一、数据挖掘在零售业中的应用(论文文献综述)
陈曦[1](2016)在《从数据挖掘视角谈本土零售业的精确营销》文中研究指明随着市场竞争的日益激烈,零售市场的大众营销模式已经无法适应当前复杂的环境。在信息技术飞速发展的背景下,利用数据挖掘技术对精确的营销策略加以制定,成为当前本土零售业提高核心竞争力的有效途径之一,近年来受到越来越多的关注。本文即立足数据挖掘视角,对本土零售业领域如何应用数据挖掘技术实行精确营销进行探讨,以期推动精确营销发展。
周艳欣[2](2013)在《零售企业客户分析模型的构建与研究》文中研究说明当今许多零售企业的数据库或数据仓库中都搜集和存储了大量关于客户的数据,这些数据涵盖了从客户基本数据、购买记录到购买产品信息、客户反馈的各个环节。如何利用这些数据信息对零售企业的发展是至关重要的。目前,数据挖掘在零售领域中的应用,主要集中在客户分析(包括客户行为分析、客户流失分析和客户忠诚度分析等)、产品分析(包括发现管理规则、市场预警和进行描述式数据挖掘等)、促销分析以及改进、企业市场预测机制等方面。客户对于企业来说是非常重要的,没有优良的客户,企业就无法发展。因此如何利用这些数据信息,将这些信息转化为知识,更好的为客户提供个性化的服务,提高客户的满意都和忠诚度,成为企业亟待解决的重要课题。客户分析在企业的营销战略中占有重要地位,本文研究正是如何将数据挖掘应用到零售企业的客户分析当中。本文首先介绍了数据挖掘和零售业的相关概念,以及数据挖掘在零售领域的相关应用。在以上研究的基础上,本文提出了基于客户分析的客户细分模型和客户响应预测模型。客户细分的目的就是要找出对企业有重要贡献价值的客户,这些重要客户有哪些特征,重要客户的实际需求是什么。客户响应预测模型就是要估计客户对一个产品或服务的响应概率,是企业采用最为频繁的一种预测模型的方法,旨在发展新的潜在客户。企业通过某项市场营销活动的响应模型分析,来找到最合适的响应客户,并预测哪些客户能够响应,以便有针对性地开展营销活动。
潘程,陈玉华[3](2011)在《浅谈数据挖掘技术在零售业中的应用》文中研究表明该文介绍了数据挖掘技术在零售业中的应用背景和数据挖掘的相关知识,分析探讨了数据挖掘技术在零售业中的应用,并举例说明数据挖掘在零售业中的应用。
杨琳[4](2011)在《数据挖掘在零售商业中的应用》文中研究表明近年来,随着信息化的推进,企业中的信息数据变得越来越庞大,如何利用技术去挖掘这些海量信息背后的意义,成为企业,尤其是零售业面对市场竞争压力的关键。本文主要介绍了零售业的特点、数据挖掘的含义算法及数据挖掘在零售业中的应用。
于春红[5](2010)在《基于数据挖掘技术的电脑零售业中的商业分析》文中认为经济全球化的发展、金融危机的冲击、行业微利时代的到来使得目前的电脑零售业面临巨大挑战,激烈竞争中如何生存已是电脑零售业面临的迫切问题。准确的决策是企业生存与发展的生命线。对于竞争激烈到残酷的电脑零售行业来说,尤其需要的是进行科学、有效的商业分析,这使得其行业的深度信息化诉求空前迫切。数据挖掘技术为实现这一愿景提供了强有力的支持。通过对海量的经营数据实施数据挖掘,可以发现其中潜在的有用模式和商业规律,为管理者提供决策上的技术支持,从而使数据获得第二次生命,实现信息的增值利用。利润始终是企业运营的核心,是决定任何零售企业赢利及发展的关键因素。分析利润,了解利润来源,获取利润增长点,对于调整运营策略,及时把控市场先机有着至关重要的作用。