《商業(yè)數(shù)據(jù)挖掘》課件-11數(shù)據(jù)挖掘的商業(yè)應(yīng)用VIP

數(shù)據(jù)挖掘基礎(chǔ)商業(yè)數(shù)據(jù)挖掘常見應(yīng)用電信行業(yè)中的客戶維系應(yīng)用實(shí)例文本挖掘下的客戶服務(wù)應(yīng)用實(shí)例金融行業(yè)中的客戶細(xì)分應(yīng)用實(shí)例商業(yè)數(shù)據(jù)挖掘常見應(yīng)用數(shù)據(jù)挖掘在商業(yè)分析領(lǐng)域的一些常見應(yīng)用如下：（1）市場(chǎng)分析與管理：數(shù)據(jù)源來(lái)自信用卡交易、會(huì)員卡、打折優(yōu)惠卷、顧客投訴電話等。目標(biāo)營(yíng)銷（TargetMarketing），找出顧客群,他們具有相同特征：興趣，收入水平，消費(fèi)習(xí)慣等。確定顧客隨時(shí)間變化的購(gòu)買模式，個(gè)人帳號(hào)到聯(lián)合帳號(hào)的轉(zhuǎn)變：結(jié)婚等。交叉銷售分析（Cross-sellingAnalysis），產(chǎn)品銷售之間的關(guān)聯(lián)/相關(guān)，基于關(guān)聯(lián)信息的預(yù)測(cè)。顧客分類（CustomerClassification），數(shù)據(jù)挖掘能夠告訴我們什么樣的顧客買什么產(chǎn)品（基于聚類或分類分析）。識(shí)別顧客需求，滿足對(duì)不同的顧客識(shí)的需求；使用預(yù)測(cè)發(fā)現(xiàn)何種因素能夠吸引新顧客。提供匯總信息，各種多維匯總報(bào)告。商業(yè)數(shù)據(jù)挖掘常見應(yīng)用（2）法人分析與風(fēng)險(xiǎn)管理財(cái)經(jīng)規(guī)劃和資產(chǎn)評(píng)估：現(xiàn)金流分析和預(yù)測(cè)；臨時(shí)提出的資產(chǎn)評(píng)估；交叉組合和時(shí)間序列分析（金融比率、趨勢(shì)分析）等。資源規(guī)劃，資源與開銷的匯總與比較。競(jìng)爭(zhēng)，管理競(jìng)爭(zhēng)者和市場(chǎng)指導(dǎo)；對(duì)顧客分類和基于類的定價(jià)；在高度競(jìng)爭(zhēng)的市場(chǎng)調(diào)整價(jià)格策略。（3）欺騙檢測(cè)與管理，廣泛用于健康照料、零售、信用卡服務(wù)、電訊（電話卡欺騙）等，使用歷史數(shù)據(jù)建立欺騙行為模型，使用數(shù)據(jù)挖掘幫助識(shí)別類似的實(shí)例。汽車保險(xiǎn)：檢測(cè)這樣的人，他/她假造事故騙取保險(xiǎn)賠償。洗錢：檢測(cè)可疑的金錢交易。醫(yī)療保險(xiǎn)：檢測(cè)職業(yè)病患者醫(yī)生有無(wú)騙保行為。檢測(cè)不適當(dāng)?shù)尼t(yī)療處置：澳大利亞健康保險(xiǎn)會(huì)發(fā)現(xiàn)許多全面的檢查是請(qǐng)求做的，而非實(shí)際需要。檢測(cè)電話欺騙：從發(fā)通話距離、通話時(shí)間、每天或每周通話次數(shù)中分析偏離期望的模式。零售：分析家估計(jì)，38%的零售業(yè)萎縮是由于不忠誠(chéng)的雇員造成的。商業(yè)數(shù)據(jù)挖掘常見應(yīng)用電信行業(yè)中的客戶維系應(yīng)用實(shí)例隨著電信行業(yè)競(jìng)爭(zhēng)的加劇，新增用戶市場(chǎng)逐漸飽和，存量用戶的保有成為穩(wěn)定企業(yè)價(jià)值的重中之重。目前，各大運(yùn)營(yíng)商已經(jīng)建立起較為完整的客戶維系體系，主要包括客戶洞察、策略匹配、渠道執(zhí)行和效果評(píng)估四個(gè)環(huán)節(jié)。電信行業(yè)中的客戶維系應(yīng)用實(shí)例電信運(yùn)營(yíng)商客戶維系工作流程電信行業(yè)中的客戶維系應(yīng)用實(shí)例——客戶維系業(yè)務(wù)理解構(gòu)建流失預(yù)警模型，需要回答下面的“三W”問(wèn)題：Who，參與預(yù)警的用戶及流失的定義，“哪些用戶需要參與流失預(yù)警？