客户关系管理3

第三章数据挖掘与CRM数据挖掘的基本知识CRM中的数据挖掘应用4.1数据挖掘的基本知识Page.3数据挖掘的产生背景数据爆炸但知识匮乏Page.4数据：一般的业务操作，通常都会产生大量的数据，如订单、库存、交易帐目、通话记录、及客户资料等。信息：如何利用企业的历史数据增进对业务情况的了解，帮助我们在业务管理及发展上作出及时、正确的判断，需要从数据成为信息Page.5美国三大电视网电视剧广告间隙美国自来水公司的用水高峰Page.6如何抛弃不必要的数据，从大量数据中及时提取有用的知识？从大量的数据中挖掘出有用的知识Page.7AdvancedScoutPage.8数据挖掘的定义数据挖掘－DataMining技术角度的定义数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。商业角度的定义数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的海量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。Page.9知识发现(KDD)：数据挖掘过程数据挖掘—知识发现过程的核心数据清理数据集成数据库数据仓库任务相关的数据选择数据挖掘模式评估Page.10数据挖掘:多种技术的融合数据挖掘数据库技术统计学机器学习模式识别算法其他技术可视化Page.11数据挖掘VS传统分析方法有何区别?数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识。Page.12数据挖掘过程数据挖掘过程包括：数据准备（选择、预处理、转换）确定主题读入数据、建立模型、理解模型解释与评价知识应用分析问题整合数据建立模型理解规则预测未来数据挖掘技术分类数据挖掘描述预测可视化聚类关联规则汇总描述分类统计回归时间序列决策树神经网络Page.14数据挖掘的模型（1）分类（Classification）与决策树（Decisiontrees）分类分析是为了找出描述和区分数据类或概念的模型，常常通过决策树、神经网络等模型进行表示。决策树：•根节点、节点、分支、叶子。Page.15CHAID决策树分析-市场分析收入￥40,000工作时间5年高负债高风险低风险高风险低风险否否否是是是在贷款申请中，要对申请人的风险大小做出判断Page.16多变量分析根据细分变量区分群体的差异性程度（卡方统计值Chi-square）的大小，将样本分为不同特征的细分群体。过程确定细分的目的与细分变量（人口统计变量、心理变量、行为变量）变量类型：分类变量或有序变量根据卡方值最显著的变量将样本分为不同细分群体样本量敏感（父节点样本30，子节点5）Page.17数据挖掘的模型（2）聚类（Cluster）聚类是把一组个体按照相似性归成若干类别的过程。原则：最大化类内部的相似性、最小化类之间的相似性聚类方法包括统计方法、机器学习方法、神经网络方法和面向数据库的方法。Page.18Page.19数据挖掘的模型（3）关联（Association）在购买面包的顾客中，有90%的人同时也买了牛奶：(面包)→(牛奶)，计为X—Y。评估关联规则的四个重要指标是：•(1)支持度（support）：交易集中包含X和Y的交易数与所有交易数之比，记为support(X→Y)•(2)可信度（confidence）：包含X和Y的交易数与包含X的交易数之比，记为confidence(X→Y)•(3)期望可信度（expectedconfidence）：描述了在没有物品集X的作用下，物品集Y本身的支持度，记为E-confidence(Y)•(4)作用度（lift）：作用度是可信度对期望可信度的比值。描述了物品集X对物品集Y的影响力的大小。记为Lift(X→Y)。一股情况要求大于1。设supmin=50%,confmin=50%符合条件的关联规则有哪些？