sas - 淡江大学.pptVIP

SAS校園資料採礦競賽 指導老師:戴敏育 博士(Dr. Min-Yuh Day) 隊長: 杜駿(Chun Tu) 隊員: 陳維君(Wei-Chun Chen) 許安琪(An-Chi Hsu) 黃世禎(Shih-Chen Huang) IMTKU 淡江資管隊 QA * 2011年全年顧客 10萬顧客名單\ 來預測2012年第一季50000名顧客 * 玉山銀行行銷50,000名顧客，每名電話成本10元，總行銷成本為50萬元。 顧客回應人數為1,835人(=行銷名單50,000人*回應率3.67%)，總產品收益為18,350萬元(=1,835人*10萬元)。 ? 產品利潤＝總產品收益1,835人*10萬元- 50萬元= 18,300萬元 ? 仍行銷50,000名顧客，每名電話成本10元，總行銷成本仍為50萬元。 利用我們所建置之模型所挑出的顧客行銷名單，回應率將可高達10.75%，因此顧客回應人數將為5,375人(=行銷名單50,000人*回應率10.75%)。 ? 產品利潤＝總產品收益5,375人*10萬元- 50萬元= 53,700萬元 * Highlight 五個變數 我們設計的衍生變數在第三個 * ROC圖，可以比較模型好壞。看得出來是類神經比較好。 * 觀察累積增益可以了解他的LIFT提升多少。 * 用其中SAS_0801資料集為78個變數雖然較SAS_0803資料集108個變數少，使用SAS Enterprise Miner資料採礦技術建立預測模型卻為分析之最佳結果， SAS_0801資料表使用Neural Network (類神經)模型累積增益值為4.63，為最佳結果。 * 用其中SAS_0801資料集為78個變數雖然較SAS_0803資料集108個變數少，使用SAS Enterprise Miner資料採礦技術建立預測模型卻為分析之最佳結果， SAS_0801資料表使用Neural Network (類神經)模型累積增益值為4.63，為最佳結果。 * 用其中SAS_0801資料集為78個變數雖然較SAS_0803資料集108個變數少，使用SAS Enterprise Miner資料採礦技術建立預測模型卻為分析之最佳結果， SAS_0801資料表使用Neural Network (類神經)模型累積增益值為4.63，為最佳結果。 * * * 第一屆SAS校園資料採礦競賽 IMTKU淡江資管隊 第一屆SAS校園資料採礦競賽 IMTKU淡江資管隊 第一屆SAS校園資料採礦競賽 IMTKU淡江資管隊 SAS校園資料採礦競賽 指導老師:戴敏育 博士(Dr. Min-Yuh Day) 隊長: 杜駿(Chun Tu) 隊員: 陳維君(Wei-Chun Chen) 許安琪(An-Chi Hsu) 黃世禎(Shih-Chen Huang) IMTKU 淡江資管隊 大綱(Outline) 管理摘要(Executive Summary) 模型建置(Model Development) 研究結果(Experimental Results and Discussions) 結論(Conclusion) 2012/9/21 第一屆SAS校園資料採礦競賽 IMTKU淡江資管隊 * 為何作這項研究?(Why this research?) 有效運用模型技術，找出回應率高的潛在顧客名單 以同樣的行銷成本，創造玉山產品電話行銷之最大利潤 第一屆SAS校園資料採礦競賽 IMTKU淡江資管隊 2012/9/21 * 研究中發現什麼?(What was found) 由玉山銀行所提供的10萬筆顧客名單作為訓練資料集，並結合SAS Enterprise Miner(EM)搭配SAS Enterprise Guide(EG)建置模型預測5萬名顧客名單，本團隊提供一萬名建議行銷顧客名單，並與主辦單位提供之五萬名正確回應顧客名單做比較，本團隊之模組預測回應率高達10.75% 第一屆SAS校園資料採礦競賽 IMTKU淡江資管隊 2012/9/21 * 20% 80% 50000名顧客 1835名顧客回應 10000名顧客 1075名顧客回應 58% 研究發現所代表的意義?(What those findings mean) 假設： 平均行銷一名顧客的電話成本為10元。 客戶回應即成為玉山顧客(回應後不一定成為玉山顧客，有可能因部分產品條件而不購買玉山產品或是玉山可能會因為信用條件而婉拒該顧客，本專案省略此部分) 本專案僅考慮