国际期刊的创新在计算机和通信工程的研究
菜单ISSN在线(2320 - 9801)打印(2320 - 9798)
ISSN在线(2320 - 9801)打印(2320 - 9798)
| 阿卡纳RajeM教授1r·k·斯利瓦斯塔瓦博士2 |
| 相关文章Pubmed,谷歌学者 |
访问更多的相关文章国际期刊的创新在计算机和通信工程的研究
营销决策有时是基于直觉的决策和过程包括营销人员的判断调用。通过细分市场营销人员能更好地理解他们的客户和目标有效的和有效的方式。细分解决战略决策提供了基础。数据挖掘将数据转化为知识渊博的和可操作的信息。数据挖掘可以用来预测未来通过过去的数据和模型。因此,数据挖掘可用于创建数据驱动的行为细分。对营销人员分割和数据挖掘是重要和必要的。有必要理解数据挖掘和细分市场之间的联系。本研究展开的国际米兰联系数据挖掘和细分市场营销。
关键字 |
| 数据挖掘、市场细分、集群、目标定位 |
介绍 |
| 有快速变化发生在全球市场。竞争的加剧使它以成本有效的方式功能至关重要。因此设计营销策略研究人员和企业需要利用工具来理解顾客的态度和行为。信息通常是埋太深提取使用传统的分析工具。发现新信息的力量帮助企业决策者了解更多关于他们的客户通过执行任务,如市场细分、客户分析、趋势预测、交叉销售和欺诈检测。数据挖掘和分割可以用作决策信息设备。数据分析的目的是发现未知的数据特征、关系、依赖关系、或趋势。基于模式的发现市场细分是可能的。相反,一个需要揭示基于市场细分的隐藏模式设计营销策略。因此,数据挖掘可以创建数据驱动的行为细分。 Provided the data mining models are properly built, they can uncover groups with distinct profiles and characteristics and lead to rich segmentation schemes with business meaning and value [1]. Therefore, it suggests establishing the relationship between the data mining and market segmentation. This study unfolds the inter linkages of data mining and segmentation terms in marketing. |
| 数据挖掘是一个过程,提取未知和可操作的信息从大型、复杂的数据库。市场细分是一个关键的数据挖掘技术。一段是一组消费者反应类似于一个特定的营销方法。所以分割的关键是决定如何将数据库。 |
| 业务可以提前定义的特征段,然后客户分配给这些组(这称为先验细分),也可以使用软件来分析数据和识别天然集群的行为,从而形成的基础部分。这是数据挖掘的过程,不出所料,集群。 |
相关工作 |
| 王w和s[2]指出,粉丝,在消费社会中,营销人员感兴趣的主流消费者的行为,也要关注最有价值的客户。主流消费者欣赏和价值的产品/服务和传达这些不同领域的客户。再根据作者消费者在这些领域不同层次的升值的产品/服务。有些是高价值,相应的有价值的客户。有些是低价值,那些我们可以放手。客户这样的段破碎成更小的团体,直到进一步升值和价值协调。相互作用的认识到正确的部门对于一个给定的产品/服务和精炼的产品/服务相关的部分是成功的企业的一个重要因素。作者建议,预测未来趋势和行为数据挖掘工具,允许企业积极主动,知识决定。自动化、前瞻性分析提供数据挖掘超越过去事件的分析回顾工具所提供的典型的决策支持系统。根据作者,TraMy Ngoc[3],市场细分越来越非常熟悉,基本每一个营销人员的过程中,设计和实现一个有效的目标的策略。 Therefore, the motivation for his thesis is to discover a segmentation based on this purchasing behavior among whole range of products, which is called purchasing pattern. The Purchasing pattern is interpreted by purchasing portfolios, which include list of categories that a certain customer purchases and also consumption behavior on these categories. In his study he acknowledged other related theories to design a theoretical model of market segmentation based on purchasing portfolios. Then, applied data mining techniques to process a practical database in order to test the theory’s hypotheses, as well as illustrate for the model. Finally concluded the results using data mining has shown four segments from the analysis of purchasing portfolios. Authors McCarty & Hastak [4] explained in there paper that direct marketing has become more efficient in recent years because of the use of data-mining techniques that allow marketers to better segment their customer databases. |
