数据挖掘背景下企业精准营销策略研究
发布时间：2023-03-27 点击：
发布：《现代商业》杂志社
摘要:随着计算机网络技术的发展和应用，大数据时代已经悄然到来。数据的应用也渗透到各行各业和功能领域，成为各行各业发展的重要参考要素和生产要素。大数据对企业生产经营和精准营销的影响尤为明显。从企业的角度，探讨如何在企业生产经营中借鉴数据分析和挖掘，分析大数据对企业精准营销的影响，判断企业生产经营和精准营销的未来方向。
关键词:数据挖掘；企业；精准营销策略
一、企业的数据挖掘与精准营销
(一)什么是数据挖掘
数据挖掘？简而言之，就是从数据库、数据仓库或其他类型的信息库中存储的大量数据中提取或挖掘相关信息数据知识的过程。它的发展和应用与计算机网络技术的发展密切相关。作为大数据时代的产物，更多的人和公司将数据挖掘作为数据库中知识发现的一个基本步骤，包括:对原始数据进行分析整理，对数据进行整合，将整合后的数据存储在数据库中，然后进入数据筛选阶段，主要包括三个步骤，筛选所需数据，数据挖掘，对数据进行模型评估，最后进行总结分析，获得相关知识和经验。如果将数据挖掘视为一个系统，那么典型的数据挖掘系统包括登录图形用户界面、评估模型、使用数据挖掘引擎以及使用数据库或数据仓库服务器进行数据处理。其中，模型评估和挖掘引擎的数据挖掘都离不开知识库的帮助。数据库或数据仓库服务器是以基础数据或宏观数据为基础，对分析后的数据进行进一步筛选，然后存储在数据仓库中[1]。
(二)数据挖掘的作用
公司、企业的正常运转都离不开数据挖掘。数据已经成为企业分析判断现阶段相关工作趋势，总结工作，并据此制定下一阶段计划的重要参考对象，因此也是企业重要的生产要素。因此，利用好数据，进行数据挖掘对于公司的发展非常重要。
(三)数据挖掘具有表征和数据微分的功能
所谓“表征”是指对相应概念的数据进行概括，并描述这些数据的特征。比如，一个科技产品企业，想要研究上一年销售额增长20%的科技产品的特点，可以利用相关电子产品的销售数据，研究消费相关科技产品的消费群体，甚至描述具体的客户特征，得出消费群体与电子产品的相关性，从而根据具体的科技产品来把握消费群体，实现企业利益最大化。数据鉴别是将目标概念数据的特征与其他概念数据的特征进行比较。例如，企业可以将去年实际销售额增长30%的A类电子产品与去年实际销售额下降20%的B类电子产品进行对比，根据具体数据分析相关产品的优劣，或者从消费群体的角度分析相关情况的原因。通过数据挖掘和分析发现，经常和偶尔购买电子产品的顾客中，80%的人年龄在20-40岁之间，受过大学教育。偶尔，60%的购买者年龄太大或太小而没有大学学位[2]通过分析具体数据，得出具体原因，并根据实际群体的需求调整相关经营策略。
(四)数据挖掘具有分类、预测和聚类分析的功能
分类和预测是指通过数据挖掘找出描述和区分数据类或概念的模型，然后方便地通过模型预测未来对象的趋势。聚类分析是指在某些共性或具体特征的基础上，对一些无序的、不相关的具体事物进行有序的分类。聚类分析的原理是最大化类内相似度，最小化类间相似度。它主要体现在数据挖掘中，表明企业可以通过对具体的零散数据进行分类，梳理出每组数据之间的偶然和必然关系，全面客观地看待企业的具体经营情况，分析和调整企业下一阶段的经营策略，对企业的发展具有长远意义。
(五)数据挖掘具有离群点分析和趋势分析的功能
所谓“离群点”是指数据库中可能包含的一些对象，与数据的一般行为或模型不一致，这些数据对象就是离群点。虽然离群值与企业的数据分析没有直接关系，也常常被舆论所抛弃，但在罕见或特殊事件的欺诈检测和分析中，离群值发挥着不可替代的作用。趋势分析是指分析对象随时间变化的规律性趋势。与孤立的点分析情况不同，趋势分析通常用于公司或企业的数据挖掘和分析。趋势分析包括衰退分析、周期分析和基于相似性的分析，比如研究股市的数据趋势，分析方法就是基于相似性的分析。
二、企业的精准营销
