。聚类与分类的区别在于聚类不依赖于事先定义的值。聚类中的一组属性是平等对待的，同一聚类中的对象或多或少具有相同的属性值。应用聚类技术能发现不同顾客群并刻画出顾客群的特征，据此制定营销策略和顾客服务策略。

　　（四）估值与预测

　　估值与分类类似，不同之处在于，分类描述的是离散型变量的输出，而估值处理连续值的输出；分类的类别是确定数目的，估值的量是不确定的。预测是通过分类或估值起作用的，也就是说，通过分类或估值得出模型，该模型用于对未知变量的预测。从这种意义上说，预测其实没有必要分为一个单独的类。预测的目的是对未来未知变量的预测，并且需要时间进行验证。

　　基于数据挖掘与精确营销的本土零售业核心竞争力提升策略