第23部分(第1/4 页)

目中2600万个成员的信息——例如他们所使用的租车公司、旅馆，以及餐馆等——来拟订有针对性的营销活动，从而节约了1亿多美元的成本。

节约成本，在于编制更精确的顾客模式和削减发出邮件数量的能力。例如，一次诸如采用推销信用卡的直接营销活动，通常仅有大约2％的回应率。美国的梅隆银行在1997年设定了争取20万新户头的目标，为此计划向1000万可能的顾客邮寄邀请函。然而，这家银行却利用了数据挖掘技术产生了3000个最可能的顾客的模式。对这些模式的子集再加以精选，产生了更小的一个数目。测试表明，这个更小的数目会产生12％的回应率。这个回应率使得这家银行只需发出200万份邀请函即可获得他们想要的20万名顾客，而不是原定的向1000万人发出信函。因此，利用数据挖掘技术除了削减成本之外．还提高了每位新开户的顾客的平均利润率，其利润要比通常高3倍，因为该技术瞄准了那些需求最适合梅隆银行服务项目的顾客。

这个例子说明了数据挖掘的两个重要方面。第一个方面仅就其规模而言：牵涉到的数据量和所探索的模式数目要比传统的数据分析量大得多。第二个方面就是，即使是受过高级培训的专家也能获益于数据挖掘；正如我们在梅隆银行的例子中所见，一个外部专家小组得出的结果比本公司专职数据分析部门用常规方法得出的结果高6倍，而所花时间只是后者的四分之一。我们的一个主要目标就是使数据挖掘工具使用简易，因此连最终的商务用户，而不是专家，都会使用它们。

数据挖掘将成为在线互动行为的一项要求。NCR公司的董事长兼首席执行官拉斯·尼伯格向我描述了他使用的银行自动提款机给他显示的提示菜单：您想要英语还是西班牙语的说明？您想提取哪种户头？您想要哪种业务？业务完毕后，还想做另一种业务吗？最后，自动提款机显示一份广告，上面有一个电话号码，告诉顾客，如您想向银行借一笔抵押贷款就可拨这个号。大部分自动提款机用户都操作过类似的菜单。

然而拉斯几乎每次使用自动提款机时，都是从同一个账户上提取同样金额。他已经从这家银行借了一笔抵押贷款。而且每个月都给这家银行付一大笔款以还债。当他塞进他的银行卡时，这台机器为什么不用他通常使用的语言问他：“拉斯，您想从您的初级账户上提取通常的款项吗？”为什么不推销一项他还没有使用的、适合他个人情况的服务呢？这种专门化的服务对他和银行都会更有利。提出这些相关的问题所需要的信息，就储存在某处的一台电脑里。NCR公司实际上就为拉斯使用银行自动提款机的那家银行生产自动提款机，而且正在研制数据挖掘中的主要技术。拉斯非常想为他的顾客解决这种问题。

数据挖掘是顾客关系管理方面（CRM）的一部分，其中信息技术帮助公司靠单独接触而不是大众营销模式来管理顾客关系。在有特定交货渠道的地方，数据挖掘对于联系个人顾客是可行的，不管这货物是一台自动提款机、一个网址，还是通过电子邮件促销和报盘来做的直接营销，有了数据挖掘所提供出的模式，您就可以按此模式向顾客介绍您的产品，这最有可能增加您在他心目中的价值，或他在您心目中的价值。

这种个性化的方式，对于所有媒体上的广告来说有深刻的涵义，包括电视和杂志。随着数字化电视的流行以及电子书籍变为人们偏爱的阅读杂志和报纸的方法，几乎所有类型的广告都会摆脱大众广告，走向个性化广告。出现在屏幕上的广告将根据各地不同的电视观众人口统计情况而有所不同。

公司以后不必为美国每一家有大众媒体的家庭付为一辆汽车或其他商品做广告的费用。相反，它们只需买最有效的人口统计数据来联系自己潜在的顾客。例如，假设某人已经购买了某种类型的汽车，而您认为他或她到市场上购买一辆新车的时间范围正适合您的销售计划，那么您就可以较准确地瞄准那位顾客。一家大汽车公司仍然可以购买其他人口统计资料来保持自己品牌的高知名度，同时也可以把广告聚焦在最佳顾客群上。

我们已经在网上看到了某些个性化的端倪。假如一位用户在一个搜索引擎里输入一个地点——比方说旧金山——或表示他想买一本与旅游或其他题目有关的书，那么就有一则关于那个地点或题目的广告出现，还伴有其他信息。您可以把一则对路的广告与一位顾客的喜好或他试图去做的某件事联系起来，这种广告要比泛泛的、随意的广告有价值得多。

能够把广告个性化，就意