如何定義客戶流失？”What，用戶流失原因及預(yù)警指標(biāo)，“用戶為什么會(huì)發(fā)生流失？它在流失之前哪些通信、消費(fèi)行為會(huì)發(fā)生改變？When，用戶流失時(shí)間及何時(shí)挽留，“用戶流失會(huì)在多長(zhǎng)時(shí)間內(nèi)完成？對(duì)維系工作而言，流失預(yù)警名單應(yīng)在什么時(shí)間點(diǎn)輸出，給維系工作預(yù)留多長(zhǎng)的時(shí)間？”電信行業(yè)中的客戶維系應(yīng)用實(shí)例——客戶維系業(yè)務(wù)理解（1）確定參與預(yù)警的客戶群并不是所有的用戶都需要參與預(yù)警，哪些用戶不需要參與預(yù)警？某運(yùn)營(yíng)商移動(dòng)用戶流失預(yù)警模型的預(yù)警客戶群規(guī)則包括：流失如何定義？流失可以有多種定義方式，每種定義都有各自的優(yōu)缺點(diǎn)，這需要根據(jù)具體的業(yè)務(wù)目標(biāo)確定。電信行業(yè)中的客戶維系應(yīng)用實(shí)例——客戶維系業(yè)務(wù)理解（2）預(yù)警指標(biāo)設(shè)計(jì)序號(hào)離網(wǎng)原因大類離網(wǎng)原因細(xì)類離網(wǎng)特征目標(biāo)維度分析1服務(wù)敏感類服務(wù)敏感1、通話量突然下降至；2、投訴多，網(wǎng)路信息號(hào)差；1、0次通話的天數(shù)及0次短信天數(shù)；2、網(wǎng)絡(luò)原因，客服投訴次數(shù)多（繳費(fèi)等原因不可測(cè)）；3、超短通話時(shí)長(zhǎng)較多2價(jià)格敏感類價(jià)格敏感1、通話量緩慢下降（尤其是主叫），業(yè)務(wù)使用以語(yǔ)音為主；2、余額低，查詢?cè)捹M(fèi)次數(shù)多，每次繳費(fèi)金額低1、賬戶余額低；2、話費(fèi)查詢次數(shù)多；3、繳納均值低；4、語(yǔ)音單價(jià)高出整體均值的倍數(shù)3渠道欺詐類渠道欺詐1、開戶后主叫通話量少，有可能存在大量的增值業(yè)務(wù)費(fèi)用；2、重入網(wǎng)用戶較多渠道發(fā)展的新用戶，話務(wù)量或短信發(fā)送量與訂購(gòu)套餐不匹配1、活躍天數(shù)小；2、通話次數(shù)低；3、IMEI重合度高；4、通話號(hào)碼集中4無(wú)線上網(wǎng)需求類無(wú)線上網(wǎng)需求存在較高無(wú)線上網(wǎng)流量，漫游較多，曾經(jīng)電話咨詢競(jìng)爭(zhēng)對(duì)手客服號(hào)碼，后續(xù)出現(xiàn)通話量與無(wú)線流量突降，呼轉(zhuǎn)競(jìng)爭(zhēng)對(duì)手號(hào)碼等現(xiàn)象1、上網(wǎng)流量下降；2、上網(wǎng)次數(shù)下降5隱私安全考慮類隱私安全考慮由于買房、買車、開卡、裝修等原因留下的電話號(hào)碼被惡意傳播，中介、商家、保險(xiǎn)公司過(guò)度打撓，可從搜集的中介號(hào)碼的對(duì)端用戶中提取，進(jìn)行關(guān)懷或換號(hào)服務(wù)。1、交往圈大；2、通話的時(shí)間短；3、交往穩(wěn)定性差電信行業(yè)中的客戶維系應(yīng)用實(shí)例——客戶維系業(yè)務(wù)理解6用戶空間大挪移類1務(wù)工結(jié)束，農(nóng)民工返鄉(xiāng)；2、大學(xué)生異地就業(yè)；3、白領(lǐng)人員長(zhǎng)期出差1、有長(zhǎng)途使用習(xí)慣，會(huì)使用特服號(hào)碼，突然語(yǔ)音結(jié)束或者只有短信行為；2、本地語(yǔ)音通信突降，只剩下短信行為；3、集中在農(nóng)忙季節(jié)/長(zhǎng)話目標(biāo)區(qū)域比較集中/ARPU較低/IMEI低端手機(jī)、山寨機(jī)較多；4、集中在暑期（7~9月份）/短信業(yè)務(wù)量較多/新業(yè)務(wù)使用較多/使用移動(dòng)QQ業(yè)務(wù)；5、通話量增加，本地通話量為0/未接通電話增多（當(dāng)做呼機(jī)）/曾呼轉(zhuǎn)外地號(hào)碼1、長(zhǎng)途話務(wù)量降低；2、本地話務(wù)量降低；3、新增漫游；4、短信量增加；5、時(shí)間周期性分析7重入網(wǎng)類新入網(wǎng)優(yōu)惠高導(dǎo)致重入網(wǎng)老號(hào)碼向新號(hào)碼進(jìn)行呼轉(zhuǎn)語(yǔ)音單價(jià)高出整體均值的倍數(shù)營(yíng)銷活動(dòng)優(yōu)惠或禮品吸引的低消費(fèi)跳蚤用戶低消費(fèi)、低話務(wù)量用戶，使用低端的終端手機(jī)（如山寨機(jī)等），并且頻繁重入網(wǎng)。