支持金融產品交叉營銷的數(shù)據(jù)挖掘研究.pdf

1、當今，國內外金融企業(yè)為了取得更大的競爭優(yōu)勢，正在將市場營銷理念從“產品導向”轉變?yōu)椤翱蛻魧颉?。交叉營銷可通過向客戶提供一整套產品或者服務的解決方案，達到降低營銷成本、擴大銷售業(yè)績、增加企業(yè)利潤、增強客戶的忠誠度的目的，因此成為近年來國內外很多學者研究的熱點之一。但是，由于金融領域的數(shù)據(jù)分析具有量大、不確定性因素多等特點，導致當前的交叉營銷大多是在缺乏對客戶和產品的科學分析的情況下開展的，制定的交叉營銷方案假設條件較多，沒有針對性，效率

2、比較低，實際應用價值不高。
　　 作者認為要進行有效的交叉營銷，客戶細分和產品關聯(lián)分析是兩個重要的環(huán)節(jié)。通過對客戶的科學分類，可以分析各種類型客戶的消費特點，形成針對客戶群的營銷策略，奠定交叉營銷的基礎；通過產品關聯(lián)分析，可以明確各類產品的潛在聯(lián)系，結合客戶的歷史交易記錄，可以形成產品組合交叉營銷方案。進一步將客戶聚類分析和產品關聯(lián)分析相結合，可以形成個性化的、實用高效的交叉營銷方案。
　　 本文首先介紹了數(shù)據(jù)挖掘技術的

3、理論基礎，并闡述了該技術在金融領域中的研究和應用的現(xiàn)狀，分析了存在的不足之處；在比較多種常用算法的基礎上，選擇K-means算法建立了客戶細分模型，選擇優(yōu)化的關聯(lián)規(guī)則Apriori算法建立了產品關聯(lián)模型。為了保障客戶細分模型產生的聚類結果的穩(wěn)定性、合理性以及提高算法本身的執(zhí)行效率，采用了Dan Pelleg和Andrew Moore對K-means算法的改進方法；接著將兩個模型有效結合，構建了一個支持交叉營銷的數(shù)據(jù)挖掘模型，提出了支持金