浅谈数据挖掘技术在交叉销售中应用.docVIP

浅谈数据挖掘技术在交叉销售中应用 　　摘要：随着经济的快速发展，不同企业之间的竞争已经从过去的以产品为中心的竞争逐渐发展为以客户为中心的竞争。为了满足客户的不同层次需求，企业利用数据挖掘技术充分发现客户的潜在需求，并且进行有针对性的营销，已经成为现代企业进行交叉销售的重点。本文首先阐述交叉销售的概念和优点，然后对数据挖掘的概念做了简要说明，进而探讨利用数据挖掘技术进行交叉销售分析。 　　关键词：交叉销售 数据挖掘 关联规则 　　一、交叉销售的概念 　　交叉销售，就是发现现有客户的多种需求，并通过满足其需求而实现销售多种相关的服务或产品的营销方式。金融业里如银行和保险进行交叉销售最为普遍，因为客户在购买产品或服务时都必须提供真实的个人资料，银行和保险就可以利用这些数据一方面分析客户的实际需求，作为市场调研的基础；另外一方面也可以将这些信息资源与其他互补型企业共享，相互开展有针对性的营销，当然这些工作需要在切实保护好客户个人隐私信息的前提下。 　　交叉销售主要有以下几个优点： 　　第一、可以满足客户需求多样化，提升客户的忠诚度。通过交叉销售，满足客户的多样化需求，使客户拥有公司多个不同的产品，这样既提高了客户的忠诚度，又有效的减少了客户流失率。 　　第二、可以节约公司寻求新客户的成本。这是因为交叉销售所针对的对象是公司的现有客户，对公司来说，可以大幅减少调研和寻找新客户的成本，而且在服务和维持客户方面，由于客户已经在使用公司产品和服务，随着其对公司的产品和服务的增加，流失率自然大幅下降，对公司来说营销成本大幅降低。 　　第三、可以提高客户对公司的信赖程度。企业通过交叉销售获得了价格溢价而且稳定了老客户，另一方面对很多客户来说，如果企业可以及时提供理想的产品和服务，他们也非常乐意与企业保持良好的关系，减少其花在重新选择产品和服务的时间和成本。 　　二、数据挖掘的概念 　　数据挖掘，在人工智能领域，习惯上又称为数据库中的知识发现（Knowledge Discovery in Database）， 也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程由以下三个阶段组成：（1）数据准备；（2）数据挖掘；（3）结果表达和解释。数据挖掘是一种决策支持过程，它主要运用统计学的抽样、估计和假设检验以及人工智能和机器学习的搜索算法和建模技术，高度自动化地分析企业的数据，从中挖掘出潜在的行为模式，做出归纳性的推理，进而帮助企业决策者制定市场策略，做出正确的分析和决策。 　　三、交叉销售和数据挖掘 　　企业在进行交叉销售时应该清楚意识到，交叉销售是以企业现有销售数据仓库为基础，深度挖掘客户关系管理（Customer Relationship Management），运用统计或人工智能等方法对数据进行分析和建立模型，进而找出客户与产品以及产品与产品之间的关系，以此来制定有针对性的营销战略。有一个非常有趣的 “啤酒与尿布”的故事，讲述的是在美国沃尔玛连锁超市，售货员把尿布和啤酒放在货架上一起出售，然而这个让人觉得不可思议的举措却使得尿布和啤酒的销量双双增加了。这是因为沃尔玛基于数据仓库各门店的详细交易数据进行数据分析和挖掘，发现了隐藏在“啤酒和尿布”背后的美国年轻爸爸们的一种行为模式：年轻爸爸们在下班后经常会超市买婴儿尿布，而他们中的30%—40%同时会为自己随手捎上喜欢的啤酒。 　　四、数据挖掘在交叉销售上的应用 　　在利用数据挖掘技术对交叉销售做分析前，要引入一个概念：关联规则，是指在数据库中，两个或者多个变量之间存在的某种规律性的联系或可被发现的知识，这种关联规则衍生开来就是隐藏在数据背后的消费者的行为模式。通常企业会进行以下几个阶段： 　　第一、建模阶段 – 发现和产生关联规则 　　建模过程的主要目的是估计企业已经购买产品的客户再购买另外一种新产品的概率，它基于现有的销售数据库，利用数据挖掘技术来建立数据模型，来预测未来客户行为的可能性。在交叉销售模型建立过程中，我们可以利用决策树Decision Tree，神经网络Neural Network和逻辑斯蒂回归Logistic Regression三种学习机来预测哪些客户有可能成为新产品的潜在购买者，简单来说就是用数据库中现有变量对购买新产品可能性这一特定变量进行描述，分析员可以对每一种可能的标的销售组合建立单独的预测模型，发现所有关联度高的变量组合，并产生数据背后隐藏的关联规则。 　　第二、评分矩阵产生阶段 —— 用预测模型进行评分 　　每一种不同销售组合都对应一种预测模型，但这并不代表所有的模型都有很强的预测力，分析员会选择最强变量相关度的模型进行进一步的分析，进而产生一评分矩阵，矩阵的每一行代表一位客户，每一列代表对这位客户不同产品交叉销售的评分， 评分越高说明客户购买那种产