吉宁博士观点
1、数据挖掘技术企业网络营销
数据挖掘（DataMining）就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。还有很多和这一术语相近的术语，如从数据库中发现知识、数据分析、数据融合以及决策支持等。数据挖掘是一门交叉学科，它把人们对数据的应用从低层次的简单查询，提升到从数据中挖掘知识，提供决策支持。常用的数据挖掘技术主要有以下几种：
1.1人工神经网络
仿照生理神经企业网络营销结构的非线性预测模型，主要由“神经元”的互联，或按层组织的节点构成，通常由输入层、中间层和输出层三个层次组成，在每个神经元求得输入值后，再汇总计算输入值；由过滤机制比较输入值，确定网络的输出值。
1.2决策树
决策树是一个类似流程图的树型结构，其中每个内部节点表示在一个属性上的测试，每个分枝代表1个测试输出，而每个树叶点代表类或类分布。树的最顶层节点是根节点。目前，在数据挖掘中使用的决策树方法有多种，典型的在国际上影响较大的决策树方法是Quinlan研制的ID3算法。
1.3遗传算法
遗传算法是模拟生物进化过程的计算模型，是自然遗传学与计算机科学相互结合渗透的计算方法。遗传分析应用搜索技术，先找出两个合适的父样本，通过“交叉”“变异”等带有生物遗传特点的操作产生下一代样本，对子样本反复“交叉”“变异”操作直到子样本收敛为此，再找另外两个合适的父样本重复上述过程，就能得到下一代的样本集。由此得到当前样本集较可能的发展方向。
1.4近邻算法
用该方法进行预测的基本概念就是相互之间“接近”的对象具有相似的预测值。如果知道其中一个对象的预测值后，可以预测其最近的邻居对象。
1.5规则推导
根据统计意义上对数据中的规则“如果条件怎么样、怎么样，那么结果或情况就怎么样”，对给定的一组项目和一个记录集合，通过分析记录集合，推导出项目间的相关性。
1.6聚类方法
聚类分析方法按一定的距离或相似性测度将数据分成系列相互区分的组，它是不需要预定义知识而直接发现一些有意义的结构与模式。可采用拓扑结构分析、空间缓冲区及距离分析、覆盖分析等方法，旨在发现目标在空间上的相连、相邻和共生等关联关系。
1.7可视化技术
可视化技术在数据挖掘过程中的数据准备阶段是非常重要的，它能够帮助人们进行快速直观地分析数据。利用可视化方法，很容易找到数据之间可能存在的模式、关系和异常情况等。
2数据挖掘技术在企业网络营销中应用的理论假设
随着数据量的急剧增长，现在的用户很难再像以前那样，自己根据数据的分布找出规律，并根据此规律进行分析决策。因此必须借助于相应的数据挖掘工具，自动发现数据中隐藏的规律或模式，为决策提供支持。随着市场经济国际化、区域经济全球化、业务处理数字化、消费需求个性化的市场竞争环境的形成，企业将面临更多的竞争对手和不确定的信息，需要借助于数据挖掘技术对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据，来控制成本、提升效益。
数据挖掘技术在企业网络营销中得到了比较普通的应用，它是以市场企业网络营销学的市场细分原理为基础，其基本假定是“消费者过去的行为是其今后消费倾向的最好说明”。通过收集、加工和处理涉及消费者消费行为的大量信息，确定特定消费群体或个体的兴趣、消费习惯、消费倾向和消费需求，进而推断出相应消费群体或个体的下一步的消费行为，然后以此为基础，对所识别出来的消费群体进行特定内容的定向企业网络营销。这与传统的不区分消费者对象特征的大规模企业网络营销手段相比，大大节省了企业网络营销成本，提升了企业网络营销效率，从而为企业带来更多的利润。
3数据挖掘技术在企业网络营销中的应用
企业网络营销作为适应网络经济时代的网络虚拟市场的新营销理论，是市场营销理念在新时期的发展和应用。从本质上来说，网络营销与传统市场营销的目标都是一致的，都是为了实现企业网络营销目标。
3.1客户关系管理