1、話務(wù)量低；3、月出賬金額低；3、手機(jī)終端型號(hào)分析8轉(zhuǎn)網(wǎng)競(jìng)爭(zhēng)對(duì)手集團(tuán)整體遷移通話量緩慢下降，交往圈內(nèi)的用戶也緩慢下降1、交往圈流失用戶數(shù)多；2、超短通話時(shí)長(zhǎng)較多+客服投訴多交往圈影響（身邊的關(guān)鍵角色影響:如學(xué)校老師、家庭經(jīng)濟(jì)地位最高的人）1.原來(lái)曾歸屬某VPMN群，但現(xiàn)在在話費(fèi)結(jié)構(gòu)中，沒有出現(xiàn)因使用該群而得到的優(yōu)惠或優(yōu)惠額度減少（可以推斷關(guān)鍵角色已經(jīng)被策反）2.在連續(xù)數(shù)月的交往圈中，2~3個(gè)號(hào)碼出現(xiàn)頻度最高、且通話時(shí)段有較強(qiáng)的規(guī)律性（可以初步研判是家庭成員間通話）/曾使用家庭計(jì)劃類套餐但設(shè)置的對(duì)端號(hào)碼為外網(wǎng)/與交往圈中的號(hào)碼間曾發(fā)生呼叫轉(zhuǎn)移行為交往圈用戶數(shù)據(jù)分析，以集團(tuán)客戶的視角，做反策反分析。捆綁優(yōu)惠到期類電信剛拿到移動(dòng)牌照時(shí)，大面積搶奪中低端客戶和送卡，近期優(yōu)惠和捆綁到期，估計(jì)影響會(huì)很大。套餐捆綁剩余時(shí)間，可以作為預(yù)警競(jìng)爭(zhēng)對(duì)手影響1、購(gòu)買上網(wǎng)本的客戶（發(fā)達(dá)省份校園市場(chǎng)和上網(wǎng)本銷量比較的區(qū)域）；2、iPhone客戶，上網(wǎng)方便可能減弱對(duì)家中固定寬帶的依賴；3、競(jìng)爭(zhēng)對(duì)手報(bào)銷用戶（不在乎其他運(yùn)營(yíng)商自有寬帶業(yè)務(wù)的價(jià)格和上網(wǎng)質(zhì)量，可從移動(dòng)集團(tuán)客戶或全球通客戶入手）1、寬帶流量；2、時(shí)間減少；3、用戶新訂購(gòu)了無(wú)線網(wǎng)卡他網(wǎng)終端吸引導(dǎo)致離網(wǎng)頻繁更換終端，新推出了iPhone吸引力大1、IMEI更換頻繁；2、大多是新終端；3、公費(fèi)用戶電信行業(yè)中的客戶維系應(yīng)用實(shí)例——客戶維系業(yè)務(wù)理解（3）時(shí)間窗口定義時(shí)間窗口用于確定用戶行為分析的時(shí)間段，用戶流失的時(shí)間段以及客戶維系的時(shí)間段，分別對(duì)應(yīng)分析期時(shí)間窗口、反應(yīng)期時(shí)間窗口和挽留期時(shí)間窗口。某電信運(yùn)營(yíng)商時(shí)間窗口設(shè)置如下：反應(yīng)期時(shí)間窗口，即模型的目標(biāo)變量（或稱為“因變量”）時(shí)間窗口：目標(biāo)變量即流失狀態(tài)月，假設(shè)流失狀態(tài)月為M+4=2010年7月（M為當(dāng)前月，2010年3月）。挽留期時(shí)間窗口，為了爭(zhēng)取維挽時(shí)間，提前一個(gè)月進(jìn)行預(yù)警，設(shè)定挽留期為M+1月，這一個(gè)月是維挽預(yù)警的提前量，在挽留期用戶狀態(tài)應(yīng)該是正常的。