数据挖掘，已成为各大公司的必备职位，针对顾客行为和购买历史等进行数据整合、分析挖掘，达到精准定位营销的目的。但数据挖掘并不是简单的数据采编，更多需要一些算法技巧，比如我们做数据挖掘会采用分类算法、聚类算法、关联规则等。下面 大圣众包威客平台 我就这三种算法详细介绍下，如何实现精准营销。分类算法： 我们做电商平台，用户留存是很重要的一部分，但顾客流失走向我们是无法控制的，只能通过预测，这时就需要运用到分类模型。分类算法属于预测性模型，根据过去数据、分析来预测将来一段时间的行为过程。分类学习方法所使用的数据集称为训练集，训练集中每一个个体都有明确的类别，通过训练集中的数据表现出来的特征，为每一个类找到一种准确的描述或者模型。其优点是容易理解、预测准确度高。分类算法有logistic回归，神经网络、贝叶斯分类器、SVM等算法。分类算法实际应用案例：比如高尔夫球场，这个跟天气情况关系密切，因为前期的数据分析，得出天气是否晴朗，气温如何，湿度如何、风力如何都会影响到打高尔夫球场的人，作为一个高尔夫球场的运营人员便可以根据分类模型，去构建决策树，不同的天气因素，决定是否开放等。聚类算法： 说完分类算法，谈谈聚类，聚类算法主要是按照样本、数据自身的属性去归类，用数学方法根据相似性或差异性指标，定量确定样本亲疏关系。聚类有Kmeas，Two-step聚类算法实际应用案例：电商公司想要新进一批高端服装，但究竟进什么款式等，这需要根据消费群体特征来分类，首先需要从上一年的数据，查看顾客购买行为、消费额、购买时间等通过聚类方法进行分类，找出每类群体的特征，然后根据这类群体进行相应的推送，而不是广撒网模式。关联规则： 关联分析是从大量数据中发现样本之间有趣的关联和关系，从而为用户推送。关联分析主要用“支持度”(support)和“置性度”(confidence)两个概念衡量事物之间的关联规则。关联规则A->B的支持度support=P(AB)，指的是事件A和事件B同时发生的概率。置信度confidence=P(B|A)=P(AB)/P(A),指的是发生事件A的基础上发生事件B的概率。这有点像我们高中的概率学。我们常见的电商平台，“为你推荐”、“购买该产品的用户还购买了”等都属于关联分析，其依据就是通过分析之前购买产品的顾客的购物篮分析，分析顾客的购买习惯，可以帮助零售商制定营销策略。数据挖掘不是简单的数据整合，采集，更多是根据用户的行为习惯，深入分析用户的意图，了解背后的动机，才能给予企业决策，更好服务营销。原文地址： http://www.dashengzb.cn/articles/a-146.html
精准大数据营销
精准营销的实质是根据目标客户的个性化需求设计产品和服务，而大数据就是手段。大数据精准营销做法如下：
1、以用户为导向。
真正的营销从来都是以用户为中心的，而大数据把用户实实在在“画”在了眼前，营销者可以根据数据库内的数据构建用户画像，来了解用户消费行为习惯、以及年龄、收入等各种情况，从而对产品、用户定位、营销做出指导性的调整。
2、一对一个性化营销。
很多销售在推销产品时常常会遇到这样的问题：产品是一样的，但是用户的需求是各不相同的，如何把相同的产品卖给不同的用户？这就需要我们进行“一对一”个性化营销。利用大数据分析，可以构建完善的用户画像，了解消费者，从而做出精准的个性化营销。 3、深度洞察用户。
深度洞察用户，挖掘用户潜在需求，是数据营销的基础。利用数据标签，可以准确获知用户的潜在消费需求。
例如：我们得知一位用户曾购买过奶粉，那么我们可以得知，家里有小孩，相应的可以向他推送早教课程等适合婴幼儿的产品。洞察消费者需求后再进行投放，营销的效果将比撒网式有效且更易成交。 4、营销的科学性。
