客戶關(guān)系管理4[003]

1 第四章數(shù)據(jù)挖掘 數(shù)據(jù)倉(cāng)庫(kù)與CRM 數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù)CRM中的數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)挖掘 數(shù)據(jù)倉(cāng)庫(kù)的行業(yè)應(yīng)用實(shí)例演示 2 4 1數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù) 3 數(shù)據(jù)挖掘 數(shù)據(jù)倉(cāng)庫(kù)的產(chǎn)生背景 數(shù)據(jù)爆炸但知識(shí)匱乏 4 數(shù)據(jù) 一般的業(yè)務(wù)操作 通常都會(huì)產(chǎn)生大量的數(shù)據(jù) 如訂單 庫(kù)存 交易帳目 通話記錄 及客戶資料等 信息 如何利用企業(yè)的歷史數(shù)據(jù)增進(jìn)對(duì)業(yè)務(wù)情況的了解 幫助我們?cè)跇I(yè)務(wù)管理及發(fā)展上作出及時(shí) 正確的判斷 需要從數(shù)據(jù)成為信息 5 數(shù)據(jù)庫(kù)技術(shù)應(yīng)用發(fā)展迅速積累了大量的數(shù)據(jù)提高效率的同時(shí) 也帶來(lái)了一些問(wèn)題 數(shù)據(jù)過(guò)量 難以消化 真假難辨 數(shù)據(jù)形式不一 難以統(tǒng)一處理 6 如何拋棄不必要的數(shù)據(jù) 從大量數(shù)據(jù)中及時(shí)提取有用的知識(shí) 數(shù)據(jù)挖掘 從大量的數(shù)據(jù)中挖掘出有用的知識(shí) 7 1 Walmart and 2 NASDAQ 3 NBA AdvancedScout 8 數(shù)據(jù)倉(cāng)庫(kù)的定義 數(shù)據(jù)倉(cāng)庫(kù) DataWarehouse數(shù)據(jù)倉(cāng)庫(kù)是支持管理決策過(guò)程的 面向主題的 集成的 隨時(shí)間而變的 持久的數(shù)據(jù)集合 W H Inmon 數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)環(huán)境 而不是一件產(chǎn)品 提供用戶用于決策支持的當(dāng)前和歷史數(shù)據(jù) 這些數(shù)據(jù)在傳統(tǒng)的操作型數(shù)據(jù)庫(kù)中很難或不能得到 數(shù)據(jù)倉(cāng)庫(kù)技術(shù)是為了有效的把操作型數(shù)據(jù)集成到統(tǒng)一的環(huán)境中以提供決策型數(shù)據(jù)訪問(wèn)的各種技術(shù)和模塊的總稱 9 傳統(tǒng)數(shù)據(jù)庫(kù)分析方法 數(shù)據(jù)庫(kù)系統(tǒng) 由數(shù)據(jù)庫(kù) 數(shù)據(jù)庫(kù)管理系統(tǒng) 應(yīng)用開(kāi)發(fā)工具 應(yīng)用系統(tǒng) 數(shù)據(jù)庫(kù)用戶組成OLTP On LineTransactionProcessing 聯(lián)機(jī)事務(wù)處理系統(tǒng)基本任務(wù) 及時(shí) 安全的將當(dāng)前事務(wù)所產(chǎn)生的記錄保存下來(lái) 外部接口 實(shí)現(xiàn)標(biāo)準(zhǔn)的SQL語(yǔ)言內(nèi)部 實(shí)現(xiàn)事務(wù)管理 支持事務(wù)的并發(fā)和恢復(fù) 10 數(shù)據(jù)倉(cāng)庫(kù)的基本特征 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是面向主題的 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是集成的 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是不可更新 穩(wěn)定 的 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是隨時(shí)間不斷變化的 