摘要：在多年的《電子商務(wù)概論》的教學(xué)過程中，筆者認(rèn)為網(wǎng)絡(luò)營銷已成為學(xué)習(xí)者學(xué)習(xí)的重點(diǎn)內(nèi)容，對于電子商務(wù)的經(jīng)營者和管理者來說，網(wǎng)絡(luò)營銷的策略分析對其營銷管理起著戰(zhàn)略指導(dǎo)性作用。本文探討如何利用數(shù)據(jù)挖掘軟件Clementine，挖掘出潛在的商務(wù)行為，建立起相關(guān)的數(shù)據(jù)模型，為企業(yè)做出正確的策略分析，體現(xiàn)出其核心競爭力。
　　關(guān)鍵詞：策略分析，數(shù)據(jù)挖掘，網(wǎng)絡(luò)營銷，Clementine，聚類分析，回歸分析
　　1．引言在《電子商務(wù)概論》課程的教學(xué)過程中，在教材中相關(guān)的網(wǎng)絡(luò)營銷策略分析實(shí)例比較欠缺，本文結(jié)合實(shí)例，為企業(yè)的網(wǎng)絡(luò)營銷策略分析提供數(shù)據(jù)依據(jù)。
　　2．網(wǎng)絡(luò)營銷及網(wǎng)絡(luò)營銷策略
　　2.1網(wǎng)絡(luò)營銷
　　“網(wǎng)絡(luò)營銷”來源于意譯的英文詞組“InternetMarketing”以及“InternetPromotion”，基本概念是通過互聯(lián)網(wǎng)進(jìn)行市場推廣活動(dòng)。其突出特點(diǎn)是就是互聯(lián)網(wǎng)，是“電子商務(wù)”（e-Commerce）以及“電子商業(yè)”（e-Business）等包容了計(jì)算機(jī)、互聯(lián)網(wǎng)、電子交換等數(shù)字化技術(shù)的重要組成部分，是二十一世紀(jì)最有代表性的一種低成本、高效率的全新商業(yè)模式之一。
　　2.2網(wǎng)絡(luò)營銷策略
　　新競爭力研究認(rèn)為，網(wǎng)絡(luò)營銷是公司級的營銷策略。網(wǎng)絡(luò)營銷系統(tǒng)性很強(qiáng)，不僅需要企業(yè)多個(gè)部門的協(xié)調(diào)工作，也涉及到企業(yè)營銷活動(dòng)各個(gè)層面，網(wǎng)絡(luò)營銷由各項(xiàng)具體網(wǎng)絡(luò)營銷活動(dòng)組成，如網(wǎng)絡(luò)品牌、網(wǎng)站建設(shè)、網(wǎng)站推廣、網(wǎng)上銷售等，這些活動(dòng)之間是相互關(guān)聯(lián)的，如果缺乏總體網(wǎng)絡(luò)營銷策略的指導(dǎo)，即使在各項(xiàng)分立的網(wǎng)絡(luò)營銷活動(dòng)中都投入大量資源，網(wǎng)絡(luò)營銷的整體效果仍然會(huì)大大折扣。
　　3．實(shí)例分析
　　 本文以B2C、B2B為例，其目標(biāo)是根據(jù)購買相類似產(chǎn)品的客戶，分兩個(gè)階段進(jìn)行數(shù)據(jù)挖掘，進(jìn)一步建立數(shù)據(jù)模型，細(xì)分客戶群，挖掘出其潛在的規(guī)律，為網(wǎng)絡(luò)營銷提供策略分析。
　　3.1網(wǎng)絡(luò)營銷策略對象
　　 以某企業(yè)2009年第一季度的營銷業(yè)績進(jìn)行分析，根據(jù)分析結(jié)果，為企業(yè)的下一季節(jié)的網(wǎng)站推廣方向，銷售產(chǎn)品類別，及地域性產(chǎn)品分類、地域性的品牌需求做出正確的判斷。
　　3.2數(shù)據(jù)來源
　　 從企業(yè)數(shù)據(jù)庫的產(chǎn)品銷售數(shù)據(jù)表中提取全部數(shù)據(jù)，其數(shù)據(jù)字段如表一所示：

                      
