聚類分析在企業(yè)網(wǎng)絡(luò)營銷中的應(yīng)用_客戶關(guān)系-論文網(wǎng)_第1頁
聚類分析在企業(yè)網(wǎng)絡(luò)營銷中的應(yīng)用_客戶關(guān)系-論文網(wǎng)_第2頁
聚類分析在企業(yè)網(wǎng)絡(luò)營銷中的應(yīng)用_客戶關(guān)系-論文網(wǎng)_第3頁
聚類分析在企業(yè)網(wǎng)絡(luò)營銷中的應(yīng)用_客戶關(guān)系-論文網(wǎng)_第4頁
聚類分析在企業(yè)網(wǎng)絡(luò)營銷中的應(yīng)用_客戶關(guān)系-論文網(wǎng)_第5頁
已閱讀5頁,還剩22頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、聚類分析在企業(yè)網(wǎng)絡(luò)營銷中的應(yīng)用_客戶關(guān)系-論文網(wǎng)論文摘要:本文針對企業(yè)網(wǎng)絡(luò)營銷中的大量數(shù)據(jù)為基礎(chǔ)進行數(shù)據(jù)的分析,依據(jù)數(shù)據(jù)挖掘技術(shù)中典型的聚類分析方法進行數(shù)據(jù)的處理,并以一個網(wǎng)絡(luò)營銷公司為例,對其客戶信息進行了聚類分析,得到了一些有價值的信息,對于企業(yè)的營銷策略的決策給與一定的支持。論文關(guān)鍵詞:聚類分系,網(wǎng)絡(luò)營銷,策略,客戶關(guān)系0前言現(xiàn)代科學(xué)技術(shù)的迅猛發(fā)展,特別是在互聯(lián)網(wǎng)的應(yīng)用和開發(fā)上更加的迅速,企業(yè)必須通過網(wǎng)絡(luò)對自己的產(chǎn)品加強宣傳以增強自己的競爭力。客戶是一個非常重要的、有價值的重要資源,現(xiàn)在如何更好地從數(shù)據(jù)庫中挖掘出客戶中有價值的信息,更好的培植和經(jīng)營與有價值客戶的關(guān)系,拋棄那些無利可圖沒有

2、發(fā)展前景而且營銷費用高的客戶,并且可以針對不同價值的客戶給與不同的政策同時制定出個性化的營銷策略,這些才能夠保證企業(yè)的生存發(fā)展。對于這一切數(shù)據(jù)挖掘無疑是行之有效的好方法之一。本文以一個網(wǎng)絡(luò)營銷公司為例,提出了一套可操作性的對客戶價值評價方法,然后使用數(shù)據(jù)挖掘技術(shù)中比較常見和常用的聚類分析算法對客戶信息進行聚類從而達到非常重要的信息并為企業(yè)在網(wǎng)絡(luò)營銷中提供決策依據(jù)。1聚類分析聚類(clustering)是對于數(shù)據(jù)挖掘技術(shù)是非常重要的一部分,現(xiàn)在也是數(shù)據(jù)挖掘技術(shù)中關(guān)鍵的一種。聚類的意義就是針對物理或邏輯上的數(shù)據(jù)對象的進行自動分類,最后將數(shù)據(jù)對象分為多個類或簇的過程。對于聚類結(jié)果要使得數(shù)據(jù)對象在同一

3、個分類中具有最大的相似度,而在不同的類中具有最小相似度。聚類的現(xiàn)實意義就是在于可以將數(shù)據(jù)按照一定得關(guān)系進行自動的分類,事先不知道所有的數(shù)據(jù)對象共有多少類,通過算法的處理最后得到一個分類結(jié)果進行應(yīng)用。譬如在市場研究領(lǐng)域中,特別是針對網(wǎng)絡(luò)營銷的企業(yè)或網(wǎng)站,從大量的網(wǎng)絡(luò)數(shù)據(jù)進行分析聚類,可以講客戶分成不同的類別,針對這些類別不同的購買力和興趣愛好來進行個性化的營銷手段,提高企業(yè)的經(jīng)濟效益。目前研究人員大多針對于聚類分析算法的改進和完善進行研究,進而提高聚類分析的工作效率。著名的算法有:CLARANS,BRICH,DBSCAN,CURE,STING,CLIGUE和WaveCluster等。2聚類分析應(yīng)

4、用于企業(yè)客戶資源管理現(xiàn)針對某電子商務(wù)公司進行分析,該電子商務(wù)公司的客戶分布在全國各地以及國外一些地區(qū),現(xiàn)僅列出具有代表性的10個大客戶:吉林,黑龍江,山東,江蘇,浙江,安徽,湖南,緬甸,印度,南非等。在數(shù)據(jù)挖掘的目的就是從客戶中找到一些共同點,在對這些客戶數(shù)據(jù)進行處理前要使用聚類分析的方法進行研究看看這10個客戶能否有一些共同之處以便企業(yè)針對不同類型的客戶給與不同的對策,首先對該公司采用專家打分的方法,而且還有通過網(wǎng)上問卷調(diào)查和訪談的方式,收集各地銷售專員的意見等方式,然后對數(shù)據(jù)加以綜合,最后聚類分析法確定各項指標(biāo)的權(quán)重。那么在具體實施聚類分析法的時候可分為5個步驟進行:第1步:首先對各項指數(shù)

