罗旭祥基于数据挖掘的产品设计解读.pptx

产品与数据—— 基于数据挖掘的产品设计 引言 同样是搜索土豆，他们想看到的一样么？ 引言 同样是商品，您更愿意向谁买？ Hi，我有你想要的 Hi，我这里什么都有 Hi，我的商品是为您准备的 引言 产品同样是基于数据，谁代表了未来？ 3. 常用数据挖掘方法 RFM数据模型 用户行为特征数据挖掘 4. 基于数据的交互设计案例 案例一：基于数据的交互设计(1.2.3) 案例二：建设以数据为中心的组织 1. 客户为中心的数据分析框架思想 客户为中心的业务规划 业务及营销为中心的数据体系建设 2.数据分析框架的主要事件 分类（Classification） 估计（Estimation） 预测（Prediction） 数据分组（Affinity Grouping） 聚类（Clustering） 描述（Description） 复杂数据挖掘 客户为中心的业务规划 客户为中心的业务规划大致有三个环节：从客户研究到需求挖掘，从需求信息到数据化的需求管理，从需求文档到业务规划与设计 客户为中心的业务规划不仅仅需要考虑业务需求是否能够满足需求的问题，还需要考虑到业务的变化趋势，业务的营销重点 需求信息 客户研究 竞争对手信息 公司战略 当前的产品组合 技术趋势 IPD 了解 需求 进行需求细分 进行组合分析 制定业 务策略 和计划 优化业务计划 管理业务计划、评估 任务 是 否 产品业务计划 产品组合 产品路标 注：含技术/产品 客户为中心的数据分析框架思想_从客户视角构建业务框架 传统业务规划方式： Looking for goods Put in basket Payment zone Purchase 大脑风暴构建业务流程，从业务规划者角度而非客户角度出发 我们不知道客户需要什么，更糟糕的是客户可能也不知道 每个环节都存在客户流失，而我们不知道发生了什么 客户每次点击都是营销机会，但是我们错过了每一次机会 客户在每一个环节都错过了本来他可能会购买的商品 当客户离开时我们永久的失去了该客户，没有留下有价值的信息 客户为中心的数据分析框架思想_从客户视角构建业务框架 以客户为中心的思维方式构建业务框架 系统需要满足不同类型的客户的个性化需求，其核心为数据挖掘和应用 系统需要协助客户达成实现客户期望，并帮助客户发现并实现潜在需求 系统需要智能寻找最佳的帮助时机，智能的进行客户协助 系统建设需要考虑未来系统的发展方向，其核心为客户需求挖掘 客户为中心的业务规划： Product Design Market Buyer Purchase Customer Research 数据中心 Who What Why When Where How Put in basket Payment zone 客户为中心的数据分析框架思想_业务及营销为中心的数据体系建设 数据中心 业务框架 数据 产品 营销 客户中心 3. 常用数据挖掘方法 RFM数据模型 用户行为特征数据挖掘 4. 基于数据的交互设计案例 案例一：基于数据的交互设计(1.2.3) 案例二：建设以数据为中心的组织 1. 客户为中心的数据分析框架思想 客户为中心的业务规划 业务及营销为中心的数据体系建设 2.数据分析框架的主要事件 分类（Classification） 估计（Estimation） 预测（Prediction） 数据分组（Affinity Grouping） 聚类（Clustering） 描述（Description） 复杂数据挖掘 数据分析框架的主要事件 主要事件 事件描述 分类 根据业务的需要进行必要的分类，比如对客户评级的分类，AA等级或AAA等级 估计 根据业务数据判断的需要定义需要估计的数据和数据区间值，对业务进行补充和协助，例如根据客户储蓄和投资行为估计客户投资风格 预测 根据数据的变化趋势预测数据的发展方向，例如根据历史投资数据帮助客户预测投资行情等 数据分组 根据业务需要对数据进行分组，例如购买A类的客户通常也会购买B类，购买A的客户后有一个B周期会产生C行为 聚类 数据集合的逻辑关系，比如同时拥有A特征和B特征的数据，可以推断出其也拥有C特征 描述 描述性数据有助于提取关键要素进行数据归纳，例如从数据关键词中进行近似业务营销，备忘录等 复杂数据挖掘 例如Video，Audio，图形图像等等 数据分析框架的主要事件_分类（Classification） 在业务构建中，最重要的分类一般是对客户数据的分类，主要用于精准营销 通常分类数据最大的问题在于分类区间的规划，例如分类区间的颗粒度以及分类区间的区间界限等，分类区间的规划需要根据业务流来设定，而业务流的设计必须以客户需要为核心，因此分类的核心思想在于能够完成满足客户需要的业务 由于市场需求是变化的，分类通常也是变化的，例