客户分类和识别潜在客户方法.pdf

5 客户分类和识别潜在客户的方法 在前一章，我们探讨了利用日常收集的客户数据来获取市场细分的方法。但同时存在许 多情况，在试图开拓新型市场时，您更有可能将客户归入现有市场细分中或预定义类别。 一般来说，这种要求在您已经运用专用客户信息来定义分类，而这些信息只对一小部分 客户是可用的（如客户调查数据或客户忠诚卡信息）的情况下是必要的。您现在可能想 将所有客户分成这些类别。但问题在于：凭借手上日常收集到的客户信息，您能把这些 客户全部归类吗？ 或者，您可能已经依据日常收集的数据将客户进行了分类，现在还有一些能与现有客户 或潜在新客户相链接的附加数据（如人口统计学数据）。您能单凭人口统计学数据就能 发现潜在、能够创造利润的客户吗？ 本章我们将关注数据挖掘技术，以期能够解决这类问题。 97 5.1 业务需求 在前几章中，我们探讨了如何从日常收集的数据获得客户细分的问题。凭借分群数据挖 掘技术，我们能够明白对不同类型客户没有任何预先认识的情况下也可推断客户细分是 如何成为可能的。这是我们在第 27 页 3.3.1 节 “技术的类型”中所说的探索型数据挖 掘的一个例子。 我们还提供了现有业务规则细分，并且我们能够展示这些业务规则，即怎样才能将获得 的细分映射到我们所发现的分群上。进行有效的映射需要在数个事务上聚集客户事务数 据，通过识别号需要某些链接事务的工具。一个显而易见的问题是，是否能使用其它方 法使客户与诸如业务规则细分等预定义类别相匹配？如果匹配，则能否应用于单个事务 数据？回答是肯定的，我们用以实现该过程的数据挖掘技术称为分类，它隶属于总标题 预测性数据挖掘”。 “ 在您的零售机构中有大量用于分类的潜在应用。事实上，在任何已对客户进行分类（或 您能想到的其它任何事）的情况下，您都可以使用分类来发现怎样用相关数据对其它客 户进行分类，将它们归入相同的类别。 有关该过程的示例是通过采用专用信息获得的现有客户细分，如客户调查或焦点人群。 收集这种类型的信息往往代价昂贵，并且您可能仅能提供给小部分客户。您也可将对小 部分客户有用的日常收集到的数据用于您所有的客户（如事务数据）。如果这些数据能 用于决定一个客户从属于哪部分，则毫无疑问您也能用同样的数据为所有的客户进行分 类。 或者，您可能已通过使用日常收集的数据获得客户细分，就如我们在前一章所做的那样， 但现在您想确定能与最有赢利性的市场细分相匹配的潜在客户。在这种情况下，如果您 能获得可用于现有和潜在客户相链接的外部数据（如人口统计学数据），您就可以根据 人口统计学数据进行分类，以便确定现有客户的归属，然后用这种方法确定潜在客户是 否属于最有赢利性的细分？ 98 无庸讳言，分类能用来做以上所有事情，但一般来说，该方法不可能 100％正确地对所 有客户进行分类。这个问题后来成为一个疑问：为了有效使用分类结果，您需要在确定 客户属于哪类细分时抱有多大的信心呢？在下面的几个部分中，我们将向您讲述如何运 用分类对客户进行归类，如何说明分类器的表现，最重要的是提出建议以便指导怎样将 结果应用到您的业务中，同时通过销售系统点及其它与客户打交道的部门，作为市场营 销活动的指导。 5.1.1 解决方案大纲 通用数据挖掘方法的第一阶段这部分也是首先将业务需求转化为可通过数据挖掘得以 解决的一系列问题。在进行分类的情况下，可能会运用大量数据挖掘技术。难题在于要 因地制宜，为解决该业务需求确定一项最合适的技术。 所有的数据挖掘分类技术都可以构造出数据的数学表述，将客户不同性质的相关变