分析期時(shí)間窗口，即模型的分析變量（或稱為“自變量）時(shí)間窗口：當(dāng)用戶在7月份時(shí)顯示流失，對(duì)于被動(dòng)拆機(jī)用戶而言，他5、6、7月份已經(jīng)停機(jī)，且沒有任何通信行為，那么分析變量的時(shí)間窗口應(yīng)該提前三個(gè)月，同時(shí)考慮一個(gè)月的挽留期，那么1、2、3月就是分析期窗口；而主動(dòng)拆機(jī)用戶數(shù)通常較少，因此保持和被動(dòng)拆機(jī)用戶的分析口徑一致。電信行業(yè)中的客戶維系應(yīng)用實(shí)例——流失預(yù)警模型建設(shè)構(gòu)建流失預(yù)警模型有兩種方法，一種是傳統(tǒng)的基于業(yè)務(wù)規(guī)則的預(yù)警模型，一種是基于數(shù)據(jù)挖掘的預(yù)警模型。（1）基于業(yè)務(wù)規(guī)則的預(yù)警模型基于業(yè)務(wù)規(guī)則的預(yù)警模型根據(jù)業(yè)務(wù)人員的業(yè)務(wù)經(jīng)驗(yàn)確定，優(yōu)點(diǎn)是簡(jiǎn)單容易理解，缺點(diǎn)是預(yù)警準(zhǔn)確率和覆蓋率不夠。一條預(yù)警規(guī)則一般由如下幾部分構(gòu)成：預(yù)警指標(biāo)、計(jì)算規(guī)則、預(yù)警閾值和更新周期，預(yù)警指標(biāo)和計(jì)算規(guī)則根據(jù)前期的業(yè)務(wù)假設(shè)確定，預(yù)警閾值一般根據(jù)業(yè)務(wù)經(jīng)驗(yàn)或數(shù)據(jù)探索結(jié)果確定。電信行業(yè)中的客戶維系應(yīng)用實(shí)例——流失預(yù)警模型建設(shè)（2）基于數(shù)據(jù)挖掘的預(yù)警模型基于挖掘模型的預(yù)警模型通過(guò)對(duì)歷史上流失用戶與未流失用戶在成百上千個(gè)維度上的對(duì)比分析構(gòu)建分類預(yù)測(cè)模型，識(shí)別流失用戶的主要特征，并將模型應(yīng)用于當(dāng)前未流失用戶，得到客戶在未來(lái)的流失概率。通過(guò)分析每個(gè)預(yù)警指標(biāo)與客戶流失的關(guān)系，驗(yàn)證最初關(guān)于流失原因的假設(shè)，同時(shí)篩選出對(duì)流失影響最顯著的變量。電信行業(yè)中的客戶維系應(yīng)用實(shí)例——模型應(yīng)用及其策略基于客戶流失預(yù)警模型的輸出結(jié)果，可以得到具有潛在流失傾向的用戶，針對(duì)這些具有高流失傾向的客戶進(jìn)行挽留。最后將模型固化到CRM營(yíng)銷系統(tǒng)中，以保證模型的可持續(xù)應(yīng)用，每月定期發(fā)布流失預(yù)警用戶名單，支撐一線營(yíng)銷人員進(jìn)行決策。在模型應(yīng)用過(guò)程中，要讓模型真正產(chǎn)生價(jià)值，還需要業(yè)務(wù)流程其它部分的配合，如客戶保有優(yōu)先級(jí)的確定、維系策略和渠道匹配、系統(tǒng)預(yù)警監(jiān)控功能配合等。電信行業(yè)中的客戶維系應(yīng)用實(shí)例——模型應(yīng)用及其策略（1）確定客戶保有優(yōu)先級(jí)客戶流失預(yù)警模型輸出的是客戶流失概率，根據(jù)流失概率大小排序可以將客戶分成不同預(yù)警等級(jí)的客戶。在實(shí)際應(yīng)用中，客戶保有優(yōu)先級(jí)的確定除了考慮預(yù)警等級(jí)，還要考慮其它因素，如客戶價(jià)值，一般高價(jià)值高預(yù)警等級(jí)的客戶優(yōu)先級(jí)最高，以此類推。某電信運(yùn)營(yíng)商以客戶價(jià)值、預(yù)警等級(jí)和協(xié)議到期剩余期限三個(gè)維度對(duì)客戶進(jìn)行劃分，確定客戶保有優(yōu)先級(jí)。電信行業(yè)中的客戶維系應(yīng)用實(shí)例——模型應(yīng)用及其策略某電信運(yùn)營(yíng)商客戶劃分示例（保有優(yōu)先級(jí)）電信行業(yè)中的客戶維系應(yīng)用實(shí)例——模型應(yīng)用及其策略（2）維系策略匹配當(dāng)運(yùn)營(yíng)商確定哪些用戶需要優(yōu)先進(jìn)行保有后，還需要確定不同客戶的維系策略，維系策略的匹配同樣需要數(shù)據(jù)挖掘的支持，一般通過(guò)構(gòu)建客戶細(xì)分模型來(lái)實(shí)現(xiàn)。