基于数据挖掘的销售策略研究

发布时间：2017-08-20 12:32

  本文关键词：基于数据挖掘的销售策略研究

  更多相关文章： 销售策略 数据挖掘 关联规则 聚类分析

【摘要】：随着社会的进步,生产力水平和信息技术都快速发展,我们的日常生活无时无刻不被影响和改变着。各种新技术、新产品不断涌现在我们的生活中,人们的购物途径正在发生变化。人们更多地将日常购物转向网络购物,因为网络购物不受时间和地域限制,随时随地都可以进行。同时这种变化也给我们带来了挑战。我们面临的选择空间更大了,我们要花费更多时间选择我们需要的产品。对于企业这种趋势的出现既是挑战也是机遇。在这种趋势的推动下,企业面临的竞争对手随处可见。它们无法仅仅依靠产品来保持和赢得客户,而是需要关注客户的个性化需求,及时捕捉客户的需求,并适时采用恰当的销售策略,才能赢得更多的客户。当前客户的购物会产生大量的数据,这些数据中包含着大量的信息,这些信息并没有被充分挖掘和利用。数据挖掘技术的出现使我们可以从客户的购买行为中挖掘客户的潜在需求和购物模式,企业可以根据数据挖掘结果制定销售策略。这对顾客而言,可以在一定程度上节约购物成本;对企业而言可以增加产品销量,提高客户对企业的粘性,从而达到双赢的局面。销售策略研究,是指根据用户的兴趣特征和以往的购买行为,去决定如何以恰当的方式向客户销售其可能购买的商品。基于数据挖掘技术的销售策略是根据客户以往的购买行为,挖掘客户的兴趣偏好信息,结合购物行为中商品之间的相似性,而非商品间的物理属性相似性,向用户销售其感兴趣的商品组合,即所谓的组合销售策略;抑或是根据用户购物行为找到具有相似特征的客户群,结合客户群的生理特征和购物行为相似性,在客户群中为相似客户销售彼此偏好的商品,即所谓的交叉销售策略;还可以根据单个用户过往的购买行为挖掘用户的购买模式,基于其购买模式销售用户可能购买的商品。第一种销售策略是基于对象的销售。第二种和第三种销售策略都是基于用户的销售,前者是基于用户群组的销售,后者是基于单个用户的销售。以上销售策略用到的算法主要有关联规则算法、聚类算法和序列模式挖掘算法。本文主要基于关联规则和聚类算法作讨论。文章首先对国内外的一些研究做了梳理,然后从理论上介绍了常用的数据挖掘技术,并介绍了基于数据挖掘技术的销售策略,发现结合数据挖掘技术的销售策略可以有效应用于各行各业的销售中。其实早就有研究将数据挖掘技术应用于销售策略研究中,但这方面的研究只是一种探索。各行各业也都有一些这方面的应用,只是研究结果并没有被充分挖掘并应用起来。本文在进行理论探索之后,利用某零售商的部分销售记录数据作实证分析,充分验证数据挖掘技术在销售策略研究中的有效性。但是本文的研究也有一些不足之处,没有在研究视野上进行拓展,研究角度上也不全面,没有考虑到时间因素的影响,不过这也是后续研究可以继续努力的方向。
【关键词】：销售策略 数据挖掘 关联规则 聚类分析
【学位授予单位】：兰州财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F274;TP311.13
【目录】：

• 摘要4-6
• Abstract6-11
• 1 绪论11-15
• 1.1 研究背景及意义11-12
• 1.2 国内外研究现状12-15
• 1.3 研究内容及结构安排15
• 2 数据挖掘技术研究15-20
• 2.1 关联规则16-18
• 2.1.1 关联规则的定义16-17
• 2.1.2 关联规则挖掘步骤17-18
• 2.1.3 关联规则适用场景分析18
• 2.2 聚类分析18-20
• 2.2.1 聚类分析的定义18-19
• 2.2.2 聚类分析步骤19
• 2.2.3 RFM分析19-20
• 2.2.4 聚类分析的应用20
• 3 基于数据挖掘的销售策略研究20-25
• 3.1 捆绑销售策略20-23
• 3.1.1 捆绑销售的优势21
• 3.1.2 捆绑销售的产品21-22
• 3.1.3 具体实施策略22-23
• 3.2 交叉销售策略23-25
• 3.2.1 交叉销售的理解23
• 3.2.2 交叉销售的理论基础23-24
• 3.2.3 具体实施策略24-25
• 4 实证分析25-43
• 4.1 数据预处理25-28
• 4.1.1 数据清洗25-26
• 4.1.2 数据集成26
• 4.1.3 数据变换26-27
• 4.1.4 数据归约27-28
• 4.2 问题背景28
• 4.3 数据准备28-31
• 4.4 关联规则31-36
• 4.4.1 数据库类型转换31-33
• 4.4.2 挖掘过程与结果解读33-36
• 4.5 聚类分析36-43
• 4.5.1 RFM模型36-41
• 4.5.2 挖掘结果解读41-43
• 5 结论与展望43-44
• 参考文献44-47
• 致谢47

【参考文献】

中国期刊全文数据库 前6条

1 宋威;乔阳阳;;基于加权序列模式的推荐算法研究[J];计算机工程与科学;2015年07期

2 金鹏;;大数据背景下物流企业CRM系统应用[J];商场现代化;2015年05期

3 黄文静;黄明和;汪浩;;基于关联规则的蚁群算法在交叉销售中的应用研究[J];计算机与数字工程;2014年04期

4 王新军;胡曼;;寿险交叉销售的聚类技术实务分析[J];保险研究;2012年01期

5 李爱凤;;基于数据挖掘技术的购物篮模式研究[J];计算机应用与软件;2011年12期

6 易明;;基于序列模式的个性化Web页面推荐模型[J];现代图书情报技术;2008年08期

，

本文编号：706677