商务智能应用-CRM.ppt

从图3中我们可以很直观的分析出客户申请信用卡对“收入”、“年龄”、“地区”、“职业”四个属性的反应。可以得出一下规则： 1）当收入小于等于2000元，如果年龄为中年的话一般没有兴趣； 2）当收入小于等于2000元，来自地区为华北、西北、东北或其它的年轻人，一般没有兴趣； 3）当收入小于等于2000元，来自地区为华东且为年轻人一般有兴趣； 4）当收入大于2000元，且来自华北、华东、东北或其它地区，一般有兴趣； 5）当收入大于2000元，来自西北地区且为年轻人一般有兴趣； 6）当收入大于2000元，来自西北地区且为中年人一般没有兴趣。 选择了合适的算法后，我们只需要把切分看成是把一组数据分成几份，份与份之间尽量不同，而同一份内的数据尽量相同。如果经过一次切分后得到的分组，每个分组中的数据都属于同一个类别，显然达到这样效果的切分方法就是我们所追求的。 假定我们利用历史数据建立了一个包含几百个属性、输出的类有十几种的决策树，这样的一棵树对人来说可能太复杂了，但每一条从根结点到叶子节点的路径所描述的含义仍然是可以理解的。决策树的这种易理解性对数据挖掘的使用者来说是一个显著的优点。然而决策树的这种明确性可能带来误导。比如，决策树每个节点对应分割的定义都是非常明确毫不含糊的，但在实际生活中这种明确可能带来麻烦（凭什么说年收入2001的人申请信用卡，而2000的人就没有）。 另外， 树的大小与样本数量无关，计算量较小。 客户保持和流失 客户发展阶段：潜在客户—新客户—满意的客户—留住的客户—老客户。 经济学广泛应用的“80/20定律”(佩尔图定律)，具体到CRM中是说企业80%的利润是由前20%的客户所创造的；又如1989年的哈佛商业评论中提到若客户保持率提高5%,平均每位客户的价值就能增加25%到100%。这些数字都充分说明了提高客户的忠诚度、保持好的客户对于企业本身的利益是至关重要的。 比如在美国，移动通信公司每获得一个新用户的成本平均是300美元，而挽留住一个老客户的成本可能仅仅是通一个电话。 因此客户关系管理首先提倡的是保持现有客户，实现现有客户的重复购买是企业追求的首要目标。其次才是开拓新市场，吸引新客户。通过数据挖掘可以发现流失客户的特征，这样就可以在那些具有相似特征的客户还未流失之前进行针对性的弥补。 例如一家移动通信公司挖掘出的结果是:年龄在26岁以下、开通了WAP服务、移动电话价值(购买时)在1800-2800元、每月通话费在250-350元之间(包月制则是200元和280元两档)的男性流失的比例最高。掌握了这些信息，就可以针对每个人的贡献，满足他们的一些需求 。 客户流失的原因主要有以下4种类型： 自然流失 客户流失不是人为因素造成的，比如客户的搬迁和死亡等。自然流失所占的比例很小。企业可以通过建立连锁服务网点和经营分公司，或者提供网上服务等方式，让客户在任何地方、任何时候都能方便快捷地使用企业的产品和服务，减少自然流失的发生。 恶意流失 是指一些客户为了满足自己的某些私利而离开企业，比如很多电信运营商的用户在拖欠了大额通信费用后离开这家电信运营商，选择其他电信运营商提供的服务，从而达到不交费用的目的。恶意流失在客户流失中所占的比例也不大。企业可以通过客户信誉管理制度和欺诈监测来防止客户的恶意流失行为。 竞争流失 由于企业竞争对手的影响而造成的流失称为竞争流失。市场上的竞争突出表现在价格战和服务战上。 过失流失 客户流失都是由于企业自身工作中的过失引起客户的不满意而造成的，比如企业形象不佳、产品性能不好、服务态度恶劣等。过失流失在客户流失总量中所占的比例最高，但同时也是企业可以通过采取一些有效手段来防止的。 客户流失预测分析能帮助企业理解客户将要离开的信号，使企业有充分的时间采取措施挽留有流失倾向的客户。在客户关系分析中，客户流失预测分析模型的可解释性非常重要，企业要能清晰地理解分类模型中的各个因素以及各个因素的作用程度，根据分类模型理解影响客户流失的因素，以便于企业做出相应的改进。 影响客户流失的因素主要从以下几个层面考虑， 竞争对手情况：竞争对手最近开发新产品情况、竞争对手最近开发新促销策略； 企业和员工形象：产品更新快慢程度、员工的态度和形象、员工的流动率、企业文化和形象； 客户购买行为：客户是否接触竞争对手的产品、客户对企业的满意度、客户与企业交往的时间长度、客户最近的购买频率和数量的变化情况； 产品和服务质量：服务体制是否完善、客户投诉是否处理、服务质量和服务的及时性、产品的质量和价格； 客户流失模型的建立和应用过程如下： 在客户数据仓库中抽取适当的字段组成客户分析数据库，为客户描述和客户流失模型提供数据源； 客户流失预测分析