11 數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu) 外部數(shù)據(jù) 數(shù)據(jù)倉(cāng)庫(kù)服務(wù)器 抽取 清洗轉(zhuǎn)換 載入 服務(wù) 查詢 報(bào)表 管理 數(shù)據(jù)挖掘 數(shù)據(jù)源 數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)集市 元數(shù)據(jù) OLAP服務(wù) 前端工具 數(shù)據(jù)集市 數(shù)據(jù)準(zhǔn)備 OLAP服務(wù)器 12 數(shù)據(jù)倉(cāng)庫(kù)體系結(jié)構(gòu) 數(shù)據(jù)抽取工具 把數(shù)據(jù)從各種各樣的存儲(chǔ)方式中拿出來(lái) 進(jìn)行必要的轉(zhuǎn)化 整理 再存放到數(shù)據(jù)倉(cāng)庫(kù)內(nèi) 數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)庫(kù) 是整個(gè)數(shù)據(jù)倉(cāng)庫(kù)環(huán)境的核心 是數(shù)據(jù)存放的地方和提供對(duì)數(shù)據(jù)檢索的支持 相對(duì)于操作型數(shù)據(jù)庫(kù)來(lái)說(shuō)其突出的特點(diǎn)是對(duì)海量數(shù)據(jù)的支持和快速的檢索技術(shù) 13 元數(shù)據(jù) Metadata 描述了數(shù)據(jù)的結(jié)構(gòu) 內(nèi)容 編碼 索引等 傳統(tǒng)數(shù)據(jù)庫(kù)中的數(shù)據(jù)字典是一種元數(shù)據(jù) 但在數(shù)據(jù)倉(cāng)庫(kù)中 元數(shù)據(jù)的內(nèi)容比數(shù)據(jù)庫(kù)中的數(shù)據(jù)字典更加豐富和復(fù)雜 可將其按用途的不同分為兩類 技術(shù)元數(shù)據(jù)和商業(yè)元數(shù)據(jù) 技術(shù)元數(shù)據(jù)是數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)和管理人員用于開(kāi)發(fā)和日常管理數(shù)據(jù)倉(cāng)庫(kù)使用的數(shù)據(jù) 包括 數(shù)據(jù)源信息 數(shù)據(jù)轉(zhuǎn)換的描述 數(shù)據(jù)倉(cāng)庫(kù)內(nèi)對(duì)象和數(shù)據(jù)結(jié)構(gòu)的定義 數(shù)據(jù)粒度 數(shù)據(jù)清理和數(shù)據(jù)更新時(shí)用的規(guī)則 源數(shù)據(jù)到目的數(shù)據(jù)的映射 用戶訪問(wèn)權(quán)限 數(shù)據(jù)備份歷史記錄 數(shù)據(jù)導(dǎo)入歷史記錄 信息發(fā)布?xì)v史記錄等 商業(yè)元數(shù)據(jù)從商業(yè)業(yè)務(wù)的角度描述了數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù) 包括 業(yè)務(wù)主題的描述 包含的數(shù)據(jù) 查詢 報(bào)表 14 數(shù)據(jù)集市 DataMarts 為了特定的應(yīng)用目的或應(yīng)用范圍 而從數(shù)據(jù)倉(cāng)庫(kù)中獨(dú)立出來(lái)的一部分?jǐn)?shù)據(jù) 也可稱為部門數(shù)據(jù)或主題數(shù)據(jù) subjectarea 在數(shù)據(jù)倉(cāng)庫(kù)的實(shí)施過(guò)程中往往可以從一個(gè)部門的數(shù)據(jù)集市著手 以后再用幾個(gè)數(shù)據(jù)集市組成一個(gè)完整的數(shù)據(jù)倉(cāng)庫(kù) 數(shù)據(jù)倉(cāng)庫(kù)服務(wù)器 相當(dāng)于數(shù)據(jù)庫(kù)系統(tǒng)中的DBMS 負(fù)責(zé)管理數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)的存儲(chǔ)管理和數(shù)據(jù)存取 