圖1：營銷方法論

　　2、營銷中常見的數(shù)據(jù)挖掘算法
　　
　　數(shù)據(jù)挖掘是指從大量數(shù)據(jù)中通過算法搜索隱藏于其中信息的過程。在營銷中我們常用的數(shù)據(jù)挖掘的算法有：聚類、分類、關聯(lián)。
　　
　　1)聚類
　　
　　聚類是一種無監(jiān)督的學習算法，也就是說聚類不需要”結果變量“，它可以通過對自變量的探索自動告訴你應該分成多少類。聚類的基本原理是根據(jù)樣本自身的屬性，用數(shù)學方法按照某種相似性或差異性指標，定量地確定樣本之間的親疏關系，并按這種親疏關系程度對樣本進行聚類。

　　

　　
　　聚類在營銷中的應用
　　
　　某電商公司進口食品類目需要探索不同消費者群體特征，我們結合近半年購買進口食品類目的顧客的購買品類、購物方式、購物時間等因素通過聚類進行分類，找出每類用戶的特征。通過聚類我們分成了11組，可以看出每一組人群特征，從而針對不同的組實現(xiàn)營銷。

　　

　　
　　2)分類
　　
　　分類是一種有監(jiān)督的學習方法，分類屬于預測性模型，是通過對過去數(shù)據(jù)的學習來判斷未來某種行為。例如在電商客戶中事先定義好顧客是否流失，如果我們要預測未來一段時間某個顧客是否流失，這時就要構建分類模型。分類學習方法所使用的數(shù)據(jù)集稱為訓練集，訓練集中每一個個體都有明確的類別，通過訓練集中的數(shù)據(jù)表現(xiàn)出來的特征，為每一個類找到一種準確的描述或者模型。

　　

　　圖2：分類模型示意圖

　　
　　分類在營銷中的應用
　　
　　小王的目的是通過下周天氣預報尋找什么時候人們會打高爾夫，他了解到人們決定是否打球的原因主要取決于天氣情況。而天氣狀況有晴，云和雨;氣溫用華氏溫度表示;相對濕度用百分比;還有有無風。如此，我們便可以構造一棵決策樹，如下(根據(jù)天氣這個分類決策這天是否合適打網(wǎng)球)：

　　

　　
　　從上面分類樹種我們可以看出人們打高爾夫的條件是：晴天并且濕度小于70或者多云天氣或者雨天不刮風，這三種情況人們打高爾夫的概率會比較大。
　　
　　決策樹是是分類模型常用的方法之一，其優(yōu)點是容易理解、預測準確度高。除了決策樹我們還可以利用logistic回歸，神經(jīng)網(wǎng)絡、貝葉斯分類器、SVM等算法構建分類模型。
　　
　　3)關聯(lián)
　　
　　關聯(lián)分析是從大量數(shù)據(jù)中發(fā)現(xiàn)項集之間有趣的關聯(lián)和相關聯(lián)系。關聯(lián)分析的一個典型例子是購物籃分析。該過程通過發(fā)現(xiàn)顧客放入其購物籃中的不同商品之間的聯(lián)系，分析顧客的購買習慣。通過了解哪些商品頻繁地被顧客同時購買，這種關聯(lián)的發(fā)現(xiàn)可以幫助零售商制定營銷策略。
　　
　　在數(shù)據(jù)挖掘當中，通常用“支持度”(support)和“置性度”(confidence)兩個概念來量化事物之間的關聯(lián)規(guī)則。關聯(lián)規(guī)則A->B的支持度support=P(AB)，指的是事件A和事件B同時發(fā)生的概率。置信度confidence=P(B|A)=P(AB)/P(A),指的是發(fā)生事件A的基礎上發(fā)生事件B的概率。同時滿足小支持度閾值和小置信度閾值的規(guī)則稱為強規(guī)則。比如：Computer=>antivirus_software,其中support=2%,confidence=60%，表示的意思是所有的商品交易中有2%的顧客同時買了電腦和殺毒軟件，并且購買電腦的顧客中有60%也購買了殺毒軟件。
　　
　　關聯(lián)規(guī)則在營銷中應用
　　
　　某電商公司的類目運營通過找出二級類目之間的關聯(lián)性，來指導跨類目的聯(lián)合促銷。我們通過訂單數(shù)據(jù)利用關聯(lián)規(guī)則計算關聯(lián)性結果如下：

　　

　　
　　根據(jù)上述的關聯(lián)規(guī)則，我們在做促銷活動時，可以考慮將廚房調(diào)料和紙質(zhì)品、廚房調(diào)料和糧油、餅干和堅果等相關產(chǎn)品一起捆綁銷售。