数据挖掘技术在零售超市CRM中的应用实例[通俗易懂]

大家好，又见面了，我是你们的朋友全栈君。

                                                   数据挖掘技术在零售超市CRM中的应用实例
随着信息化的推进,零售企业积累的销售数据急速膨胀,包括顾客购买历史记 录,货物进出,消费与服务记录等,为企业 管理客户关系提供了大量的数据资料。利 用数据挖掘技术对这些数据进行分析,进而识别顾客的购买行为,发现顾客购买模 式和趋势,改进服务质量,取得更好顾客保持力和满意程度,提高货品销售比率,设计更好的货品运输与分销策略,从而促进商品的销售,发现未知的商机,以获取更多的利益。

数据挖掘技术在零售超市CRM中的应用实例
     
关联分析方法的应用
关联分析是寻找在同一事件中出现的不同项的关联性。关联分析可形式化地描述为:设,I={i1,i2,…,im}是m个不同项目的集合,D是针对I上的事件的集合,D中每一项事件包含若干项目I′,且I′属于I。则关联规则表示为X=>Y其中X,Y属于I,并且X∩Y=￠。X称作规则的前提,Y是结果。针对每一条规则应同时计算最小支持度和最小置信度,得出的最小支持度和最小置信度必须同时大于用户给出的最小支持度和最小置信度阈值,这条规则才被认为有参考的价值,并被列入分析的结果。以某家电零售超市在一定时间范围内客户购买家电详细情况为例,如表1所示。

表1　家电销售详细资料
客户购买家电类型
1电磁炉,微波炉,吸尘器
2饮水机,吸尘器,净水器
3微波炉,吸尘器
4饮水机,净水器,微波炉,电磁炉
5饮水机,净水器
　　①针对表1进行关联分析,首先构造两种家电间的关联表,如表2,表中每一个数值表示的是行、列代表的两种商品同时被一个客户购买的次数。
表2　关联分析表
x(行)y(列)微波炉电磁炉吸尘器饮水机净水器
微波炉3 2 2 1 1
电磁炉2 2 1 1 1
吸尘器2 1 3 1 1
饮水机1 1 1 3 3
净水器1 1 1 3 3
　　②根据设定的最小支持度阈值,计算每一个的最小支持度,并列出大于最小支持度阈值的内容(本例中设最小支持度阈值为0.5),
support (微波炉) = 0.6;support(吸尘器)=0.6;support(饮水机)=0.6;(净水器)=0.6。
      ③根据设定的最小置信度阈值和②中得到的结果,计算最小置信度,如表3。

表3　最小置信度表
X(行)Y(列)微波炉吸尘器饮水机净水器
微波炉0.667 0.333 0.333
吸尘器0.667 0.333 0.333
饮水机0.333 0.333 1
净水器0.333 0.333 1
　　将大于最小置信度阈值列出(本例,设最小置信度阈置为0.5),则关联分析得出以下规则:
Rulel:微波炉=>吸尘器,support=0.6, confidence=0.667
Rule2:吸尘器=>微波炉,support=0.6, confidence=0.667
Rule3:饮水机=>净水器,support=0.6, confidence=1
Rule4:净水器=>饮水机,supoptr=0.6, confidence=1

根据上述规则,可得出如下结论:
客户会同时购买微波炉和吸尘器,或同时购买饮水机和净水器。因此家电超市可采取如下措施:①在客户购买了其中的一种家电产品后,适当推荐另一种产品。②合理安排关联产品的摆放位置。③在进货计划与发货运输上,将关联产品配套安排。采取这些措施后,客户的交叉消费将大为提高,客户的满意度也有所提高。

聚类分析方法的应用

聚类分析是根据物以类聚的原理,将本身没有类别的样本聚集成不同的组,并且对每一个这样的组进行描述的过程。其主要依据是聚到同一个组中的样本应该彼此相似,而属于不同组的样本应该足够不相似。在客户关系管理中,利用聚类技术,根据客户的个人特征以及消费数据,可以将客户群体进行细分。本例选取某零售超市的100条客户记录,根据客户数据库中数据结构:性别、年龄、婚姻状况、学历、职业、年收入、累计购买次数、平均消费额、购买持续时间,通过聚类方法按照数据间的自然联系把分散的记录按照一定的距离标准将数据聚成四簇,利用聚类结果按客户价值给客户赋以类标记。
假设A,B,C,D分别代表最有价值客户、有潜力客户、经常性客户、不稳定客户,每簇的客户数量、数量比及其对公司收入的贡献比如表4所示。

表4　聚类分析实验结果
A B C D
数量8 34 15 43
数量比(%) 8 34 15 43
贡献比(%) 49.5 10.6 30 9.3
　　
      从实验结果可知,A、C两类客户的数量不大,约占20%,但为公司创造的利润则约占公司总利润的80%,即为“公司最有价值的客户”;B类客户属于有潜力的客户,通过再造客户关系,未来有可能转化为A或C类客户,但就当前来说创造利润很小;D类客户对公司价值最小,是公司的微利或无利客户。B、D两类客户在数量上占了绝大多数,约占公司客户总数的80%,但他们为公司创造的利润大约只占公司总利润的20%。

客户关系管理系统的实施可以大大增强企业的竞争力,而数据挖掘技术的应用将为客户关系管理的实施提供良好的基础。应用数据挖掘技术从零售业的大量业务数据中挖掘出与企业决策相关联的信息,提取辅助决策的关键信息,从而制定有效的、针对顾客的销售方案,最终为企业带来更多的利润。只有融合了数据挖掘技术的高效的客户关系管理才能更好地适应当今信息时代及其网络化特征,成为现代企业在激烈的市场竞争中生存的根本和制胜的关键。