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

什么是数字化营销  

数字化营销（DigitalMarketing）是利用数字化的媒体、数字营销工具，通过人群画像进行大数据来分析用户潜在属性及行为特征，并精准锁定用户提高销量的营销战略，主要目的是建立以用户运营为中心的新营销体系，运用新的在线化工具，能够帮助企业实现对用户的直接连接，在连接的基础上，企业可以实现直接面对用户用户运营。

如何进行数字化营销？

传统营销管理的过程往往被很多条件所约束如人力、物力、成本预算等，而数字化营销首先需要将企业的产品或服务进行数字化、卡券化、虚拟化，降低制作成本。其次制定数字化营销战略并渗透到消费者购买决策的每一步中，比如知晓、感兴趣、完成购买、分享等。最后通过数字化营销平台分析数据，获得消费者购买行为轨迹，获取消费者反馈信息，优化营销战略。具体的数字化营销总的来说可以从以下四个方面进行：

1、市场营销数据和分析管理  

从目标市场、产品定位、促销活动和影响因素出发，实现个性化精准推送，提高转化率，利用图片、语音、视频等形式丰富和完善人群画像，通过用户购买行为进行分析从而预测出下一步购买决策。

2、营销活动管理  

建立售前、售中、售后不同销售阶段的服务理念，制定营销项目管理机制。维护现有用户、激活沉淀用户、寻找潜在用户。企业可不定时的发放优惠产品信息刺激用户再次消费，如利用小额话费、流量包等提高用户黏性。

3、营销内容管理  

结合企业的品牌定位，想要达到的销售目标，进行内容营销创意，从制作，投放，宣传推广需要企业全程参与，营销内容及时改进及优化。

4、营销运营管理 

数字化营销需要营销部门及非营销部门的每位员工参与，需要多部门配合，降低成本，增加效益。

---