并給OLAP服務(wù)器和前臺(tái)工具提供存取接口 如SQL查詢接口 OLAP服務(wù)器 透明地為前臺(tái)工具和用戶提供多維數(shù)據(jù)視圖 OLAP服務(wù)器則必須考慮物理上這些分析數(shù)據(jù)的存儲(chǔ)問(wèn)題 15 OLAP 聯(lián)機(jī)分析處理技術(shù) OLAP On LineAnalyticalProcessing 即聯(lián)機(jī)分析處理 是以海量數(shù)據(jù)為基礎(chǔ)的復(fù)雜分析技術(shù)一 多維數(shù)據(jù)模型數(shù)據(jù)分析時(shí)用戶的數(shù)據(jù)視圖 是面向分析的數(shù)據(jù)模型 用于給分析人員提供多種觀察的視角和面向分析的操作可用這樣來(lái)一個(gè)多維數(shù)組來(lái)表示 維1 維2 維n 度量值 16 聯(lián)機(jī)分析處理技術(shù) 續(xù) 一 多維數(shù)據(jù)模型 續(xù) 例如 地區(qū) 時(shí)間 電器商品種類 銷售額 三維數(shù)組可以用一個(gè)立方體來(lái)直觀地表示一般地多維數(shù)組用多維立方體CUBE 超立方體 來(lái)表示 17 聯(lián)機(jī)分析處理技術(shù) 續(xù) 二 多維分析操作常用的OLAP多維分析操作切片 slice 在兩維空間上的分布切塊 dice 在多維空間上的分布旋轉(zhuǎn) pivot 變換維的方向 即在表格中重新安排維的放置 例如行列互換 鉆取 鉆取是改變維的層次 變換分析的粒度 向上鉆取 roll up 在某一維上將低層次的細(xì)節(jié)數(shù)據(jù)概括到高層次的匯總數(shù)據(jù)向下鉆取 drill down 從匯總數(shù)據(jù)深入到細(xì)節(jié)數(shù)據(jù)進(jìn)行觀察 18 聯(lián)機(jī)分析處理技術(shù) 續(xù) 三 OLAP的實(shí)現(xiàn)方式按照多維數(shù)據(jù)模型的不同實(shí)現(xiàn)方式MOLAP MultidimensionalOLAP 多維ROLAP RelationalOLAP 關(guān)系HOLAP HybridOLAP 混合 19 MOLAP MOLAP結(jié)構(gòu)以多維立方體CUBE來(lái)組織數(shù)據(jù) 以多維數(shù)組來(lái)存儲(chǔ)數(shù)據(jù) 支持直接對(duì)多維數(shù)據(jù)的各種操作 多維數(shù)據(jù)庫(kù) Multi DimensionDataBase 簡(jiǎn)記為MDDB 20 ROLAP ROLAP結(jié)構(gòu)用RDBMS或擴(kuò)展的RDBMS來(lái)管理多維數(shù)據(jù) 用關(guān)系的表來(lái)組織和存儲(chǔ)多維數(shù)據(jù)兩類表 一類是事實(shí) fact 表 另一類是維表事實(shí)表用來(lái)描述和存儲(chǔ)多維立方體的度量值及各個(gè)維的碼值 維表用來(lái)描述維信息 ROLAP用 星形模式 和 雪片模式 來(lái)表示多維數(shù)據(jù)模型 21 ROLAP 續(xù) 星形模式 StarSchema 通常由一個(gè)中心表 事實(shí)表 和一組維表組成 星形模式的中心是銷售事實(shí)表維表有時(shí)間維表 顧客維表 銷售員維表 制造商維表和產(chǎn)品維表 22 ROLAP 續(xù) 雪片模式就是對(duì)維表按層次進(jìn)一步細(xì)化后形成的 23 HOLAP 續(xù) HOLAP基于混合數(shù)據(jù)組織的OLAP實(shí)現(xiàn) HybridOLAP 具有更好的靈活性 低層是關(guān)系型的高層是多維矩陣型的 24 前臺(tái)工具 包括查詢報(bào)表工具 多維分析工具 數(shù)據(jù)挖掘工具和分析結(jié)果可視化工具等數(shù)據(jù)倉(cāng)庫(kù)管理 安全和特權(quán)管理 跟蹤數(shù)據(jù)的更新 數(shù)據(jù)質(zhì)量檢查 管理和更新元數(shù)據(jù) 審計(jì)和報(bào)告數(shù)據(jù)倉(cāng)庫(kù)的使用和狀態(tài) 刪除數(shù)據(jù) 復(fù)制 