摘要：在多年的《电子商务概论》的教学过程中，笔者认为网络营销已成为学习者学习的重点内容，对于电子商务的经营者和管理者来说，网络营销的策略分析对其营销管理起着战略指导性作用。本文探讨如何利用数据挖掘软件Clementine，挖掘出潜在的商务行为，建立起相关的数据模型，为企业做出正确的策略分析，体现出其核心竞争力。
关键词：策略分析，数据挖掘，网络营销，Clementine，聚类分析，回归分析
1．引言在《电子商务概论》课程的教学过程中，在教材中相关的网络营销策略分析实例比较欠缺，本文结合实例，为企业的网络营销策略分析提供数据依据。
2．网络营销及网络营销策略
2.1网络营销
“网络营销”来源于意译的英文词组“InternetMarketing”以及“InternetPromotion”，基本概念是通过互联网进行市场推广活动。其突出特点是就是互联网，是“电子商务”（e-Commerce）以及“电子商业”（e-Business）等包容了计算机、互联网、电子交换等数字化技术的重要组成部分，是二十一世纪最有代表性的一种低成本、高效率的全新商业模式之一。
2.2网络营销策略
新竞争力研究认为，网络营销是公司级的营销策略。网络营销系统性很强，不仅需要企业多个部门的协调工作，也涉及到企业营销活动各个层面，网络营销由各项具体网络营销活动组成，如网络品牌、网站建设、网站推广、网上销售等，这些活动之间是相互关联的，如果缺乏总体网络营销策略的指导，即使在各项分立的网络营销活动中都投入大量资源，网络营销的整体效果仍然会大大折扣。
3．实例分析
本文以B2C、B2B为例，其目标是根据购买相类似产品的客户，分两个阶段进行数据挖掘，进一步建立数据模型，细分客户群，挖掘出其潜在的规律，为网络营销提供策略分析。
3.1网络营销策略对象
以某企业2009年第一季度的营销业绩进行分析，根据分析结果，为企业的下一季节的网站推广方向，销售产品类别，及地域性产品分类、地域性的品牌需求做出正确的判断。
3.2数据来源
从企业数据库的产品销售数据表中提取全部数据，其数据字段如表一所示：
3.3算法及模型
3.31K-means聚类算法
K-means快速聚类过程是为观测个数很多的数据集进行不相交聚类而设计，从统计学的角度来看，快速聚类过程是寻找初始分类的有效方法，采用的算法是最小化与类均值间距离平方和的标准迭代算法，其结果是高效率地生成大数据文件的不相交的分类。
K-means聚类的核心思想如下：算法把n个向量Xj（j=1,2…,n）分为C个组Gi（i=1,2,…,c），并求每组的聚类中心，使得非相似性（或距离）指标的价值函数（或目标函数）达到最小。当选择欧几里德距离为组j中向量Xk与相应聚类中心Gi间的非相似性指标时，其价值函数可定义为：
。
3.32Logistic回归预测模型
Logistic回归预测模型需要对模型进行检验和评价，分为对回归方程整体的显著性检验、回归系数的显著性检验和模型拟合优度评价。拟合优度评价的常用统计量包括Cox-SnellR2和NagelkerkeR2统计量，其数学定义分别为：
；NagelkerkeR2统计量是Cox-SnellR2的修正，其取值范围限定为0-1，越接近于1，则表明模型拟合优度越高。
3.4用Clementine建立数据数据流
3.41聚类分析结果
聚类分析结果如图一所示。
图一聚类分析结果导出图
3.42策略分析模型
利用聚类分析结果导出数据，再根据导出的结果建立回归模型，如图二所示。
4．结论
我们可以看出，经过聚类分析后，所以的数据进行Logistic回归模型建立企业的营销策略分析模型，从该模型，我们不难分析出，不同地域对产品的品牌及种类的需求分布，企业利润最大化主要集中在某个客户群中，且也可以分析出零售客户群和批发客户群的主流产品。同时，我们还可以利用水晶报表的形式对其进行交互式的展现，有效的为企业做出对产品的调整及推广方向做出正确的选择，为企业网络营销做出正确的决策提供强有力的数据依据。
参考文献
[1]谢邦昌.数据挖掘Clementine应用实务.北京：机械工业出版社，2007年.
[2]沈恒范.概率论与数理统计教程.北京：高等教育出版社，2003年.
[3]兰宜生.电子商务基础教程。北京：清华大学出版社，2007年