实践证明，数据指导下的精准营销相对于传统营销来说更具有科学性。向用户“投其所好”，向意向客户推荐他们感兴趣的东西，远远要比毫无目标的被动式营销更具成效。大数据精准营销包含方面
1、用户画像
用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。具体包含以下几个维度：
用户固定特征：性别，年龄，地域，教育水平，生辰八字，职业，星座。
用户兴趣特征：兴趣爱好，使用APP，网站，浏览/收藏/评论内容，品牌偏好，产品偏好。
用户社会特征：生活习惯，婚恋，社交/信息渠道偏好，宗教信仰，家庭成分。
用户消费特征：收入状况，购买力水平，商品种类，购买渠道喜好，购买频次。
用户动态特征：当下时间，需求，正在前往的地方，周边的商户，周围人群，新闻事件如何生成用户精准画像大致分成三步。
2、数据细分受众
在执行大数据分析的3小时内，就可以轻松完成以下的目标：精准挑选出1%的VIP顾客发送390份问卷，全部回收 问卷寄出3小时内回收35%的问卷 5天内就回收了超过目标数86%的问卷数所需时间和预算都在以往的10%以下。
3、预测
“预测”能够让你专注于一小群客户，而这群客户却能代表特定产品的大多数潜在买家。当我们采集和分析用户画像时，可以实现精准营销。这是最直接和最有价值的应用，广告主可以通过用户标签来发布广告给所要触达的用户。
这里面又可以通过上图提到的搜索广告，展示社交广告，移动广告等多渠道的营销策略，营销分析，营销优化以及后端CRM/供应链系统打通的一站式营销优化，全面提升ROI。
4、精准推荐
大数据最大的价值不是事后分析，而是预测和推荐，我就拿电商举例，"精准推荐"成为大数据改变零售业的核心功能。
数据整合改变了企业的营销方式，现在经验已经不是累积在人的身上，而是完全依赖消费者的行为数据去做推荐。销售人员不再只是销售人员，而能以专业的数据预测，搭配人性的亲切互动推荐商品，升级成为顾问型销售。
精准营销数据库
如何精准掌握营销数据，方法如下：
1、首先必须明确产品的目标群体。
定位与产品自身相匹配的消费群体，是分析消费者购买习惯和消费需求的前提，让大数据分析有用武之地。互联网时代下，人们可接触到的事物种类众多，每个人的喜好不同，个性化程度高，极具多样性。
因此在寻找目标群体的过程中，要立足于各行业沉淀的数据，根据不同的标准来划分消费群体，建立用户信息的数据库，从中寻找到目标用户。2、需要掌握运用大数据分析用户需求的技术。
大数据对用户使用各种应用而产生的每一条数据都加以记录，营销者可以用过分析这些数据来获取用户需求，甚至挖掘出用户也没有意识到的潜在需求。以移动游戏应用的推广为例，不同游戏玩家之间的喜好是有天差地别的，没有经过数据分析玩家喜好和使用习惯而投放的广告，往往都成为无用功。
而通过分析用户数据，获取各种信息来进行精准营销，能大大提高下载率和延长留存时间。提升运用大数据分析用户需求的技术，也成为许多主流广告平台的工作重点之一。3、注意广告创意与数据的相结合。
现代人更喜爱个性的、新颖的广告创意，对广告的审美要求也上升到了一个新的高度。而简单粗暴、缺乏创意的广告早已不适应时代的进步，这使得营销者们对广告创意越来越重视。
依照分析数据得出的消费需求与让人耳目一新的创意相结合，理性的数据加上感性的艺术，才能创造出点击率高，推广效果好的广告。在互联网时代，精准营销势在必行，这需要企业和营销者更好地定位目标人群，掌握分析大数据的技术，结合创意来进行精准营销。
