支持金融產(chǎn)品交叉營(yíng)銷的數(shù)據(jù)挖掘研究.pdf

1、當(dāng)今，國(guó)內(nèi)外金融企業(yè)為了取得更大的競(jìng)爭(zhēng)優(yōu)勢(shì)，正在將市場(chǎng)營(yíng)銷理念從“產(chǎn)品導(dǎo)向”轉(zhuǎn)變?yōu)椤翱蛻魧?dǎo)向”。交叉營(yíng)銷可通過向客戶提供一整套產(chǎn)品或者服務(wù)的解決方案，達(dá)到降低營(yíng)銷成本、擴(kuò)大銷售業(yè)績(jī)、增加企業(yè)利潤(rùn)、增強(qiáng)客戶的忠誠(chéng)度的目的，因此成為近年來國(guó)內(nèi)外很多學(xué)者研究的熱點(diǎn)之一。但是，由于金融領(lǐng)域的數(shù)據(jù)分析具有量大、不確定性因素多等特點(diǎn)，導(dǎo)致當(dāng)前的交叉營(yíng)銷大多是在缺乏對(duì)客戶和產(chǎn)品的科學(xué)分析的情況下開展的，制定的交叉營(yíng)銷方案假設(shè)條件較多，沒有針對(duì)性，效率

2、比較低，實(shí)際應(yīng)用價(jià)值不高。
　　 作者認(rèn)為要進(jìn)行有效的交叉營(yíng)銷，客戶細(xì)分和產(chǎn)品關(guān)聯(lián)分析是兩個(gè)重要的環(huán)節(jié)。通過對(duì)客戶的科學(xué)分類，可以分析各種類型客戶的消費(fèi)特點(diǎn)，形成針對(duì)客戶群的營(yíng)銷策略，奠定交叉營(yíng)銷的基礎(chǔ)；通過產(chǎn)品關(guān)聯(lián)分析，可以明確各類產(chǎn)品的潛在聯(lián)系，結(jié)合客戶的歷史交易記錄，可以形成產(chǎn)品組合交叉營(yíng)銷方案。進(jìn)一步將客戶聚類分析和產(chǎn)品關(guān)聯(lián)分析相結(jié)合，可以形成個(gè)性化的、實(shí)用高效的交叉營(yíng)銷方案。
　　 本文首先介紹了數(shù)據(jù)挖掘技術(shù)的

3、理論基礎(chǔ)，并闡述了該技術(shù)在金融領(lǐng)域中的研究和應(yīng)用的現(xiàn)狀，分析了存在的不足之處；在比較多種常用算法的基礎(chǔ)上，選擇K-means算法建立了客戶細(xì)分模型，選擇優(yōu)化的關(guān)聯(lián)規(guī)則Apriori算法建立了產(chǎn)品關(guān)聯(lián)模型。為了保障客戶細(xì)分模型產(chǎn)生的聚類結(jié)果的穩(wěn)定性、合理性以及提高算法本身的執(zhí)行效率，采用了Dan Pelleg和Andrew Moore對(duì)K-means算法的改進(jìn)方法；接著將兩個(gè)模型有效結(jié)合，構(gòu)建了一個(gè)支持交叉營(yíng)銷的數(shù)據(jù)挖掘模型，提出了支持金