1、企业营销数据库的研究应用导向近期国内企业管理研究方法开始兴起，说明各大企业都开始关注西方商业研究方法的规范操作流程和具体技术。鉴于在营销领域， “拍脑袋”现象终究会消失，而更多企业家的营销决策都需要充分市场研究的支持。本文围绕企业营销决策阐述了营销研究流程和大量市场研究实用工具，能够指导企业的营销数据库应用。同时，各大企业纷纷着手建立数据库，却普遍缺乏数据挖掘和市场研究的分析方法，也说明了本文关注和解决的问题都是企业所需的重点。 一、 数据库营销观念 在上个世纪，企业营销经历了生产观念、产品观念、销售观念、营销观念、社会营销观念的更替，不断显示出后工业社会专业化分工、个性化需求和和谐社会观念的
2、特点。数据库，特别是大数据库支撑，在信息时代的软硬件支持下成为可能，对企业营销进行了全面升级。概括现有的营销者观念：没有顾客的存在，公司的财产就没有任何价值；公司的中心任务是创造和抓住顾客；营销的任务是向顾客提供优质的产品和服务保证让顾客满意；营销是企业各个部门共同努力的目标和结果，也是整个供应链共同努力的目标和结果。 因此营销数据库就可以着重解决两个问题：1）量化顾客需要的具体细节和满意的程度，2）量化企业提供产品和服务的满意绩效。数据库管理是从数据向信息，特别是向营销有价值信息转化辅助营销决策的过程。企业通过数据库营销把市场黑箱打开，去发现、选择、配比、控制、评估市场反应和自己的营销行为。
3、如同所理论预期的一样，数据决策支持能够提供四种有效途径解决企业营销的关键问题。 1.从企业外的数据库厂商购买与企业的营销问题配套的评分机制； 2.购买数据挖掘软件这类整体解决方案，比如信用评估，欺诈侦测，客户流失管理； 3.针对特定的问题，聘请外部专家来完成预测模型的建立； 4.在组织内部掌握数据挖掘技能。 二、 数据库应用符合现代商业研究方法 在企业界需要营销研究是因为决策需要有力的支撑。经营者需要特别的研究报告协助他们设立项目、定义工作、找出最好的工作策略及判断营运成果的好坏。研究的价值在理论上，可比较使用研究报告下决策之成果与没有使用该情报下决策成果两者之差而衡量。研究者必须视其工作为一
4、项有顺序的过程。譬如说，它可以视研究发展如同一个规范体系的连串问题。首先是经营问题，其次为研究问题，接着是调查问题，最后是测量问题。 图 1 企业研究的一般步骤 前面提出了四种数据支持融合到企业营销管理中的方法，都致力于用数据挖掘构建企业的核心竞争力，通过数据分析来支持营销关键流程。 (续致信网上一页内容) 图 2 数据分析的互动研究过程 成功实现数据分析需要上图全部四个过程。每一步生成的结果不断向后传播，在数据中不断产生信息途径。信息途径的增长，就如同有一些组织构成的系统集中于某业务问题，从数据中提炼信息，不断更新建模技术，根据以前努力的结果改进数据分析过程，如此往复生成新的有用的知识。总而
5、言之，成功地数据挖掘和分析是系统研究的典范。 图 3 建立数据模型的企业研究过程 营销的核心是以客户满意为目标，要实现 CS，需要经历一个规范的营销管理流程，数据建模的核心是将数据转换成可以操作的结果，数据挖掘和分析的整个过程是一个互动往复的过程。 三、分析营销机会与 STP 战略 科特勒认为营销成功的基础越来越取决于信息，而非销售力量。因此分析营销机会就与营销信息系统的构成密切相关。营销信息系统（Marketing Information System）MIS 由人、设备和程序组成，为营销决策者收集、挑选、分析、评估和分配所需及时准确的信息。 1. 定义客户，了解需求 数据库能够帮助企业更好
6、地了解客户需求，精确的定义客户，将定性的企业愿景和量化的分析预测手段结合起来，实现企业的营销目标。主要包括以下工作：根据市场调研和历史数据分析，了解现有产品的使用情况，销售渠道链与客户的关系，了解客户消费尺度等等。 2. 客户细分和客户行为研究 指将所有客户划分成互不相交的不同类别，在同一类别里，客户具有类似的特性。 类似聚类分析这样的数据分析手段，可以帮助企业进行客户细分，从而突破了原先简单按年龄、收入、地理区域、购买次数等有限指标（因为客观上缺乏能力，监测收集更多维度的客户特征，也缺乏手段有效分析处理大量数据） ，实现了多维度大批量数据的信息处理和仿真，排除组与组之间的同质性。此外，因子分
