10 Tecniche ed Esempi Pratici di Data Mining nel Marketing

on .

I SEGRETI DEL DATA MINING PER LA TUA STRATEGIA DI MARKETING

Tecniche di data mining nel marketingValorizzare le informazioni aziendali residenti in grandi depositi dati è uno degli obiettivi più noti del data mining
. Ma le potenzialità delle tecniche, delle metodologie e degli esempi che rientrano nella definizione di data mining vanno ben oltre la semplice valorizzazione di dati. In questo articolo ci concentreremo sul marketing e su ciò che puoi fare tu stesso per promuovere la tua azienda o il tuo business, anche online, grazie al data mining. Nella lista delle 10 tecniche ed esempi pratici selezionati abbiamo dato voce a risorse e link di approfondimento, in modo che tutti possano conoscere meglio questo ambito vasto e in continuo divenire. Sfruttando le tecniche e prendendo spunto dagli esempi che ti mostreremo fra poco, sarai in grado di potenziare e raffinare la tua strategia di marketing e distinguerti dalla concorrenza. Cominciamo!

1) CLUSTERING ANALYSIS PER IDENTIFICARE SINGOLI GRUPPI TARGET

L’analisi cluster permette di identificare all’interno di un archivio un determinato gruppo di utenti secondo caratteristiche comuni. Queste caratteristiche possono essere l’età, la provenienza geografica, il titolo di studio e così via. Si tratta di una tecnica di data mining che nel marketing risulta utile per segmentare il database e inviare, ad esempio, una certa promozione al target giusto per quel prodotto o servizio (giovani, mamme, pensionati, ecc). Le combinazioni di variabili sono infinite e rendono l’analisi cluster più o meno selettiva a seconda delle esigenze di ricerca.

Risorse importanti:

– Cluster Analysis by Jmp [ENG]

– La Cluster Analysis [PDF ITA] 

– Tutorial Cluster Analysis by Origine Lab  [ENG]

– Data Mining – Cluster Analysis by Tutorials Point

– Cluster Analysis for Market Segmentation  [SLIDE ENG]

2) REGRESSION ANALYSIS PER FARE PREVISIONI DI MARKETING

Prevedere il futuro è il sogno di qualsiasi professionista del marketing. Senza tirare in ballo la sfera di vetro, abbiamo dalla nostra l’analisi regressiva, una tecnica di data mining grazie alla quale studiare cambiamenti, abitudini, livello di soddisfazione dei clienti e altri fattori legati a parametri come il budget di una campagna pubblicitaria o simili. Nel momento in cui modifichi uno di questi parametri, avrai un’idea abbastanza verosimile di cosa accadrà al tuo pubblico di utenti.

Risorse importanti:

– Regression Analysis – predicting the future by Michael Pawlicki  [ENG]

– Regression Analysis – by b2binternational  [ENG]

– TECHNIQUE #9: Regression Analysis by Marketing Profs  [ENG]

– The Use Of Regression Analysis In Marketing Research by IDEAS  [ENG]

3) CLASSIFICATION ANALYSIS PER INDIVIDUARE SPAM E NON SOLO

Come classificare un’email di risposta di un cliente? E come individuare possibili correlazioni tra potenziali acquirenti dei tuoi prodotti prima e dopo l’attuazione di una campagna di advertising? La risposta è una sola: analisi classificatoria, la tecnica di data mining che consente di riconoscere i cosiddetti pattern (schemi ricorrenti) all’interno di un database. Una soluzione efficace per rendere più performante la tua strategia di marketing, eliminare il superfluo e creare sotto-archivi ottimizzati.

Risorse importanti:

– Classification Analysis by Berkley  [ENG]

– Principal Components & Classification Analysis by Statistica  [ENG]

– Data mining: classification and analysis  [ENG]

4) ANOMALY DETECTION PER RICONOSCERE LE INCONGRUENZE

Ogni business, grande o piccolo che sia, deve affrontare ogni giorno le conseguenze di eventuali errori commessi da dipendenti, fornitori o clienti stessi. Una banale svista in fase di data entry o nell’acquisto di un prodotto ha lo stesso effetto di un sassolino nella scarpa. Niente di stravolgente, ma comunque un fastidio. Per eliminare alla radice incongruenze e anomali dei database, si ricorre a una tecnica di data mining particolare che prende il nome di anomaly detection. Anche in questo caso a gestire la ricerca sarà il nostro software, programmato per eseguire operazioni complesse su database contenenti fino a centinaia di migliaia di record (indirizzi, nominativi, ecc). 

Risorse importanti:

– Machine Learning Anomaly Detection Service by Microsoft  [ENG]

– Survey on Anomaly Detection using Data Mining Technique by ScienceDirect  [ENG]

– Anomaly Detection by Oracle

– Outlier and Anomaly Detection by KDD Topics

– 6 Benefits Of Anomaly Detection Software For IT Ops/APM by Prelert

5) INTRUSION DETECTION PER UNA MAGGIORE SICUREZZA DEL SISTEMA

Marketing e sicurezza sono due aspetti che sembrano non avere alcuna relazione e che invece vanno (o dovrebbero andare) di pari passo. Immagina quali effetti deleteri potrebbe avere una campagna DEM (Direct Email Marketing) condotta su un database contaminato. Per ovviare l’impiego di archivi infetti da intrusi (singoli valori aggiunti da cracker o veri e propri virus che duplicano i dati), è sufficiente procedere con la ricerca degli intrusi, una tecnica di data mining che bonifica il database e garantisce una maggiore sicurezza dell’intero sistema.

