大型零售企业营销策略研究——基于数据挖掘的分析
21世纪是知识经济时代，企业之间的竞争越来越多地表现为智能、知识竞争。面临巨大竞争压力的大型零售企业，每天都积累着海量数据，但却面临“数据丰富，知识贫乏”的困境。智能化地从大量的数据中提取有用的信息和知识，可以提高企业的核心竞争力。因此，在大型零售企业中应用数据挖掘技术已显得非常必要。目前数据挖掘是大型零售企业正确制定营销策略，获取决策依据和技术支持的重要手段。
一、大型零售企业营销策略与数据挖掘
（一）大型零售企业的界定及营销策略
1.大型零售企业的界定。零售业态是指零售企业为满足不同的消费需求而形成的不同的经营形态。这里的大型零售企业是以中国商业联合会发布的零售企业前百强为标准，凡在近5年内一直保持前一百强的零售企业被认为是大型零售企业。
2.市场营销策略基本理论。从市场营销组合策略的角度看，市场营销策略基本理论经历了4PS-4CS-4RS三个阶段。 20世纪50年代末的短缺经济时代，麦卡锡提出经典的4PS营销策略，即产品（Product）策略、价格（Price）策略、分销（Place）策略和促销（Promotion）策略，被奉为营销理论中的经典。到80年代，经济逐渐趋于饱和，美国劳特朋针对4PS存在的问题提出了4CS营销理论，即顾客（Customer）、成本（Cost）、便利（Convenience）和沟通（Communication）。随后，客户经济时代美国经营学家舒尔兹又提出了4RS营销新理论，即关联（Relevance）、反应（Reaction）、关系（Relationship）和回报（Return）。这三种理论之间是完善、发展和创新的关系，企业可以根据实际将三者结合起来指导营销实践。根据以上市场营销策略基本理论，结合目前我国大型零售企业的实际状况，本文认为如何基于数据挖掘分别从商品、顾客、分销和促销等四个方面制定营销策略，是大型零售企业亟待解决的问题。
（二）大型零售企业应用数据挖掘的必要性
1.数据挖掘概念。数据挖掘，又称数据库中的知识发现，是近年来随着数据库和人工智能技术的发展而出现的一种新的商业信息处理技术。简单地讲，数据挖掘就是对海量的数据进行精细加工，从大量的数据中提取潜在的、有价值的信息、模式和趋势，然后以易于理解
的可视化形式表现出来，其目的是让企业分析内外部的信息、预测客户的行为、检验异常模式，帮助企业决策者调整市场策略、减少风险。
2.大型零售企业应用数据挖掘的必要性。伴随大型零售企业信息化建设和应用进程的加快，大量的信息技术如条形码、电子收款机、POS系统等在零售终端随处可见。信息系统的日益发展为积聚大量数据创造了条件。如何有效地开发利用信息资源，逐渐成为所有大型零售企业信息化工作的重点。
面临来自国内外的巨大竞争压力以及由于规模扩大而出现的一系列问题，大型零售企业迫切需要利用有价值的商业信息和知识来应付日益激烈的市场挑战。我国大型零售企业应用现代化信息技术尚处于起步阶段，提高大型零售企业经营信息化水平，应用数据挖掘技术提取有价值的信息和知识，增加其经营、决策、管理的科技含量，帮助其制定正确的营销策略，是促进大型零售企业快速发展的必由之路。
二、数据挖掘在商业领域中典型分析方法
在实际的商业领域应用数据挖掘的方法和技术越多，其得出结果的精确性就越高。因为对某一种方法或者技术不适用的问题，其他方法很可能奏效，这主要取决于问题的类型以及数据的类型和规模。数据挖掘方法有很多种，在这里重点分析商业领域中最常用的几种方法，即关联分析、序列分析、分类和预测以及聚类分析。