精准营销是指为了提高生产经营利润，实现企业效益最大化，改变原有的营销模式，开发基于大数据的新型营销模式。它的产生和发展是随着大数据的发展而变化的。一直以来，营销行业的核心是围绕用户、客户和消费群体的利益来组织企业业务和产品；如今营销行业发生了四大变化:一是企业开始使用不同的数字平台进行数字营销；二是企业开始创造新的内容吸引用户，进行内容营销；第三，企业开始重视营销科学，用数据了解用户行为，区分不同营销方式和渠道的推广效果；第四，数据帮助企业提供个性化服务，提升客户体验。不难看出，企业的精准营销是通过大数据技术的分析预测能力，洞察和预测用户需求，为客户提供量身定制的服务来驱动的；大数据精准营销最重要的价值是对用户的个性化营销。所以，企业精准营销是大数据时代的产物，适应了大数据时代的发展要求，精准营销与数据挖掘不无关系。
三、企业如何基于数据挖掘技术进行精准营销
(一)充分挖掘用户与产品的关系
通常情况下，企业对用户或消费群体的数据关注主要是关注对象的一些具体特征，如年龄、性别、地域、活动范围、受教育程度、兴趣信息、线上行为、线下行为等；同时也部分覆盖了用户的社交关系。因此，如果我们要对这些信息数据进行挖掘和处理，就可以分析不同的消费群体、受众群体及其消费偏好。这些是具体可靠的可引导信息；企业在投放广告时，可以根据这些信息进行人群匹配，从而提高广告的到达率和准确率，用户对广告的接受度也会相应提高[3]。企业要真正达到精准营销的目的，就要充分利用这些数据，将这些用户数据和自己真正需要的产品建立关联，然后进行精准营销。
(二)正确处理精准营销中隐私与精准的矛盾
在公司、企业进行数据挖掘和精准营销的过程中，为了彻底分析用户，不可避免地会泄露用户的隐私信息，由此产生的精准营销必然与用户隐私有关，这也成为目前一些公司、企业在进行精准营销过程中不得不考虑的问题。数据挖掘经常分析相关性。比如企业公司的数据挖掘，根据用户转发的某个科技产品的信息，往往会认为用户与这个科技产品相关；但如果在数据挖掘过程中，相关公司、企业收集到与该科技产品相关的评论信息、该产品购买的消费信息以及购买渠道信息等。，那么它们将被进一步关联以确定这个用户是否真正喜欢这个产品。换句话说，相关公司和企业掌握的用户数据越多，就越能确定用户与这种技术产品的相关性，也就越能确定用户的实际偏好和内在需求。所以，对于这个用户所代表的特定消费群体，公司精准营销的可靠性就越大。但相关公司在追求准确性和数据挖掘的同时，在推送相关信息时，要特别注意保护用户的核心信息，保护用户的隐私，维护用户和消费者的合法权益。
(三)突破机器的束缚，根据实际情况缩小差异
虽然大数据分析和数据挖掘可以对消费者的喜好和实际需求实现一定程度的参考和借鉴，但相关公司和企业不能忽视的是，个性化推荐本来就是机器做的，依靠机器的数据挖掘和数据处理，企业和用户之间往往存在隔阂。因此，相关企业和公司如何采取一定的措施，突破机推与消费者现实差异的困境，成为他们不得不面对的又一难题。摆在相关公司和企业面前的解决方案是，全面分析当前的困境，找准问题，综合施策，尽可能了解用户的实际需求。相关公司、企业的工作人员要“从幕后走到台前”，真正与客户接触，结合多维度跨网数据的抓取，对用户进行全面分析，突破完全依赖机器的壁垒，从而在精准管理的道路上更进一步。
(四)精准营销中常用的数据挖掘算法
(1)聚类
(2)聚类不仅是数据挖掘的功能特征，也是精准营销中常用的数据处理形式。之前已经提到了聚类的相关概念，即把物理或抽象对象的集合划分为由相似对象组成的多个类的过程。聚类分析的内容非常丰富，包括系统聚类法、有序样本聚类法、动态聚类法、模糊聚类法、图论聚类法、聚类预测法等。体现在数据挖掘上，聚类的典型应用是帮助企业和市场分析师从客户信息库中寻找和发现不同的客户群体，根据每家每户的实际购买情况绘制购买模式，刻画不同客户群体的特征。为了加深理解，我们以互联网广告的投放和应用为例。广告投放后，互联网广告主和相关企业运营者要根据实时反馈的数据，及时优化和调整投放策略，积累越来越多的有效用户数据。有效用户数据是指用户的电子商务行为数据，如用户的浏览、点击、加入购物车、购买等行为数据[5]。利用这些行为数据，再加上聚类算法的判断标准，帮助电商广告主进行客户分组，即将行为相似的用户用不同的分类标准聚集在一起；比如可以分为:高价值用户、一般价值用户、潜在用户；或者分为:追求优质用户、追求实用用户和追求个性化用户。然后进一步挖掘和刻画不同客户群体的特征，从而为相关企业积累相关客户的信息特征，进一步确定用户的实际需求，满足其消费心理。
