《管理客户关系管理问题研究【论文】》

如何利用数据挖掘管理客户关系68341绪论 页共11页1绪论1.1研究背景电子商务模式，又称为O2O商务模式，是指将现代企业实行线下的商务机会与互联网结合，让互联网成为线下交易的前台的商业模式。这种模式就是实现线上线下一体化，可以直接借助互联网平台来在线上进行对产品的宣传，来吸引到大多数的客户资源，让客户直接在线上对商品的参数种类进行了解和筛选并直接付费，在到实体店来提取自身在线上所购买的商品。1.2国内现状O2O电商企业数据边界的模糊化将直接受到用户数据暴增和数据社会化的影响，这些庞大的用户量所带来的数据，已经极大的超越了企业的规划范围和人力所能处理的范围。过大的用户群体导致已经超过数据库的承载范围，使得数据捕获成本在极具的进行提升，数据的价值得不到保障并且不能够清楚的得知，成为O2O电子商务面临的最为突出的问题所在。根据相关数据反映，在这个互联网大数据时代，电子商务用户的年平均增长率已经将近60%，在这其中企业能够捕获的大约只有30%左右，能够有效进行利用的更是不到5%，作为020电商最为重要的资源，用户数据得不到充分的挖掘。1.3国内现状电子商务改变了人们以往的生活方式，推动其走向了一个新的阶段，并且已经受到了各行各业的认可，从而大力的朝着电子商务模式进行发展，现阶段已经电商已经覆盖到了市面上多个领域，为经济的增长发挥了重要的作用。电子商务服务业正在逐渐地吃呢更为现代最为核心的一个产业。《中国互联网络发展状况统计报告》指出，直到2018年年初，中国网名的数量已经突破8亿人，普及率相比总人数已经突破了一半儿；2018年上半年新入网的网名将近3000万，相比2017年年末又增长了3.8%；其中，移动端的网名达到7.9亿，网名通过移动设备来对接互联网的比例高达98.2%。《2019-2024年中国互联网市场前景及投资机会研究报告》中提出，2018年年末，我国在网络上进行消费购物的用户数量已经突破6亿人，相比上一年又增加了14.5%，相比所有的网名比例已经高达73.7%。通过移动设备来进行网络购物的用户已达5.9亿人，比往年增加了17.3%，使用比例占据总用户的72.6。1.4本文研究内容本文以eBay为主要分析对象。eBay是一个典型的O2O电子商务购物平台，本文通过进行数据挖掘的方法对eBay进行应用分析，分析在eBay上新用户的消费行为、用户的历史数据、用户再生阶段消费者行为的数据，以及对消费者具体行为的结果进行分析。2数据挖掘技术概述2.1数据挖掘定义数据挖掘能够将大规模的数据进行储存，并且这些数据都能够大量的来进行利用，结合自身的需求来将这些数据转换成对自身由帮助的信息，这也是数据挖掘为什么能够收到大多数企业重视并使用的主要原因。数据挖掘得到的这些信息可以应用到各个领域，比如市场内心、科学探索、管理商务等等。因此，也可以说信息技术自然演变的结果就是数据挖掘。2.2数据挖掘类型数据挖掘类型主要有以下几类：2.2.1分类这是数据挖掘类型最为普遍的一种，数据所代表的对象的类型用目标数据来进行表述。例如在医学的应用中，病人的分类可分为有症状和正常无症状两大类；在金融的应用中，可按风险程度来分为高风险和低风险来进行区分。分类数据挖掘将优先的从一个训练集中初步得到模型，该训练集中的信息数据都将被这个模型所覆盖。在将新的数据参照该模型进行划分。2.2.2估计这种类型在结构上基本等同于分类。分类的估计目标数据项具有连续性的特征，而分类目标数据项具备离散型。2.2.3预测通过对过去和当下行为的数据进行分析，以此来对未来的行为进行判断和猜测。在严格意义上来说这归纳为一种特别的估计或者分类，其预估的结果就是目标数据项。2.2.4聚集将一组对象呈现出几个板块，每一个板块以簇来进行称呼，并且每个簇中的对象都具有一定的等同性。聚集分析相对于其他数据挖掘方法往往占据着优先的位置。2.3数据挖掘过程数据挖掘的流程如下图所示：图2.1数据挖掘的过程将业务存在的问题现状清晰明了的给提出来，对数据挖掘的作用和目的进行了解，才是掌握数据挖掘的前提。数据挖掘受到一些不可控因素的影响，最后的结构也存在着一种未知性，但是所要进行追寻分析的问题是可知晓的，因此，为了数据挖掘而数据挖掘是无法完成最终的目的。具体过程可从以下几个方面来执行：2.3.1数据准备数据的选择：对相关信息进行搜集，信息的范围为一切和对象有关的数据信息，在这些信息中进行筛选，将能够收到数据挖掘应用的数据提拔出来，实现数据源的提出。其中，数据仓库就是数据挖掘最为合理的数据源。