（一）关联分析
关联分析是指寻找在同一事件中出现的不同项的关联性，即确定关联规则，挖掘的一般对象是事务数据库。关联分析的目的是为了发现事务数据库中不同商品之间是否存在某种关联关系。通过关联规则找出顾客购买行为模式，如购买了某一商品对购买其它商品的影响，从而应用于商品货架设计、存货安排以及根据购买模式对顾客进行分类等。此外，关联规则还可应用于附加邮递、目录设计、追加销售、仓储规划以及基于购买模式对顾客进行划分等方面。
（二）序列分析
序列分析与关联规则类似，但它寻找的是事件之间时间上的关联性。例如，商场中60%的客户在购买商品A后隔一段时间，其中有80%会再购买B，即序列模式是A＞＝B。显然，
通过序列模式分析，企业可以发现客户潜在的购买模式。时间序列分析广泛应用于各种大型商业、医学、工程和社会科学等领域，有效地促进了这些行业的发展。
（三）分类与预测
分类与预测是通过对当前数据集合的描述来识别未知数据的归属或预测未来数据的发展趋势。针对数据库中的每一类数据，挖掘出关于该类数据归属及发展趋势。一般地，分类分析是一个两步过程：第一步，建立一个模型，描述指定的数据类集或概念集；第二步，使用模型进行分类分析，进一步预测。分类及预测通过对大量销售数据的分析，确定特定顾客的兴趣，消费习惯、消费倾向和消费需求，进而推断其下一步的消费行为，据此有针对性的采取营销策略和改进服务质量，从而节省营销成本，获得良好的营销收益。
（四）聚类分析
聚类就是按照事物的某些属性把事物聚集成类。当要分析的数据缺乏描述信息，或者无法组成任何分类模式时，就采用聚类分析的方法。聚类之前，类的数量及类的特征都是未知的。聚类分析应遵循同类内相似性最大化、类间相似性最小化的原则，使得每个组内的对象具有很高的相似性，而与其他组中的对象则不相似。用聚类分析可以帮助企业了解顾客的特征，典型的结果是将顾客分成新顾客、忠诚顾客、流失顾客、无规律购买顾客、新吸引的顾客等，便于企业针对不同群体的特征，设计出不同的营销策略，更大程度地满足消费者个性化需求。
三、基于数据挖掘的大型零售企业营销策略
（一）优化商品组合布周，正确安排商品进货与库存
1.优化商品组合布局管理。商品组合布局管理包括商品组合优化和商品布局管理。商品组合优化包括检查企业现有商品的品种类别，决定是否增加或剔除有关商品，从而使零售商在进货的选择和搭配上更具目的性。应用数据挖掘技术对大型零售企业数据仓库中的数据进行分析，得出各个商品的利润额，对企业商品组合进行优化，从而使企业获取更多的利润。另外，在大型零售企业经营中，商品摆放位置对销售起着至关重要的作用。合理的商品布局不仅能节省顾客的购买时间，而且能刺激顾客的购买欲望。通过合理利用数据挖掘技术，企业管理人员可以了解顾客的购买习惯和偏好，考虑购买者在商店里所穿行的路线、购买时间和地点、货架的使用效率、畅销商品的类别、不同商品一起购买的概率，通过对商品销售
品种的活跃性分析和关联性分析，用主成分分析法，建立商品设置的最佳结构和商品的最佳布局，以提高零售企业销售额。
2.正确安排商品进货与库存，降低库存成本。应用数据挖掘技术，可以协助企业对各个商品、各色货物进行增减，确保正确的库存；协助企业确定最佳经济批量、最佳定货时机，从而节约大型零售企业的进货和库存管理费用；数据仓库系统还可以将库存信息和商品销售预测信息通过电子数据交换（EDI）直接传给供应商，由供应商负责定期补充库存，从而节省商业中介。
（二）帮助企业有效管理顾客类别，提高顾客满意度
