零售业数据挖掘的再认识.docVIP

零售业数据挖掘的再认识 数据挖掘随着零售业信息化进程的展开，不断的被提及，并且很多人对其充满了好感和信心，但从国内的实际情况来看，成熟的数据挖掘离我们依然遥远。 网:m 数据挖掘有其现实缺陷 当前国内零售业的数据挖掘工作基本上还处于探索阶段，之所以难以形成良好的发展势头，简而言之有以下两个原因： 主要管理者的观念仍然还处于逐鹿中原的状态数据挖掘的概念引入国内时间不短，应该说比零售业各种崭新业态的引进还早，但在零售业内始终难以形成对数据挖掘的有效需求。现阶段国内各大商家都将主要精力仍集中于扩张抢地、排兵布阵，对销售的提升手段也不外乎节假日里山呼海啸般的促销，几乎还难以形成对后台客户数据的关注。主要管理者重视不够，就没有足够的投入，各方面的配合也谈不上，所以数据挖掘几乎处于一片空白状态。 基础条件缺乏我们知道，国内的各种业态基本上都是从国外克隆过来的，直观上的如布局、装潢、商品陈列、促销方式，甚至包括员工的服务方式等都是容易学习的，而对于诸如仓储、物流、管理、客户数据的收集、整理和挖掘这些方面，由于是在后台进行，所以很难快速学习并投入实用。 进行数据挖掘所必须的条件就是顾客的历史数据，没有数据，一切都无从谈起。而积累大量可靠的历史数据，需要精心的准备，漫长的时间。从筹建历史数据库方面来看，整个零售业都是年轻的，所有竞争者基本上都处于一个起跑线，关键是看谁观念新一些，动手早一些，决心坚定一些，行为执著一些。就此而言，沃尔玛的山姆会员店应该会取得先发优势。 通过对客户数据的挖掘分析来指导经营管理工作，这是零售业发展的助推器，也是一个必然的趋势，而管理者的态度和自身技术状况又是数据挖掘的两翼。基于目前国内的情况来看，助推器自身双翼不展，短时间内也就难以形成气候。 时机的选择仍然是个大问题 应该承认，并非任何情况下都适合进行数据挖掘。只有在市场环境比较成熟，顾客的消费习惯相对稳定之时，也就是说，一定的顾客群体已经习惯于在某些固定的商家购买消费品，对该商家的商品质量、价格、服务等方面均形成认可之后，商家为了进一步挖掘消费潜力，并希望通过数量化的客户管理方法进一步实现业绩的提升，这时才有了对消费者各个方面详细信息的分析与挖掘的需求。而在消费者的行为不够稳定、消费习惯还仍然是价格敏感型之时，商家在特定时间的大规模促销自然是最佳的业绩提升与争夺市场份额的方法。所以从现实意义上而言，目前数据挖掘赢得掌声却没有市场的状况是与环境的特定需求相吻合的。 但如果能够找到一个比较巧妙的思考角度，很多困难就会迎刃而解，网上就是一个比较理想的切入点。目前许多商家都有自己的网站，虽然在功能上只是简单的以介绍、商品和即时信息为主，还难以实现B2C（BusinesstoCustomer）的功能，但只要管理者决定将网站的职能转向以销售为主，相信数个月内即可完成技术上的转型。而且网上订货，送货上门这种经营方式也已经有了比较成熟的经验，相对于及时准确地送货上门服务而言，网上订货和支付从技术上已经可以比较圆满地解决。 随着网络进入家庭，尤其是高学历高收入者的家庭，网上销售必然会在市场各种销售方式中占据相当大的份额。更重要的是，商家通过网上销售自己的商品的同时，可以与顾客实现无障碍沟通，再辅之以必要的鼓励与诱导，就可以通过网络获得顾客更多有用的信息，而这些，恰恰是数据挖掘所最需要的。 新兴的烦恼 数据挖掘的主要长处在于其预测功能。只要历史条件会重复，历史结论就会重复或至少具有巨大的相似性。 比如，向顾客进行会员卡的金卡推介时，在消费潜力的深化开发方面，通过对持有会员卡顾客历史数据的模型分析，确定其中持有金卡的顾客都有哪些共同参数特征，那么其他具有这些特征的顾客就是金卡的最可能办理者。 在选择的参数中，收入无疑是有着最明显指示作用的，但如果我们把收入的范围细化，就会发现还需要其他更加详细的参数来辅助分析。比如通过观察历史数据，发现年收入3万至10万这部分顾客中，持有会员卡的比例高达70%，其中有20%为金卡，30%为银卡，其余50%为铜卡。现在把收入区间分割成3万到5万、5万到8万和8万到10万三个子区间。在每个子区间办理会员卡的顾客中，5万到8万这个子区间持有银卡的顾客最多，这部分顾客的构成大体包括：高收入行业的年轻未婚人员，普通行业的中层管理人员。高收入行业的年轻未婚人员通常背景和行业前景良好，消费观念前卫，在刚刚步入工作岗位之际，无牵无挂，当获得了自己无法打理的高额收入后，难免会产生强烈的购物欲，这种消费是带有盲动性的，同时也是不稳定的，一旦环境有所变化，他们的行为将是不可预期的。而普通行业的中层管理人员虽然职位不高，行业前景一般，但基本形成了比较成熟的理财观念和消费习惯，所以这部分人群是商家值得依赖的稳定的消费群体。在引入是否已婚、是否有子女、是否与父母居于一处等参数后，