數(shù)據(jù)挖掘與CRM培訓(xùn)

1、數(shù)據(jù)挖掘與CRM培訓(xùn) 培訓(xùn)時(shí)間：3天 培訓(xùn)內(nèi)容： CRM原理+數(shù)據(jù)挖掘軟件的實(shí)現(xiàn) 應(yīng)用工具： Clementine 學(xué)員參加本課程的必要條件本課程要求學(xué)員熟悉Windows操作系統(tǒng)，并具有基本的數(shù)據(jù)挖掘知識(shí)。這門課程會(huì)簡(jiǎn)單地介紹數(shù)據(jù)挖掘及CRM知識(shí)，但更重要地是，展示軟件如何實(shí)現(xiàn)CRM。 課程形式課程以講授和上機(jī)操作相結(jié)合來進(jìn)行。培訓(xùn)期間，每人一臺(tái)電腦。序 號(hào)名 稱具體內(nèi)容模型1客戶細(xì)分與獲得1. 對(duì)客戶消費(fèi)數(shù)據(jù)進(jìn)行分析與描述2. 產(chǎn)生客戶細(xì)分模型或者價(jià)值金字塔3. 描述不同客戶細(xì)分群的特征模型2客戶促銷響應(yīng)模型1. RFM模型2. 基于提供的所有數(shù)據(jù)的預(yù)測(cè)模型3. 分群模型模型3客戶價(jià)值細(xì)分

2、、遷移和流失模型1. 客戶價(jià)值遷移預(yù)測(cè)2. 客戶流失模型總結(jié)答疑與討論應(yīng)用案例：希阿蒙公司的市場(chǎng)活動(dòng)（一）商業(yè)背景本次使用的數(shù)據(jù)是基于一個(gè)虛構(gòu)的銷售電子產(chǎn)品的零售公司；這個(gè)數(shù)據(jù)完全是虛擬的，但是數(shù)據(jù)挖掘技術(shù)適用于多個(gè)行業(yè)。為了提高企業(yè)效益、實(shí)現(xiàn)客戶價(jià)值最大化，希阿蒙零售公司準(zhǔn)備開展一個(gè)大型的市場(chǎng)活動(dòng)，考慮到以往市場(chǎng)活動(dòng)的效果并不理想，這次活動(dòng)之前要先進(jìn)行研究，以便解決以往的一系列問題，如：如何提高客戶對(duì)于市場(chǎng)活動(dòng)的響應(yīng)率？如何區(qū)別大客戶與普通客戶，是否對(duì)大客戶開展單獨(dú)的市場(chǎng)活動(dòng)，以便獲得更多地利潤？如何從已有客戶中找出高價(jià)值客戶？如何防止客戶流失的發(fā)生？綜上所述，希阿蒙公司面臨的問題包括：l

3、如何定義與計(jì)算客戶的價(jià)值l 如何提高客戶的市場(chǎng)活動(dòng)響應(yīng)率l 如何獲取及保持高價(jià)值客戶l 如何提高客戶的價(jià)值（二）已有數(shù)據(jù)我們從希阿蒙公司數(shù)據(jù)庫中抽取9個(gè)數(shù)據(jù)來進(jìn)行研究，包括：CARD.dat：購物卡內(nèi)登記的客戶信息GDG.dat：基于郵政編碼的地理人口學(xué)信息TRANSACTION.dat：以購物籃為單位的交易數(shù)據(jù)TRANSACTION_ITEM.dat：在商品個(gè)體層面的交易數(shù)據(jù)ITEM.dat：所有待售商品列表、商品編號(hào)、產(chǎn)品大類、小類和品牌數(shù)據(jù)CATEGORY.dat：產(chǎn)品種類編號(hào)與描述SUBCATEGORY.dat：產(chǎn)品小類與描述BRAND.dat：產(chǎn)品品牌與描述CAMPAIGN.dat：

4、客戶列表，包含客戶參加上次市場(chǎng)活動(dòng)響應(yīng)/未響應(yīng)的標(biāo)識(shí)CARD.dat （11個(gè)變量，140,132條記錄）變量名稱含義CardID客戶號(hào)City城市Region地區(qū)PostalCode郵編CardStartDate開卡時(shí)間Gender性別DateOfBirth出生年月日MaritalStatus婚姻狀態(tài)HasChildren是否有子女NumChildren子女?dāng)?shù)Youngestchild最小子女年齡GDG.dat （18個(gè)變量，150,000條記錄）變量名稱含義City城市PostalCode郵編Population人口數(shù)HouseHolds家庭數(shù)HHgrowth5yr過去5年 家庭增長(zhǎng)率HH

