G公司市场营销决策支持系统设计研究

摘要

G公司作为一个全球性的公司，在市场营销决策中,多数还是侧重营销数据的管理和汇总，对各种数据的分析，只有传统的预测方法以及部分的数据挖掘的工作，很多时候无法得到精准的信息，导致市场营销策略的失败，营销成本升高，降低用户满意度，无法获取竞争优势。基于数据驱动的基础上完善现有的市场营销决策支持系统（DD-MDSS）对G公司来说是非常必要的。 本文在分析G公司营销决策支持系统的基础上，结合当前的理论界的发展，以及利用最近的大数据挖掘的技术，提出了完善G公司营销决策支持系统的解决方案。主要改善的内容如下： （1）市场分析。在市场分析模块中主要是基于SWOT的模型基础上做了改进，主要是因为SWOT模型提出很久了，受到时代的限制。今天的公司会更加强调组织过程。SWOT模型没有考虑到企业改变现状的积极性，本文对现有的SWOT进行升级，在之前的机会，威胁，劣势，优势上面有增加了几个维度，分为为：机会成本、错过的机会、机遇叠加、丧失的机会。帮助更好的定位目标市场。 （2）客户细分。客户细分可以让营销更加精准，从而降低企业成本，提升用户满意度。本文基于LRFMC的模型上再使用K-means的聚类算法来对客户进行细分，并针对不同客户群体制定定制化的营销方案。首先本文基于RFM的模型基础上，提出了针对G公司的产品特色增加了2个维度，L（会员等级）和C（单品订购数量），进行打分，然后K-means聚类算法将客户分为重要保持客户，重要发展客户，重要挽留客户，普通价值客户以及低价值客户，再分解分类制定营销活动的应用方案。 （3）销售预测。销售预测主要是根据一定的方法和模型对历史数据进行分析，然后估测出未来的销售额，从而可以指导企业进行生产和运营方向的计划制定。在本文中主要是基于ARIMA模型的基础上，又把预测出来的数据作为BP神经网络的输入参数，得到预测的销售数据，证明基于ARIMA模型上的BP神经网络的优化能更好的提升预测的准确度。 （4）营销业绩考核。营销业绩考核主要针对销售结果进行定期评价和考核，目的是根据营销计划和实际效果来找到成功的模式进行复制，辅助营销活动按照营销收益和效率进行决策。本文基于G公司现有的基础上，定义的考核的统一口径，加入SMART的考核原则，让各个渠道的营销业绩可以进行横向的对比，提升了营销活动的效率。

目录

第一个书签之前