摘要：在多年的《電子商務概論》的教學過程中，筆者認為網絡營銷已成為學習者學習的重點內容，對于電子商務的經營者和管理者來說，網絡營銷的策略分析對其營銷管理起著戰略指導性作用。本文探討如何利用數據挖掘軟件Clementine，挖掘出潛在的商務行為，建立起相關的數據模型，為企業做出正確的策略分析，體現出其核心競爭力。
　　關鍵詞：策略分析，數據挖掘，網絡營銷，Clementine，聚類分析，回歸分析
　　1．引言在《電子商務概論》課程的教學過程中，在教材中相關的網絡營銷策略分析實例比較欠缺，本文結合實例，為企業的網絡營銷策略分析提供數據依據。
　　2．網絡營銷及網絡營銷策略
　　2.1網絡營銷
　　“網絡營銷”來源于意譯的英文詞組“InternetMarketing”以及“InternetPromotion”，基本概念是通過互聯網進行市場推廣活動。其突出特點是就是互聯網，是“電子商務”（e-Commerce）以及“電子商業”（e-Business）等包容了計算機、互聯網、電子交換等數字化技術的重要組成部分，是二十一世紀最有代表性的一種低成本、高效率的全新商業模式之一。
　　2.2網絡營銷策略
　　新競爭力研究認為，網絡營銷是公司級的營銷策略。網絡營銷系統性很強，不僅需要企業多個部門的協調工作，也涉及到企業營銷活動各個層面，網絡營銷由各項具體網絡營銷活動組成，如網絡品牌、網站建設、網站推廣、網上銷售等，這些活動之間是相互關聯的，如果缺乏總體網絡營銷策略的指導，即使在各項分立的網絡營銷活動中都投入大量資源，網絡營銷的整體效果仍然會大大折扣。
　　3．實例分析
　　 本文以B2C、B2B為例，其目標是根據購買相類似產品的客戶，分兩個階段進行數據挖掘，進一步建立數據模型，細分客戶群，挖掘出其潛在的規律，為網絡營銷提供策略分析。
　　3.1網絡營銷策略對象
　　 以某企業2009年第一季度的營銷業績進行分析，根據分析結果，為企業的下一季節的網站推廣方向，銷售產品類別，及地域性產品分類、地域性的品牌需求做出正確的判斷。
　　3.2數據來源
　　 從企業數據庫的產品銷售數據表中提取全部數據，其數據字段如表一所示：

                      
　　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數很多的數據集進行不相交聚類而設計，從統計學的角度來看，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準迭代算法，其結果是高效率地生成大數據文件的不相交的分類。
　　K-means聚類的核心思想如下：算法把n個向量Xj（j=1,2…,n）分為C個組Gi（i=1,2,…,c），并求每組的聚類中心，使得非相似性（或距離）指標的價值函數（或目標函數）達到最小。當選擇歐幾里德距離為組j中向量Xk與相應聚類中心Gi間的非相似性指標時，其價值函數可定義為：。
　　3.32Logistic回歸預測模型
　　 Logistic回歸預測模型需要對模型進行檢驗和評價，分為對回歸方程整體的顯著性檢驗、回歸系數的顯著性檢驗和模型擬合優度評價。擬合優度評價的常用統計量包括Cox-SnellR2和NagelkerkeR2統計量，其數學定義分別為：；NagelkerkeR2統計量是Cox-SnellR2的修正，其取值范圍限定為0-1，越接近于1，則表明模型擬合優度越高。
　　3.4用Clementine建立數據數據流
　　3.41聚類分析結果
　　 聚類分析結果如圖一所示。
　　                           
　　                                                                 圖一聚類分析結果導出圖
　　3.42策略分析模型
　　 利用聚類分析結果導出數據，再根據導出的結果建立回歸模型，如圖二所示。
　　                                   
　　4．結論
　　 我們可以看出，經過聚類分析后，所以的數據進行Logistic回歸模型建立企業的營銷策略分析模型，從該模型，我們不難分析出，不同地域對產品的品牌及種類的需求分布，企業利潤最大化主要集中在某個客戶群中，且也可以分析出零售客戶群和批發客戶群的主流產品。同時，我們還可以利用水晶報表的形式對其進行交互式的展現，有效的為企業做出對產品的調整及推廣方向做出正確的選擇，為企業網絡營銷做出正確的決策提供強有力的數據依據。
　　參考文獻
　　[1]謝邦昌.數據挖掘Clementine應用實務.北京：機械工業出版社，2007年.
　　[2]沈恒范.概率論與數理統計教程.北京：高等教育出版社，2003年.
　　[3]蘭宜生.電子商務基礎教程。北京：清華大學出版社，2007年