浅析数据库营销中的市场细分(3)
2016-07-19 01:16
导读：数据库营销中市场细分的方法可以分为5项：关联分析、分类和预测、聚类分析、孤立点分析、演变分析等。实现上述功能的算法包括统计类的诸如回归分
数据库营销中市场细分的方法可以分为5项：关联分析、分类和预测、聚类分析、孤立点分析、演变分析等。实现上述功能的算法包括统计类的诸如回归分析、时间序列、判别分析、因子分析；神经学习网络类的诸如粗糙集、决策树、模糊集、支持向量集等等。数据库营销中的市场细分的过程，如图1所示。
第一，确定市场细分参数。即决定使用何种参数从数据库的海量数据中提取相应的用户数据对用户进行细分。一般目前企业级的数据库营销应用中，为了更加精确地描述实际市场情况，模型的设计维数都比较高，设计与提取的参数数量一般都需要上百个。
第二，数据准备。一般前面两个步骤就会占据整个过程的50-90%的时间和精力。需要完成的工作包括：数据收集、数据描述、数据质量评估和数据清理、合并与整合、构建元数据，加载数据挖掘库等。
第三，数据分析与验证，运用数据挖掘的方法，将初步确定参数的具体数值进行分析，进而发现参数设定的有效性并进行参数的变换，形成对解释问题有效的参数集。
第四，建立模型。通过以上步骤，建立相应的数据模型，为了保证得到的模型具有较好的精确度和健壮性，需要一个定义完善的“训练-验证”协议，进行模型训练与优化。
第五，模型应用与评估。按照确定的参数将目标用户导入模型进行细分，同时分析同类用户的各种特征，找出其中隐含的关联，为分析与应用提出结论。最后还要根据实际情况，对模型输出进行营销学上的解释，并进行实施效果评估。
参考文献：
1、张晓航.基于聚类算法的客户细分[J].通信企业管理,2005(12).
2、David Hand等著;张银奎等译.数据挖掘原理[M].机械工业出版社,2003.
（科教范文网http://fw.ΝsΕΑc.com编辑）
3、Jiawei Han,Micheline Kamber著;范明,孟小峰等译.数据挖掘:概念与技术[M].机械工业出版社,2001.
4、陈祖义,华勇,王培.商业数据挖掘技术的应用及发展[J].当代经济,2007(4).