7、析可以打破对调研维度的桎梏，获取充分解释客户需求信息的内核客户属性，以进行比简单指标细分更深入的心理行为模式细分。继而进行聚类分析，综合调研的抽样方法和空开数据，估计细分市场规模，形成可选择的细分市场。可视化也是数据库管理在表现形式上的发展目标之一。还有联合分析这种统计技术为被访问者分解不同的提供物进行偏好排列，以确定每种特征的个人推测功能和各个特征之间的重要关系。 需要指出，所有的统计工具早已产生，数据库营销管理强化了营销决策支持系统的功能，在提高了数据收集和处理能力的前提下，将部分统计工具列入营销系统的常规工作，从而推动了营销量化分析和营销模型的建立。 3.客户生命周期 通常而言，客户生命
8、周期指对企业而言，某客户经历企业营销不同关系阶段的全过程，而不是指单次交易发生到售后的整个过程。现代营销认为，企业价值建立在客户价值之上，客户生命周期是企业长期价值的基础和源泉。 有三种方法可以显现或提升客户的价值： （1）对客户已有产品增添新功能（服务） ，提升产品的购买价值。 （2）向客户出售更多，更容易升级的产品和服务。 （3）使顾客能尽可能长期购买本企业的产品。 要更好地理解和掌握企业的客户价值和客户生命周期，就有必要通过数据库对客户信息进行详细的跟踪和记录，很多行业的数据库追踪是供应链导向，或者是零售商建立记录品名、数量、金额。而不是以客户为核心记录购买周期、购买反馈、关联产品、评价
9、等相关信息。我们知道客户生命周期存在着不同的阶段，即客户和企业营销关系亲疏，如表1、2 所示： 四、营销战略与营销决策 如能以客户生命周期的资料情况为依据，那么决策辅助行动将使得企业营销策略（4P）等更优化。 对于营销组合采用多元回归统计方法，可以设计出一个“最适宜”的预测公式，以显示一组自变量变化时，其对应的因变量的变化情况。例如，一个公司估计其销售量在公司广告费用、产品定价、销售队伍、营销渠道层级等可控营销指标变化时的变化情况。 销售反应模型与多元回归在形式上类似，用在一个或多个营销变量之间，如销售人员模型、广告开支、促销费用等，估计其功能关系和得出需求水平。 1. 产品、服务和品牌 围绕
10、产品和品牌忠诚度的问题，马尔可夫过程模型可以显示从当前状态向新状态移动的概率。例如，一家品牌包装商品制造商确定从一个时期到另一时期，品牌转换者和品牌坚持者对其品牌的比例，如果该概率稳定，该品牌的基本品牌占有率就出来了。 排队模型能够显示任何系统中，预期的等待时间和排队长度，得出到达和服务实践以及服务渠道的数目。例如，一家超市在指定的服务渠道和服务速度下，用该模型预计在一天的各段时间其排队的长度。针对不同客户群应用排队模型，可以运用收益管理原则区分高收益客户和低收益客户，以便量化并增强企业对高收益客户的服务能力。 新产品预先测试模型包括了在消费者偏好基础上的用户知晓、试用和重购之间的功能关系，并
11、对营销供应物和促销活动进行预测。此类模型有：ASSESSOR、COMP、DEMON、NEWS 和 SPRINTER 等。 2. 促销 对促销活动来说，收益是评估模型好坏的最佳工具。营销经理不再将任意单独的促销活动最优化，而是要针对每一位客户送出它可能需要的产品信息，即必须针对每一位客户的需求给出下一次最优的促销活动。事实上，如果加上每一次促销期限（时间维度） ，会发现好客户容易一再成为促销活动的目标，这就使得促销活动的效力降低了。解决方法，提升每一个客户的价值。 现实促销研究中有如下问题： (1)谁拥有客户！（部门，供应链上的企业，合作伙伴） (2)和客户最近一次联系发生在什么时间？（什么样的
12、联系？解决什么？效果如何？） (3)促销活动的目标规模是多少？（上限和下限，预算） (4)促销渠道是否畅通？（有没有外部不可控环节的瓶颈 ） 解决这些问题是客户价值优化过程中的一部分。建立最优的数据模型并非是营销研究的全部任务，但建构的是操作最有效的模型。 3. 竞争 波特的五竞争力模型是最常用的竞争分析方法。此外，标杆管理（benchmarking）方法，也成为比较常用的定量竞争对手分析工具。数据库管理（公开和非公开数据）能够将竞争者定位圆满完成。 多维排列采用多样化的技术，把有代表性的目标作为一点，对其特征用多维空间推述定位，其点与点之间的距离用不对称的方法衡量。例如，一个制造商欲了解其品牌和竞争品牌的定位关系。 博弈理论，可以测定一项行动在面临一个或数个竞争者或自然现象的不确定变量时，最小受益的最大化或者最大损失的最小化。 小结 总之，数据库管理的过程可以围绕着企业营销的研究，正确识别业务问题，明确解决问题所需的数据，最终将数据转换成可操作的决策。在营销研究目标下，数据挖掘技术、数据和建模技巧已经成为客户关系管理中最重要的部分。