(3)分类
分类和聚类，两者的本质区别在于:受众的标签类别是已知还是未知。换句话说，该分类对于受众标签类别是已知的。也就是预定义的类别，类别的数量，甚至类别之间的层次关系都是已知的。在数据挖掘应用于企业精准营销方面，为了便于理解，进一步区分了互联网广告的应用实例；其中，电子商务是同时使用两种算法的典型领域。效果广告的初始阶段称为冷启动阶段。对于大多数非英雄电商广告主来说，没有第一方数据或者数据量稀疏，导致依靠历史数据积累发挥作用的算法无法使用。那么，如何在冷启动阶段做广告呢？利用分类算法针对广告平台预先分类的人群无疑是明智的。这里需要强调的是，并不是分类算法不需要数据积累，而是人群分类本身是基于整体情况和历史受众行为的，之前的数据积累和分析过程已经完成[6]。聚类算法的应用可以通过研究消费者行为，进一步发掘新的潜在市场，高效挖掘潜在客户，从而最大化企业自身的利润水平。
数据挖掘对企业自身转变生产经营方式、提高企业效益具有长远影响。作为大数据时代的产物，数据挖掘技术的相关应用促进了企业的精准营销；企业的精准营销为数据挖掘技术的进步奠定了基础，两者相辅相成，相互影响。在可预见的未来，越来越多的公司和企业将基于数据挖掘进行精准营销，这对于企业的发展和管理方式的创新非常重要。
参考文献：
[1]数据挖掘原理与算法[M]. 中国水利水电出版社 , 邵峰晶,于忠清编著, 2003
[2]郑州市小微企业融资发展问题研究[J].陈利敏.农家参谋.2017(24)
[3]广州“四化”模式助中小微企业强势生长[J].领导决策信息.2017(46)
[4]制约小微企业发展内外因分析——以辽宁省大连市为例[J].刘娜.财会学习.2018(04)
[5]互联网金融下小微企业的融资模式[J].张丽坤.财会学习.2018(07)
[6]互联网金融下小微企业融资问题分析[J].汤文宣.经贸实践.2018(03)
关键词:数据挖掘；企业；精准营销策略
一、企业的数据挖掘与精准营销
(一)什么是数据挖掘
数据挖掘？简而言之，就是从数据库、数据仓库或其他类型的信息库中存储的大量数据中提取或挖掘相关信息数据知识的过程。它的发展和应用与计算机网络技术的发展密切相关。作为大数据时代的产物，更多的人和公司将数据挖掘作为数据库中知识发现的一个基本步骤，包括:对原始数据进行分析整理，对数据进行整合，将整合后的数据存储在数据库中，然后进入数据筛选阶段，主要包括三个步骤，筛选所需数据，数据挖掘，对数据进行模型评估，最后进行总结分析，获得相关知识和经验。如果将数据挖掘视为一个系统，那么典型的数据挖掘系统包括登录图形用户界面、评估模型、使用数据挖掘引擎以及使用数据库或数据仓库服务器进行数据处理。其中，模型评估和挖掘引擎的数据挖掘都离不开知识库的帮助。数据库或数据仓库服务器是以基础数据或宏观数据为基础，对分析后的数据进行进一步筛选，然后存储在数据仓库中[1]。
(二)数据挖掘的作用
公司、企业的正常运转都离不开数据挖掘。数据已经成为企业分析判断现阶段相关工作趋势，总结工作，并据此制定下一阶段计划的重要参考对象，因此也是企业重要的生产要素。因此，利用好数据，进行数据挖掘对于公司的发展非常重要。
(三)数据挖掘具有表征和数据微分的功能