5、構(gòu)建層次結(jié)構(gòu),其中被評定的10個大客戶作為方案層,客戶價值放在目標(biāo)層中進行處理,各項指標(biāo)是準(zhǔn)則層,按照這樣的分層結(jié)構(gòu)來構(gòu)造客戶關(guān)系評價系統(tǒng)中個指數(shù)的結(jié)構(gòu)圖,見圖2-1所示;表2-1指標(biāo)權(quán)重值表 指標(biāo) V V V V V V V V V 權(quán)重 0.0378 0.0401 0.0135 0.0161 0.0251 0.0060 0.0038 0.0091 0.0192 指標(biāo) V V V V V V V V V 權(quán)重 0.0381 0.1498 0.1721 0.0021 0.0201 0.0085 0.0053 0.0231 0.0701 指標(biāo) E E E E E E E E 權(quán)重 0.0212

6、0.0312 0.0754 0.1841 0.0145 0.0510 0.0078 0.0684 第2步:專家打分。請專家從1到9標(biāo)度對草擬的指標(biāo)體系中各項指標(biāo)的重要程度進行賦值,通過這樣的方法來對參數(shù)進行評定第3步:通過對各項指標(biāo)系數(shù)值的兩兩比較來構(gòu)造判斷矩陣,也就是對指標(biāo)系統(tǒng)中的各個元素的重要性和關(guān)聯(lián)程度進行比較。進而構(gòu)造出一個兩兩比較判斷的矩陣,使得矩陣滿足,其中,且,(i,j=1,2,n);第4步:檢驗步驟3所得矩陣的一致性;第5步:利用步驟2和步驟3得到的判斷矩陣來計算每個指標(biāo)的權(quán)重,指標(biāo)權(quán)重值如表2-1所示。2.1確定客戶價值的分?jǐn)?shù)對于該電子商務(wù)公司的這幾個客戶采用基數(shù)標(biāo)度法繼續(xù)進

7、行打分,請10位專家交易記錄信息以及分析大量復(fù)雜的客戶信息給這這些大客戶進行打分,分為5個等級(其中分?jǐn)?shù)1、2、3、4、5分別代表差、及、中、良、優(yōu)),客戶的價值分?jǐn)?shù)的結(jié)果見表2-2,然后將數(shù)值代入公式G=Vu+Vu+Vu+Eu,其中V、V表示各項指數(shù)當(dāng)前價值權(quán)重;u、u表示專家打分后相應(yīng)大客戶所得的分?jǐn)?shù),最后通過公式計算出每個客戶總的價值分?jǐn)?shù)(表2-3),后續(xù)工作就是在此基礎(chǔ)上對大客戶進行進一步細分。表2-2客戶的價值分?jǐn)?shù) 吉 林 黑 龍 江 山 東 江 蘇 浙 江 安 徽 湖 南 緬 甸 印 度 南 非 V V V V V V V V 4 4 5 5 5 5 5 5 4 4 5 5 5 5

8、 5 3 4 4 5 4 4 4 4 5 4 4 4 3 3 4 5 4 4 4 4 3 4 5 4 4 5 3 4 5 5 3 4 5 3 3 4 2 2 5 2 1 4 3 3 4 4 4 3 4 3 5 4 4 4 4 4 5 3 2 4 3 3 3 5 3 V V V V 5 4 5 4 5 5 5 3 4 4 5 4 4 3 4 3 3 5 4 4 4 4 4 3 5 4 4 2 3 5 3 3 3 4 3 2 3 3 2 4 V V V 4 4 3 4 3 4 4 3 5 4 5 3 5 4 2 3 4 4 4 4 4 3 3 4 3 3 5 4 5 4 V V 4 3 5 3 5

9、 5 5 5 4 2 4 4 4 3 5 3 4 4 4 4 E E E E 5 4 3 3 5 4 3 4 5 5 4 4 5 4 4 4 4 4 4 2 4 4 4 4 4 3 4 5 4 4 4 2 4 4 3 3 4 5 2 3 E E E E 5 4 3 1 2 4 3 2 5 5 4 4 5 4 5 4 3 4 2 3 3 4 4 4 3 3 1 4 4 4 4 2 4 4 3 3 4 5 2 4 表2-3客戶的價值分?jǐn)?shù) 客戶 吉林 黑龍江 山東 江蘇 浙江 安徽 湖南 緬甸 印度 南非 當(dāng)前價值 2.6212 2.3897 2.5945 2.3542 2.2784 1.9101

10、2.4687 1.9854 1.9345 2.0612 潛在 價值 1.3021 1.3457 1.7745 1.3457 1.1022 1.3254 1.0234 1.4235 1.2841 1.4578 綜合價值 3.9233 3.7354 4.369 3.6999 3.3806 3.2355 3.4921 3.4089 3.2186 3.519 2.2客戶細分及針對差異營銷策略對于所得到的數(shù)據(jù)進行聚類分析,可以得到對客戶的細分情況信息。聚類分析法的原理是10個大客戶的信息進行分類,把他們分別放到聚集的幾個子集中,保證一個子集內(nèi)的相似度最大,不同子集內(nèi)的相似度最大。直到整個總體都在一個集合

11、之內(nèi)為止。本文相似度計算采用最短距離法,通過計算樣本間的歐式距離,公式為:其中i,j=1,2,n。設(shè)R為分類1,R為分類2,聚合指數(shù)公式為:d(R,R)=mind(x,x),其中xR,xR。為了計算方便引入SPSS統(tǒng)計軟件對客戶進行細分,得到聚結(jié)表如表2-4所示,從表中可清晰的看到客戶被分為4大類。表2-4聚結(jié)表 Stage Cluster Combined Coefficients Stage Cluster First Appears Next Stage Cluster 1 Cluster 2 Cluster 1 Cluster 2 1 2 3 4 5 6 7 8 9 8 6 2 6 5 1 2 1 1 10 9 4

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論