20XX十大成功营销案例20XX年数据营销案例.doc

20XX十大成功营销案例20XX年数据营销案例
随着IT技术、inter技术与数据库技术的不断发展,数据营销在企业中越来越被广泛的应用,各商业银行陆续推出了自己的数据营销平台,一方面为客户提供优质的金融服务,另一方面收集客户数据,进行数据分析,期望能实现精准营销。以下是WTT为大家整理的关于20XX年数据营销案例，一起来看看吧!
20XX年数据营销案例篇
1
故事背景：　　在一家超市中，通过大数据分析发现了一个特别有趣的现象：尿布与啤酒这两种风马牛不相及的商品的销售数据曲线竟然初期的相似，于是就将尿布与啤酒摆在一起。没想到这一举措居然使尿布和啤酒的销量大幅增加了。这可不是一个笑话，而是一直被商家所津津乐道的发生在美国沃尔玛连锁超市的真实大数据案例。原来，美国的妇女通常在家照顾孩子，所
以她们经常会嘱咐丈夫在下班回家的路上为孩子买尿布，而丈夫在买尿布的同时又会顺手购买自己爱喝的啤酒。
这个发现为商家带来了大量的利润，但是从浩如烟海却又杂乱无章的大数据中，发现啤酒和尿布销售之间的联系呢?这又给了我们什么样的启示呢?
这就是关联!
关联，其实很简单，就是几个东西或者事是经常同时出现的，“啤酒+尿布”就是非常典型的两个关联商品。所谓关联，反映的是一个事和其他事之间依赖或关
联的知识。当我们查找英文文献的时候，可以发现有两个英文词都能形容关联的含义。第一个是相关性relevance，第二个是关联性
association，两者都可以用来描述事之间的关联程度。其中前者主要用在互联网的内容和文档上，比如搜索引擎算法中文档之间的关联性，我们采用
的词是relevance;而后者往往用在实际的事物之上，比如电子商务网站上的商品之间的关联度我们是用association来表示的，而关联规则是
用associationrules来表示的。
关联规则数据挖掘阶段
第 一阶段必须从原始资料集合中，找出所有高频项目组(LargeItemsets)。高频的意思是指某一项目组出现的频率相对于所有记录而言，必须达到某一
水平。以一个包含A与B两个项目的2-itemset为例，我们可以求得包含{A,B}项目组的支持度，若支持度大于等于所设定的最小支持度
(MinimumSupport)门槛值时，则{A,B}称为高频项目组。一个满足最小支持度的k-itemset，则称为高频k-项目组
(Frequentk-itemset)，一般表示为Largek或Frequentk。算法并从Largek的项目组中再试图产生长度超过k的项目集
Largek+1，直到无法再找到更长的高频项目组为止。
关联规则挖掘的第二阶段是要产生关联规则。从高频项目组产生关联规则，是利用前一步骤的高频k-项目组来产生规则，在最小可信度(MinimumConfidence)的条门槛下，若一规则所求得的可信度满足最小可信度，则称此规则为关联规则。
例如：经由高频k-项目组{A,B}所产生的规则，若其可信度大于等于最小可信度，则称{A,B}为关联规则。
就 “啤酒+尿布”这个案例而言，使用关联规则挖掘技术，对交易资料库中的记录进行资料挖掘，首先必须要设定最小支持度与最小可信度两个门槛值，在此假设最小
支持度min-support=5%且最小可信度min-confidence