本文即利用数据挖掘技术,立足于一个新的分析视点——电脑零售业中基于商品利润贡献度的销售利润来源分析,采用非监督学习下的K-means聚类分析和关联规则中经典的Apriori算法,利用高效的数据挖掘工具SPSS Clementine,着重于思路分析,将精力集中在要解决的问题本身,探索了一个联合数据挖掘过程模型,实现对电脑零售业中的商业分析。具体完成了两个方面的任务:1.利用聚类分析中的K-means算法,实现电脑零售业中的基于利润贡献度的商业分析。2.采用关联规则中分层搜索的经典算法Apriori算法,获取了基于利润贡献度的最佳销售盈利模式。通过所确立的最佳盈利模式(即所获取的利润增长点),电脑零售业者可以适时调整其销售方案,使经营达到利润最大化,从而在激烈的市场竞争中,提升自身的竞争力。
刘芳,王璐鑫[6](2009)在《数据挖掘技术及其在零售业中应用的初步研究》文中研究说明本文论述了数据挖掘的概念、功能、常用算法及工作过程,同时也对数据挖掘在零售业中的应用做了较为详尽的阐述,并举一具体实例来说明怎样在零售业中实现数据挖掘。本文旨在对数据挖掘技术及其在零售业中的应用有一个清晰的描述,加深人们对它的了解和认识。
李清峰,彭文峰[7](2009)在《数据挖掘在商务智能中的应用》文中研究指明从利润角度考察数据挖掘在商务中的应用框架,此框架能够帮助企业进行决策从而提升企业的利润,帮助企业选择合理的商品组合从而布置店铺,帮助企业设计合理的目录从而吸引更多的顾客进入店铺。对于商品选择问题,提出了基于链接分析的算法FullRank,给出算法的表示方法,构建了一个专业的利润挖掘在商务中的应用工具,通过提出的算法进行决策分析,对企业的策略给出合理的建议。
林凡[8](2009)在《数据挖掘在零售业交叉销售中的应用研究》文中研究说明在零售业界内,交叉销售就是以客户为中心,发现客户多种需求,去销售更多的产品,满足其多种需求同时提升企业利润,实现”双赢”的营销方式,。数据挖掘技术中的关联规则挖掘则是进行交叉销售最重要的一种技术,虽然有很多研究人员对其进行了大量的研究,但是把零售业的交叉销售作为一个系统的问题来进行研究的几乎没有。本文基于交叉销售和数据挖掘理论在Oracle平台上构建了一个交叉销售模型,这个模型使用聚类分析和相关营销理论从过去客户的购买行为定位出”黄金客户”,在此基础上再进行关联规则分析进一步得出我们需要的交叉销售模型。最后,结合国外先进研究成果,提出了货架空间关系理论,为关联分析算法的改进给出了新的研究维度—空间维度。
江升世[9](2009)在《客户关系管理在我国连锁零售业中应用研究》文中指出连锁经营方式起源于美国,20世纪50年代以后才进入快速发展时期,并逐渐显示出其强劲的生命力和巨大的发展潜力,在发达国家及一些新兴工业化国家和地区普遍获得重视和发展,取得了很大的成功。连锁经营通过“联合化、统一化、专业化和规范化”等手段,实行规模化经营、标准化服务和科学化管理,达到提高整体商业经营体系协调运作能力和规模经济效益的目的。在我国的连锁经营起步较晚进入90年代,沿海较发达地区和一些大中城市的部分国有商业企业开始探索这一新型的现代经营方式,并取得了一定的成绩,特别是近年来,中国连锁零售行业取得了迅猛的发展,连锁零售企业的总数量急速增长,店面数量迅速扩大,从业人员数量也急剧增长。连锁零售企业多业态经营,仓储式大型超市、中等规模超市、连锁便利店多业态综合发展,百货连锁业也有了很大发展。但目前还存在一些问题,尤其是在客户关系管理方面的不足,严重的制约零售企业健康发展。同时,中国加入WTO后,国内连锁零售业将面临管理先进、资金雄厚、人才济济的外国零售企业的全方位竞争。