分割和分發(fā)數(shù)據(jù) 備份和恢復(fù) 存儲(chǔ)管理 25 數(shù)據(jù)倉(cāng)庫(kù)的實(shí)施步驟 DW項(xiàng)目計(jì)劃業(yè)務(wù)需求分析數(shù)據(jù)線實(shí)施數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)數(shù)據(jù)預(yù)處理 ETL數(shù)據(jù)維護(hù)技術(shù)線技術(shù)選擇產(chǎn)品選擇應(yīng)用線系統(tǒng)運(yùn)行維護(hù) 26 演示 AnalysisManager MicrosoftSQLServer的多維數(shù)據(jù)模型 以FoodMartCorporation為例 建立三個(gè)多維數(shù)據(jù)集 即Marketing 市場(chǎng)營(yíng)銷 HR 人力資源 和ExpenseBudget 開(kāi)支預(yù)算 設(shè)置系統(tǒng)數(shù)據(jù)源名稱 DSN 建立數(shù)據(jù)庫(kù)和數(shù)據(jù)源建立事實(shí)數(shù)據(jù)表和維度表設(shè)計(jì)多維數(shù)據(jù)的存儲(chǔ)模式 多維OLAP MOLAP 關(guān)系OLAP ROLAP 或混合OLAP HOLAP 27 數(shù)據(jù)挖掘的定義 數(shù)據(jù)挖掘 DataMining技術(shù)角度的定義數(shù)據(jù)挖掘就是從大量的 不完全的 有噪聲的 模糊的 隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中 提取隱含在其中的 人們事先不知道的但又是潛在有用的信息和知識(shí)的過(guò)程 商業(yè)角度的定義數(shù)據(jù)挖掘是一種新的商業(yè)信息處理技術(shù) 其主要特點(diǎn)是對(duì)商業(yè)數(shù)據(jù)庫(kù)中的海量業(yè)務(wù)數(shù)據(jù)進(jìn)行抽取 轉(zhuǎn)換 分析和其他模型化處理 從中提取輔助商業(yè)決策的關(guān)鍵性數(shù)據(jù) 28 為什么要數(shù)據(jù)挖掘 潛在的應(yīng)用 數(shù)據(jù)分析和決策支持市場(chǎng)分析和管理目標(biāo)市場(chǎng)定位 客戶關(guān)系管理 CRM 購(gòu)物籃分析 交叉銷售風(fēng)險(xiǎn)分析和管理預(yù)測(cè) 客戶保持 質(zhì)量控制 競(jìng)爭(zhēng)分析欺詐檢測(cè)和不尋常模式的檢測(cè) 離群點(diǎn) 其他的應(yīng)用文本挖掘 新聞組 email 文檔 和Web挖掘流數(shù)據(jù)挖掘生物信息學(xué)和生物數(shù)據(jù)分析 29 Ex 1 市場(chǎng)分析和管理 數(shù)據(jù)從哪來(lái) 信用卡交易事務(wù) 會(huì)員卡 優(yōu)惠券 客戶投訴電話 公眾生活方式研究目標(biāo)市場(chǎng)尋找 榜樣 客戶的聚類 他們共享相同的特征 興趣 收入水平 消費(fèi)習(xí)慣等確定客戶在一段時(shí)間的購(gòu)買模式交叉市場(chǎng)分析 尋找產(chǎn)品銷售之間的關(guān)聯(lián) 相關(guān)性 以及基于這些關(guān)聯(lián)進(jìn)行預(yù)測(cè)客戶輪廓 profile 什么類型的客戶買什么產(chǎn)品 聚類或分類 客戶需求分析為不同的用戶識(shí)別最好的產(chǎn)品預(yù)測(cè)什么因素將吸引新的客戶摘要信息提供多維摘要信息報(bào)告統(tǒng)計(jì)學(xué)總結(jié)信息 數(shù)據(jù)中心的趨勢(shì)和變化 30 Ex 2 公司分析和風(fēng)險(xiǎn)管理 財(cái)經(jīng)計(jì)劃和資產(chǎn)評(píng)估現(xiàn)金流分析和預(yù)測(cè)資源計(jì)劃總結(jié)比較資源和開(kāi)銷競(jìng)爭(zhēng)監(jiān)控競(jìng)爭(zhēng)對(duì)手和市場(chǎng)方向細(xì)分客戶類別 制定基于類別的定價(jià)過(guò)程在激烈競(jìng)爭(zhēng)市場(chǎng)中建立價(jià)格策略 31 Ex 3 