根據(jù)不同的維系活動(dòng)，基于客戶細(xì)分結(jié)果，設(shè)計(jì)相應(yīng)的維系策略（包括優(yōu)惠型策略、捆綁型策略、粘滯性策略），為產(chǎn)品/服務(wù)策劃角色提供支撐，為全業(yè)務(wù)客戶維系工作開展提供服務(wù)。某電信運(yùn)營(yíng)商常用的客戶維系策略如下：優(yōu)惠型策略捆綁型策略粘滯型策略電信行業(yè)中的客戶維系應(yīng)用實(shí)例——模型應(yīng)用及其策略用戶價(jià)值預(yù)警等級(jí)協(xié)議捆綁挽留策略渠道高端客戶高和中預(yù)警無(wú)捆綁協(xié)議優(yōu)惠型捆綁型維系經(jīng)理短信電子渠道到期月份≤3月到期月份＞3月粘滯型低預(yù)警無(wú)捆綁協(xié)議捆綁型維系經(jīng)理短信電子渠道到期月份≤3月到期月份＞3月粘滯型中端客戶高預(yù)警無(wú)捆綁協(xié)議優(yōu)惠型捆綁型維系經(jīng)理短信電子渠道到期月份≤3月到期月份＞3月粘滯型中預(yù)警無(wú)捆綁協(xié)議優(yōu)惠型捆綁型短信電子渠道到期月份≤3月到期月份＞3月粘滯型低預(yù)警無(wú)捆綁協(xié)議粘滯型電子渠道到期月份≤3月到期月份＞3月低端客戶高預(yù)警無(wú)捆綁協(xié)議優(yōu)惠型捆綁型短信電子渠道到期月份≤3月到期月份＞3月中、低預(yù)警無(wú)捆綁協(xié)議粘滯型電子渠道到期月份≤3月到期月份＞3月電信行業(yè)中的客戶維系應(yīng)用實(shí)例——模型應(yīng)用及其策略（3）預(yù)警監(jiān)控為了幫助管理層監(jiān)控和管理各部門維系挽留工作的執(zhí)行情況，需要在經(jīng)分系統(tǒng)開發(fā)高危預(yù)警用戶的監(jiān)控報(bào)表，監(jiān)控各個(gè)部門每月高危預(yù)警用戶數(shù)的變化情況。通過(guò)每月高危預(yù)警用戶數(shù)的變化，可以大致推斷該部門的維系執(zhí)行情況，例如某個(gè)部門報(bào)表顯示下個(gè)月的高危預(yù)警用戶數(shù)出現(xiàn)較大程度的下降，說(shuō)明該部門上個(gè)月的維系執(zhí)行工作比較充分，有效控制了用戶的流失狀況。文本挖掘下的客戶服務(wù)應(yīng)用實(shí)例客戶服務(wù)是一個(gè)過(guò)程，是在合適的時(shí)間、合適的場(chǎng)合，以合適的價(jià)格、合適的方式向合適的客戶提供合適的產(chǎn)品和服務(wù)，使客戶合適的需求得到滿足，價(jià)值得到提升的活動(dòng)過(guò)程。當(dāng)服務(wù)感知小于客戶期望時(shí)，客戶會(huì)不滿意，從而可能引發(fā)客戶流失，當(dāng)服務(wù)感知＝客戶期望時(shí)，客戶會(huì)滿意，但滿意不是終點(diǎn)，只有服務(wù)感知大于客戶期望時(shí)，客戶才會(huì)忠誠(chéng)。文本挖掘下的客戶服務(wù)應(yīng)用實(shí)例電信行業(yè)客戶精確服務(wù)框架文本挖掘下的客戶服務(wù)應(yīng)用實(shí)例（1）對(duì)外獲取客戶的感知與反饋。需要獲取客戶反饋，分析用戶不滿原因，在顧客的驅(qū)動(dòng)下不斷學(xué)習(xí)與改進(jìn)服務(wù)質(zhì)量，建立持續(xù)的競(jìng)爭(zhēng)優(yōu)勢(shì)。在這方面主要需要了解客戶，找到不滿意的用戶，這種了解可以從兩方面獲得:內(nèi)部：測(cè)試用戶感知。梳理用戶與電信企業(yè)交互點(diǎn)，在不同的交互點(diǎn)上測(cè)試服務(wù)的效果，通過(guò)落實(shí)成可衡量的業(yè)務(wù)監(jiān)控指標(biāo)來(lái)展現(xiàn)客戶服務(wù)的水平。外部：管理客戶反饋。這里面包括處理用戶發(fā)起的咨詢與投訴，發(fā)現(xiàn)改善點(diǎn)；監(jiān)控社交網(wǎng)絡(luò)上關(guān)于企業(yè)的討論和評(píng)論，進(jìn)行輿情分析等，通過(guò)問(wèn)卷調(diào)研等形式主動(dòng)測(cè)評(píng)用戶的滿意度。