连锁零售企业之间的竞争就是客户资源的竞争,如何在竞争中提高客户的满意度和忠诚度,获得更多的客户的青睐是问题的关键,而这恰恰是我国连锁零售业的软肋。如何改善客户关系管理,如何在竞争中获得优势,这使得客户关系管理成为连锁零售业的有利战略,企业逐渐认识到了这点。但是如何找到适合自己企业的管理系统,并让其充分发挥其作用,改善连锁企业所面对状况,又成为一个新的问题。虽然国内已经有些连锁企业成功的实施客户关系管理,但大部分连锁企业仍然广泛存在市场定位不准确、目标客户不明确、经营理念比较落后等问题。因此,连锁零售业实施客户关系管理系统仍然很有研究价值。本文主要分为七个部分:第一部分绪论,主要对论文的研究背景、目的、内容和研究的方法加以简单的介绍。客户关系管理在我国起步较晚,在各个行业的应用的也不太成熟,与国外客户关系管理相差甚远。特别是在加入WTO之后,中国的零售市场逐步成为全球竞争最激烈的市场之一。零售企业逐步认识到,客户资源逐渐成为企业获胜最重要的资源之一,零售企业要想在竞争中获胜,提高客户的忠诚度是关键,“以客户为中心”的管理理念受到越来越多零售企业的重视。第二部分,文献综述部分,通过阅读大量的国内外关于客户关系管理理论及其在零售业中应用研究文献,对客户关系管理有了较为深入的理解和认识,为笔者写作打好了理论基础。第三部分,客户关系管理综述部分,包括客户管理管理理论的基本概念,理论基础,以及客户关系管理系统的相关知识,包括CRM系统分类,以及CRM系统中主要模块——数据仓库和数据挖掘技术的介绍。第四部分,介绍客户关系管理在连锁零售业中实施的意义,包括对连锁零售业竞争环境的分析、连锁零售业实施CRM系统的必要性分析和CRM系统为我国连锁零售业的发展所能提供的支持。第五部分,详细介绍了目前CRM系统在我零售业的应用现状,通过案例分析来说明连锁零售业实施CRM系统取得的成功及存在的问题。事实上,目前我国连锁零售业CRM系统的应用状况是不佳的,虽然,一些企业成功实施并应用了CRM系统,帮助企业赢得了客户忠诚,获取了竞争优势,然而大部分的连锁零售企业的CRM系统应用仍存在不少问题,笔者对此一一进行了分析总结。第六部分,介绍我国连锁零售业实施CRM系统的基本策略,通过对分析型CRM功能特点的分析,设计了一套适合连锁零售的分析型CRM的系统架构,并对实施策略进行了探讨。第七部分,是文章的最后一部分,主要进行实证研究,以具体的连锁零售企业——LQ连锁超市为例,将上文的理论用于实践,希望帮助LQ超市成功实施分析型CRM,改善目前的经营状况。本文的主要贡献:1、笔者在阅读大量的相关资料的基础上,对我国连锁零售业竞争现状的进行了深入的分析,同时还对客户关系管理在连锁零售业应用的存在的问题进行了细致分析总结。2、提出了一套分析型CRM系统的架构,为连锁零售业提供参考,同时,对成功实施客户关系管理的策略进行研究,提出一套比较全面的实施策略。3、利用理论联系实践的方法,将所研究的理论应用于实践中。以LQ连锁超市为例,对其实施分析型CRM系统进行规划设计,希望能为其它连锁企业实施分析型CRM系统提供参考。笔者认为将客户关系管理引入到连锁零售企业,可以从根本上改善连锁零售企业的经营现状,通过帮助企业准确细分客户市场、充分把握目标客户的需求、开展针对性营销,挖掘目标客户的潜在价值,提高目标客户的满意度和忠诚度,最终增加企业的收益,实现企业的长期发展。
李志亮,罗芳[10](2008)在《数据挖掘在零售业中的应用》文中认为阐述零售业的特点,简介数据挖掘技术相关知识,说明数据挖掘技术在零售业中的应用.
