[摘要] 本文针对交叉销售过程的阶段特点，提出了数据挖掘在交叉销售中的应用过程模型。

[关键词] 交叉销售 数据挖掘 业务模型

数据挖掘的商业应用研究多是针对数据挖掘的某一项技术，仅从技术的角度来理解和描述营销问题，注重的是算法的效率、新颖，没有结合营销过程的特点来指导数据挖掘应用。因此，有必要全面审视营销过程管理中的各个阶段，建立数据挖掘技术应用的过程模型，指导数据挖掘在商业领域的应用实践。

一、客户数据集成是交叉销售的基础

交叉销售从广义上讲是一种营销哲学，充分利用一切可能的资源来开展营销、服务市场、赢得顾客;从狭义上讲是一种以企业与客户的现有关系为基础，以客户为中心，发现客户多种需求，去销售更多的产品，满足其多种需求的营销方式。因此，交叉销售的成功实施离不开客户信息的分析，客户数据集成是交叉销售的基础。充分利用数据挖掘技术，发挥客户数据的价值，就可以根据不同客户的偏好和特性提供相应的产品和服务，从而提高客户对企业的价值。

二、数据挖掘在交叉销售过程中的应用

在数据挖掘的应用研究和实践中，主要依靠数据挖掘的三大支柱;数据挖掘技术、数据、业务建模。数据挖掘技术的选择取决于应用领域的问题，需要区分不同的技术、算法的适用性。针对交叉销售实施过程中的业务关键问题，我们将数据挖掘技术、客户数据集成、业务模型三者结合，提出了数据挖掘在交叉销售中的应用过程模型。

数据挖掘在交叉销售中的应用过程模型图

1.客户分群模型

在交叉销售策划阶段，根据现有顾客在购买产品方面的显著特点作为预测交叉销售的基础。可以从顾客以往的产品购买、使用情况数据分析，形成聚类的结果来获取客户分群模型。业务专家就可以发现不同顾客群体之间产品使用存在的差异，并分别向这些群体推荐不同的产品组合。这种方法类似与peliter等提出的利用市场细分来预测交叉销售机会的方法，但是利用数据挖掘的聚类是通过无监督的机器学习，可以获得更多未知的知识以及更好的统计学检验结果。

聚类分析是把整个数据集分成不同的群组，它的目的是使得群与群之间差别很明显，而同一个群之间的数据尽量相似。聚类分析所处理的数据集有连续型、离散型、关联型、混合型四种数据类型，如何针对具体的数据集进行聚类模型和聚类算法的设计是整个聚类分析过程中最关键的步骤。业务专家对客户分群结果进行进一步的分析，把交叉销售的产品特性与潜在客户的特质进行匹配，选择合适的客户群，进行下一步的交叉销售试探。

2.客户响应模型

企业可以通过多种客户接触渠道对客户进行交叉销售试探，目的是要获取客户对产品或服务的响应率，得到客户对交叉销售的感兴趣情况。通过响应率分析能够有效的降低市场推广的费用，同时能够更加有针对性的面对目标市场，达到以最小的投入获得最佳效果的目的。需要构建预测模型，对交叉销售活动找到最合适的响应客户，预测哪些客户能够响应，以及响应的可能性是多少。

分类技术的功能是根据商业数据的属性将数据分派到不同的组中。在实际应用过程中，分类模型可以分析分组中数据的各种属性，并找出数据的属性模型，确定哪些数据模型属于哪些组。这样我们就可以利用该模型来分析已有数据，并预测新数据将属于哪一个组。分类模型可以使用决策树、神经网络、贝叶斯分类等技术实现。

3.产品分析模型

在交叉销售全面实施过程中，客户交易的数据不仅可以用来分析客户的利润情况，还可以从客户整体购买产品分析出发，探索是否存在一定的获得模式。这就需要使用数据挖掘的关联分析和顺序，可以找到产品间的关联模式和购买的可能性。特别是新产品在交叉销售时，由于缺乏历史销售数据，只有待到有客户购买时，才能进行产品关联分析，并为交叉销售寻找新的销售机会。

关联分析主要是描述了一组数据项目的密切度或关系，。置信度级别度量了关联规则的强度。关联模型的一个典型例子是市场菜篮分析，通过挖掘数据派生关联规则，利用此规则可以了解客户的行为。

顺序(sequence)模型主要用于分析数据仓库中的某类同时间相关的数据，并发现某一时间段内数据的相关处理模型。例如客户现在定购一台喷墨打印机之后还可能定购打印纸，可能在初始购买时有大量定货，在售后服务请求时定货量较小，在服务请求完成后可能又有大量的定货。

4.模型度量

数据挖掘得到的模式有可能是没有实际意义或没有实用价值的，也有可能无法准确反映数据的真实意义，甚至在某些情况下是与事实相反的，因此对于数据挖掘的结果需要进行评估，确定数据挖掘是否存在偏差，挖掘结果是否正确，确定哪些是有效的、有用的模式。模式的价值体现在业务专家对模式的兴趣度和未知度，然而模式的兴趣度和未知度由与业务专家的业务背景知识有着很大的关系。表示模式兴趣度的一个简单且已被广泛接受的标准式是后验概率，可以用j-度量表示：

j-度量衡量了在知道先验概率p(b)和后验概率的情况下，对知识b的差异。

三、结论

数据挖掘在应用中遇到数据积累不充分或不全面、业务模型构建困难、缺少有经验的实施者等问题，使得应用与理论的发展极不协调。本文针对交叉销售过程的阶段特点，提出了数据挖掘在交叉销售中的应用过程模型，展示了交叉销售的各个阶段的营销活动和所对应的数据挖掘技术与业务模型，有助于全面理解和指导数据挖掘在交叉销售中的应用。

本文中所涉及到的图表、注解、公式等内容请以pdf格式阅读原文。