數(shù)據(jù)挖掘技術(shù)在煙草消費者細分中的應用研究

1、數(shù)據(jù)挖掘技術(shù)在煙草消費者細分中的應用研究論文導讀:：數(shù)據(jù)挖掘技術(shù)簡介。傳統(tǒng)的煙草消費者細分方法及其局限。傳統(tǒng)的煙草消費者細分。在制定煙草控制措施時。論文關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù)，煙草消費者，細分，營銷措施，煙草控制1 引言中國是世界最大的煙草生產(chǎn)國和卷煙消費市場, 1996 年調(diào)查，全國 15 歲以上人群總吸煙率為37.6%( 男66.9%, 女4.2%)，預計煙民3.2億【1】。近幾年我國煙草行業(yè)的開展更加迅速,卷煙生產(chǎn)企業(yè)眾多、產(chǎn)品多樣化,以及中國參加WTO之后,煙草產(chǎn)業(yè)國內(nèi)市場國際化的壓力增大,使得煙草行業(yè)面臨更加劇烈的市場競爭。要應對市場的挑戰(zhàn),必須及時分析卷煙市場信息,制訂有效的營銷策略

2、。同時隨著我國參加?世界衛(wèi)生組織煙草控制框架公約?【2】，在制定煙草控制措施時，必須考慮到不同消費者群體的需求特點，采取有針對性地稅收等措施，以便在減少煙草消費的同時，同時提高政府稅收。數(shù)據(jù)挖掘是一個利用各種分析方法和分析工具在大型數(shù)據(jù)庫或數(shù)據(jù)倉庫中建立模型和發(fā)現(xiàn)數(shù)據(jù)間關(guān)系的過程,這些模型和關(guān)系可以用來做出決策和預測。通過數(shù)據(jù)挖掘可以對大量、龐雜的信息進行快速有效的分析,為煙草企業(yè)制定適宜的營銷方案，提高競爭力和煙草控制者制定政策提供依據(jù)。2 數(shù)據(jù)挖掘技術(shù)簡介數(shù)據(jù)挖掘(Data Mining，簡稱DM)是從大型數(shù)據(jù)庫或數(shù)據(jù)倉庫中發(fā)現(xiàn)并提取隱藏在其中的有用信息的一種新技術(shù)，是數(shù)據(jù)庫研究中的一個很

3、有應用價值的領(lǐng)域。它可以從大量的數(shù)據(jù)中抽取出潛在的、有價值的知識、模型或規(guī)那么營銷措施，有助于企業(yè)發(fā)現(xiàn)業(yè)務的趨勢，揭示的事實，預測未知的結(jié)果。2.1數(shù)據(jù)挖掘的過程。數(shù)據(jù)挖掘包括四個階段：(1)數(shù)據(jù)準備階段：分析問題,選擇相關(guān)的數(shù)據(jù),再對數(shù)據(jù)進行凈化,消除噪聲數(shù)據(jù)、無關(guān)數(shù)據(jù)和冗余數(shù)據(jù),完成數(shù)據(jù)的轉(zhuǎn)化。經(jīng)過處理過的數(shù)據(jù)存儲在數(shù)據(jù)倉庫中。(2)挖掘階段：該階段是數(shù)據(jù)挖掘的核心步驟,根據(jù)數(shù)據(jù)挖掘的目標,應用相應的數(shù)據(jù)挖掘算法,分析數(shù)據(jù)并通過可視化工具表述所獲得的模式或規(guī)那么。(3)結(jié)果分析：對數(shù)據(jù)挖掘的結(jié)果進行解釋和評價,轉(zhuǎn)換成為能夠最終被用戶理解的知識。(4)知識運用：將分析所得到的知識集成到業(yè)務信

4、息系統(tǒng)的組織結(jié)構(gòu)中去。2.2數(shù)據(jù)挖掘的方法。主要有：(1)概念/類描述站。概念描述以簡潔匯總的形式描述給定的任務相關(guān)數(shù)據(jù)集，提供數(shù)據(jù)價值的一般特性，一般應用于中的描述式數(shù)據(jù)挖掘。概念或類描述由特征比和比擬或區(qū)分組成，有兩種一般方法：基于數(shù)據(jù)立方體的方法和面向?qū)傩詺w納的方法。(2)關(guān)聯(lián)分析。關(guān)聯(lián)分析發(fā)現(xiàn)關(guān)聯(lián)規(guī)那么，廣泛用于購物藍、商務管理和決策分析，是商業(yè)分析中應用最為廣泛的一種數(shù)據(jù)挖掘方法和模式。(3)分類和預測分析。分類和預測是中數(shù)據(jù)分析的兩種重要形式，可以用于提取描述重要數(shù)據(jù)類的模型或預測未來的數(shù)據(jù)趨勢。主要方法包括：決策樹/判定樹、貝葉斯法、神經(jīng)網(wǎng)絡算法、遺傳算法、粗糙集、模糊集等。(4