| 罗伯特Groth[5]在他的书中“数据挖掘:一只手的方法对商业专业人士“总结和解释当前数据挖掘领域和谈论一些流行的工具可以使用市场上那些正在考虑数据挖掘。他分析了数据挖掘软件知识的探索者,利用决策树数据挖掘方法和得出的结论是,数据可以在最优分组方式,这可能是非常有用的,如果你看着市场细分研究。在总结典型行业,利用数据挖掘工具,作者指出,直接邮件和邮件数据挖掘是广泛使用的另一个领域,几乎所有类型的零售商的使用直接营销,他们主要关心的是客户细分的信息,数据挖掘是一个聚类问题。 |
| 蔡&赵[6]在他们的研究中指出,传统上,营销人员细分市场使用通用变量如客户人口和生活方式。然而,几个问题已确定,使分割结果不可靠。因此,他们开发了一种新颖的基于产品的市场细分方法购买特定的变量如产品和客户的关联货币事务历史。这个标识团体客户提供类似的购买行为更均匀应对营销计划。遗传算法(GA)的方法是开发的这种方法,提高了聚类质量。这将确保客户在同一集群有壁橱里类似的购买模式。 |
数据挖掘 |
| 数据挖掘(DM)作为一个跨学科的领域吸引了统计分析、数据库系统、机器学习、模式识别、神经网络、模糊系统和其他软计算技术[7]。数据挖掘的目的是创建决策模型来估计未来的行为分析的基础上,过去活动[8]。数据挖掘是知识发现使用一个复杂的混合技术从传统的统计,人工智能,计算机图形学中[9]。比较传统的DSS工具,数据挖掘是积极主动。数据挖掘工具分析数据,发现问题或机会隐藏在数据的关系。基于这些发现可以设计计算机模型预测的商业行为要求最小的用户干预。终端用户的收益可能产生竞争优势的知识。数据挖掘使用的统计和机器学习技术,帮助营销人员提高他们对消费者行为的理解。反过来,这更好地理解允许他们目标的营销活动更准确,使活动更紧密地与需求,希望和态度的客户和前景。技术增强了过程自动化采矿过程中,将它与商业数据仓库,并呈现相关的业务用户。 Data mining tools use advanced techniques from knowledge discovery, artificial intelligence, and other fields to obtain “knowledge” and apply it to business need. Knowledge is then used to make predictions of events or forecasts of values. |
细分市场营销 |
| 市场细分的细分市场分为同质组的客户,他们每个人的反应不同的促销活动,沟通、定价和营销组合的其他变量。细分市场形成的方式显示在每段客户之间的差异。因此,每一段可以单独解决的有针对性的营销组合。 |
| 细分市场由一群顾客分享一组类似的需求和希望。营销者的任务是识别部分并决定谁的目标。利基营销是一种更狭义客户群寻求一种独特的混合的好处。营销者通常确定利基市场的一段划分成子段。细分市场的客户有不同的需要,他们愿意支付溢价公司最能满足他们的需求。利基市场是不可能吸引其他竞争对手;它通过专业化收益某些经济体。利基市场总是有规模、利润和增长潜力。段是相当大的,通常吸引许多竞争对手而利基市场是相当小的,通常只吸引一个或两个竞争对手。基层营销或当地营销活动集中精力尽可能密切和个人相关的个人客户。 The ultimate level of segmentation leads to customized marketing or one-to-one marketing. However not every company will go for customization as it leads to raise the cost of product or service by more than the customer is willing to pay. |
| 主要细分变量是地理、人口、心理和行为。可能是企业的首要任务是寻找新客户或留住现有客户交叉销售给现有的客户。不同的业务优先级会让一些细分维度比其他人更重要。 |
使用数据挖掘和细分市场 |
| 孔雀(1998)确定了几个潜在的使用数据挖掘领域的营销,包括客户获取、客户保留、客户放弃和市场篮子分析[10]。因此对比数据挖掘和分割是在这项研究中考虑到上述地区的销售。 |
| 顾客:营销人员可以使用数据挖掘方法发现属性可以预测客户的反应提供和推广项目。因此顾客可能通过匹配的属性转换非定制应对新的优惠和促销活动。然而,在分割通常一群人是类似的需求,特征或行为。从而为客户获取相似类型的部分需要有针对性的与类似的提供和推广项目。 |
| 客户保留:使用数据挖掘可以识别顾客的贡献少在公司销售,谁可能会离开,去一个竞争对手。可能有各种原因。因此公司可以设计特殊的优惠和奖励留住这样的客户有需求。在市场细分,只要提供适合客户保留的特定段没有这样的问题出现。然而,在细分市场营销者必须想出更多的优惠和奖励为部分客户有额外的需求。 |
| 客户放弃:数据挖掘可以发现客户是否对公司的底线产生负面影响[11]。这将是更好的为公司拒绝这样的客户不利成本而不是有助于经济增长。通常的细分目标完成。针对意味着段的实际选择的公司想为需要一个产品是专门设计来满足。因此,在分割公司需要管理客户的满意度水平,而不是排斥它们。 |
| 市场购物篮分析:零售商和直接营销人员可以使用购物篮分析数据挖掘技术找出产品的亲和力。通过识别产品在销售点购买之间的关联交易的零售商可以开发集中促销策略。分割使用定位技术。定位是选择产品的营销组合最适合目标段(s)。定位是使客户形成意识画面的一种公司的产品在他们的思想关系可用的其他产品。 |
结论 |
| 本研究想得出分割坐在价值创造链在市场营销的开始而另一端的数据挖掘是价值链。 |
 |
| 分割操作大致公平而数据挖掘技术给预测每个主体,允许决策是由伟大的精度。细分营销理解的现实意义研究。然而,数据挖掘技术可以作为适当的细分市场营销的工具。如果数据挖掘模型建立正确,这样的模型/技术可以发现部分与不同的概要文件和特点将导致丰富的分析基于分割方案,而只是行为分割基于业务规则。这将增加业务分割的意义和价值。 |
引用 |
|