所谓“表征”是指对相应概念的数据进行概括，并描述这些数据的特征。比如，一个科技产品企业，想要研究上一年销售额增长20%的科技产品的特点，可以利用相关电子产品的销售数据，研究消费相关科技产品的消费群体，甚至描述具体的客户特征，得出消费群体与电子产品的相关性，从而根据具体的科技产品来把握消费群体，实现企业利益最大化。数据鉴别是将目标概念数据的特征与其他概念数据的特征进行比较。例如，企业可以将去年实际销售额增长30%的A类电子产品与去年实际销售额下降20%的B类电子产品进行对比，根据具体数据分析相关产品的优劣，或者从消费群体的角度分析相关情况的原因。通过数据挖掘和分析发现，经常和偶尔购买电子产品的顾客中，80%的人年龄在20-40岁之间，受过大学教育。偶尔，60%的购买者年龄太大或太小而没有大学学位[2]通过分析具体数据，得出具体原因，并根据实际群体的需求调整相关经营策略。
(四)数据挖掘具有分类、预测和聚类分析的功能
分类和预测是指通过数据挖掘找出描述和区分数据类或概念的模型，然后方便地通过模型预测未来对象的趋势。聚类分析是指在某些共性或具体特征的基础上，对一些无序的、不相关的具体事物进行有序的分类。聚类分析的原理是最大化类内相似度，最小化类间相似度。它主要体现在数据挖掘中，表明企业可以通过对具体的零散数据进行分类，梳理出每组数据之间的偶然和必然关系，全面客观地看待企业的具体经营情况，分析和调整企业下一阶段的经营策略，对企业的发展具有长远意义。
(五)数据挖掘具有离群点分析和趋势分析的功能
所谓“离群点”是指数据库中可能包含的一些对象，与数据的一般行为或模型不一致，这些数据对象就是离群点。虽然离群值与企业的数据分析没有直接关系，也常常被舆论所抛弃，但在罕见或特殊事件的欺诈检测和分析中，离群值发挥着不可替代的作用。趋势分析是指分析对象随时间变化的规律性趋势。与孤立的点分析情况不同，趋势分析通常用于公司或企业的数据挖掘和分析。趋势分析包括衰退分析、周期分析和基于相似性的分析，比如研究股市的数据趋势，分析方法就是基于相似性的分析。
二、企业的精准营销
精准营销是指为了提高生产经营利润，实现企业效益最大化，改变原有的营销模式，开发基于大数据的新型营销模式。它的产生和发展是随着大数据的发展而变化的。一直以来，营销行业的核心是围绕用户、客户和消费群体的利益来组织企业业务和产品；如今营销行业发生了四大变化:一是企业开始使用不同的数字平台进行数字营销；二是企业开始创造新的内容吸引用户，进行内容营销；第三，企业开始重视营销科学，用数据了解用户行为，区分不同营销方式和渠道的推广效果；第四，数据帮助企业提供个性化服务，提升客户体验。不难看出，企业的精准营销是通过大数据技术的分析预测能力，洞察和预测用户需求，为客户提供量身定制的服务来驱动的；大数据精准营销最重要的价值是对用户的个性化营销。所以，企业精准营销是大数据时代的产物，适应了大数据时代的发展要求，精准营销与数据挖掘不无关系。
三、企业如何基于数据挖掘技术进行精准营销
(一)充分挖掘用户与产品的关系
通常情况下，企业对用户或消费群体的数据关注主要是关注对象的一些具体特征，如年龄、性别、地域、活动范围、受教育程度、兴趣信息、线上行为、线下行为等；同时也部分覆盖了用户的社交关系。因此，如果我们要对这些信息数据进行挖掘和处理，就可以分析不同的消费群体、受众群体及其消费偏好。这些是具体可靠的可引导信息；企业在投放广告时，可以根据这些信息进行人群匹配，从而提高广告的到达率和准确率，用户对广告的接受度也会相应提高[3]。企业要真正达到精准营销的目的，就要充分利用这些数据，将这些用户数据和自己真正需要的产品建立关联，然后进行精准营销。
(二)正确处理精准营销中隐私与精准的矛盾
在公司、企业进行数据挖掘和精准营销的过程中，为了彻底分析用户，不可避免地会泄露用户的隐私信息，由此产生的精准营销必然与用户隐私有关，这也成为目前一些公司、企业在进行精准营销过程中不得不考虑的问题。数据挖掘经常分析相关性。比如企业公司的数据挖掘，根据用户转发的某个科技产品的信息，往往会认为用户与这个科技产品相关；但如果在数据挖掘过程中，相关公司、企业收集到与该科技产品相关的评论信息、该产品购买的消费信息以及购买渠道信息等。，那么它们将被进一步关联以确定这个用户是否真正喜欢这个产品。换句话说，相关公司和企业掌握的用户数据越多，就越能确定用户与这种技术产品的相关性，也就越能确定用户的实际偏好和内在需求。所以，对于这个用户所代表的特定消费群体，公司精准营销的可靠性就越大。但相关公司在追求准确性和数据挖掘的同时，在推送相关信息时，要特别注意保护用户的核心信息，保护用户的隐私，维护用户和消费者的合法权益。