多个零散的数据库中的数据所集合，就形成了数据仓库，并将各个数据之间不对等的现状给予消除。如果数据仓库不能获得，那么就要对应的从各个数据库之间来将数据进行提拔。数据挖掘有时候在对数据进行搜寻提拔的时候，还要将原来的数据库进行相应的调整，以此来满足可用数据源的获得，例如将历史数据的保留期就行延伸就是典型案例。2.3.2数据挖掘将所有转换后的数据集合到一起进行自动搜寻具有特殊性的数据。在这一过程中，除了完善和选择以外的其他过程都是自动操作执行的[17]。2.3.3分析和同化结论分析：对结果进行评价并解释，该出现过的分析方法一般都会在数据挖掘操作中进行利用，涉及到可视化技术。解释并评估结果，其使用的分析方法一般应作数据挖掘操作而定，通常会用到可视化技术。知识的同化：将分析之后得到的数据信息归纳到业务信息系统的组织结构内部去。2.4数据挖掘的方法2.4.1市场篮分析（关联分析）（MarketBasketAnalysis）将一次活动中可能会多次出现的对象进行搜寻，从而推脱出的模型会将一组对象同时出现的可能[18]。具体方法即是将各种组合出现的可能利用科学的方法来计算，当这个可能性达到一定的值时，那么该对像组合即证明了同时出现的对象。eBay的市场一天的数据分析各个商铺之间存在着大大小小的紧密性。用户在对产品进行选择和购买的时候，极大的可能会将产品周边的其他产品，又或者是同一种产品的其他产品进行选择、这些商品之间就存在着一种类似性。对客户的这些行为特征进行分析，并参照着已购买的产品种类，对客户未来还要选购的产品进行预测。2.4.2聚集分析（ClusterDetection）通过对数据的分析将一个数据归纳为几个簇，这些簇的特征大致相同，反之，将多个相同特征的簇整合集中。eBay平台的交易量用ORACLE数据库进行聚集分析。对推广质量，商品关联分析。进行交叉销售和自动交叉销售。刺激消费者消费欲望，增大销售金额。2.5O2O平台的数据挖掘技术应用2.5.1挖掘客户的购买行为电子商务活动中最为普遍的数据挖掘行为就是对客户客户的购买行为和特征进行判断分析[22]。客户购买行为分析是结合众多客户以往的交易情况，推算出客户交易、流转之间的规律，并以此为参考创设信息视图，来促进企业更加贴近的了解客户的需求特征，促进客户服务质量得到提升，最终实现企业效益的增长。2.5.2分析客户对站点的访问行为客户对站点的访问行为大致呈现以下两个方面，即：一方面是对客户的访问模式进行分析；第二方面是对客户在站点内部所形成的访问记录进行分析。2.5.3从历史销售数据中挖掘交易规律电子商务活动中产生的大量的交易数据是一类非常有挖掘价值的数据，关键在于从什么角度去挖掘，确定什么样的目标。3O2O平台的数据挖掘应用案例分析3.1分析对象本文以eBay为主要分析对象。eBay是一个典型的O2O电子商务购物平台，本文通过进行数据挖掘的方法对eBay进行应用分析，分析在eBay上新用户的消费行为、用户的历史数据、用户再生阶段消费者行为的数据，以及对消费者具体行为的结果进行分析。3.2新用户消费行为的数据挖掘3.2.1数据挖掘技术的使用步骤3.2.1.1衡量指标“用户质量”定义确认第一指标：eBay平台成功注册并上市后对一个月内的交易金额进行统计，金额和用户质量之间将呈现出一种正比关系，即用户质量会伴随着金额的增加而提升。第二指标：eBay平台成功注册并上市后对一个月内的交易用户比例进行统计，交易用户的比例越高那么对应的用户质量也就越好。虚拟投资回报率：通过媒体宣传的形式所吸引的新用户在eBay平台上成功交易的金额/所有新用户的获得成本。这都是源于eBay的利润都是从卖家销售金额按照一定的百分比进行征收，而不是从买家身上来获取，并不属于真正意义上的投资回报率。3.2.1.2假定条件由于传统媒体的效果存在的一种特性，导致其无法直接的来进行衡量，对此eBay的广告战略就一直是主张互联网平台下的网络推广，让用户直接利用互联网搜索的方式找到eBay公司网站，就可以直接进行注册。所以，本章对互联网媒体效果于某市场一日销售数据进行分析。3.2.1.3eBay公司广告推广媒体介绍门户广告推广的主要媒体非常的广泛，如：腾讯，网易，新浪等等；利用网络搜索的模式来进行推广的主要媒体有：百度、谷歌、雅虎等等；垂直网站广告推广的主要媒体有：盛大、卓越、猫扑等等。3.2.1.4历史数据获取要获取历史数据就要加强对新用户的挖掘，并将外部媒体所吸引来的新用户进行对比。从现阶段具备的数据仓库中所属的“用户信息”板块来将历史数据进行获得。