5、)聚類分析。屬于無指導學習。對象根據(jù)最大化類內(nèi)的相似性、最小化類內(nèi)的相似性的原那么進行聚類或分組。聚類分析在中有廣泛的應用，它可以用作獨立的數(shù)據(jù)挖掘工具來獲得對數(shù)據(jù)分布的了解，也可以作為其他數(shù)據(jù)挖掘算法的預處理步驟。主要方法包括：劃分方法、層次方法、基于密度的方法、基于網(wǎng)格的方法、基于模型的方法等。(5)孤立點分析。對于欺詐探測、定制市場及其它任務是非常有用的。基于計算機的孤立點挖掘方法包括統(tǒng)計學方法、基于距離的方法和基于偏差的方法。(6)演變分析。用于中的趨勢分析、相似性搜索、與時間有關(guān)的序列模式挖掘和周期模式挖掘。(7)復雜類型的數(shù)據(jù)挖掘。是數(shù)據(jù)挖掘技術(shù)的當前一個重要的研究領(lǐng)域，極大提升了

6、數(shù)據(jù)分析能力的深度和廣度，主要包括：多媒體數(shù)據(jù)挖掘、文本挖掘和挖掘等。3 傳統(tǒng)的煙草消費者細分方法及其局限3.1 傳統(tǒng)的煙草消費者細分。傳統(tǒng)的煙草消費者細分主要采用地理、人口和行為因素的相對穩(wěn)定標準。(1)按省區(qū)細分。(2)按消費水平細分。城市、郊區(qū)及鄉(xiāng)村的情況不同,城鎮(zhèn)居民卷煙消費檔次與農(nóng)村居民比顯著高許多。(3)按城市規(guī)模細分。在分析全國分省區(qū)城鎮(zhèn)卷煙消費特征的同時,開展36家重點城市的卷煙消費特征研究。(1)按年齡細分。消費者的欲望和能力,會因年齡不同而發(fā)生變化。青年消費者與老年消費者在卷煙需求方面,就有不少的差異。(2)按戶主從業(yè)類型細分。職業(yè)會影響其消費模式,不同從業(yè)類型對卷煙產(chǎn)品會

7、產(chǎn)生不同偏好,從業(yè)類型對卷煙消費的影響是明顯的。(3)按收入細分站。卷煙消費者通常依據(jù)收入條件做出消費和購置決定,企業(yè)可以進一步依據(jù)人均收入的不同檔次細分市場。消費者的經(jīng)濟狀況既與個人能力有關(guān),也與整個經(jīng)濟形勢有關(guān)。通常收入高的消費者吸食高檔煙,收入低的消費者吸食低檔煙。(4)按教育程度細分。受教育程度不同的卷煙消費者在價值觀念、生活情趣、審美觀念和消費方式等方面會有很大的差異。(1)消費量細分。依據(jù)卷煙產(chǎn)品購置、使用或消費的數(shù)量因素,可將卷煙消費者分為少量消費者、中量消費者及大量消費者,分別研究其構(gòu)成特征。大量消費者雖然在消費總?cè)藬?shù)中所占比重較小,但購置、消費卷煙產(chǎn)品的比重卻很大,并往往具有

8、某種共同的特征。(2)消費價值量細分。固定卷煙消費者對卷煙產(chǎn)品的消費價值量也很懸殊。3.2 傳統(tǒng)的煙草消費者細分的局限傳統(tǒng)的對消費者進行的細分方法一般是基于經(jīng)驗的分類方法或基于統(tǒng)計的簡單劃分方法。最初的消費者細分是由經(jīng)驗描述法開始的，這種方法一般由決策者根據(jù)以往的經(jīng)驗對消費者進行類別劃分，因此具有較強的主觀性；基于傳統(tǒng)統(tǒng)計方法的消費者細分一般是根據(jù)對消費者屬性特征的簡單統(tǒng)計來劃分消費者類別。雖然這些劃分對企業(yè)的消費者管理也是很有意義的，但卻無法滿足諸如對消費者消費偏好、消費者消費替代傾向等更高等復雜分析需求。隨著管理信息系統(tǒng)的廣泛應用和電子商務的深入開展，企業(yè)將積累越來越多的消費者數(shù)據(jù)，面對海

