4　结语
建立这种消费行为与客户外表特征印象关联模型的好处是为营销人员提供一些经验规则,以指导销售人员在有限的时间内把握客户,把b型客户尽量转化为c型客户,从而创造更大的销售量,供应链的上游成员也可因此获得更大的订单而获利。从另一个角度来说,生产商可根据消费群体的喜好特征、群体密度来开发有针对性的产品,从而帮助实现小批量生产、个性化地开展快速营销活动。决策树算法的数据挖掘技术,计算速度快,实现起来比较容易,而且现在很多的数据库厂商的产品中都提供了这种功能,容易为一般操作人员使用。要嵌入到自己的小商业系统中,则需自己建立挖掘模型。
    未来的工作是将服装按性别、年龄、款型分类,然后进行实地跟踪和观察,集中进行规则挖掘,构成服装消费者的外表特征印象与消费行为关联规则库,指导销售人员的营销。
    参考文献:
[1]　许多顶.网络数据库营销[J].商业研究, 2002(18): 121-123.
[2]　唐晓宇.个性化消费需求下的网络数据库营销的竞争优势[J].
商业研究, 2002(4): 94-95.
[3]　欧阳钟辉,王欢.客户关系管理与数据库营销体系[J].统计与决策, 2008(18): 165-167.
[4]　LI S T, SHUE L Y, LEE S F. Business intelligence approach tosupporting strategy-making of ISP service management[J]. ExpertSystem withApplication, 2008, 35(3): 739-754.
[5]　APTE C, WEISS SM. Dataminingwith decision trees and decisionrules[J]. FutureGeneration ComputerSystems, 1997, 13(2): 197-210.
[6]　何田中,程从从.基于Rough集的规则抽取技术[J].南昌大学学报:工科版. 2007, 29(1): 91-94.
[7]　罗后平.数据挖掘在市场营销中的应用[J].商业研究, 2003(23): 143-14.
[8]　WENW. A knowledge-based intelligentelectronic commerce systemfor selling agricultural products[J]. Computers and Electronics inAgriculture, 2007, 57(1): 33-46.
[9]　张红霞,黄建军.消费者个人特征对其超市购买频率的影响[J].商业研究, 2005(13): 35-41.
[10]　王国顺,权明富,李小文.基于客户消费行为细分的营销决策分析[J].南开管理评论, 2005, 8(1): 52-56.
[11]　SAFAVIAN SR, LANDGREBE D. A survey ofdecision tree classi-fiermethodology[J]. IEEE Transactionson System, Man andCyber-netics, 1998, 22(5 /6): 660-674.
[12]　李强.创建决策树算法的比较研究———ID3, C4. 5, C5. 0算法的比较[J].甘肃科学学报, 2006, 18(4): 84.
[13]　黄梯云.智能决策支持系统[M].北京:电子工业出版社, 2001.

上一页  [1] [2] [3]