1.帮助企业有效管理顾客类别。通过应用数据挖掘，一方面，可以帮助企业将顾客按照一定的标准进行分类。对每一类消费模式进行分析，有利于企业准确制定针对不同顾客群的营销策略和顾客维持策略。对现有顾客分类之后，企业还会吸纳新顾客，并将他归入合适的顾客群中，利用判别分析，通过顾客细分时的特征指标进行判别，将他与最相似的顾客归为一类。有时甚至可以挖掘出一类有潜力的成长型顾客，对其使用特别的营销策略。另一方面，面对海量的顾客数据，通过运用会员卡制度，从中选取能够反映顾客特征的多个指标，对性别、年龄、职业、职位、教育程度、年薪等信息进行收集，结合大型零售企业数据库中所累积的顾客平均消费额、重复购买次数、单位时间消费额占总收入的比重等消费信息运用数据挖掘技术进行分析，了解不同顾客的消费水平和消费趋向。
2.制定营销策略，提高顾客满意度。顾客满意度是客户关系管理（CRM）中的重要概念，也是客户关系好坏的重要衡量指标。利用数据挖掘技术帮助企业准确制定营销策略，提高顾客满意度。主要表现在：（1）通过对市场同类产品和服务销售情况、顾客情况的资料收集和分类分析，明确细分市场，确定本企业差别化的产品和服务定位、目标顾客和市场营销策略。（2）通过相关性分析挖掘顾客购买商品的相关性，优化商品组合布局，帮助顾客选择商品，节省顾客购买时间。（3）通过对企业销售数据的序列分析发现顾客基于时间的购买模式，提高顾客的满意度。（4）通过建立顾客会员制度，记录同一顾客在不同时期购买的商品序列，通过统计分析和序列模式挖掘顾客购买趋势或忠诚度的变化。（5）运用数据挖掘技术预测顾客需求，及时调整产品的结构和内容。（6）进行顾客流失分析，关注顾客流失的时间、分析流失的原因，及时采取措施，最大限度的留住顾客。
（三）科学管理销售数据，促进交叉营销
通过对销售数据的分析，能够帮助市场营销者进行市场分析，确定企业的目标市场，准确开展市场营销活动，使营销活动更能满足顾客的需求、欲望以及对商品的预期需求，有利于确定营销目标、延伸营销利润、降低营销成本。大型零售企业经营的商品成千上万，但并不是每一种商品都能为企业创造出最大的价值。因此，从众多的商品中发现创造价值最大的商品。然后，据此调整商品的结构，安排商品的库存和定货对企业来说十分重要。另外，企业也需要根据消费者的需求及其变化，对商品进行合理的安排和调整，以获取最大的利润和减少流动资金的占用。
在销售管理方面基于数据挖掘制定营销策略的另一重要体现，就是交叉销售。交叉销售是指向老顾客销售新的产品或服务的过程，其优势在于企业能够容易得到顾客较为丰富的信息。在企业所掌握的老顾客信息特别是老顾客以前购买行为的信息中，可能正包含着决定这个顾客下一个购买行为的关键信息。此时数据挖掘中的关联分析和聚类分析可以帮助企业寻找到那些影响顾客购买行为的关键信息和因素，从而帮助企业针对顾客的实际情况展开个性化营销策略。
四、结语
综上所述，在知识经济时代，增强基于智能化、知识化的大型零售企业竞争力是企业获得持续竞争优势的源泉，而数据挖掘技术是挖掘企业潜在的、有用的、有价值信息的有力工具，为从数据海洋中挖掘相关知识提供了技术保障。对于大型零售企业累积的大量数据，通过数据收集、分类并存放到数据仓库之后，建立模型，进行分析，从而识别顾客购买行为，发现顾客购买模式和趋势，为制定市场营销策略提供科学依据，从而取得更好的顾客保持力和满意程度，进一步推动整个行业不断发展。因此，大型零售企业应当充分利用数据挖掘技术，获取企业潜在的有用的信息和知识，扎实修练内功，迎接来自国内外零售企业带来的挑战和压力，从而提升核心竞争力，实现快速发展。
