商业应用中常用的数据挖掘应用

商业应用中常用的数据挖掘算法DATAMININGINBUSINESS互联网一分钟的数据JustDATA！一切都是数据数据数值型数据数据挖掘技术亚马逊创始人贝索斯“对于我们来说，最重要的三件事情是技术、技术、技术”个性化-电商的未来个性化电子商务团购定价促销广告搜索移动互联网社交网络微博求职招聘婚恋电影音乐……1.1数据源调查1.2数据探索1.3辅助工具1.4市场调研1.5数据分析报告2.1基础表设计2.4冗余表设计2.5挖掘输入表2.2中间表设计2.3宽表字段设计1.0数据收集与整理2.0输入表实现数据处理流程信息3.1划分数据集3.4模型评估3.2模型选择组合3.3挖掘建模4.1显著特征刻画4.4客户特征描述4.2详细特征刻画4.3V/B特征刻画3.0分析挖掘建模4.0客户特征刻画挖掘建模流程知识5.2业务分析5.5营销机会判断5.6营销创意产生5.3竞争分析5.4市场调研6.1营销目标确定6.4方案审批6.5营销测试6.2套餐方案设计6.3营销活动实施方案设计7.1营销波次管理7.4营销过程监控7.2营销资源配置7.3营销派单8.1评估方案设计8.4营销资料入库8.2营销评估分析8.3评估结果发布5.1客户洞察5.0业务理解6.0营销策划7.0营销执行8.0营销评估营销业务流程财富关联算法关联算法可以通过把相关的商品摆放在一起，以提高整体客单价。分类算法分类算法可以根据各种属性对用户进行分类，针对性的进行营销，比如怀孕的用户。聚类算法客户聚类人群属性地域属性时间属性访问特征访客来源特征产品特征聚类算法可以根据用户的历史记录对用户进行自动划分，帮助商家更好的理解和客户，并针性的调整营销活动。类间距离类内距离第一步初始数据对象第二步保证类内距离最小，类间距离最大第三步确定数据对象划分类别客户细分提高ACS——RFM模型利用RFM模型，分析客户消费的频度（F）、值度（M）和近度（R），挖掘客户消费潜力，提高客单价。消费频次平均消费金额消费间隔时间959.9410157.99410168410217.894954.9510157.99510157.99510168510168510217.89510217.89593485739.926740.926740.926RFM示意表类别消费频次平均消费金额消费间隔时间该类别用户数16.377778654.922868.66666718022.71428642.1866715.92857121235.391892139.627849.90540519844.50847556.302549.67796620954.892857292.107628.309524201对客户进行K-MEANS聚类结果表时间序列算法时间序列算法基于过去的数据可以对未来的访问量、购买量做出预言，帮助商家更好地做出安排周流量预测示意图九律BusinessLogic目标律变化律价值律预测律洞察律大卫律NFL律准备律知识律THANKYOUForYourPotentialWatching