论文部分内容阅读
随着国内各个大型零售超市的迅速崛起和国外零售超市企业的介入,中国国内零售行业的竞争已经到了非常激烈的程度。零售超市企业要在竞争中立于不败之地,必须充分重视客户关系管理。数据的指数级增长和智能化分析技术的发展同时为顾客关系管理带来了机遇和挑战。对顾客进行细分并发现最有价值的顾客,整合企业有限资源对重点客户进行差异化服务,为企业在残酷的市场竞争中保持竞争力有着极为重要的意义。而发现最有价值的顾客,关键在于对客户特征有全方位的把握。数据挖掘(Data Mining)可以快捷有效的处理大量历史和现有数据,能够从数据库中发现一些潜在的、有用的、有价值的信息来应用于超市经营。本文旨在应用数据仓库的原理和数据挖掘方法进行零售企业顾客细分,然后对不同顾客群进行客户特征分析。从零售行业的特殊性入手,结合零售业客户关系管理理论,引入数据挖掘理论和技术,以某大型零售超市作为研究对象,构建基于数据挖掘和数据仓库理论的零售超市企业客户管理系统。本文做的主要工作如下:(1)本文的研究对象为国内某超市的运营及客户数据,针对国内超市的数据冗余数据、无效及错误数据多,可供使用的客户属性少等特点,设计了新的数据清洗及属性提取的方法,并利用Transact-SQL语句进行实现,为客户细分及客户特征分析打定坚实的基础。(2)目前流行的数据挖掘数据处理的软件各有其优点,本文基于实际应用的需要,根据数据特征及各软件的优劣,把各软件有机的整合于从数据预处理、数据仓库构建、模型构建、模型评价、结果分析呈现的数据挖掘流程中。充分发挥了各种软件的优势。(3)对零售超市的客户价值提出了新的分类方法,接着进行实证分析,通过聚类分析的数据挖掘处理方法,对客户进行细分。在聚类数目的选择上,采用类间的距离均值比较方法,实现了理论基础与数据的统一。为了对细分的方法与传统的矩阵划分方法比较,采用组间方差和组内方差对传统矩阵划分方法与聚类方法进行比较。确认了聚类方法较之传统的矩阵划分方法的优势。(4)在对客户进行细分的基础上,为了挖掘各类客户的特征,分别对各类客户群体使用关联规财挖掘方法,得到关于客户特征组合的规则,并且根据超市的实际对规则进行解释。以对超市的营销管理工作提供参考。(5)根据客户对打折商品的偏好程度,利用数理统计的方法,对客户进行另一个方向的划分,再用关联规则挖掘方法,得出具有不同打折偏好的各类客户的特征。论文的研究提供了具有一定应用价值的研究方法和成果,旨在帮助零售超市企业根据客户价值准确的细分客户,进而全面把握各类客户的特征,进行有针对性的市场开发和策划营销,提高企业核心竞争能力。