5、AveSize家庭人口平均數(shù)PopUnder55歲以下人口數(shù)Pop5_165-16歲人口數(shù)Pop17_2517-25歲人口數(shù)Pop26_3526-35歲人口數(shù)Pop36_4536-45歲人口數(shù)Pop46_5546-55歲人口數(shù)Pop56_6556-65歲（含65歲）人口數(shù)PopOver6565歲以上人口數(shù)HHIncomeMed家庭收入中位數(shù)HHNoWorkers家庭工作人數(shù)WhtCollarOcc白領(lǐng)BluCollarOcc藍(lán)領(lǐng)TRANSACTION.dat （6個(gè)變量，367,296條記錄）變量名稱含義Store商戶編號(hào)Date日期Time時(shí)間TransactionID交易號(hào)CardID客戶

6、號(hào)PaymentMethod支付方式TRANSACTION_ITEM.dat （8個(gè)變量，394,505條記錄）變量名稱含義Store商戶編號(hào)Date日期Time時(shí)間TransactionID交易號(hào)ItemNumber商品數(shù)量ItemCode商品號(hào)碼Amount單價(jià)Markdown標(biāo)記 ITEM.dat （6個(gè)變量，820條記錄）變量名稱含義ItemCode商品號(hào)碼ItemDescription商品描述CategoryCode大類編號(hào)SubCategoryCode小類編號(hào)BrandCode品牌編號(hào)UpmarketFlag標(biāo)記CATEGORY.dat （2個(gè)變量，7條記錄）變量名稱含義Categ

7、oryCode大類編號(hào)CategoryDescription大類描述SUBCATEGORY.dat （2個(gè)變量，47條記錄）變量名稱含義SubCategoryCode小類編號(hào)SubCategoryDescription小類描述BRAND.dat （2個(gè)變量，40條記錄）變量名稱含義BrandCode品牌編號(hào)BrandDescription品牌描述CAMPAIGN.dat （2個(gè)變量，40條記錄）變量名稱含義CardID客戶編號(hào)Responded是否響應(yīng)（三）解決方案模型1：客戶細(xì)分與獲得根據(jù)客戶價(jià)值對(duì)客戶進(jìn)行細(xì)分，要通過分析與描述決定客戶的細(xì)分和目標(biāo)定位，以提高大客戶的獲得。對(duì)交易數(shù)據(jù)進(jìn)行探索

8、性分析，計(jì)算客戶消費(fèi)，然后通過進(jìn)一步分析，定義客戶細(xì)分，也就是對(duì)體現(xiàn)客戶價(jià)值的客戶消費(fèi)額或交易數(shù)量等進(jìn)行分類。根據(jù)這些結(jié)果，建立客戶細(xì)分模型，每個(gè)客戶被劃分到相應(yīng)的類別中，然后對(duì)客戶的交易數(shù)據(jù)、人口數(shù)據(jù)等進(jìn)行描述，得到相應(yīng)的客戶價(jià)值分群的描述。（注：方框代表數(shù)據(jù)，橢圓代表數(shù)據(jù)流）模型2：客戶促銷響應(yīng)模型模型2預(yù)測(cè)客戶對(duì)市場(chǎng)活動(dòng)的響應(yīng)情況。在這個(gè)模型中，針對(duì)客戶開展了一次市場(chǎng)活動(dòng)，每個(gè)客戶對(duì)市場(chǎng)活動(dòng)有響應(yīng)與不響應(yīng)兩種反應(yīng)情況，分別記錄各個(gè)客戶的反應(yīng)情況。該模型對(duì)與客戶是否響應(yīng)市場(chǎng)活動(dòng)的影響因素進(jìn)行分析，根據(jù)客戶的影響因素的特征，可以預(yù)測(cè)具備某些特征的客戶將來對(duì)類似的市場(chǎng)活動(dòng)的響應(yīng)情況。模型3：客

9、戶價(jià)值細(xì)分、遷移和流失模型該模型對(duì)客戶的價(jià)值遷移及流失進(jìn)行預(yù)測(cè)，探索客戶遷移的模式?？蛻暨w移模式有兩種，一種是活躍的程度不同，即在價(jià)值金字塔的上下變動(dòng)，第二種是從活躍到不活躍的變化，即客戶流失。該模型需要的數(shù)據(jù)包括模型1中的客戶綜合數(shù)據(jù)，模型2的購買模式數(shù)據(jù)，以及客戶價(jià)值細(xì)分?jǐn)?shù)據(jù)。（四）結(jié)果第一個(gè)模型對(duì)客戶價(jià)值進(jìn)行細(xì)分，并對(duì)客戶細(xì)分群的特征進(jìn)行描述，有利于客戶獲得。這個(gè)模型主要包括如下結(jié)果：l 對(duì)客戶消費(fèi)數(shù)據(jù)進(jìn)行分析與描述l 產(chǎn)生客戶細(xì)分模型或者價(jià)值金字塔l 描述不同客戶細(xì)分群的特征第二個(gè)模型預(yù)測(cè)客戶對(duì)于市場(chǎng)活動(dòng)的響應(yīng)，使用了RFM評(píng)分以及客戶行為數(shù)據(jù)，產(chǎn)生了三個(gè)模型：l RFM模型l 基于提供的所有數(shù)據(jù)的預(yù)測(cè)