9、量的消費者數(shù)據(jù)，傳統(tǒng)的消費者細分方法更將顯得力不從心。4 數(shù)據(jù)挖掘在煙草消費者細分中的應用4.1 基于數(shù)據(jù)挖掘的煙草消費者細分框架消費者細分的主要任務就是確定這些概念與消費者間的對應關(guān)系。消費者數(shù)據(jù)中包含假設干離散消費者屬性與連續(xù)消費者屬性，以每一消費者屬性作為一個維度，每個消費者作為空間的一點，那么企業(yè)消費者數(shù)據(jù)庫中的所有消費者可以構(gòu)成一個多維空間，稱該空間為消費者的屬性空間。消費者屬性與概念的映射關(guān)系既可以通過解析的方法建立營銷措施，也可以通過樣本學習的方法建立。解析方法主要是以傳統(tǒng)的經(jīng)驗法和統(tǒng)計方法為根底，分析沒一種概念類所應具有的屬性特征，從而建立起屬性空間與概念空間的映射。然而許多的

10、概念類與消費者屬性間沒有明顯的解析對應關(guān)系，這時就需要通過樣本學習的方法建立映射關(guān)系。樣本學習的方法主要是通過對數(shù)據(jù)庫中概念類消費者數(shù)據(jù)進行數(shù)據(jù)挖掘，自動歸納出消費者屬性空間與概念空間的映射，這個數(shù)據(jù)挖掘過程有稱為樣本學習。設BG1，G2，Gn，由B可以確定一組概念類LL1，L2，Lp， ，C是概念類的消費者集合。消費者細分包括三個步驟：1確定一個映射p: CL，使，假設cLi ，那么p(c)= Li ；2，通過求p(c)確定所屬的概念類。3進行功能分析。本文提出了如下圖的基于數(shù)據(jù)挖掘的消費者細分過程模型圖1：基于數(shù)據(jù)挖掘的消費者細分模型(資料來源,稍有改動： Chen, Yun., Zhan

11、g, guozheng., ets., CustomerSegmentation in Customer Relationship Management Based on Data Mining, 2006,in International Federation For Information Processing(IFIP), Volume 207. KnowledgeEnterprise: Intelligent Strategies in Product Design, Manufacturing, andManagement，eds. K. Wang, kovas G., (Bosto

12、n: Springer).pp.288-293 )該模型中的消費者細分過程主要包括學習和應用三個主要步驟：1 分類模型的學習運用相應得算法，找出描述并區(qū)分數(shù)據(jù)類或概念類的分類模型或分類函數(shù)。得到的分類模型可以用多種形式表示，如關(guān)聯(lián)規(guī)那么、神經(jīng)網(wǎng)絡、決策樹等。在分類模型的建立過程中需要使用類標號的消費者數(shù)據(jù)。這個數(shù)據(jù)集的數(shù)據(jù)源是消費者關(guān)系管理系統(tǒng)中的數(shù)據(jù)或數(shù)據(jù)倉庫，一般可由數(shù)據(jù)源導入或使用聚類、手工標類等方法在數(shù)據(jù)源的根底上建立。2分類規(guī)那么的應用使用消費者分類模型和分類函數(shù)營銷措施，對待分類消費者進行分類。在分類模型訓練后，得到規(guī)那么或網(wǎng)絡等分類模型，利用該模型對未知分類號的消費者進行分類。3

13、功能分析功能分析包括消費者分類、消費者需求傾向預測等，這些功能的根底是消費者與概念間映射關(guān)系的建立。并且，隨著管理實踐的開展，消費者關(guān)系管理過程將產(chǎn)生新的功能需求，這些功能需求將被參加到概念維數(shù)據(jù)中，并通過數(shù)據(jù)挖掘建立起與消費者屬性的映射關(guān)系。4.2應用舉例(1)卷煙零售消費者類別分析卷煙零售消費者直接與消費者接觸,在卷煙銷售中占據(jù)重要地位站。對卷煙零售消費者的調(diào)查分析是獲取卷煙市場信息的重要來源。將消費者劃分為不同類別進行效勞與管理,表達了消費者群策略和消費者開展策略。例如,按經(jīng)營規(guī)模進行聚類分析,首先將消費者群分為3類：A類客戶,這類客戶的卷煙銷售額高，規(guī)模大，經(jīng)營標準，誠信度與合作度高；