Risorse importanti:

– Data mining for network security and intrusion detection by R-bloggers  [ENG]

– Data Mining Approaches for Intrusion Detection by Wenke Lee and Salvatore J. Stolfo  [ENG]

– Effective approach toward Intrusion Detection System using data mining technique by Science Direct  [ENG]

6) ASSOCIATION RULE LEARNING PER SCOPRIRE LE RELAZIONI FRA DATI

L’utilizzo tipo dell’association rule learning riguarda le attività di vendita di prodotti, in particolare per grandi volumi. Che sia online attraverso un ecommerce oppure di persona in un negozio (o un centro commerciale), capita che vengano a crearsi relazioni interessanti fra i dati in tuo possesso. Relazioni che non sospettavi o che nemmeno immaginavi. Un esempio? Il 90% di clienti che acquistano online un prodotto ne acquistano anche un altro, sempre lo stesso. Dettagli che ci permettono di creare offerte di marketing mirate, promozioni speciali e formule vincenti.

Risorse importanti:

– Association Rule Learning – Wikipedia  [ENG]

– Association Rule Mining – Not Your Typical Data Science Algorithm  [ENG]

– Association rules (in data mining) by Search Business  [ENG]

– Association Rule Learning and the Apriori Algorithm by R-Bloggers  [ENG]

7) DECISION TREES PER OTTIMIZZARE IL PROJECT RISK MANAGEMENT

Ogni volta che prendi una decisione ti trovi di fronte a un bivio. Quando le opzioni sono tante, ecco che al posto del bivio hai un albero decisionale. In prima battuta avere a che fare con un albero di questo genere confonde le idee, se però abbiamo un tool informatico che organizza l’albero e ci sottopone scelte definitive, complete di costi / benefici, la musica cambia e lo stesso albero diventa uno strumento prezioso per il Project Risk Management. Anche qui, la profondità di analisi dipende in larga parte dalla tecnologia a disposizione: più il software è avanzato, più l’albero saprà indicarti qual è la strada migliore da intraprendere. 

Risorse importanti:

– Using a Decision Trees Example in Project Risk by Bright Hubpm  [ENG]

– Decision Tree (CART) – Retail Case Study Example (Part 5) by YOU CANanalytics  [ENG]

– Decision Trees for Decision Making by Harvard Business Review  [ENG]

– Decision Trees Choosing by Projecting “Expected Outcomes by Mind Tools  [ENG]

8) NEURAL NETWORKS PER AUTOMATIZZARE L’APPRENDIMENTO

Complementare al clustering e agli alberi decisionali è il concetto di rete neurale. Si tratta di una delle più recenti applicazioni del data mining, in base alla quale la macchina di cui ti avvali per le tue azioni di marketing, e quindi il computer che gestisce il tuo database, ”impara” a identificare un certo pattern al cui interno sono presenti elementi con relazioni precise fra loro. Il risultato di questo “apprendimento” è il riconoscimento e la memorizzazione di schemi che possono tornare utili, magari non subito ma in futuro, per decidere se e come realizzare un obiettivo. Lo stesso network neuronale può esserti di aiuto per conoscere con maggiore precisione la composizione del target di un prodotto o servizio.

Risorse importanti:

– Neural Network Analysis by Ecommerce Digest  [ENG]

– Neural networks – are you ready for the rise of the machines? By Beyond  [ENG]

– Expert Systems with Applications by Semantic Scholar  [ENG]

9) RULE INDUCTION PER ANALISI PREDITTIVE BASATE SUI DATI

Se si verifica una data circostanza e un’altra e un’altra ancora, allora otteniamo questo risultato. Più o meno la regola dell’induzione funziona così. E non è poco: grazie a questa tecnica di data mininig puoi elaborare sofisticate analisi predittive pescando all’interno di database con numeri dell’ordine di migliaia e migliaia di record. Individuare regolarità nascoste vuol dire anticipare i tempi e agire con cognizione di causa, cosa che spesso i tuoi concorrenti dimenticano di fare. Dico bene?

Risorse importanti:

– Rule Induction Method by DMS.IRB  [ENG]

– Rule Induction by Semantic Scholar  [ENG]

– An Experimental Study of Using Rule Induction Algorithm in Combiner Multiple Classifier by IJCIR  [PDF ENG]

10) DATA WAREHOUSING PER IL TRATTAMENTO DI BIG DATA

L’ultima, essenziale tecnica di data mining, ma forse sarebbe più corretto chiamarla applicazione, si chiama data warehousing . Qui entriamo nell’ambito della profilazione del cliente (e non solo), in particolare per quanto riguarda il trattamento di Big Data. Scegliere un software come Egon  per il data warehousing vuol dire semplificare i database, estrapolare le informazioni più interessanti relative ai tuoi clienti, facilitare la costruzione di report dettagliati e molto altro ancora. Nella migrazione di gestionali e sistemi poter contare su software di data warehouse diventa ancora più importante, prima che per il marketing per l’evoluzione dell’azienda stessa. Provare per credere!

Risorse importanti:

– A Data Warehouse  [YOUTUBE ENG]

– What’s the difference between data mining and data warehousin? By Programmer Interview  [ENG]

– Data Warehousing Concepts by Oracle  [ENG]

– Data Warehousing – Schemas by Tutorials Point  [ENG]

Share on Google+0Tweet about this on TwitterShare on LinkedIn0