详情见图1所示即是客户数据的显示，是通过运用PLSQLr软件对数据库中存储的历史数据通过select语句进行查询，其中在语句中输入媒体名称、媒体消费、新用户量、活跃用户数量、新用户交易额、新用户成本、活跃用户比数例和虚拟投资回报率进行历史数据查询，这样就可以在ORACLE数据库系统中得到如下所示的数据。图3.1数据库查询数据显示3.2.2用户获取数据的历史数据分析从整体的角度来看，联盟网站广告的新用户获取的投资回报率是最高的，反之，对应的成本确实最少的；门户网站广告是投资回报率最低的广告模式；用户的活跃最高的即是搜索引擎广告。门店网站所需的广告费用相对于整个市场的预算值来看，占据了百分之六十，对新用户的贡献率也毫不逊色的突破百分之五十五，但是最终用户成功交易的金额却仅仅只有百分之二十二。广告费用最低的媒体宣传模式就是联盟网站和搜索引擎，分别占比13%和14%，但这两个媒体的用户特征也存在着诸多不同点：联盟网站的新用户比例已经超过30%，交易额更是达到将近40%，新用户呈现出一种非常强烈的活跃特性，但是对于大多数用户而言，他们自身的购买能力并不是特别的强，购买的商品多数为一些比较廉价的商品。而搜索引擎只带来了不到20%的新用户，这少数的新用户带来的交易额却已经达到34%，可见搜索引擎带来的用户具有非常强的购买能力。3.2.3eBay基于数据挖掘结果的市场营销调整1）由于联盟网站的用户消费水平和能力都比较低，因此其广告内容推荐的商品将主打低价位的廉价商品，以此来提高用户的满意度，促使活跃度进行提升；反之，对于搜索引擎媒体，则主张高质量，高定位的高价格商品。2）在搜索引擎渠道上的预算进行提升，这都是源于该渠道的用户消费群体的消费水平都处于一个变高的阶段，完全符合现阶段公司的发展战略。在对搜索引擎的广告投入进行增加的时候，也要尽量选择一些高质量的搜索引擎媒体，避免相对口碑较差的，如百度等等。3）综合的来衡量“活跃度”和“消费水平”的优先级，对联盟湾站媒体上的广告投入基于实际情况来进行相应的调动。当用户活跃度高交易的金额却没有达到标准水平时，那么就要对投放进行缩减，反之就进行扩充。4）通过以上广告投放策略调整，尽量能够做到精准营销，发挥每个媒体的特色贡献。5）绝大多数广告的投入只对QQ进行了保留，还要继而的深入对QQ各个广告位置带来的效果进行调查分析，将效果相对领先的广告位置进行保留。3.2.4eBay市场营销策略的调整效果2017年广告投放结果表明，整体互联网广告的投入产出比从3.9提升到了8.7，平均新用户获得的成本从美元47.76降低到了美元32。3.3用户再生阶段消费者行为数据挖掘1）：在过去的六个月里都存在消费交易的行为的客户群体2）通过运用目前的ORACLE系统，深度把握客户信息。如图2所示为客户数据查询模块，这一模块是通过运用PLSQL软件中源自ORACLE的后台端调用。在该软件模块中，通过后台的数据分类调用，得到这些用户所有的交易信息（包括电子邮件地址、购买商品类别、购买商品名称、购买商品金额）。图3.2数据库数据查询示例3)数据的清洗数据很大程度上存在不符合要求的情况，而主要包括不完整的、错误的、重复的数据。在将获得的众多数据，进行分类，并编制筛选规则，将重复的消费记录，缺失的消费记录进行筛除。逐步获得具体得到最后的有效数据列表。4）获取历史数据报表示例如下图3所示，这是运用ORCLE数据库软件进行select语句筛选，其中在语句中输入类别：用户ID、用户名称、用户性别、用户邮箱、商品类别、交易金额。就可以得出如下所示的历史数据信息。图3.3eBayORLCE数据库数据筛选结果示例

结论综上所述，本研究对于数据挖掘技术在电子商务中的应用进行了详细分析，研究成果如下：（1）本文对数据挖掘技术概念进行了界定，数据挖掘在当前已经融合了多个学科的知识，不仅包含了机器学习，以及各类的模式识别和相关的统计学等研究成果。数据挖掘能够对海量的数据进行清除，然后对数据进行整理，从而得出所需要的精确数据。（2）本文对数据挖掘在网络狗太的的应用进行总结，主要有挖掘客户的购买行为，分析客户对站点的访问行为，从历史销售数据中挖掘交易的规律。（3）本文以eBay网站为例，对其数据挖掘行为进行分析，该平台公国挖掘消费者的消费行为数据，从而获得了相关的结果，然后调整自身的营销战略，从而促进市场营销的发展，并且本文还以eBay的具体销售数据进行了论证。参考文献彭楚钧,邓恩.基于大数据的电子商务专业《网络营销》课程教学改革研究[J].