构建面向CRM的数据挖掘应用第三部分

第三部分商业价值主讲：郭建奎客户盈利能力分析客户盈利能力是数据挖掘的关键公司各个部门之间对客户盈利能力可能有不同理解。计算客户盈利能力有助于挖掘有价值客户客户盈利能力忠诚度挖掘忠诚度高的客户通过数据挖掘技术可以有效计算客户盈利能力客户盈利能力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：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计量客户盈利能力的标准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销售和市场投资最基本的标准是：保留有价值的客户促使价值不大的客户转化为有价值客户客户盈利能力市场策略利用数据挖掘技术，需做到：预测客户生命期的价值预测客户潜在价值预测客户潜在生命期价值客户现有价值与潜在价值的区别客户在现有情况下保持不变时对企业价价值客户在得到最好服务时可能给企业带来的价值市场策略对现有价值和潜在价值的策略分析客户的现有价值与潜在价值一样，则维持的最低费用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市场策略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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。如何应用增量客户盈利能力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去建立一个小的项目。对替代客户盈利能力方法评析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。客户获取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。但随着数据量的增大，传统的方法具有不可实现性。关键概念反应行为模式：一次市场活动后得到的客户反馈。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。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。常见分类反应模式客户询问：询问客户感兴趣的产品或服务购买推荐的产品：向客户推荐后，客户是否买。购买了没有推荐的产品利用数据挖掘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。试验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。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。建立数据挖掘模型从试验得到的反馈数据分析反应行为模式，挑出感兴趣的行为模式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。指向客户提供与他们已购买的服务相关的新服务。优化公司和客户之间的关系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如何进行交叉营销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如何进行交叉营销建模阶段利用上述建模的方法。评分阶段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。质朴的优化方法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，此种方法具有很快的处理能力。平均效益选择方法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。个人效益的方法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。有约束条件的优化方法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。客户保持建立客户流失预测模型，得出即将流失的客户，对他们采取有效措施进行挽留，从而有效减少客户流失。用CRAT数据挖掘方法来预测客户流失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：拨打客户服务热线的顾客忠诚度较高客户在第一年的合同期满时容易流失，以后则好很多高价值客户流失可能性更大案例－移动通信业的客户保持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。数据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。分析定义预测目标实施数据挖掘，利用CRAT工具。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12－1对数据进行专业分析经验教训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。对于接受了优惠条件的可能转移者，市场活动是成功的数据库需要完善保留团队和其他市场的努力。3X!