如何利用数据挖掘算法进行精准营销？

数据挖掘，已成为各大公司的必备职位，针对顾客行为和购买历史等进行数据整合、分析挖掘，达到精准定位营销的目的。但数据挖掘并不是简单的数据采编，更多需要一些算法技巧，比如我们做数据挖掘会采用分类算法、聚类算法、关联规则等。下面 大圣众包威客平台 我就这三种算法详细介绍下，如何实现精准营销。

分类算法：

我们做电商平台，用户留存是很重要的一部分，但顾客流失走向我们是无法控制的，只能通过预测，这时就需要运用到分类模型。分类算法属于预测性模型，根据过去数据、分析来预测将来一段时间的行为过程。分类学习方法所使用的数据集称为训练集，训练集中每一个个体都有明确的类别，通过训练集中的数据表现出来的特征，为每一个类找到一种准确的描述或者模型。其优点是容易理解、预测准确度高。分类算法有logistic回归，神经网络、贝叶斯分类器、SVM等算法。

分类算法实际应用案例：

比如高尔夫球场，这个跟天气情况关系密切，因为前期的数据分析，得出天气是否晴朗，气温如何，湿度如何、风力如何都会影响到打高尔夫球场的人，因此，作为一个高尔夫球场的运营人员便可以根据分类模型，去构建决策树，不同的天气因素，决定是否开放等。

聚类算法：

说完分类算法，谈谈聚类，聚类算法主要是按照样本、数据自身的属性去归类，用数学方法根据相似性或差异性指标，定量确定样本亲疏关系。聚类有Kmeas，Two-step

聚类算法实际应用案例：

电商公司想要新进一批高端服装，但究竟进什么款式等，这需要根据消费群体特征来分类，首先需要从上一年的数据，查看顾客购买行为、消费额、购买时间等通过聚类方法进行分类，找出每类群体的特征，然后根据这类群体进行相应的推送，而不是广撒网模式。

关联规则：

关联分析是从大量数据中发现样本之间有趣的关联和关系，从而为用户推送。关联分析主要用“支持度”(support)和“置性度”(confidence)两个概念衡量事物之间的关联规则。关联规则A->B的支持度support=P(AB)，指的是事件A和事件B同时发生的概率。置信度confidence=P(B|A)=P(AB)/P(A),指的是发生事件A的基础上发生事件B的概率。这有点像我们高中的概率学。

我们常见的电商平台，“为你推荐”、“购买该产品的用户还购买了”等都属于关联分析，其依据就是通过分析之前购买产品的顾客的购物篮分析，分析顾客的购买习惯，可以帮助零售商制定营销策略。

数据挖掘不是简单的数据整合，采集，更多是根据用户的行为习惯，深入分析用户的意图，了解背后的动机，才能给予企业决策，更好服务营销。

原文地址： http://www.dashengzb.cn/articles/a-146.html

1.

识别客户，让你知道哪些是你的潜在客户，哪些客户的忠诚度比较高，根据这些数据得到你的客户分类；

2.

对不同类型的客户实施精细化分级管理，满足客户需求，同时能够节省成本、增加效率，最终保有和提升客户的忠诚度；

3.

准确定位客户的购买行为，通过需求分析、购买力分析、满意度分析等数据分析挖掘，不断改进货品和服务，能够更好的满足客户需求，增加销量、节约成本，以达到营销的目的。

目前很多企业都会利用CRM结合大数据技术进行客户信息挖掘。当今销售形式大多是"供大于求"，产品繁多，同质化严重，因此"想客户之所需"才显得更为珍贵。而使用百会CRM，能够充分利用数据挖掘技术，对海量存储的客户资料进行分析、挖掘、处理、总结，从而找出不同客户之间的相似点，对客户进行分类，而后用最合适的产品满足最合适的客户。交易达成，业绩增加，企业与客户也形成了一种新型的合作关系。

---