其中客戶的咨詢和投訴對(duì)企業(yè)的發(fā)展有巨大的作用。文本挖掘下的客戶服務(wù)應(yīng)用實(shí)例（2）對(duì)內(nèi)改善企業(yè)服務(wù)質(zhì)量與效率?；诜?wù)管理規(guī)范及客戶反饋結(jié)果，發(fā)現(xiàn)并解決企業(yè)管理、流程及系統(tǒng)支撐等方面的問(wèn)題，并建立問(wèn)題發(fā)現(xiàn)、認(rèn)責(zé)、補(bǔ)救及預(yù)防的常態(tài)化機(jī)制。主要包含四方面：組織：組織主要指實(shí)施服務(wù)的人和資源，包括人員總體的服務(wù)目標(biāo)，領(lǐng)導(dǎo)的支持力度和可獲取的服務(wù)資源等。組織中的人員調(diào)動(dòng)資源完成企業(yè)對(duì)客戶的服務(wù)，組織的效率和水平影響著服務(wù)執(zhí)行的水平。管理流程：服務(wù)責(zé)任需要分解到不同的責(zé)任實(shí)體，實(shí)現(xiàn)對(duì)不同責(zé)任人的監(jiān)管體系。建立晚上的管理流程才能讓組織內(nèi)的人員各司其事，實(shí)現(xiàn)問(wèn)題的發(fā)現(xiàn)、認(rèn)責(zé)、補(bǔ)救和預(yù)防的機(jī)制。業(yè)務(wù)流程：客戶服務(wù)過(guò)程往往存在系統(tǒng)之間的交互、用戶與企業(yè)的交互等，通過(guò)對(duì)業(yè)務(wù)環(huán)節(jié)的梳理，可以優(yōu)化服務(wù)的流程，對(duì)業(yè)務(wù)流程的關(guān)鍵環(huán)節(jié)進(jìn)行監(jiān)控，提升服務(wù)水平。系統(tǒng)支撐：系統(tǒng)支撐主要是指完成服務(wù)功能的IT系統(tǒng)的能力。例如系統(tǒng)的承載能力、及時(shí)性等。系統(tǒng)能夠?qū)崿F(xiàn)的功能足夠豐富，才能支撐比較復(fù)雜的服務(wù)業(yè)務(wù)流程和管理流程。文本挖掘下的客戶服務(wù)應(yīng)用實(shí)例——客戶投訴業(yè)務(wù)理解投訴處理對(duì)提高客戶服務(wù)滿意度有重要作用。投訴是與客戶溝通，獲得客戶反饋的重要途徑，投訴的重要性主要體現(xiàn)在：（1）客戶投訴對(duì)客戶滿意度有重要影響。有關(guān)客戶投訴的研究表明，54%-70%的客戶在其投訴得到解決后還會(huì)再次同該公司做生意；如果顧客感到投訴得到很快解決，該數(shù)字還會(huì)上升到95%?？蛻魧?duì)該公司的的投訴得到妥善解決后，平均每人就會(huì)把處理的情況告訴他們遇到的5個(gè)人，而不滿意的顧客，平均每人會(huì)告訴11個(gè)人。如果他們當(dāng)中的每個(gè)人仍然再告訴其他人，傳播的負(fù)面口碑的人數(shù)會(huì)以指數(shù)級(jí)數(shù)增長(zhǎng)。（2）投訴中能夠發(fā)現(xiàn)公司改進(jìn)點(diǎn)。事實(shí)上，再好的公司，總會(huì)有錯(cuò)誤發(fā)生。一個(gè)公司最好讓客戶有地方投訴，盡快實(shí)現(xiàn)雙向的溝通。3M公司宣稱它的產(chǎn)品改進(jìn)創(chuàng)意有2/3來(lái)自客戶投訴。因此，在建立客戶投訴的渠道，投訴能夠被記錄和存儲(chǔ)下來(lái)之后，公司就面臨著對(duì)投訴的處理和管理挑戰(zhàn)，這其中具體的工作主要包括投訴分類和投訴熱點(diǎn)發(fā)現(xiàn)。文本挖掘下的客戶服務(wù)應(yīng)用實(shí)例——挖掘模型的特殊性文本挖掘?qū)?shù)據(jù)挖掘的技術(shù)提出了一些特殊的要求：（1）需要先對(duì)文本進(jìn)行結(jié)構(gòu)化處理，構(gòu)建向量空間模型。結(jié)構(gòu)化處理一般放在數(shù)據(jù)預(yù)處理的環(huán)節(jié)，主要包括分詞、特征詞提取、文本表達(dá)三個(gè)環(huán)節(jié)。分詞的目的是形成結(jié)構(gòu)化的原子，即語(yǔ)義理解的最小單位。