交易流水号购买产品002A,B,D018A,C,D030A,D,E006B,E,F157B,C,D,E,FAD(60%,100%)DA(60%,75%)Page.21数据挖掘的模型（4）序列模式（SequentialPattern）分析数据之间的前后（因果）关系，类似于关联分析用于发现客户潜在的购物模式•先购买PC，再购买数码相机，接着还要买存储卡•5天之内，X股票最多上涨10％，Y股票涨幅在10％－20％之间，Z股票在下星期上涨的概率为68％。指标•最小支持度•最小可信度4.2CRM中的数据挖掘应用Page.23在CRM中的应用范围•客户盈利能力；•客户保留；•客户细分；•客户倾向；•渠道优化；•风险管理；•欺诈监测；•购物倾向分析；•需求预测；•价格优化。Page.24案例：基于DM的客户营销管理流失预警模型交叉销售模型客户行为细分模型更多模型营销信息预警营销方案策划绩效管理主动营销客户行为数据业务系统数据仓库数据挖掘模型行为数据行为数据客户挽留营销信息层分析企划层管理实施层Page.25客户行为细分0200500低端中端高端ARPU值相似的客户需求特点却差别很大客户细分之谜根据ARPU值进行客户细分的方法基于数据挖掘技术的以需求为基准的细分客户行为－价值细分模型海量客户行为数据/特征数据组内行为特点相似组间行为差异较大的客户分组Page.26客户行为细分（续）客户行为细分模型客户流失倾向预警模型价格敏感度模型客户信用评分模型交叉销售模型营销效果预测模型客户价值评估模型客户行为细分模型通过上百个变量描述客户性别年龄建档时间证件号码缴款方式信息费应收金额优惠金额滞纳金应收SMS次数国际呼叫呼入/呼出比例短消息话单类型信息长度赠送费用呼转类型漫游话费通话时长赠送分钟数费用类型动态漫游号IMSI号码月均基本通话月均国内长途工作日呼叫次数工作日呼叫时间WAP呼叫时间繁忙时段呼叫次数非繁忙时段呼叫次数SMS次数WAP次数IP呼叫次数语音呼叫次数非语音呼叫次数月均国际长途非IP呼叫时间数据挖掘自动生成影响客户分组的主要因子性别年龄缴款方式SMS次数国际呼叫其它…优惠金额短消息话单类型赠送费用费用类型漫游次数应收金额IDD次数月均国内长途月均基本通话非语音呼叫次数SMS次数WAP次数月均国际长途语音呼叫次数费用类型因子分析Page.29聚类分析－根据自身所具有的特征自动聚为一些行为特点相似的群体低高高高12845376因素二（国内呼叫次数）因素三（IP呼叫次数）因素一（繁忙时段呼叫次数）示例16个组中呈现出差别明显的优势、弱势特征组号优势特征弱势特征描述性名称#1语音每次呼叫时间、香港（澳门）呼叫、非繁忙时段呼叫繁忙时呼叫、IP呼叫、短信、转移业余活跃组#2繁忙时段月均呼叫次数、漫游地区呼叫、香港呼叫次数转移呼叫、短信、转移业务繁忙组#4IP呼叫、转移呼叫贵中求惠组#6IP呼叫短信、转移IP手机组#9IP呼叫、短信非繁忙时段呼叫新生潜力组#12非繁忙时段呼叫漫游地区呼叫、转移、短信夜间积极组#14繁忙时段月均呼叫次数漫游呼叫、非繁忙呼叫、转移本地繁忙组#16繁忙时段月均呼叫次数、转移呼叫、香港（澳门）呼叫IP呼叫繁忙大客户组#8短信转移呼叫、IP短信专家组#11转移呼叫繁忙时段月均呼叫次数、短信热衷转移组#15漫游地区呼叫短信、繁忙呼叫次数频繁出差组#3语音每次呼叫时间繁忙时段次数、短信情深语长组#5繁忙时段次数、每次呼叫时间、短信消极等待组#7呼入/呼出比短信等待接听组#10繁忙时段次数、呼入/呼出比、每次呼叫时间休眠组#13繁忙时段月均呼叫次数寂寞无声组各类客户人数及收入贡献一览人数百分比收入贡献百分比59.61%56.41%15.08%28.51%14.89%25.91%客户群优质普通弱势组别#1、#2、#4、#6、#9、#12、#14、#16#8、#11、#15#3、#5、#7、#10、#13人数103,66454,816205,071收入贡献RMB29,659,162.05RMB7,204,282.92RMB12,897,830.1优质普通弱势示例：全球通（后付费）客户的17个客户分组客户群组号人数（万人）人数百分比组内月人均话费组名优质组#91.51.5%970国际呼叫组#41.71.8%865业务繁忙组#21.51.6%758呼叫香港组#141.01.0%729国内长途组#151.41.4%640呼叫台湾组#1611.611.8%420本地繁忙组#111.21.2%407转移移动组普通组#102.82.9%351热衷IP组#124.64.7%347商务潜力组#132.12.1%331全面发展组#51.91.9%321呼转电信组#72.02.0%286短信热衷组#171.61.6%241转移联通组弱势组#86.76.9%221IP长聊组#64.34.3%205短信潜力组#114.114.4%171情深语长组#338.439%100节约通话组Page.33对细分客户组进行特征描述本组特征描述1.本组客户共15441人，占客户总数的1.6%，组内每月人均话费759元。2.与其他客户相比，本组客户的显著特征体现在呼叫香港的通话行为较多（因素7）。香港月均每次呼叫时间达1.8分钟，月均呼叫次数8.7次，而全体客户平均香港月均每次呼叫时间1.6分钟，月均呼叫次数只有0.2次。由此，本组客户的香港月均呼叫费用（53.7元）比全体客户平均呼叫费用（1.3元）高出40多倍，香港呼叫需求相当大。第二组：呼叫香港组优质组人数：15,441月人均话费：759元与全体客户话费均值之比：3.0人数百分比：1.6%女性比例：38.2%平均在网时间：43.2Page.34业务推广与客户服务建议本组市场建议1.业务推广建议a)彩信业务——统计分析发现本组客户彩信使用人数比例明显大于其他16个客户分组b)GPRS业务——估计本组客户中有相当部分人群是商务人士2.客户服务建议a)免费赠送香港天气预报b)与航空公司里程积点互换c)空港VIP休息室Page.352、产品交叉销售交叉销售升级销售市场拓展市场渗透新产品老产品老客户新客户向老客户销售其尚未使用的产品向老客户促销其正在使用的产品以促使更多消费将老产品销售给新的客户将新产品销售给新客户交叉销售研究要点•交叉销售通过研究客户的产品使用情况、消费行为特点，发现老客户的潜在需求•交叉销售通过产品之间的关联，寻找实现产品捆绑销售的机会•交叉销售为新产品寻找已有用户中的目标群体相关性弱根据产品业务关联性评分表，形成某一产品与其他产品关联关系图，以形象说明本产品与其他产品之间的关联关系（正相关或是负相关）及其关联性强弱。-5-4-3-2-1012345呼叫等待20元GPRS套餐1259自动台1258人工台0元GPRS套餐正向关联负向关联客户取消产品时作为替补品考虑产品捆绑销售替代性弱相关性强替代性强产品业务关联关系图说明-5-4-3-2-1012345语音信箱移动梦网移动IP随E行数据通信全球呼强显来电显示呼转小叮铛呼叫等待彩信百宝箱20元GPRS套餐1259自动台1258人工台0元GPRS套餐产品A与语音信箱、移动梦网、随E行、数据通信、呼转小叮铛、彩信、百宝箱、20元/0元GPRS套餐都有正向关联关系。某一产品与其他产品/业务的关联关系0.0%0.5%1.0%1.5%2.0%2.5%3.0%3.5%4.0%4.5%5.0%#1#2#3#4#5#6#7#8#9#10#11#12#13#14#150.02.04.06.08.010.012.014.016.0百分比月均次数IP长聊组IP长途组节约通话组短信潜力组长话短说组本地小康组短信专家组长途电话组夜间积极组长话长说组等待接听组本地繁忙组情深语长组热衷转移组差旅人士组(次)产品A——分组普及率分析＃7短信专家组、＃4短信潜力组用户对产品A的兴趣相当较浓，可作为大规模推广该产品的突破口。＃9夜间积极组、＃15差旅人士组、＃8组长途电话组根据用户行为分析，也应用有较大的交叉销售机会。产品A——客户分组交叉销售机会•问题描述：预测信用