二、数据挖掘在零售业中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、数据挖掘在零售业中的应用(论文提纲范文)
(1)从数据挖掘视角谈本土零售业的精确营销(论文提纲范文)
精确营销的概念与背景 |
数据挖掘技术的概念与挖掘方法 |
本土零售业中基于数据挖掘的精确营销具体应用 |
(一)客户细分 |
(二)客户市场购物篮定位 |
(三)根据客户实施针对性营销 |
(2)零售企业客户分析模型的构建与研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 选题背景 |
1.2 研究的意义与目的 |
1.2.1 研究的意义 |
1.2.2 研究的目的 |
1.3 国内外相关研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 主要内容和论文结构 |
2 数据挖掘与零售业 |
2.1 数据挖掘概述 |
2.1.1 数据挖掘的概念 |
2.1.2 数据挖掘的过程 |
2.1.3 数据挖掘面临的挑战和局限性 |
2.2 零售业概述 |
2.2.1 零售业的概念 |
2.2.2 零售业的特点 |
2.3 数据挖掘在零售领域中的应用 |
2.3.1 商品分组布局 |
2.3.2 促销的有效性分析 |
2.3.3 客户细分 |
2.3.4 交叉销售 |
2.3.5 客户忠诚度分析 |
2.3.6 改进市场预测机制 |
2.4 零售领域中常用的数据挖掘方法 |
3 零售企业客户分析模型构建 |
3.1 客户分析的概述 |
3.1.1 客户分析的概念 |
3.1.2 客户分析的主要内容 |
3.2 客户细分模型的构建 |
3.2.1 客户细分 |
3.2.2 客户细分模型 |
3.2.3 K‐means 算法介绍 |
3.3 客户响应预测模型的构建 |
3.3.1 客户响应 |
3.3.2 客户响应预测模型 |
3.3.3 决策树算法 |
4 实证分析 |
4.1 SPSS Clementine 简介 |
4.2 客户细分的聚类分析 |
4.2.1 确定目标 |
4.2.2 数据准备 |
4.2.3 数据预处理 |
4.2.4 客户细分模型的实现 |
4.2.5 挖掘结果分析 |
4.3 客户响应的预测分析 |
4.3.1 确定目标 |
4.3.2 数据准备 |
4.3.3 客户响应预测模型的实现 |
4.3.4 挖掘结果分析 |
5 总结与展望 |
5.1 论文总结 |
5.2 下一步工作展望 |
参考文献 |
致谢 |
攻读硕士学位期间发表的学术论文 |
(3)浅谈数据挖掘技术在零售业中的应用(论文提纲范文)
1 零售业应用数据挖掘技术的背景 |
2 数据挖掘技术 |
2.1 数据挖掘定义 |
2.2 数据挖掘分类 |
3 数据挖掘技术在零售业中的应用 |
3.1 货篮分析: |
3.2 客户细分: |
3.3 促销活动的有效性分析: |
3.4 顾客忠诚度分析: |
3.5 市场和趋势分析: |
4 数据挖掘技术在零售业中的应用案例 |
4.1 客户选择特约商户消费的规律 |
4.2 贵宾卡客户特征 |
4.3 消费者对商品的偏好(以液晶电视为例) |
(4)数据挖掘在零售商业中的应用(论文提纲范文)
引言 |
一、零售业与数据挖掘 |
三、数据挖掘在零售业中的应用 |
1. 市场和趋势分析 |
2. 客户关系管理 |
3. 促销活动的有效性分析[3] |
4. 最优店址的选择 |
四、结语 |
(5)基于数据挖掘技术的电脑零售业中的商业分析(论文提纲范文)
论文摘要 |
ABSTRACT |
第一章 绪论 |
