《构建面向CRM的数据挖掘应用第三部分》由会员分享，可在线阅读，更多相关《构建面向CRM的数据挖掘应用第三部分（33页珍藏版）》请在装配图网上搜索。
1、主讲：郭建奎l客户盈利能力是数据挖掘的关键l公司各个部门之间对客户盈利能力可能有不同理解。l计算客户盈利能力有助于挖掘有价值客户l忠诚度 挖掘忠诚度高的客户l通过数据挖掘技术可以有效计算客户盈利能力l预测未来的客户盈利能力 利用数据挖掘技术来预测客户盈利能力需要的两个因素：u 记录潜在客户行为特征和发展成为客户行 为特征的历史数据u 计量客户盈利能力的标准l预测客户盈利能力的变化 指找到将俩最有可能的行为模式变化。比如由“黄金级”客户变为“青铜级”客户l 销售和市场投资最基本的标准是：u 保留有价值的客户u 促使价值不大的客户转化为有价值客户l利用数据挖掘技术，需做到：预测客户生命期的价值 预
2、测客户潜在价值 预测客户潜在生命期价值l 客户现有价值与潜在价值的区别u 客户在现有情况下保持不变时对企业价价值u 客户在得到最好服务时可能给企业带来的价值l对现有价值和潜在价值的策略分析u 客户的现有价值与潜在价值一样，则 维持的最低费用u 客户的潜在价值高于现有价值，则发 挥其潜在价值的最低费用l增量客户盈利能力 指客户在活得提升后，增加的盈利能力。如，客户得到某种优惠促销而增加部分开支去销售，则增加部分的开支给公司带来的利润即增量客户盈利能力l如果增量客户盈利能力为零或负值，则应停止推销等活动，否，则加大或继续。l停止推销或促销在商务和行政都有困难，因此最好的方法是，利用客户盈利能力模型
3、去建立一个小的项目。l用替代客户盈利能力的其他评估方法，有时可能比什么都不用效果更差。比如想知道客户对优惠条件的反应，用客户反应率作为替代指标，能表明客户的兴趣所在，但不能反应真正的客户回报率。l传统方法：选出一些感兴趣的人口调查 其属性，获取这些人口的特 征即可。l但随着数据量的增大，传统的方法具有不可实现性。l反应行为模式：一次市场活动后得到的客户反馈。l二元的客户反应模式：将反馈分为是和否，比如某种产品是否买，将客户分为两类。l分类反应行为模式：多于二元，定义多元。比如将产品分为多类，每类定义客户群体。l客户询问：询问客户感兴趣的产品或服务l购买推荐的产品：向客户推荐后，客户是否买。l购
4、买了没有推荐的产品l在扩展客户市场活动时，利用数据瓦据技术挖掘出潜在的客户名单，在客户名单上列出可能对某些产品感兴趣的客户信息。l利用数据挖据技术建立起预测模型，包含数据有，潜在客户名单，小规模的实践活动得到的数据。l上述预测模型，进行小规模实践检验，再根据得到的数据调整模型参数，此过程可循环进行直至得出好的模型。l从试验得到的反馈数据l分析反应行为模式，挑出感兴趣的行为模式l 决定在什么样的粒度上进行分析。根据上述建立数据挖据模型。交叉营销交叉营销：在你向现有客户提供新的产品和服务的营销过程。那些购买了婴儿尿布的客户会对你的其他婴儿产品感兴趣。交叉营销的升级形式为：升级营销交叉营销的升级形式
5、为：升级营销。指向客户提供与他们已购买的服务相关的新服务。1.延长这种关系的时间2.维持这种关系期间增加互相的接触3.在每一次接触中获取更多的利润l分析现有客户的购买行为数据 注：进行交叉营销分析，具体数据挖掘过程包含三个独立步骤 1.对个体行为进行建模 2.用预测模型对数据进行评分 3.对得分矩阵进行最优化处理l建模阶段 利用上述建模的方法。l评分阶段l优化阶段 有四种方法：质朴的方法、平均效益方法、个人效益方法、有约束条件的优化方法。l选择每个客户得分最高的那个模型对应的服务，按照该服务对客户进行推销。此方法适应于，扩大市场份额。优点是简单，因为每一条顾客记录只需要读取一遍，此种方法具有很
6、快的处理能力。l此种方法不是简单的使客户的反馈尽可能的多，而是让总体经济效益达到最大化。此种方法，每一种交叉营销服务都有一个对应的经济价值，此价值就是潜在客户的平均价值，这由历史数据库中现有顾客的特性决定。l对不同的顾客用不同的经济数据计算，得出在每一个服务中可能获得的预期回报。l指在优化过程中引入一些外部的约束条件，可以和任何一种数字评分模型结合起来使用。常用的约束条件有：花费的最大限制，不考虑超支花费后的可能受益、每种商品目录印刷数量上的上限和下限、商品目录在每个地区发放数量的上限和下限、商品目录在客户群的每个细分类别中发放数量的上限和下限。l建立客户流失预测模型，得出即将流失的客户，对他
7、们采取有效措施进行挽留，从而有效减少客户流失。l以下以移动电话服务为例，利用预测模型可以得出以下模式：l拨打客户服务热线的顾客忠诚度较高l客户在第一年的合同期满时容易流失，以后则好很多l高价值客户流失可能性更大l英国一家移动通信服务公司，客户约300000，此公司的顾客流失率在40以上。l本案例中客户流失预测模型只考虑私人用户，故用来分析的客户群中包含了260000名移动电话用户数据。数据包含地理分布信息和客户基本信息，包括从客户服务中心那里收集来的客户拨大服务热线的情况。l定义预测目标l实施数据挖掘，利用CRAT工具。l运用数据挖掘模型分析了26万客户后得出29个细分群，每个细分群有一些特定的客户特征定义。详见159页表121l对数据进行专业分析l结果令人惊讶，因为任何接触客户的市场活动刺激了客户转移率的增长。l对于接受了优惠条件的可能转移者，市场活动是成功的l数据库需要完善l保留团队和其他市场的努力。3 X!演讲完毕，谢谢观看！
构建面向CRM的数据挖掘应用第三部分