中文分詞(ChineseWordSegmentation)指的是將一個(gè)漢字序列切分成一個(gè)一個(gè)單獨(dú)的詞。分詞就是將連續(xù)的字序列按照一定的規(guī)范重新組合成詞序列的過(guò)程?，F(xiàn)有的分詞算法可分為三大類：基于字符串匹配的分詞方法、基于理解的分詞方法和基于統(tǒng)計(jì)的分詞方法。按照是否與詞性標(biāo)注過(guò)程相結(jié)合，又可以分為單純分詞方法和分詞與標(biāo)注相結(jié)合的一體化方法。特征詞提取的目的是構(gòu)建文本結(jié)構(gòu)化的維度?？梢园盐谋窘Y(jié)構(gòu)化簡(jiǎn)化理解成將若干文本的記錄變成一張表，將一段文本變成表中的一行，那么特征詞提取就是確定表的列。分詞的結(jié)果中包含的所有詞并不一定全部作為列來(lái)表達(dá)文本的內(nèi)容，我們往往需要剔除一些沒有意義的詞語(yǔ)、標(biāo)點(diǎn)等，抽取對(duì)于處理結(jié)果表達(dá)最方便的形式構(gòu)建特征詞的集合。文本表達(dá)，就是指用什么樣的數(shù)據(jù)來(lái)表達(dá)這條文本在某個(gè)維度上的值。最簡(jiǎn)單的方式就是用文本頻率，也就是用特征詞在該文本中出現(xiàn)的次數(shù)來(lái)量化文本，如果該文本中不包含某個(gè)特征詞，則記錄為0。其他還有比較復(fù)雜的TFIDF，DF等方式。文本挖掘下的客戶服務(wù)應(yīng)用實(shí)例——客戶投訴業(yè)務(wù)理解（2）需要考慮文本挖掘數(shù)據(jù)的高維度特征。（3）常見的文本挖掘應(yīng)用。文本分類。文本分類指按照預(yù)先定義的類別，為文檔集合中的每個(gè)文檔確定一個(gè)類別。主要有貝葉斯算法，SVM算法等文本聚類。聚類與分類最大的不同之處是，聚類沒有預(yù)先定義好主體類別，它的目標(biāo)是將文檔分成若干簇，要求同一簇內(nèi)文檔內(nèi)容的相似度盡可能的不同。常見的算法有KNN算法，主題識(shí)別模型等。文本結(jié)構(gòu)分析。其目的是為了更好的理解文本的主題思想，了解文本所表達(dá)的內(nèi)容以及采用的方式。最終結(jié)果是建立文本的邏輯結(jié)構(gòu)，即文本結(jié)構(gòu)樹，根節(jié)點(diǎn)是文本的主題，依次為層次和段落。文本挖掘下的客戶服務(wù)應(yīng)用實(shí)例——投訴管理中的應(yīng)用CCR（complaincontentrecognition）是某移動(dòng)公司建立的投訴內(nèi)容識(shí)別模型，通過(guò)文本分類技術(shù)實(shí)現(xiàn)對(duì)投訴的分類管理，并且通過(guò)文本分類的特征詞統(tǒng)計(jì)，識(shí)別投訴熱點(diǎn)。該移動(dòng)公司有專門的客戶服務(wù)品質(zhì)管理部門，該部門已經(jīng)認(rèn)識(shí)到客戶的抱怨中遍地金沙，目前投訴管理模式主要是解決單個(gè)投訴事件，對(duì)于投訴背后的問(wèn)題存在不聚焦、不及時(shí)、不閉環(huán)三大問(wèn)題，導(dǎo)致金沙未能變成金礦。不聚焦，指不能識(shí)別投訴的問(wèn)題要點(diǎn)，發(fā)現(xiàn)投訴熱點(diǎn)背后的業(yè)務(wù)問(wèn)題。不及時(shí)，指對(duì)投訴的分析統(tǒng)計(jì)落后，投訴處理慢，問(wèn)題發(fā)現(xiàn)慢。不閉環(huán)，指管理流程分散，發(fā)現(xiàn)問(wèn)題之后，很難推動(dòng)業(yè)務(wù)的改進(jìn)。文本挖掘下的客戶服務(wù)應(yīng)用實(shí)例——投訴管理中的應(yīng)用建立文本分類模型用于對(duì)投訴進(jìn)行分類管理，并且統(tǒng)計(jì)分類模型中的特征詞出現(xiàn)次數(shù)，識(shí)別投訴熱點(diǎn)。主要的流程如下：（1）設(shè)計(jì)投訴分類體系某移動(dòng)通過(guò)對(duì)自身業(yè)務(wù)和流程的梳理，結(jié)合投訴的具體情況，設(shè)計(jì)了一套基于客戶投訴原因分類，分類的目標(biāo)是爭(zhēng)取不重不漏的覆蓋全部客戶反映出的問(wèn)題，分類的架構(gòu)方式如下，共涵蓋8大類163個(gè)基礎(chǔ)投訴原因。