Лекция 3 Интеллектуальный анализ данных в управлении маркетингом

В лекции рассматриваются технологии использования базы данных предприятия и интеллектуального анализа данных в управлении маркетингом.

Развитие информационных технологий породило отдельное направление в маркетинговой деятельности − Database marketing. Понятие Database marketing неразрывно связано с концепцией кастомизации и применением CRM-систем.

Database marketing (маркетинговая деятельность на основе анализа баз данных) − технология обработки существующей базы данных предприятия и использования этой информации в разработке маркетинговой стратегии.

Database marketing может быть рассмотрен как последовательность шагов, которые охватывают цельный технологический цикл. Вот основные этапы этого процесса (процесс начинается с анализа информации об уже существующих клиентах):

1. идентификация клиента;

решение, какая информация о клиентах необходима и доступна к получению;

1. поиск доступных источников такой информации;
2. сохранение всей необходимой информации в базе данных;
3. формулировка вопроса, на который необходимо получить ответ;
4. анализ сохраненных данных: построение модели;
5. выбор стратегии маркетинга, которая основана на этой модели;

непосредственное взаимодействие с отобранными клиентами (реализация стратегии);

1. анализ результатов.

Повторение этапов 1-9 для решения следующих вопросов или оптимизации достигнутых результатов.

Применение тех же этапов для работы с потенциальными клиентами.

Этапы 5 - 7 и 9, которые непосредственно участвуют в анализе данных, обычно наиболее сложны. Очень часто именно они и становятся камнем преткновения для целого процесса. В то же время с точки зрения получения значимых результатов эти шаги чрезвычайно важны.

Примером простейшего анализа, который может повысить эффективность маркетинговой деятельности, является разбиение клиентов по возрастным категориям и рассылка каждой из них различных рекламных проспектов. Применение Database Marketing позволяет значительно усовершенствовать маркетинговую стратегию и выявить некоторые тенденции и закономерности поведения клиента.

Например:

• связь покупательской способности клиента с его характеристиками;
• потребность клиентов в дополнительном получении рекламных про­с­пектов;
• кто из потенциальных клиентов станет реальным?
• характеристики клиента, на которые не стоит обращать внимания в будущем;
• каков будет уровень продаж в следующем месяце?

Знание правильных ответов на эти и многие другие вопросы оборачивается экономией денег и возможностью получения дополнительной прибыли. Проблема заключается в необходимости учета огромного количества характеристик одновременно, построении множества гипотез о связях в данных, тестирования их на реальных данных и сохранении всех отобранных гипотез, пока не обнаружится одна, наиболее полно объясняющая данные. Для решения сложных многофакторных задач в Database Marketing используются технологии интеллектуального анализа − Data Mining (Добыча данных) или Интеллектуальный анализ данных (ИАД).

Конечной целью применения Data Mining в Database Marketing является формирование маркетинговой стратегии предприятия с минимальным участием самого эксперта. По сути его функции сводятся к определению желаемой цели и последующему контролю машинного анализа.

Процесс применения Data Mining менеджером Database Marketing в общих чертах состоит из следующих этапов:

1. формулирование вопроса, на который необходимо получить ответ;
2. построение модели, которая определяет, как от независимых переменных зависит выбранная целевая переменная;
3. статистическое тестирование этой модели на известных данных;
4. повторением шагов 2-3 пока не достигается желаемая точность предсказания;
5. построение маркетинговой стратегии, основанной на полученной модели.

ИАД или Data Mining − это процесс поддержки решений, основанный на поиске в данных скрытых закономерностей.

В общем случае ИАД состоит из трех стадий:

• выявление закономерностей (свободный поиск);
• использование выявленных закономерностей для предсказания неизвестных значений (прогностическое моделирование);
• анализ исключений, предназначенный для выявления и толкования аномалий в найденных закономерностях.

Все методы ИАД подразделяются на две группы по принципу работы с исходными обучающими данными.

В первом случае исходные данные могут храниться в явном детализированном виде и непосредственно использоваться для прогностического моделирования и/или анализа исключений − это так называемые методы рассуждений на основе анализа прецедентов. Главной проблемой этой группы методов является затрудненность их использования на больших объемах данных, хотя именно при анализе больших хранилищ данных методы ИАД приносят наибольшую пользу.

Во втором случае информация вначале извлекается из первичных данных и преобразуется в некоторые формальные конструкции. Согласно предыдущей классификации, этот этап выполняется на стадии свободного поиска, которая у методов первой группы в принципе отсутствует. Таким образом, для прогностического моделирования и анализа исключений используются результаты этой стадии, которые гораздо более компактны, чем сами массивы исходных данных.

К первой группе можно отнести рассуждения на основе анализа прецедентов; ко второй группе относятся методы кросс табуляции и байесовские сети, методы логической индукции, включая деревья решений и индукцию правил, статистические методы, эволюционое моделирование (генетические алгоритмы, искусственные нейронные сети).

Выделяют пять стандартных типов закономерностей, которые выявляются методами ИАД:

• ассоциация;
• последовательность;
• классификация;
• кластеризация;
• прогнозирование.

Ассоциация имеет место в том случае, если несколько событий связаны друг с другом.

Последовательность определяется существованием цепочки связанных во времени событий.

Классификации выявляет признаки, характеризующие группу, к которой принадлежит тот или иной объект. Это делается посредством анализа уже классифицированных объектов и формулирования набора правил.

Кластеризация отличается от классификации тем, что сами группы заранее не заданы. С помощью кластеризации средства ИАД самостоятельно выделяют различные однородные группы данных.

Прогнозирование основано на информации, хранящейся в БД в виде временных рядов. Если удается найти шаблоны, адекватно отражающие динамику поведения целевых показателей, есть вероятность, что с их помощью можно предсказать поведение системы в будущем.

Области применения ИАД в сфере маркетинга.

Маркетинговые исследования:

• определение характеристик типичных покупателей продукции фирмы для выявления новых потенциальных клиентов (профилирование клиентов);
• выявление основных сегментов рынка, а также исследование зависимостей между основными показателями и характеристиками сегментов.

Розничная торговля:

• анализ покупательской корзины (анализ сходства) предназначен для выявления товаров, которые покупатели стремятся приобретать вместе. Знание покупательской корзины необходимо для улучшения рекламы, выработки стратегии создания запасов товаров и способов их раскладки в торговых залах;
• исследование временных шаблонов помогает торговым предприятиям принимать решения о создании товарных запасов;
• создание прогнозирующих моделей дает возможность торговым предприятиям узнавать характер потребностей различных категорий клиентов с определенным поведением. Эти знания нужны для разработки точно направленных, экономичных мероприятий по продвижению товаров.

Вопросы для самопроверки

1. Что такое Database marketing?
2. Дайте определение понятия «интеллектуальный анализ данных».
3. Назовите стадии и методы ИАД?
4. Какие типы закономерностей выявляются методами ИАД?

Лекции 4

Дата добавления: 2014-12-08