不完善数据下精确营销战略设计方案.docVIP

不完善数据下的精确营销战略设计 一、引言 近年来，随着市场竞争环境的日趋激烈，越来越多的成功企业致力于通过数据挖掘(Data Mining)、组合优化(Combinatorial Optimization)、联合分析(Conjoint Analysis)等管理科学分析工具开展精确营销 (Precise Marketing)活动。例如，A通过诸如协作过滤(Collaborative Filtering)和关联规则挖掘(Association Rule Mining)等技术工具向客户推荐书籍和礼品；博彩业巨头哈瑞娱乐(Harrah’s Entertainment)基于先进的数据挖掘和决策科学营销(Decision-Science Marketing)，通过激发客户需求和关联消费，在经济不景气的大环境下取得平均22%的年增长；最近炙手可热的窄告(Narrow Ad.)理念则是通过语义分析、自动聚类、模式识别、知识管理、行为分析及人工智能等技术实现信息的精确传递。归纳而言，精确营销的通常路径是，利用数据自动收集、行为特征分析、关联规则挖掘等技术形成全方位、多视角的客户档案(Customer Profiles)，通过建立和实施高效的推荐系统(Recommendation Systems)，开展有针对性的营销活动。 近年来，由不完善数据质量引发的在市场营销、组织沟通、质量控制等方面的严重管理问题越来越引起企业和学者的关注。尽管许多公司基于最新信息科技研发了不少改善数据质量的实用工具和方法，学术界在收集、管理、评估数据质量等方面也提出了很多极具建设性的方案和建议，然而总体而言，上述努力仍大多局限于数据的精确性方面，缺乏超越信息系统领域的更广阔思维；同时，由于精确营销方案涉及经济学、营销学、运筹学、信息科学、人工智能等跨学科特性，容易导致学术研究和解决方案相对局限于少数领域，缺乏综合性的战略视角和整体框架。本文以文新集团东方票务的精确营销实践为出发点，通过构建明确的以客户为中心的数据总线架构，贯彻实施基于增强型价值网络的数据收集战略，并在数据分析过程中引入创新性的变量拓展，试图从战略理念角度探索困扰现有企业营销决策的数据不完善问题。 二、文献回顾 知识经济时代，如何基于信息技术准确传递和有效利用高质量的信息数据，越来越成为企业建立和提升核心竞争能力的关键所在。Richard Marsh(2005)指出，商业数据/信息是组织最有价值的资产之一，企业必须采取有效措施，确保此类资产能够被准确、及时和恰当的利用。Richard Y. Wang等学者(1998)率先正式提出了信息产品化管理的观点，即为了准确传递和有效利用高质量的信息，企业应从正式产品(而非副产品)的高度去重视、管理和传递信息产品。Donald Ballou等学者(1998)将数据的产生和维护过程定义为信息制造系统(IMS, Information Manufacturing System)，并分别从数据生产者和数据消费者两个视角，强调数据价值和成本的权衡、信息产品的时效、质量和成本。Yang W. Lee等(2003)将企业对知识信息的复杂处理视为完整的数据生产流程(Data Production Process)，并细分为三个不同功能领域：数据收集、存储维护和分析利用，对应于上述不同功能，企业应明确相应的工作角色：数据收集员(Data Collector)、数据管理员(Data Custodian)和数据利用员(Customer Consumers)，为有效提升知识管理质量，企业应格外重视数据收集员的作用。Richard Y. Wang等(1998)提出了信息产品管理(IPM, Information Product Management)四原则：深入理解客户信息需求、精细化信息处理流程、根据产品生命周期理论管理信息、指派信息产品管理员(IPM)负责信息处理和产出。 所谓数据质量，通常指数据相对于用户需求的适宜程度，基于不同视角可以进一步细分为不同维度，如内在(Intrinsic)数据质量、环境(Contextual)数据质量、代表(Representational)性、可获取性(Accessibility)等维度。准确性(Accuracy)、完整性(Integrity)、一致性(Consistency)、完全性(Completeness)、有效性(Validity)、及时性(timeliness)、易得性(Accessibility)、依从性(Compliance)等，并提出了提升全数据质量管理的四步骤。由于数据质量问题涉及的环节众多，且影响因素非常复杂，多年来企业界和学术界基于不同的数据质量标准维度，进行了很多有助提升数据质量水平的有益探索和尝试。Ken Orr(1998)提出了