- 1、本文档共108页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第1讲:线性回归
第一章:线性回归
以移动通讯网络的客户价值分析
为例
1.1 背景介绍
• 客户关系管理
▫ 对很多企业来说,客户是其最重要的无形资产。与此相关的
是以客户为中心的客户关系管理(Customer Relationship
Management )。其中的一个工作重点就是要获得并维护有
价值的客户资源。但是另外一方面,市场的激烈竞争使得无
论是获取还是维护客户资源都非常昂贵。在一些竞争激烈的
行业(例如:零售),管理者常常感叹自己的利润已经薄如
刀片!那么,企业管理者常常面临一个两难的境地。一方面
激烈的市场竞争使得企业能够用于客户关系管理的资源非常
有限。另外一方面,对手的步步紧逼又迫使企业不得减少,
甚至增加相关投入。怎么办?
• 2 – 8定律
• 客户价值如何定义?
1.1 背景介绍
• 客户关系管理
• 2 – 8定律
▫ 如果我们翻开任何一本关于客户关系管理的教科书,我
们不难发现很多答案。其中一个答案就是要发现对自己
最有价值的客户,然后将自己有限的营销资源投入到这
批客户中。传统的营销智慧告诉我们:往往是20%最有
价值客户,贡献了企业80%的利润。这就是著名的2-8
定律。勿庸置疑,这是一个有道理的答案。对很多企业
来说是绝对正确的答案。但是在实际操作中,要想找到
那20%最有价值的客户,可不容易。这里涉及到一个很
具体的问题。那就是:客户价值如何测算?如何度量?
• 客户价值如何定义?
1.1 背景介绍
• 客户价值如何定义?
▫ 对很多企业来说,客户价值就在于他购买了多少产品或者服务,并因此
产生了多少利润。这样度量全面吗?不全面。对于很多处在创业初期的
企业,由于还没有达到盈利规模,每个客户带来的现金利润可能是负的。
例如:在线视频、网上购物、社交网站等。那么能说这些客户没有价值
吗?显然这些客户是有价值的,只是他们的价值在当期还没有通过现金
利润表现出来。因此,该客户整个生命周期的价值 (Life Time Value ),
而不是当前价值,才是一个更好标准。
▫ 但是,实际工作中,想要把一个客户的未来价值说清楚可不容易。例如,
对于社交类型的网站(例如:开心网)或者软件(例如:MSN ),客户
并不直接从企业购买产品或者服务,因此并不直接产生现金利润。但是,
一个客户的客观存在却是企业其它手段能够盈利的基础(例如:广告,
直销)。对这类客户,他们在网站或者软件上的活跃程度也许是一个更
好的价值测量。
1.1 背景介绍
• 以上说的是不同企业、不同时期、不同目的,都会影响到客户价值的判断,
进而影响相关指标的选取。一旦客户价值指标能够定下来,我们就能够识
别哪些是最有价值的的客户。故事到此结束了吗?不是。
• 过去的有价值客户,未来就一定还有价值吗?过去的低价指客户有可能被
培养吗?我们能否以历史数据为鉴,预测未来?
• 我们真的能够预测未来吗?那要看我们比较的标准。如果同上帝相比,我
们永远是无知可笑的。但是,需要同上帝对比吗?显然也不需要。我们需
要对比的是:今天是否做的比昨天好?我是否做的比竞争对手好?激烈竞
争的市场就好比是那森林中的狗熊,您只要跑得比其他人快,被市场淘汰
的就不是您。
• 怎样才能跑得快?那就要认真学习统计学。通过对数据的认真分析,希望
我能够做的比自己的昨天好(这说明我们进步了),希望我能够做的比竞
争对手好(这说明我们有一定的竞争优势)。
1.1 背景介绍
• 历史数据如何分析?
▫ 统计学是这样一个特殊的学科。她不以数学上的繁琐为荣(所以很多影
响深远的统计学论文不涉及过多的数学理论证明),她也不以匪夷所思
的分析技巧为荣(实践经验表明,越是粗糙简单的统计方法,稳定性越
好,适用性越高)。统计学是人们在实践中对数字分析很多朴素直觉的
规范以及汇总。因此,到底应该如何分析客户数据应该由实际目的决定。
而不应该由统计学教科书(包括本书)决定,更不应该由统计学软件决
定。那么我们检讨一下:实际应用到底需要什么?
1.1 背景介绍
• 历史数据如何分析?
文档评论(0)