1.1 论文研究背景及选题意义 |
1.2 国内外研究现状 |
1.3 论文研究的主要内容 |
1.4 研究方法和论文框架结构 |
第二章 电脑零售业和数据挖掘技术 |
2.1 电脑零售业的经营现状及发展态势分析 |
2.1.1 行业运营背景:零售业本身有麻烦 |
2.1.2 现状及态势:微利时代的生存 |
2.1.3 信息化助阵:商业分析带来新的利润增长点 |
2.2 从利润出发的经营分析模式 |
2.2.1 运用盈利模式寻找利润增长点 |
2.2.2 商品盈利能力内涵 |
2.2.3 利润贡献度及其计算方法 |
2.3 数据挖掘技术综述 |
2.3.1 发展背景 |
2.3.2 数据挖掘定义 |
2.3.3 数据挖掘方法 |
2.3.4 数据挖掘的过程模型 |
2.3.5 零售业中的数据挖掘 |
2.3.6 未来研究方向 |
2.4 数据挖掘常用工具及其选择 |
2.5 本章小结 |
第三章 数据预处理 |
3.1 预处理过程 |
3.1.1 数据准备 |
3.1.2 数据清理 |
3.1.3 数据集成 |
3.1.4 数据变换 |
3.1.5 数据归约 |
3.2 预处理的主要方法 |
3.3 本章小结 |
第四章 电脑零售业中商业分析的数据挖掘实现 |
4.1 业务理解及数据收集 |
4.2 销售数据预处理 |
4.3 商品利润贡献度分析 |
4.3.1 K-means聚类分析实现 |
4.3.2 K-means算法结果分析 |
4.3.3 聚类分析基础上的商品利润贡献度 |
4.4 基于利润贡献度的盈利模式分析 |
4.4.1 Apriori算法实现 |
4.4.2 Apriori结果分析 |
4.4.3 结果评价 |
4.5 结论 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
附录 |
参考文献 |
后记 |
(6)数据挖掘技术及其在零售业中应用的初步研究(论文提纲范文)
0、引言 |
1、何谓数据挖掘 |
2、数据挖掘的功能 |
2.1 概念/类描述:特征化和区分 |
2.1.1 数据特征化 |
2.1.2 数据区分 |
2.3 分类和预测 |
2.3.1 分类 |
2.3.2 预测 |
2.4 聚类分析 |
3、数据挖掘技术的常用算法 |
3.1 数据挖掘的集合论法 |
3.1.1 粗集理论方法 |
3.1.2 概念树方法 |
3.1.3 覆盖正例排斥反例方法 |
3.2 数据挖掘的决策树法 |
3.2.1 ID3决策树方法 |
3.2.2 IBLE决策树方法 |
3.3 数据挖掘的遗传算法 |
3.4 神经网络方法 |
4、数据挖掘的工作过程 |
4.1 数据准备 |
4.1.1 数据集成 |
4.1.2 数据选择 |
4.1.3 数据预处理 |
4.1.4 数据转换 |
4.2 数据挖掘 |
4.3 数据挖掘、结果分析表述和挖掘应用 |
5、数据挖掘技术在零售业中的应用 |
5.1 零售业与数据挖掘的紧密联系 |
5.2 零售业中实现数据挖掘的方法 |
5.2.1 销售、顾客、产品、时间和地区的多维分析 |
5.2.2 促销活动的有效性分析 |
5.2.3 顾客保持力──顾客忠诚分析 |
5.2.4 购物篮分析 |
5.3 挖掘实例 |
5.3.1 确定顾客种类 |
5.3.2 实施优惠, 找出关联, 制定策略 |
5.3.3 关注学生生活, 进行深层次挖掘 |
6、结束语 |
(7)数据挖掘在商务智能中的应用(论文提纲范文)
一、利润挖掘 |
二、商品选择问题 |
(一) 基于链接分析的商品选择算法 |
(二) Item Rank算法 |
(三) Full Rank算法 |