14、B類客戶,這類客戶所占比例很大,是客戶主體,規(guī)模一般，銷售額一般；C類客戶,這類客戶的經(jīng)營規(guī)模較小，銷售較低，成長度較差。然后利用分類技術(shù)，對客戶特征進行建模，描述出客戶群的特征，設定相應的客戶級別，以便對不同類別的客戶實施個性效勞。(2)卷煙品類劃分卷煙品類劃分有利于卷煙企業(yè)對卷煙品牌體系進行整體規(guī)劃和合理布局,使企業(yè)能理性地進行貨源調(diào)撥和缺貨應急，順利地進行卷煙品牌的切換和整合。品類劃分首先要進行卷煙消費者市場調(diào)查，從卷煙的品牌、價格、包裝、吸味、產(chǎn)地等因素入手,來研究消費者的消費習慣和消費態(tài)度，采取聚類分析方法對其做定性和定量分析，研究消費者認為的商品之間的關(guān)聯(lián)替代關(guān)系，從而計算各卷煙規(guī)

15、格間的相似性系數(shù)營銷措施，相似性系數(shù)越高，表示卷煙消費者認為這兩個卷煙規(guī)格越相似，也就越有可能相互替代。(1)卷煙零售客戶經(jīng)營情況分析進行關(guān)聯(lián)分析，可以得到更有價值的的信息。我們可從經(jīng)營業(yè)態(tài)、經(jīng)營規(guī)模、市場類型、守法情況四個維度，用關(guān)聯(lián)分析法對卷煙零售客戶經(jīng)營情況進行分析。例如，經(jīng)營業(yè)態(tài)和經(jīng)營規(guī)模之間關(guān)聯(lián)分析，得出關(guān)聯(lián)規(guī)那么：如果是食雜店，經(jīng)營規(guī)模過大，那么一般存在批發(fā)問題;如果是大型商場，規(guī)模過小，那么可能是卷煙品種過少或者是經(jīng)營能力較差。經(jīng)營規(guī)模、經(jīng)營業(yè)態(tài)和市場類型之間關(guān)聯(lián)分析，得出關(guān)聯(lián)規(guī)那么：如果是農(nóng)村的卷煙零售客戶，業(yè)態(tài)比擬高，規(guī)模比擬小，那么說明卷煙零售客戶經(jīng)營能力有待提高或者人流量

16、太小；如果城市的卷煙零售客戶，業(yè)態(tài)比擬高，規(guī)模比擬小，那么卷煙零售客戶可能從外渠道進貨。對數(shù)據(jù)挖掘產(chǎn)生的結(jié)果進行評價后，便可用來幫助公司調(diào)整營銷策略。(2)新品價格定位分析卷煙廠推出某種新品卷煙后，為了了解卷煙消費者對其價位是否合理的看法，進行了相應的市場調(diào)查，調(diào)查數(shù)據(jù)主要包括消費者的年齡、職業(yè)、月收入和對新品卷煙價位的態(tài)度等。對數(shù)據(jù)進行轉(zhuǎn)換等處理后，運用關(guān)聯(lián)規(guī)那么的相關(guān)算法營銷措施，便可得出假設干條關(guān)聯(lián)規(guī)那么，從中選擇符合調(diào)查目的的關(guān)聯(lián)規(guī)那么進行分析，便可知道該卷煙價位是否合理以及該價位和消費者的年齡、月收入等因素的關(guān)聯(lián)，為公司制定這種新品卷煙的營銷方案提供了依據(jù)。5 結(jié)束語煙草行業(yè)是具有海

17、量信息;的行業(yè)，傳統(tǒng)的計算機處理信息的方法，已不能滿足企業(yè)的需求。數(shù)據(jù)挖掘是是信息領(lǐng)域開展最快的技術(shù)之一，它可以高度自動化地分析企業(yè)原有的數(shù)據(jù)，幫助企業(yè)的決策者做出正確的決策。通過對卷煙零售客戶數(shù)據(jù)的挖掘，與消費者建立緊密關(guān)系，能促使企業(yè)不斷改良效勞質(zhì)量，提高企業(yè)競爭力。通過對卷煙市場信息的分析與挖掘，可以更好地進行銷售分析與預測，也可以幫助針對特定消費者群體制定相適宜的煙草控制策略。參考文獻【2】李天飛.中國煙草控制政策的經(jīng)濟學分析. 上海經(jīng)濟研究, 2004(4): 46-49【3】Jiawei Han，Michelline Kamber數(shù)據(jù)挖掘慨念與技術(shù) 北京：機械工業(yè)出版社，2002【4】Joe Peppard. Customer RelationshipManagement (CRM) in Financial Services. European Management Journal， 2000， 18(3): 312-327【6】Chen, Yun., Zhang, guozheng., ets.,Customer Segmentation in Cu