(三)突破机器的束缚，根据实际情况缩小差异
虽然大数据分析和数据挖掘可以对消费者的喜好和实际需求实现一定程度的参考和借鉴，但相关公司和企业不能忽视的是，个性化推荐本来就是机器做的，依靠机器的数据挖掘和数据处理，企业和用户之间往往存在隔阂。因此，相关企业和公司如何采取一定的措施，突破机推与消费者现实差异的困境，成为他们不得不面对的又一难题。摆在相关公司和企业面前的解决方案是，全面分析当前的困境，找准问题，综合施策，尽可能了解用户的实际需求。相关公司、企业的工作人员要“从幕后走到台前”，真正与客户接触，结合多维度跨网数据的抓取，对用户进行全面分析，突破完全依赖机器的壁垒，从而在精准管理的道路上更进一步。
(四)精准营销中常用的数据挖掘算法
(1)聚类
(2)聚类不仅是数据挖掘的功能特征，也是精准营销中常用的数据处理形式。之前已经提到了聚类的相关概念，即把物理或抽象对象的集合划分为由相似对象组成的多个类的过程。聚类分析的内容非常丰富，包括系统聚类法、有序样本聚类法、动态聚类法、模糊聚类法、图论聚类法、聚类预测法等。体现在数据挖掘上，聚类的典型应用是帮助企业和市场分析师从客户信息库中寻找和发现不同的客户群体，根据每家每户的实际购买情况绘制购买模式，刻画不同客户群体的特征。为了加深理解，我们以互联网广告的投放和应用为例。广告投放后，互联网广告主和相关企业运营者要根据实时反馈的数据，及时优化和调整投放策略，积累越来越多的有效用户数据。有效用户数据是指用户的电子商务行为数据，如用户的浏览、点击、加入购物车、购买等行为数据[5]。利用这些行为数据，再加上聚类算法的判断标准，帮助电商广告主进行客户分组，即将行为相似的用户用不同的分类标准聚集在一起；比如可以分为:高价值用户、一般价值用户、潜在用户；或者分为:追求优质用户、追求实用用户和追求个性化用户。然后进一步挖掘和刻画不同客户群体的特征，从而为相关企业积累相关客户的信息特征，进一步确定用户的实际需求，满足其消费心理。
(3)分类
分类和聚类，两者的本质区别在于:受众的标签类别是已知还是未知。换句话说，该分类对于受众标签类别是已知的。也就是预定义的类别，类别的数量，甚至类别之间的层次关系都是已知的。在数据挖掘应用于企业精准营销方面，为了便于理解，进一步区分了互联网广告的应用实例；其中，电子商务是同时使用两种算法的典型领域。效果广告的初始阶段称为冷启动阶段。对于大多数非英雄电商广告主来说，没有第一方数据或者数据量稀疏，导致依靠历史数据积累发挥作用的算法无法使用。那么，如何在冷启动阶段做广告呢？利用分类算法针对广告平台预先分类的人群无疑是明智的。这里需要强调的是，并不是分类算法不需要数据积累，而是人群分类本身是基于整体情况和历史受众行为的，之前的数据积累和分析过程已经完成[6]。聚类算法的应用可以通过研究消费者行为，进一步发掘新的潜在市场，高效挖掘潜在客户，从而最大化企业自身的利润水平。
数据挖掘对企业自身转变生产经营方式、提高企业效益具有长远影响。作为大数据时代的产物，数据挖掘技术的相关应用促进了企业的精准营销；企业的精准营销为数据挖掘技术的进步奠定了基础，两者相辅相成，相互影响。在可预见的未来，越来越多的公司和企业将基于数据挖掘进行精准营销，这对于企业的发展和管理方式的创新非常重要。
参考文献：
[1]数据挖掘原理与算法[M]. 中国水利水电出版社 , 邵峰晶,于忠清编著, 2003
[2]郑州市小微企业融资发展问题研究[J].陈利敏.农家参谋.2017(24)
[3]广州“四化”模式助中小微企业强势生长[J].领导决策信息.2017(46)
[4]制约小微企业发展内外因分析——以辽宁省大连市为例[J].刘娜.财会学习.2018(04)
[5]互联网金融下小微企业的融资模式[J].张丽坤.财会学习.2018(07)
[6]互联网金融下小微企业融资问题分析[J].汤文宣.经贸实践.2018(03)