三、总结 |
(8)数据挖掘在零售业交叉销售中的应用研究(论文提纲范文)
中文摘要 |
ABSTRACT |
第1章 绪论 |
1.1 选题背景和意义 |
1.2 数据挖掘在零售业交叉销售中的研究现状 |
1.2.1 国内研究现状 |
1.2.2 国外研究现状 |
1.3 本文主要研究内容 |
第2章 零售业交叉销售基本理论 |
2.1 交叉销售的概念 |
2.2 零售业特点 |
2.3 零售业交叉销售的作用 |
2.4 交叉销售与数据挖掘 |
第3章 基于数据挖掘的零售业交叉销售模型 |
3.1 数据挖掘经典技术 |
3.1.1 数据挖掘定义和分类 |
3.1.2 数据挖掘的步骤 |
3.1.3 交叉销售主要挖掘技术 |
3.2 数据仓库,OLAP 分析与数据挖掘 |
3.2.1 数据仓库基本概念 |
3.2.2 OLAP 的概念 |
3.2.3 数据挖掘和OLAP 的关系 |
3.2.4 数据挖掘和数据仓库 |
3.3 数据挖掘工具分类 |
3.4 基于聚类的客户细分模型 |
3.4.1 客户细分的必要性 |
3.4.2 Oracle 平台的聚类算法 |
3.4.3 模型的主要参数说明 |
3.4.4 基于聚类的客户细分模型概述 |
3.5 基于关联规则的交叉销售模型 |
3.5.1 Oracle 平台的关联规则算法 |
3.5.2 模型主要参数说明 |
3.5.3 基于关联规则的交叉销售模型概述 |
第4章 基于数据挖掘的零售业交叉销售模型实证研究 |
4.1 交叉销售整体解决方案 |
4.1.1 建模目标及数据来源 |
4.1.2 模型构建技术平台 |
4.1.3 建模相关算法的选择 |
4.2 业务数据抽取,转换及装载(ETL) |
4.3 基于聚类算法的客户细分模型构建及黄金产品定位 |
4.3.1 基于客户价值矩阵的参数计算 |
4.3.2 聚类模型的构建 |
4.3.3 黄金产品定位 |
4.4 基于关联规则算法的交叉销售模型构建 |
4.4.1 泛化关联规则 |
4.4.2 建模数据转换 |
4.4.3 关联模型构建 |
4.4.4 交叉销售模型分析 |
4.4.5 基于价格促销的交叉销售分析 |
4.5 基于货架空间关系的关联分析改进 |
4.5.1 货架空间关系理论简介 |
4.5.2 问题描述和定义 |
4.5.3 算法描述 |
4.5.4 一个数值例子 |
4.5.5 结论 |
第5章 总结和展望 |
5.1 全文总结 |
5.2 今后研究方向 |
致谢 |
参考文献 |
(9)客户关系管理在我国连锁零售业中应用研究(论文提纲范文)
摘要 |
Abstract |
1. 绪论 |
1.1 研究背景 |
1.2 研究目的 |
1.3 研究内容与方法 |
2. 文献综述 |
2.1 国外研究综述 |
2.2 国内研究综述 |
3. 客户关系管理理论与客户关系管理系统 |
3.1 客户关系管理概述 |
3.1.1 客户关系管理定义 |
3.1.2 客户关系管理理论基石 |
3.2 客户关系管理系统介绍 |
3.2.1 客户关系管理系统指导原理 |
3.2.2 客户关系管理系统分类 |
3.3 客户关系管理的技术基础——数据仓库与数据挖掘技术 |
3.3.1 数据仓库 |
3.3.2 数据挖掘 |
4. 我国连锁零售业实施CRM 系统的意义 |
4.1 我国连锁零售业的竞争环境分析 |
4.1.1 国外零售企业的进入 |
4.1.2 国内竞争环境的变化 |
4.2 我国连锁零售业实施CRM 系统的必要性 |
4.2.1 经营理念落后,缺乏服务精神 |
4.2.2 市场定位模糊,目标顾客不明确 |
4.2.3 营销手段单一,客户忠诚度较低 |
