如何运用DataMining提升企业洞察力.ppt

麻瓜購物學：產品交叉銷售實務 授課巫師 Peter Wang 王耀億 AsiaMiner Senior BI Consultant Peter@.tw Agenda 交叉銷售應用 關聯規則 時序群集 交叉銷售 擁有本公司A產品的客戶推銷本公司B產品 提昇客戶對於企業之忠誠度 增加利潤 如何進行交叉銷售 業務靈感 資料採礦(Data Mining) 交叉銷售應用 零售業、線上購物：購物籃分析 銀行業：保險銷售、貸款銷售 電信業：電信服務銷售 最常使用的資料採礦演算法 關聯規則(Association Rule) 或稱為購物籃分析(Basket Analysis) 找出那些事物同時發生 找出產品之間的關連性，同時做為產品推薦的決策基礎 關聯規則 可處理匿名消費 零售業的發票號碼當鍵值 可將虛擬的商品項目併入關聯規則中 日本7-11的「七五三」規則 一天的溫度相差7度，今天和昨天的溫度差到5度，且溼度差大於30%，將感冒相關用品上架 可以將店別、地區、氣候、客戶基本資料作為延伸欄位加入關聯規則 SQL Server 2005支援此功能 資料預處理 必須根據購物籃單位彙總資料 購物籃單位必須是案例資料表之主鍵 購物籃單位可以是 客戶編號(銀行或電信) 客戶編號+消費日/月(一般零售) 發票編號(便利商店) 根據交易頻繁次數決定購物籃單位大小 關聯規則 關聯規則三大類 有用的規則(Useful) 白酒和起士 常識(Trivial) 購買冷氣機與到府服務有高度相關 只是反映過去某時刻行銷活動的成效 只是佣金制度的成果 無法解釋的結果(inexplicable) 關聯規則 計算最簡單的資料採礦演算法 假如購買A，則有X%的機率也會同時購買B 關聯規則 信心水準(Confidence) 這條規則的準確度有多少 SQL SERVER 2005稱為「機率」 支援(Support) 這條規則的交易次數 關聯規則 Apriori演算法 最大規則物件數： 「當A產品組合時則會購買B」的規則中，A所包含的產品數量 最小支援 最小信心水準 運算流程 掃過全部交易記錄，產生一個物件數的所有物件組合 刪除未達最小支援的物件組 產生兩個物件數的物件組合，刪除最小支援的物件組 反覆步驟，直到產生出包含「最大規則物件數」+1個物件的物件組 刪除未達到最小信心水準的規則 建置關聯規則模型_步驟 選取「Microsoft關聯規則演算法」 設定資料來源 設定資料來源檢視 設定「案例資料表」與「巢狀資料表」 設定「索引鍵」、「輸入」、「可預測」 設定資料類型與內容類型 命名資料採礦模型結構與採礦模型 處理資料採礦模型 建置關聯規則模型 建置關聯規則模型 案例資料表的索引鍵就是案例資料表的主鍵 巢狀資料表所要分析的產品同時設為「索引鍵」、「輸入」、「可預測」 時序群集 找出客戶下一次會來買些什麼 適合持續型交易之購物模式 銀行 保險 電信 3C零售 如何開發Amazon自動推薦機制? 根據歷史POS資料建立關聯規則模型 根據客戶已經購買過之商品自動推薦他其他可能購買之商品. 請根據客戶目前購買之商品推薦最有可能購買的五樣商品 SELECT FLATTENED PredictAssociation([AssociationModel].[ProductDetail], INCLUDE_STATISTICS, 5) FROM [AssociationModel] PREDICTION JOIN …. 客戶下一次會來買什麼? 關聯規則是找出哪些商品同時購買 時序群集是找出客戶下次回買什麼 請推薦客戶下次來店購買機率最高的兩樣商品? SELECT FLATTENED PredictSequence ([SequenceModel].[ProductDetail], INCLUDE_STATISTICS, 2) FROM [SequenceModel] PREDICTION JOIN … 商品推薦技術 建立商品回應模型適用於 商品數量較少、固定(例如保險銷售) 常態型銷售商品 需要歷史資料 如果商品多、產品組合變化多、新商品(零售業、基金..) 關聯規則(哪些商品同時購買?) 時序規則(哪些商品先後購買?) 協同式過濾(跟我們比較像的客戶都買些什麼?) What’s different 預測模型：檢視人的規則 關聯規則、時序規則：檢視物的關連 協同式過濾：根據人的關連性判斷推薦商品 協同式過濾 根據相似性將客戶區隔，統計各個區隔客戶最常買的商品，經剔除已購買商品後形成商品推薦清單 不用維護模型 可隨時間自動變化 適合用於新商品 協同式過濾流程 建置客戶區隔模型(群集數k要放的極大) 統計各群集之購買商品頻率 根據該客戶所坐落群集，剔除已購買之商品，做為推薦商品 美