数据挖掘数据挖掘模型评估参考.pptVIP

* * * * * * * 网上书店现在有了很强的市场和比较固定的大量的客户。为了促进网上书店的销售量的增长，各网上书店采取了各种方式，给客户提供更多更丰富的书籍，提供更优质服务等方式吸引更多的读者。 * * * * 顾客:“喔！那我先去附近的提款机领钱。” 客服:“陈先生,根据您的记录, 您已经超过今日提款机提款限额。” (5.金融数据库-现金卡) * * 顾客:“算了！你们直接把披萨送来吧，我这里有现金。你们多久会送到?” 客服:“大约三十分钟, 如果您不想等,可以自己骑车来。” 顾客:“什么?!” 客服:“根据“AIC?CRM系统”记录，您有一辆摩托车， 车号是GY-7878。” (1.客户数据库) * * 顾客: 客服:“陈先生,请您说话小心一点。您在2000年四月一日用脏话侮辱警察,被判了十日拘役。” 顾客:“……” (6.刑事刑案数据库) * * 客服:“请问还需要什么吗?” 顾客:“没有了，是不是有送三罐可乐?” 客服:“是的!不过根据“AIC?CRM系统”您有糖尿病……” * * * CRM Road MAP 客户 数据仓库 查询/报表 在线实时分析 数据挖掘 (Data Mining) 营销自动化 接触通路 电子邮件/简讯 客服中心 网络银行 邮件/传真 业务代表 销售自动化 服务自动化 作业型资 料储存库 (ODS) 整合性客 户数据库 分析性 资料超市 分析模块 (Analytical Models)/ Business Domain Ready Solutions 前台 后台 * 4、啤酒与尿布 在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。 但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。 原因何在？ * * 原来，美国的妇女们经常会嘱咐她们的丈夫下班以后要为孩子买尿布。而丈夫在买完尿布之后又要顺手买回自己爱喝的啤酒，因此啤酒和尿布在一起购买的机会还是很多的。 是什么让沃尔玛发现了尿布和啤酒之间的关系呢？ 正是商家通过对超市一年多原始交易数字进行详细的分析，通过数据挖掘中的关联规则发现了这样的组合。 * * 5、网上书店关联销售的案例 现在网上书店为了能够吸引更多读者购买图书，常常会运用一种叫做关联销售分析的方法。 这种方法是给客户提供其他的相关书籍，也就是在客户购买了一种书籍之后，推荐给客户应该感兴趣的其他相关书籍。 例如：购买了《月光宝盒（2VCD）》的顾客，对什么样的VCD还比较感兴趣，购买的比较多呢？。 * * 解决上述问题的步骤： 首先，确定数据源，也就是销售记录。 这里要用到两张表，一张表是该书店的会员，用会员ID号来代替；另一张表是会员买了什么书。然后，应用Data Mining技术，建立数据挖掘模型。 * * 对上述问题进行挖掘的结果： * Book Name $SUPPORT $PROBABILITY $ADJUSTED PROBABILITY 大圣娶亲(2VCD) 1317 0.8703 0.8085 大内密探零零发(2VCD) 171 0.0369 0.7070 九品芝麻官（2VCD） 146 0.0361 0.7209 千王之王2000（2VCD） 156 0.0312 0.6990 百变金刚（2VCD） 150 0.0312 0.7031 唐伯虎点秋香（2VCD） 106 0.0263 0.7211 97家有喜事（2VCD） 104 0.0213 0.7017 武状元苏乞儿（2VCD） 89 0.0213 0.7177 情圣（2VCD） 50 0.0107 0.7058 龙的传人（2VCD） 34 0.0090 0.7280 支持度sup(.)：表示在购物篮分析中同时包含关联规则左右两边物品的交易次数百分比，即支持这个规则的交易的次数百分比 。 置信度confidence(.)：是指在所有的购买了左边商品的交易中，同时又购买了右边商品的交易概率。 结果：购买《月光宝盒（2VCD）》之后，又购买《大圣娶亲(2VCD)》的次数是1317。 * 数据挖掘所能解决的典型商业问题包括： 银行：反欺诈行为、关联销售、市场竞争分析。客户分类、客户价值分析与预测、客户偏好分析、客户信用分析以及欺诈检测等。 电信：流失预警、客户分群、关联销售。 网上销售点：购物车交叉销售、网上商品布局。 * * 6、数据挖掘在企业中的应用 ?DM在信用卡欺诈交易中的应用 应用之一是通过评价交易数目、交易金额、账户信息如姓名变化和地址变迁、换卡申请等非金融信息的组合来实现。这些因素结合起来，描述出持卡人最近交易的大概轮廓，从而评估出是否与持卡人的交易习惯相符。一旦发现交易异常的明显痕迹，发卡行需要联系持卡人，以确定其信