网络营销的企业竞争是一种以顾客为焦点的竞争形态，争取顾客、留住顾客、扩大顾客群、建立亲密顾客关系、分析顾客需求、创造顾客需求等，都是最关键的营销课题。因此，如何与散布在全球各地的顾客群保持紧密的关系并能掌握顾客的特性，再经由教育顾客与企业形象的塑造，建立顾客对于虚拟企业网络营销的信任感，是企业网络营销的关键。基于网络时代的目标市场、顾客形态、产品种类与以前有很大的差异，如何跨越地域、文化、时空差距再造顾客关系，发掘网络客户，了解并掌握网络客户的愿望并利用互动服务与客户保持良好的关系，是众多企业需要考虑的首要问题。相关研究表明：一个企业如果将其客户流失率降低5%的话，其利润就能增加25%～85%。因此，企业必须要加强与客户之间的紧密联系和提升客户忠诚度。数据挖掘技术为客户关系管理提供了便利，企业可以将从各种渠道收集的客户信息组合后，应用超级计算机、并行处理、神经元网络、模型化算法和其他信息处理技术手段进行处理，提炼出有用信息。一方面是根据客户行为进行聚类。另一方面是从所建立的数据仓库中挖掘出为企业创造利润的这部分客户，从而与创造利润的优良客户建立长期关系。
3.2企业经营定位
通过挖掘出消费者的相关数据，可以找出其共性和个性，并对消费者进行分类，来制定企业的经营目标和市场定位，以利于企业利用网络优势，与客户进行积极有效的信息交流与情感沟通，一对一地向客户提供个性化的产品与服务。例如，利用关联分析，可以发现客户的关联购买需要。有些客户在购买某种商品时，会同时购买其他的产品，企业就可以针对这种情况，采取积极的营销策略，扩展客户购买的产品范围或提供相关的服务，吸引更多的客户；通过挖掘客户的个人特征以及消费数据，可以将客户群体进行细分，根据不同的客户群，实施不同的营销和服务方式，从而提升客户的满意度；可以通过分类技术，根据顾客的消费水平和基本特征对顾客进行分类，找出对本企业有较大贡献的重要客户的特征，通过对其进行个性化服务，提升他们的忠诚度。企业只能找准了顾客的真正需求和特征，才能有的放矢，提供个性化、多样化、差异化的富有成效的企业网络营销方案，从而找准企业网络营销定位。
3.3客户信用风险控制
企业在实施企业网络营销过程中经常经受来自买方的信用风险：个人消费者可能在网络上使用信用卡进行支付时恶意透支，或使用仿造的信用卡骗取卖方的货物；集团购买者有拖延货款的可能。卖方需要对此承担风险。利用数据挖掘技术可以解决企业经常面临的诈骗行为或延付货款行为。通过数据挖掘，企业可以得到这样的判断：“什么样的人使用信用卡属于什么样的模式”，而且一个人在相当长的一段时间内，其使用信用卡的习惯往往是较为固定的。因此，一方面，通过判断信用卡的使用模式，可以监测到信用卡的恶性透支行为；另一方面，根据信用卡的使用模式，可以识别“合法”用户。如此得到诈骗行为的一些特性，当某项业务符合这些特征时，就可以向决策人员提出警告，从而提升企业应对客户信用风险的能力。
3.4客户信誉分析
企业网络营销后，由于客户的不确定性、匿名性和虚拟性，增加了企业的经营风险。风险与效益并存，分析客户的信用等级对于降低风险、增加收益是非常重要的。利用数据挖掘工具，可以对客户信誉进行分析，以加强营销的安全性和针对性。通常的做法是：从已有的数据中分析得到信用评估的规则或标准，即得到“满足什么样条件的客户属于哪一类信用等级”，并将得到的规则或评估标准应用到对新的客户的信誉分析。对不同客户的信誉划分等级，不同等级的客户采取不同的营销策略，制定不同的付款方式和交货方式，降低营销风险，提升营销效益。
3.5消费需求预测
在网络营销中，每一个消费者首先是一个不断变化的虚拟网络环境中的“冲浪者”，他一方面扮演个人购买者的角色，另一方面则扮演着社会消费者的角色，起着引导社会消费的作用。从事电子商务活动的网络营销人员要想成功地行销在因特网上，他所构思的企业网络营销计划除了需要考虑传统市场中顾客的各种需求外，还必须照顾到网民对兴趣、聚集和交流的需求，分析他们需求变化的表现、趋势和原因，采用多种行销方法，启发、剌激网络消费者的需求，唤起他们的购买兴趣，诱导网络消费者将潜在的需求转变为现实的需求。
3.6企业交叉营销
交叉营销是指企业通过发现一位已有顾客的多种需求，并满足其需求而实现多种相关产品或服务的各种策略和方法，其实质是用户资源在各产品及服务间的共享，是在拥有一定市场资源的情况下向自己的顾客或合作伙伴的顾客进行的一种业务推广手段。交叉营销现已扩展到两个电子商务企业/网站之间开展联盟合作的交叉企业网络营销，有利于企业资源互补、互惠互利，吸引更多的网络顾客，应用网络合作伙伴所形成的资源规模创造竞争优势。利用数据挖掘工具，了解顾客在网上购买商品或接受服务时的选取习惯、链接习惯、商品组合习惯，通过关联分析，找出其中的规律，用来指导本企业应捆绑销售的商品，提升消费者的消费价值，提升交叉营销效果，提升顾客的满意度和忠诚度。