　　3.3算法及模型
　　3.31K-means聚類算法
　　K-means快速聚類過程是為觀測個(gè)數(shù)很多的數(shù)據(jù)集進(jìn)行不相交聚類而設(shè)計(jì)，從統(tǒng)計(jì)學(xué)的角度來看，快速聚類過程是尋找初始分類的有效方法，采用的算法是最小化與類均值間距離平方和的標(biāo)準(zhǔn)迭代算法，其結(jié)果是高效率地生成大數(shù)據(jù)文件的不相交的分類。
　　K-means聚類的核心思想如下：算法把n個(gè)向量Xj（j=1,2…,n）分為C個(gè)組Gi（i=1,2,…,c），并求每組的聚類中心，使得非相似性（或距離）指標(biāo)的價(jià)值函數(shù)（或目標(biāo)函數(shù)）達(dá)到最小。當(dāng)選擇歐幾里德距離為組j中向量Xk與相應(yīng)聚類中心Gi間的非相似性指標(biāo)時(shí)，其價(jià)值函數(shù)可定義為：。
　　3.32Logistic回歸預(yù)測模型
　　 Logistic回歸預(yù)測模型需要對模型進(jìn)行檢驗(yàn)和評價(jià)，分為對回歸方程整體的顯著性檢驗(yàn)、回歸系數(shù)的顯著性檢驗(yàn)和模型擬合優(yōu)度評價(jià)。擬合優(yōu)度評價(jià)的常用統(tǒng)計(jì)量包括Cox-SnellR2和NagelkerkeR2統(tǒng)計(jì)量，其數(shù)學(xué)定義分別為：；NagelkerkeR2統(tǒng)計(jì)量是Cox-SnellR2的修正，其取值范圍限定為0-1，越接近于1，則表明模型擬合優(yōu)度越高。
　　3.4用Clementine建立數(shù)據(jù)數(shù)據(jù)流
　　3.41聚類分析結(jié)果
　　 聚類分析結(jié)果如圖一所示。
　　                           
　　                                                                 圖一聚類分析結(jié)果導(dǎo)出圖
　　3.42策略分析模型
　　 利用聚類分析結(jié)果導(dǎo)出數(shù)據(jù)，再根據(jù)導(dǎo)出的結(jié)果建立回歸模型，如圖二所示。
　　                                   
　　4．結(jié)論
　　 我們可以看出，經(jīng)過聚類分析后，所以的數(shù)據(jù)進(jìn)行Logistic回歸模型建立企業(yè)的營銷策略分析模型，從該模型，我們不難分析出，不同地域?qū)Ξa(chǎn)品的品牌及種類的需求分布，企業(yè)利潤最大化主要集中在某個(gè)客戶群中，且也可以分析出零售客戶群和批發(fā)客戶群的主流產(chǎn)品。同時(shí)，我們還可以利用水晶報(bào)表的形式對其進(jìn)行交互式的展現(xiàn)，有效的為企業(yè)做出對產(chǎn)品的調(diào)整及推廣方向做出正確的選擇，為企業(yè)網(wǎng)絡(luò)營銷做出正確的決策提供強(qiáng)有力的數(shù)據(jù)依據(jù)。
　　參考文獻(xiàn)
　　[1]謝邦昌.數(shù)據(jù)挖掘Clementine應(yīng)用實(shí)務(wù).北京：機(jī)械工業(yè)出版社，2007年.
　　[2]沈恒范.概率論與數(shù)理統(tǒng)計(jì)教程.北京：高等教育出版社，2003年.
　　[3]蘭宜生.電子商務(wù)基礎(chǔ)教程。北京：清華大學(xué)出版社，2007年