欺詐檢測(cè)和挖掘異常模式 方法 為欺詐和離群點(diǎn)分析進(jìn)行聚類和模型構(gòu)建應(yīng)用 醫(yī)療保健 零售業(yè) 信用卡服務(wù) 電信業(yè) 汽車保險(xiǎn) 檢測(cè)出那些故意制造車禍而索取保險(xiǎn)的人洗錢 可疑的資金流向醫(yī)療保險(xiǎn)檢測(cè)出職業(yè)病人不必要 不相關(guān)的醫(yī)學(xué)檢驗(yàn)電信業(yè) 電話欺詐電話模式 呼叫目的地 持續(xù)時(shí)間 每天或每周的次數(shù) 分析與預(yù)期標(biāo)準(zhǔn)相背離的模式零售業(yè)分析師評(píng)估認(rèn)為38 的零售業(yè)萎縮是因?yàn)椴徽\(chéng)實(shí)的雇員反恐怖主義 32 知識(shí)發(fā)現(xiàn) KDD 過(guò)程 數(shù)據(jù)挖掘 知識(shí)發(fā)現(xiàn)過(guò)程的核心 數(shù)據(jù)清理 數(shù)據(jù)集成 數(shù)據(jù)庫(kù) 數(shù)據(jù)倉(cāng)庫(kù) 知識(shí) 任務(wù)相關(guān)的數(shù)據(jù) 選擇 數(shù)據(jù)挖掘 模式評(píng)估 33 數(shù)據(jù)挖掘 多種技術(shù)的融合 34 為什么不是傳統(tǒng)的數(shù)據(jù)分析 龐大的數(shù)據(jù)算法必須能夠高度可伸縮以便處理TB數(shù)量級(jí)的數(shù)據(jù)高維度的數(shù)據(jù)如Microarray 微陣列 可能有成千上萬(wàn)個(gè)維度數(shù)據(jù)的高復(fù)雜性數(shù)據(jù)流和傳感器數(shù)據(jù)時(shí)間序列數(shù)據(jù) 時(shí)間數(shù)據(jù) 序列數(shù)據(jù)結(jié)構(gòu)數(shù)據(jù) 圖 社會(huì)網(wǎng)絡(luò)和多鏈接數(shù)據(jù)異構(gòu)數(shù)據(jù)庫(kù)和遺產(chǎn)數(shù)據(jù)庫(kù)空間 時(shí)空 多媒體 文本和Web數(shù)據(jù)軟件程序 科學(xué)仿真新的和復(fù)雜的應(yīng)用 35 數(shù)據(jù)挖掘VS傳統(tǒng)分析方法有何區(qū)別 數(shù)據(jù)挖掘是在沒(méi)有明確假設(shè)的前提下去挖掘信息 發(fā)現(xiàn)知識(shí) 36 數(shù)據(jù)挖掘系統(tǒng)結(jié)構(gòu) 數(shù)據(jù)倉(cāng)庫(kù) 數(shù)據(jù)清理數(shù)據(jù)集成 過(guò)濾 數(shù)據(jù)庫(kù) 數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)服務(wù)器 數(shù)據(jù)挖掘引擎 模式評(píng)估 圖形用戶界面 知識(shí)庫(kù) 37 數(shù)據(jù)挖掘過(guò)程 數(shù)據(jù)挖掘過(guò)程包括 數(shù)據(jù)準(zhǔn)備 選擇 預(yù)處理 轉(zhuǎn)換 確定主題讀入數(shù)據(jù) 建立模型 理解模型解釋與評(píng)價(jià)知識(shí)應(yīng)用 分析問(wèn)題 整合數(shù)據(jù) 建立模型 理解規(guī)則 預(yù)測(cè)未來(lái) 38 數(shù)據(jù)挖掘技術(shù)分類 數(shù)據(jù)挖掘 描述 預(yù)測(cè) 可視化 聚類 關(guān)聯(lián)規(guī)則 匯總描述 分類 統(tǒng)計(jì)回歸 時(shí)間序列 決策樹(shù) 神經(jīng)網(wǎng)絡(luò) 39 數(shù)據(jù)挖掘的模型 1 分類 Classification 與決策樹(shù) Decisiontrees 分類分析是為了找出描述和區(qū)分?jǐn)?shù)據(jù)類或概念的模型 常常通過(guò)決策樹(shù) 神經(jīng)網(wǎng)絡(luò)等模型進(jìn)行表示 決策樹(shù) 根節(jié)點(diǎn) 節(jié)點(diǎn) 分支 葉子 40 在貸款申請(qǐng)中 要對(duì)申請(qǐng)人的風(fēng)險(xiǎn)大小做出判斷 41 數(shù)據(jù)挖掘的模型 2 