连锁超市数据挖掘模型的建立

人口与经济 POPULATION ＆ ECONOMICS 2010 年增刊 连锁超市数据挖掘模型的建立 戴 茜 在中国，大型连锁超市已经相当普及，各 大超市纷纷推出会员制 制度 关于办公室下班关闭电源制度矿山事故隐患举报和奖励制度制度下载人事管理制度doc盘点制度下载 ，发放会员卡，这 些会员卡是商家了解客户，了解商品销售的一 个渠道，如果能够利用这些已有的数据，发现 隐藏的有用信息，就能够给商家的销售额增长 很大的帮助。但是一些大型超市似乎未能意识 到自己手中数据的价值，只是把其放在了电脑 中的数据库里，定期清理一下。这样，不仅失 去了会员制的意义，也白白流失了大量的决策 信息，使企业缺乏有效的竞争力。因此，连锁 超市想要在激烈的商战中更快、更稳的发展起 来，数据挖掘就是其依赖的技术之一。 一、数据挖掘概述 数据挖掘就是从大量的、不完全的、有噪 声的、模糊的、随机的数据中，提取隐含在其 中的、人们事先不知道的、但又是潜在有用的 信息和知识的过程，又称为数据库中知识发 现。它是一个从大量数据中抽取挖掘出未知 的、有价值的模式或规律等知识的复杂过程。 目前，数据挖掘技术已经运用在很多领 域，尤其是在银行、电信、保险、交通、零售 等商业领域。在激烈的市场竞争中，数据挖掘 技术可以从海量数据中获取有用信息，探索和 挖掘客观规律，从而为经营决策提供正确的指 导。因此，数据挖掘是现代企业赢得竞争优势 的重要保证，具有广泛的应用前景。 从超市的角度看，数据挖掘能够应用在多 个管理领域，如对会员数据进行挖掘，商家并 非要向所有的顾客提供优质的服务，这样维护 成本太大，通过挖掘这些数据，可以将会员定 义为几大类，然后根据各类的特性，有针对性 的提供服务，既让客户觉得贴心又可减少维护 成本。对销售数据进行挖掘，得出不同客户的 购物偏好，那么在对不同会员进行促销宣传时， 就可根据这些偏好来制定不同的宣传策略，进 行个性化营销;还可以知道一些货物流通速度 较快，需要多采购一些，而一些货物需求量少， 就少采购一些，从而简化采购和库存。 二、建立挖掘模型 数据仓库构建过程比较复杂，需要从企业 的组织结构和具体行业的业务特点出发，借助 合理的原数据模型和粒度模型，构造出数据仓 库的概念模型，从而实现具体业务的概念化和 抽象化，并进一步在概念模型和逻辑模型的基 础上，建立起数据仓库的物理模型，以完成数 据仓库的物理实现。 概念模型是从现实世界到机器世界的一个中 间层次，是成功构建数据仓库的第一步。其设计 关键，是所有与数据仓库相关的客观实体均能得 到准确的理解，并完整地包含在模型中。逻辑模 型是从概念模型到物理模型的中间层，一般而 言，高层概念模型中的每一个主要的实体或主题 域，都需要建立一个对应的逻辑模型。进行物理 模型设计需要了解数据库管理系统，并了解数据 的存储结构和方法，还需要对系统时间和空间的 使用效率进行平衡和优化。 在客户关系管理中，客户细分是其关注的 焦点之一，它的理论在于客户既有共性，也有 区别于其他客户的自有特点，将不同的客户根 据其消费特点进行分组，针对不同的客户提供 不同的服务，满足不同客户的消费需求，提高 客户的忠诚度，以最大限度的增加利润，提高 市场占有率和渗透率。会员制连锁超市可以根 据会员的消费特征，通过数据挖掘将会员分为 贵宾型、重要型和普通型三种。他们分别带给 企业的利润占总利润的 50%、30% 和 20%。 企业在此基础上再根据自己的需要运用不同的 细分方法。 超市中的客户细分，可以先使用聚类算法 对客户进行分类和描述，再使用分类算法，对 客户购买行为进行预测，当添加新的数据记录 时，也可以用分类算法将新数据放进已知类 ·251· 中。简要模型如下。 数 据 源 数据 仓库 或数→ 据库 → 聚 类 挖 掘 → 分 类 挖 掘 细 分 、→ 预 测→ 聚类 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 是由若干模式组成的，通常，模 式是一个度量的向量，或者是多维空间中的一 个点。