4.2.4 商品管理比较落后 |
4.2.5 信息化程度偏低,竞争力较低 |
4.3 CRM 系统对连锁零售企业的功能支持 |
4.3.1 增强企业销售营销能力 |
4.3.2 清晰市场定位,明确目标客户 |
4.3.3 提高客户满意度和忠诚度 |
4.3.4 助力连锁经营的发展 |
4.3.5 提高企业的综合管理能力 |
5. CRM 系统在我国连锁零售业应用现状分析 |
5.1 客户关系管理应用案例 |
5.1.1 案例广州友谊-客户分析创造有效佳绩 |
5.1.2 案例分析 |
5.2 我国连锁零售业应用CRM 系统存在的问题 |
5.2.1 客户关系管理理解的偏差 |
5.2.2 客户数据收集成为客户关系管理的最大障碍 |
5.2.3 数据资源浪费严重,缺乏对客户价值的挖掘 |
5.2.4 客户接触渠道较少 |
5.2.5 客户关系管理系统多为操作型 |
5.2.6 与企业其它系统整合存在问题 |
5.2.7 缺乏系统完善的意识 |
6. 我国连锁零售业实施CRM 系统的基本策略 |
6.1 分析型CRM 系统特点及功能 |
6.1.1 分析型CRM 的特点 |
6.1.2 分析型CRM 的功能 |
6.2 分析型CRM 系统需求及系统架构 |
6.2.1 分析型CRM 系统需求 |
6.2.2 分析型CRM 系统体系结构 |
6.3 我国连锁零售业实施分析型CRM 的策略 |
6.3.1 全面顾客信息收集,破解收集难的问题 |
6.3.2 改善顾客情感体验,加强顾客互动 |
6.3.3 与供应商建立战略联盟 |
6.3.4 整合联盟厂商会员资源 |
6.3.5 相应的企业文化重塑 |
6.3.6 企业业务流程再造 |
6.3.7 从企业实际出发,实现与现在系统有机整合 |
7. LQ 连锁超市实施分析型CRM 实证分析 |
7.1 LQ 连锁超市简介 |
7.2 LQ 超市实施分析型CRM 系统的需求分析 |
7.2.1 适应竞争环境的变化的需求 |
7.2.2 充分利用客户数据资源的需求 |
7.2.3 提高顾客满意度与忠诚度的需求 |
7.2.4 规范管理、降低管理成本的需求 |
7.3 LQ 连锁超市分析型CRM 系统实施 |
7.3.1 LQ 连锁超市分析型CRM 体系架构设计 |
7.3.2 项目实施方法 |
7.4 LQ 连锁超市实施分析型CRM 系统预期效果 |
结束语 |
致谢 |
参考文献 |
四、数据挖掘在零售业中的应用(论文参考文献)
- [1]从数据挖掘视角谈本土零售业的精确营销[J]. 陈曦. 商业经济研究, 2016(11)
- [2]零售企业客户分析模型的构建与研究[D]. 周艳欣. 首都经济贸易大学, 2013(S1)
- [3]浅谈数据挖掘技术在零售业中的应用[J]. 潘程,陈玉华. 中国新技术新产品, 2011(16)
- [4]数据挖掘在零售商业中的应用[J]. 杨琳. 福建电脑, 2011(02)
- [5]基于数据挖掘技术的电脑零售业中的商业分析[D]. 于春红. 华东师范大学, 2010(03)
- [6]数据挖掘技术及其在零售业中应用的初步研究[J]. 刘芳,王璐鑫. 福建电脑, 2009(08)
- [7]数据挖掘在商务智能中的应用[J]. 李清峰,彭文峰. 文史博览(理论), 2009(06)
- [8]数据挖掘在零售业交叉销售中的应用研究[D]. 林凡. 黑龙江大学, 2009(12)
- [9]客户关系管理在我国连锁零售业中应用研究[D]. 江升世. 西南财经大学, 2009(S2)
- [10]数据挖掘在零售业中的应用[J]. 李志亮,罗芳. 宁德师专学报(自然科学版), 2008(03)