聚類 Cluster 聚類是把一組個(gè)體按照相似性歸成若干類別的過(guò)程 原則 最大化類內(nèi)部的相似性 最小化類之間的相似性聚類方法包括統(tǒng)計(jì)方法 機(jī)器學(xué)習(xí)方法 神經(jīng)網(wǎng)絡(luò)方法和面向數(shù)據(jù)庫(kù)的方法 42 43 關(guān)聯(lián) Association 關(guān)聯(lián)規(guī)則是形式如下的一種規(guī)則 在購(gòu)買面包的顧客中 有90 的人同時(shí)也買了牛奶 面包 牛奶 計(jì)為X Y 評(píng)估關(guān)聯(lián)規(guī)則的四個(gè)重要指標(biāo)是 1 支持度 support 交易集中包含X和Y的交易數(shù)與所有交易數(shù)之比 記為support X Y 2 可信度 confidence 包含X和Y的交易數(shù)與包含X的交易數(shù)之比 記為confidence X Y 3 期望可信度 expectedconfidence 描述了在沒(méi)有物品集X的作用下 物品集Y本身的支持度 記為E confidence Y 4 作用度 lift 作用度是可信度對(duì)期望可信度的比值 描述了物品集X對(duì)物品集Y的影響力的大小 記為L(zhǎng)ift X Y 一股情況 有用的關(guān)聯(lián)規(guī)則的作用度都應(yīng)該大于l 才說(shuō)明X的出現(xiàn)對(duì)Y的出現(xiàn)有促進(jìn)作用 也說(shuō)明了它們之間某種程度的相關(guān)性 如果作用度不大干l 此關(guān)聯(lián)規(guī)則也就沒(méi)有意義了 數(shù)據(jù)挖掘的模型 3 設(shè)supmin 50 confmin 50 關(guān)聯(lián)規(guī)則 A D 60 100 D A 60 75 45 數(shù)據(jù)挖掘的模型 4 序列模式 SequentialPattern 分析數(shù)據(jù)之間的前后 因果 關(guān)系 類似于關(guān)聯(lián)分析用于發(fā)現(xiàn)客戶潛在的購(gòu)物模式先購(gòu)買PC 再購(gòu)買數(shù)碼相機(jī) 接著還要買存儲(chǔ)卡5天之內(nèi) X股票最多上漲10 Y股票漲幅在10 20 之間 Z股票在下星期上漲的概率為68 指標(biāo)最小支持度最小可信度 46 4 2CRM中的數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù) 47 CRM與數(shù)據(jù)挖掘 數(shù)據(jù)倉(cāng)庫(kù)的關(guān)系 數(shù)據(jù)的整合 集中CRM的業(yè)務(wù)整合數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn) 48 在CRM中的應(yīng)用范圍 客戶盈利能力 客戶保留 客戶細(xì)分 客戶傾向 渠道優(yōu)化 風(fēng)險(xiǎn)管理 欺詐監(jiān)測(cè) 購(gòu)物傾向分析 需求預(yù)測(cè) 價(jià)格優(yōu)化 49 案例 基于DW DM的客戶營(yíng)銷管理 流失預(yù)警模型 交叉銷售模型 客戶行為細(xì)分模型 更多模型 營(yíng)銷信息預(yù)警 營(yíng)銷方案策劃 績(jī)效管理 主動(dòng)營(yíng)銷 客戶 行為數(shù)據(jù) 業(yè)務(wù)系統(tǒng) 數(shù)據(jù)倉(cāng)庫(kù) 數(shù)據(jù)挖掘 模型 行為數(shù)據(jù) 行為數(shù)據(jù) 客戶挽留 營(yíng)銷信息層 分析企劃層 管理實(shí)施層 50 客戶行為細(xì)分 低端 中端 高端 ARPU值相似的客戶需求特點(diǎn)卻差別很大 客戶細(xì)分之謎 根據(jù)ARPU值進(jìn)行客戶細(xì)分的方法 基于數(shù)據(jù)挖掘技術(shù)的以需求為基準(zhǔn)的細(xì)分 客戶行為 價(jià)值細(xì)分模型 海量客戶行為數(shù)據(jù) 特征數(shù)據(jù) 組內(nèi)行為特點(diǎn)相似組間行為差異較大的客戶分組 51 客戶行為細(xì)分 續(xù) 客戶行為細(xì)分模型 