很多趨勢大師都說未來的技術是決定在語意網路與資料探勘，雖然這兩種技術是兩回事，但有其共同點，更重要的是要解決的問題是一樣的。
但說真的，有多少人去了解資料探勘真正的意涵呢?他跟一般的統計因子分析的方法到底有甚麼不同呢?或者說該如去設計應用或實作出來呢?許多人還停留在一知半解與道聽途說的狀態，以及語意網路真的可以帶給我們生活模式的不一樣呢?在這邊來嘗試著作一些解答…
很多人聽到資料探勘，就會說天氣比較熱的話，冷飲賣得比較好就是種資料探勘的例子，當然說這件事是資料探勘很有問題，因為這樣的描述是一種因子分析，是一種條件判斷，就像是買過哈利波特的人，會買奇幻文學會比沒買哈利波特的人機率高，這邊的"買過哈利波特"就是一種條件。
雖然說有些人認為資料探勘，就是不再以個人的背景(Profile)資訊去判斷，例如年齡，性別，收入，學歷等等固定的因子來決定的差異， ****
傳統的行銷學有兩種方法，一種是找到對象，而這對象用的就是背景資訊去篩選定義，只是這背景選項再多也是相當有限，即使把年齡級距分得再細，收入階級分得再多，地區切割的更密，怎樣還是有相同的人，雖然如何區分兩個背景資料相同的人，但事實上他們要的東西不一樣，在傳統行銷並不重要，因為真正的重點是把透過廣告去"加強"商品的型像，讓每一個人想要你的商品，這才是對的另一種切入點.
雖然說這種方式導致單向度的社會，但在資源的應用與實務上，本來就不可能用太多資源去做市場區隔，更何況當面對每一個人不同的須求，最簡單，花最少資源，賺越多的錢就是給你最暢銷的商品，若你不買單就想辦法說服你這是你要的商品，你是甚麼樣的人並不重要，而你買了之後發現這東西可能不是真正你想要的，你買下的是商品背後的"標價虛榮"，以及你以為獲得的情境，其實不然。
透過資料探勘可以做到的是超過傳統行銷學想像的，利用各種行為去計算出關係與距離，就可以知道人與人之間的關係，商品與商品之間的關係，這種方法進一步的還可以算出每一個人對每一個商品的購買機率，因此當你進入商場或網路商城，就可以知道你會買甚麼東西是做得到的。
但拉回來說，我們都知道一個好的店長對於回頭消費的顧客當他出現時，心理就會有個譜，他會買甚麼東西都瞭如指掌，這比任何資料探勘還要更準，只是這前提是要熟的客戶與小的商場，當商品變多，客戶變多就做不到了，目前而言，資料探勘能做到的事，事實上人都做得到，甚至更好，但一個好的店長是相當少見，甚至他也只能了解幾十到幾百個客戶就了不起了，此時資料探勘就會在這邊發揮效用。
而往往因為無法達到這樣的要求，或者是開發者本來就不知道這樣的演算法，而選擇用統計式或條件式(Rule-BasedorCondition-Base)來做出這樣的輔助決策系統，當然好壞的演算法做出來的準確度有差，甚至有時候須要為了整個企業智慧(BusinessIntelligence)做一段時間的調校才能夠準，所以有時不是做得好不好的問題，而是做得出來與否的問題。
不得不否認的，用條件式就以達到2~3成的準確率，若是列出10個有2~3個準確也就很夠了，因此就聽到Cubie的Tempo說，他們當時想利用DataMining 做朋友推薦，但因為沒有時間就先做條件式的，而效果已經足夠了，這句話代表他很了解資料探勘的好處與困難，也知道與一般條件篩選式與之間的差異。而資料探勘就是從統計因子分析的2~3成的準確率變成7~8成，雖然說效果多了2~5倍，但須要的時間，資源的成本就高很多，若這是只是個推薦朋友的話，或許用統計條件就夠了，若這個是在大型電子商務的商品推薦的話，這就是很重要的工具與決勝點了。
**** ，因為一個好的資料探勘使用者輔助系統，不只可以算出未來的銷售狀況，立即改善TurnOverRate迴轉率，也可以提升立即滿足度，讓庫存降低與出貨率提高，這件事小商店靠店長算就夠了，但大型電子商務若沒有引進這樣的系統就或跟別家產生差距。
相對的若能夠依每一個登入的使用者推薦個人購買機率高的商品，而不是用無差異的廣告行銷，甚至把分眾打散成個人，把每一個人都當成一個獨立獨特的個體，而不是用統計的幾種模型去套用，此時不只讓商品找到對的人，也讓人找到對的商品，降低溝通成本以及錯誤購買率，提升消費者購物經驗，這才是資料探勘DataMining對未來行銷最大的影響。
轉自Circle ****
