基于數(shù)據(jù)挖掘的紅塔集團(tuán)數(shù)據(jù)庫(kù)營(yíng)銷系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、在互聯(lián)網(wǎng)普及的今天，各企業(yè)已從信息時(shí)代進(jìn)入大數(shù)據(jù)時(shí)代，企業(yè)們紛紛致力于尋找有效利用海量數(shù)據(jù)的方法，使之成為企業(yè)競(jìng)爭(zhēng)的有力工具。紅塔煙草（集團(tuán)）有限責(zé)任公司在經(jīng)歷了幾年的信息化建設(shè)后已經(jīng)積累了大量業(yè)務(wù)數(shù)據(jù)，現(xiàn)在，集團(tuán)將客戶（消費(fèi)者）數(shù)據(jù)的采集也納入了日常營(yíng)銷規(guī)劃，因?yàn)榫頍熥鳛榇蟊娚唐?，其消費(fèi)者地域分布非常廣，對(duì)消費(fèi)者數(shù)據(jù)的直接采集成為了集團(tuán)的一個(gè)難點(diǎn)。同時(shí)，集團(tuán)提出了以大規(guī)模數(shù)據(jù)分析結(jié)果作為依據(jù)，建立科學(xué)的營(yíng)銷方案的戰(zhàn)略目標(biāo)。
　　

2、本文針對(duì)紅塔集團(tuán)的營(yíng)銷戰(zhàn)略提出紅塔集團(tuán)數(shù)據(jù)庫(kù)營(yíng)銷系統(tǒng)的建設(shè)方案，實(shí)現(xiàn)各地客戶數(shù)據(jù)的直接采集，建立企業(yè)與消費(fèi)者的直接互動(dòng)平臺(tái)，并且實(shí)現(xiàn)大規(guī)模客戶數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)的數(shù)據(jù)挖掘和數(shù)據(jù)建模，為業(yè)務(wù)人員提供數(shù)據(jù)分析結(jié)果，使集團(tuán)能夠根據(jù)客戶分析結(jié)果對(duì)客戶采取個(gè)性化的營(yíng)銷方式，根據(jù)業(yè)務(wù)分析結(jié)果建立科學(xué)的市場(chǎng)應(yīng)對(duì)方案。在系統(tǒng)完成并投入運(yùn)行后，到目前為止客戶數(shù)據(jù)庫(kù)已擁有數(shù)據(jù)完整的客戶基本信息數(shù)據(jù)約27萬(wàn)條，其中活躍客戶已超過(guò)半數(shù)，客戶購(gòu)買信息數(shù)據(jù)達(dá)到億級(jí)。<

3、br>　　文章主要研究?jī)?nèi)容如下:
　　1.提出紅塔集團(tuán)數(shù)據(jù)庫(kù)營(yíng)銷系統(tǒng)的系統(tǒng)目標(biāo)，得出系統(tǒng)的主要業(yè)務(wù)流程:客戶數(shù)據(jù)采集、業(yè)務(wù)數(shù)據(jù)整合并統(tǒng)一存儲(chǔ)→海量數(shù)據(jù)簡(jiǎn)化預(yù)處理→數(shù)據(jù)挖掘、數(shù)據(jù)建模以及數(shù)據(jù)測(cè)試→為業(yè)務(wù)人員提供數(shù)據(jù)分析結(jié)果。根據(jù)業(yè)務(wù)流程提出系統(tǒng)的組成模塊，以及各模塊在業(yè)務(wù)流程中負(fù)責(zé)的功能。
　　2.設(shè)計(jì)客戶數(shù)據(jù)采集方案。設(shè)計(jì)一種防偽碼生成算法，將其噴印在煙盒內(nèi)側(cè)，使客戶可以通過(guò)在線客戶平臺(tái)注冊(cè)個(gè)人信息并返回這個(gè)防偽碼以兌換積分

4、，系統(tǒng)通過(guò)客戶注冊(cè)行為獲取客戶基本信息，通過(guò)防偽碼解密后的明文所帶的卷煙信息獲取客戶的購(gòu)買信息。
　　3.海量數(shù)據(jù)簡(jiǎn)化處理。設(shè)計(jì)數(shù)據(jù)降維和數(shù)據(jù)累加的方法以解決采集到的大規(guī)模數(shù)據(jù)的計(jì)算問(wèn)題。在MapReduce分布式計(jì)算模型下，分別設(shè)計(jì)降維和累加的并行Map函數(shù)和并行Reduce函數(shù)，以減小數(shù)據(jù)精度和密度的方法對(duì)數(shù)據(jù)進(jìn)行合并，有效減少后期數(shù)據(jù)分析時(shí)所涉及到的數(shù)據(jù)量。
　　4.設(shè)計(jì)客戶數(shù)據(jù)挖掘方法。利用客戶行為信息設(shè)計(jì)客戶分類決

5、策樹，將客戶分為忠誠(chéng)、流失和浮動(dòng)客戶;設(shè)計(jì)基于k-means算法的客戶聚類分析方法，從浮動(dòng)客戶中進(jìn)一步挖掘潛在忠誠(chéng)客戶;建立促銷活動(dòng)響應(yīng)模型，利用客戶屬性建立客戶市場(chǎng)值函數(shù)，計(jì)算浮動(dòng)客戶的市場(chǎng)值，設(shè)計(jì)模型評(píng)價(jià)方法，以促銷活動(dòng)實(shí)驗(yàn)數(shù)據(jù)證明市場(chǎng)值越高的客戶響應(yīng)度越高，越容易發(fā)展成忠誠(chéng)客戶，因此集團(tuán)可以對(duì)市場(chǎng)值高的客戶投入更多營(yíng)銷成本。
　　5.設(shè)計(jì)業(yè)務(wù)數(shù)據(jù)挖掘方法。建立基于ARIMA自回歸移動(dòng)算法的卷煙銷售預(yù)測(cè)模型，選擇某重點(diǎn)品牌卷煙

6、作為實(shí)驗(yàn)數(shù)據(jù)，統(tǒng)計(jì)該品牌的歷史銷量時(shí)間序列，利用銷售預(yù)測(cè)模型對(duì)近期銷量進(jìn)行預(yù)測(cè)，將預(yù)測(cè)值與實(shí)際值進(jìn)行比較，證明模型可以基本預(yù)測(cè)近期卷煙的月銷量，并且能夠?qū)頍熶N售的季節(jié)性、周期性和隨機(jī)性特點(diǎn)進(jìn)行有效模擬。
　　6.實(shí)現(xiàn)系統(tǒng)技術(shù)架構(gòu)和總體部署方案，實(shí)現(xiàn)web服務(wù)器負(fù)載均衡和數(shù)據(jù)庫(kù)服務(wù)器的擴(kuò)展。以反向代理服務(wù)器和實(shí)際服務(wù)器協(xié)作的方式實(shí)現(xiàn)web服務(wù)器負(fù)載均衡，利用多次壓力測(cè)試得出最優(yōu)的服務(wù)器調(diào)度策略，解決客戶平臺(tái)高并發(fā)量帶來(lái)的系統(tǒng)負(fù)載問(wèn)