聚类分析以相似性为基础，在一个聚类 中的模式之间比不在同一聚类中的模式之间具 有更多的相似性。聚类分析可以作为其他算法 的预处理步骤，作为一个独立的工具来获得数 据的分布情况。 通过聚类算法进行客户细分之后，商家对 用户的购买行为习惯有了大致的了解，但是仅 仅知道该客户是贵宾型、重要型还是普通型还 是不够的，商家应该在细分的基础上，对不同 类型的客户，即不同消费习惯的客户通过分类 算法对他们的购买行为进行预测，然后向这些 客户进行有针对性的产品推销。 分类的目的是找出一组能够描述数据集合 典型特征的模型或函数，以便能够识别未知数 据的归属或类别。分类模型能够通过数据挖掘 分类算法从一组训练样本数据中获得。分类能 对未来数据进行预测。数据分类一般分为两个 步骤实现:第一步，建立模型，描述预定的数 据类集或概念集。第二步，使用已建好的模型 对剩余的数据进行分类。 超市通过分类算法，可以细化通过聚类得 到的客户信息，如对于贵宾型会员，他们的特 征属性是什么，他们喜欢购买什么样的商品， 等到下次，再有类似属性的新会员加入时，就 可以将他直接放入贵宾型会员类，然后向他进 行有针对性的个性化服务。当然，并不是说这 些类别划分之后就不再变动，当有新数据加入 其中后，就需要重新进行划分，会员的分类也 会有所变动。 基于关联规则算法的购物篮分析有一个真 实的案例:沃尔玛超市通过数据挖掘关联规则 分析发现一个有趣的关系，即啤酒和尿布一起 出现的概率比较高，通过调查分析，得出这样 一个社会现象:刚做父母的年轻夫妻，丈夫在 下班之后，去超市买啤酒的同时也会把尿布带 回家。沃尔玛将货架进行重新设计，把尿布放 在啤酒的附近，销量大幅增加。 关联规则是发现交易数据库中不同商品之 间的联系，这些规则可以找出顾客购买行为模 式，如购买了某一商品对购买其他商品的影 响。发现这样的规则可以应用于超市中商品货 架设计、存货安排以及根据购买模式对用户进 行分类。关联规则一般有两个参数描述其属 性:可信度和支持度。概括地说，可信度是对 关联规则的准确度的衡量;支持度是对关联规 则重要性的衡量。通过关联规则分析，商家可 以知道哪些产品都比较受欢迎，将这些货品搭 配在一起促销或是将货架安排在一起可以有更 高的销售量。 三、如何实现客户满意度调查 客户满意度是指客户期望值与实际感知差 异的函数。所以，如果客户的期望值等于实际 感知，他就会感觉一般，如果超出了他的期望 值，他就会感觉非常满意。 客户满意度是客户忠诚度的基础，要想留 住客户，尽可能提高客户忠诚度，就需要努力 提高客户的满意度。但是，客户忠诚度与满意 度之间并不是简单的正相关关系，调查结果为 “基本满意”的顾客，并不一定是忠诚顾客， 当竞争对手出现时，“基本满意”顾客就有会 流失。只有高满意度的客户，才 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 现出高忠诚 度和低流失率。只有让顾客感到完全满意才能 够建立稳固的客户群。 如何对客户的满意度进行调查呢?这就需 要商家认真细致的调研，了解客户的需要，改 进现有的服务水平等，并与客户建立长期交 往。经验告诉我们，非常满意的客户重复购买 的可能性是满意客户的 6 倍，他们创造的利润 也比其他客户要大得多。为了留住更多的会 员，创造更大的利润，客户满意度应是会员制 企业现今必然重视的环节之一。 通过上述分析可以看出，数据挖掘技术已 经成为会员制连锁超市在激烈竞争中脱颖而出 的制胜法宝。客户细分是所有问题分析的前提 和基础，只有将客户定位，并通过进一步的关 联规则分析，了解不同客户的不同消费偏好和 需求预测，根据这些偏好对个体进行商品宣传 和促销，制定个性化的服务，对客户实施个性 化营销，最大限度的挖掘客户的消费潜力，提 高绝大部分客户的满意度，减少客户流失，最 终提高企业的利润。 (作者单位:首都经济贸易大学信息学院) ·351·