（2）構(gòu)建訓(xùn)練集和測(cè)試集抽取近1個(gè)月的有記錄的投訴1.2萬(wàn)條，請(qǐng)能夠熟練處理投訴問(wèn)題的10名客服人員按照投訴內(nèi)容進(jìn)行分類。為了防止個(gè)人判斷的偏差，對(duì)部分分類存疑的投訴安排多人進(jìn)行分類投票，取得票最高的分類。每個(gè)類別抽取10條投訴記錄作為測(cè)試集，用于測(cè)試模型效果；其余記錄作為訓(xùn)練集，用于模型學(xué)習(xí)。（3）建立CCR模型CCR模型包含一個(gè)根據(jù)規(guī)則進(jìn)行分類的模型和多個(gè)基于文本挖掘的分類模型文本挖掘下的客戶服務(wù)應(yīng)用實(shí)例——投訴管理中的應(yīng)用電信客戶投訴原因分類示意圖文本挖掘下的客戶服務(wù)應(yīng)用實(shí)例——投訴管理中的應(yīng)用CCR分類模型示意圖分類器建模流程圖文本挖掘下的客戶服務(wù)應(yīng)用實(shí)例——投訴管理中的應(yīng)用（4）模型優(yōu)化

模型優(yōu)化主要是通過(guò)測(cè)試集測(cè)試分類的結(jié)果，發(fā)現(xiàn)可優(yōu)化點(diǎn)。（5）應(yīng)用展示

應(yīng)用展示包括將分類器固化在系統(tǒng)上，并且將模型的結(jié)果以一定的形式展現(xiàn)出來(lái)。模型的結(jié)果包括兩個(gè)部分，一是展示每個(gè)類別的投訴量；一是展示投訴熱點(diǎn)標(biāo)簽，投訴的熱點(diǎn)標(biāo)簽即分類模型中的特征詞，統(tǒng)計(jì)特征詞在目標(biāo)投訴中出現(xiàn)的次數(shù)代表詞語(yǔ)的熱度，展示熱度較高的標(biāo)簽。金融行業(yè)中的客戶細(xì)分應(yīng)用實(shí)例金融行業(yè)借助于大數(shù)據(jù)系統(tǒng)，不僅可以提升企業(yè)在業(yè)務(wù)、技術(shù)、數(shù)據(jù)、應(yīng)用和管控等多個(gè)方面的能力，還可以實(shí)現(xiàn)運(yùn)營(yíng)管理、財(cái)務(wù)管理、績(jī)效管理、風(fēng)險(xiǎn)管理和客戶管理能力的全面提升，實(shí)現(xiàn)增加收入和節(jié)省成本，更好、更快、更智能的支持業(yè)務(wù)、管理和決策，具體的一些應(yīng)用形式包括（1）操作風(fēng)險(xiǎn)和內(nèi)控合規(guī)：通過(guò)多個(gè)業(yè)務(wù)系統(tǒng)的操作日志及數(shù)據(jù)以及外部數(shù)據(jù)的整合分析，來(lái)發(fā)現(xiàn)業(yè)務(wù)違規(guī)。（2）客戶反饋和服務(wù)跟蹤：通過(guò)整合網(wǎng)頁(yè)和呼叫中心的反饋信息及投訴信息改進(jìn)產(chǎn)品、服務(wù)，提升客戶服務(wù)體驗(yàn)；客戶信息的持續(xù)跟蹤，包括客戶服務(wù)、客戶反饋、產(chǎn)品開發(fā)、營(yíng)銷和銷售、產(chǎn)品和服務(wù)的交付等各個(gè)環(huán)節(jié)，是否完全整合，支持整合的客戶行為分析，實(shí)現(xiàn)信息在各個(gè)環(huán)節(jié)的流動(dòng)，達(dá)到一對(duì)一的會(huì)話管理。（3）業(yè)務(wù)條線的整合：大客戶及小微客戶的圈鏈管理。（4）風(fēng)險(xiǎn)信息整合：外部宏觀經(jīng)濟(jì)數(shù)據(jù)、金融市場(chǎng)的趨勢(shì)和風(fēng)險(xiǎn)的分析研究；對(duì)跨部門但同類的風(fēng)險(xiǎn)分析進(jìn)行整合并進(jìn)行自動(dòng)的統(tǒng)一壓力測(cè)試、風(fēng)險(xiǎn)頭寸。（5）公共信息分析：社交網(wǎng)絡(luò)、理財(cái)網(wǎng)站上關(guān)于各個(gè)銀行的產(chǎn)品服務(wù)評(píng)價(jià)，還有客戶投訴信息的挖掘分析，客戶經(jīng)理所負(fù)責(zé)客戶的公共信