客戶流失傾向預(yù)警模型 價(jià)格敏感度模型 客戶信用評(píng)分模型 交叉銷售模型 營(yíng)銷效果預(yù)測(cè)模型 客戶價(jià)值評(píng)估模型 52 客戶行為細(xì)分模型通過(guò)上百個(gè)變量描述客戶 性別 年齡 建檔時(shí)間 證件號(hào)碼 繳款方式 信息費(fèi) 應(yīng)收金額 優(yōu)惠金額 滯納金應(yīng)收 SMS次數(shù) 國(guó)際呼叫 呼入 呼出比例 短消息話單類型 信息長(zhǎng)度 贈(zèng)送費(fèi)用 呼轉(zhuǎn)類型 漫游話費(fèi) 通話時(shí)長(zhǎng) 贈(zèng)送分鐘數(shù) 費(fèi)用類型 動(dòng)態(tài)漫游號(hào) IMSI號(hào)碼 月均基本通話 月均國(guó)內(nèi)長(zhǎng)途 工作日呼叫次數(shù) 工作日呼叫時(shí)間 WAP呼叫時(shí)間 繁忙時(shí)段呼叫次數(shù) 非繁忙時(shí)段呼叫次數(shù) SMS次數(shù) WAP次數(shù) IP呼叫次數(shù) 語(yǔ)音呼叫次數(shù) 非語(yǔ)音呼叫次數(shù) 月均國(guó)際長(zhǎng)途 非IP呼叫時(shí)間 53 數(shù)據(jù)挖掘自動(dòng)生成影響客戶分組的主要因子 性別 年齡 繳款方式 SMS次數(shù) 國(guó)際呼叫 其它 優(yōu)惠金額 短消息話單類型 贈(zèng)送費(fèi)用 費(fèi)用類型 漫游次數(shù) 應(yīng)收金額 IDD次數(shù) 月均國(guó)內(nèi)長(zhǎng)途 月均基本通話 非語(yǔ)音呼叫次數(shù) SMS次數(shù) WAP次數(shù) 月均國(guó)際長(zhǎng)途 語(yǔ)音呼叫次數(shù) 費(fèi)用類型 54 聚類分析 根據(jù)自身所具有的特征自動(dòng)聚為一些行為特點(diǎn)相似的群體 1 2 8 4 5 3 7 6 因素二 國(guó)內(nèi)呼叫次數(shù) 因素三 IP呼叫次數(shù) 因素一 繁忙時(shí)段呼叫次數(shù) 55 16個(gè)組中呈現(xiàn)出差別明顯的優(yōu)勢(shì) 弱勢(shì)特征 各類客戶人數(shù)及收入貢獻(xiàn)一覽 人數(shù)百分比 收入貢獻(xiàn)百分比 59 61 56 41 15 08 28 51 14 89 25 91 優(yōu)質(zhì) 普通 弱勢(shì) 57 示例 全球通 后付費(fèi) 客戶的17個(gè)客戶分組 58 對(duì)細(xì)分客戶組進(jìn)行特征描述 59 業(yè)務(wù)推廣與客戶服務(wù)建議 本組市場(chǎng)建議業(yè)務(wù)推廣建議彩信業(yè)務(wù) 統(tǒng)計(jì)分析發(fā)現(xiàn)本組客戶彩信使用人數(shù)比例明顯大于其他16個(gè)客戶分組GPRS業(yè)務(wù) 估計(jì)本組客戶中有相當(dāng)部分人群是商務(wù)人士客戶服務(wù)建議免費(fèi)贈(zèng)送香港天氣預(yù)報(bào)與航空公司里程積點(diǎn)互換空港VIP休息室 60 2 產(chǎn)品交叉銷售 交叉銷售研究要點(diǎn) 交叉銷售通過(guò)研究客戶的產(chǎn)品使用情況 消費(fèi)行為特點(diǎn) 發(fā)現(xiàn)老客戶的潛在需求交叉銷售通過(guò)產(chǎn)品之間的關(guān)聯(lián) 尋找實(shí)現(xiàn)產(chǎn)品捆綁銷售的機(jī)會(huì)交叉銷售為新產(chǎn)品尋找已有用戶中的目標(biāo)群體 61 相關(guān)性弱 根據(jù)產(chǎn)品業(yè)務(wù)關(guān)聯(lián)性評(píng)分表 形成某一產(chǎn)品與其他產(chǎn)品關(guān)聯(lián)關(guān)系圖 以形象說(shuō)明本產(chǎn)品與其他產(chǎn)品之間的關(guān)聯(lián)關(guān)系 正相關(guān)或是負(fù)相關(guān) 及其關(guān)聯(lián)性強(qiáng)弱 正向關(guān)聯(lián) 負(fù)向關(guān)聯(lián) 客戶取消產(chǎn)品時(shí)作為替補(bǔ)品 考慮產(chǎn)品捆綁銷售 替代性弱 相關(guān)性