数据挖掘P.ppt

CRM的应用 例如，假设一个电信业务提供商利用邮寄宣传材料开拓市场，一份宣传材料的成本是￥1.00。如果漫无目的地随机分发10000份，将有150人成为该公司用户，而其中能给公司带来利润的仅有100人。也就是说投入￥10000，得到了100个有价值的客户。现在采用数据挖掘技术，根据以前随机分发的数据或者新取样500人分发获取数据而后建立模型，根据该模型，发现前面的10000人中只有5000人值得投资，对此5000人邮寄宣传材料后有95人成为客户，其中90人可带来利润。结果是投入￥5500，获得了90个有价值的客户，显著地提高了投入产出比。 CRM的应用 挽留客户 据一般经验估计，留住一个老客户地成本是发展一个新客户成本的3－5倍。留住有价值的客户保持利润的有力手段。而在电信行业，客户的频繁换网现象（churn）十分严重，留住客户比其它行业更加困难。数据挖掘在此问题上也有较好的应用。 CRM的应用 要挽留客户首先要找出可能离网的客户，因此数据挖掘解决该问题的第一步即是建立离网客户预测模型。该模型可以利用已离网客户的历史资料（包括个人信息、消费行为等）来获得。第二步当然还得判断该客户是否值得挽留，这也用到预测模型，因为有些客户虽然目前是有微弱价值的但是最终毫无价值，有些客户则可能恰恰相反。 CRM的应用 提升客户价值 提升现有客户的价值是提高利润的重要手段。在电信行业，客户价值提升包括交叉销售、增值销售和基本业务价值提升。数据挖掘是发现交叉销售/增值销售机会和分析基本业务价值提升可能性的重要手段。 CRM的应用 发现交叉销售/增值销售机会涉及到两个模型。第一个模型用来确定哪些用户可以进行推销，哪些用户则不希望被打扰。如果多次对第二类用户进行推销，则可能失去该用户。第二个模型则用来发现对特定的用户推销哪些产品。显然，即使不考虑推销成本，多次向客户推销他并不想要的产品肯定会降低他对该企业的满意度。关联规则可能是第二个模型的重要组成部分。 CRM的应用 基本业务价值提升要考虑的重要问题是预测用户在企业采取某种措施后其利润的变化情况。例如假设某个电信运营商采取某特定用户群亲友电话费减半的优惠策略来刺激消费，则必须要求这些用户的消费额增加或者能增加市场占有率公司才可能获得效益。 4.2 电信领域的应用 4.2.1 客户行为与潜在客户分析 4.2.2 用户信用度分析 4.2.3 黑名单、红名单 4.2.4 优惠策略 4.2.5 甄别欺诈 4.2.6 趋势预测 4.2 电信领域的应用 目的 利用成熟的数据挖掘工具或算法，对用户帐务数据、行为数据、基本信息数据，以及各营业点的销售记录等进行分析挖掘，找出各种数据之间的潜在关系，为企业经营者制定销售策略提供科学依据。 数据源 用户帐务数据库、用户行为数据库（话单数据）、用户基本信息库等。 4.2.1 用户行为分析 对于企业的某一类或几类产品/业务来说，大致可将其用户分为四类： （1）潜在用户 目前还不是公司任何一项产品/业务的用户，但有使用该产品/业务的潜在趋势，这是市场竞争初期的重要营销对象。 （2）增量用户 是公司某项产品或业务的使用者，并且有增加使用量的趋势。 4.2.1 用户行为分析 （3）交叉增量用户 是企业某一产品/业务的使用者，并且有使用本公司另一类产品/业务的可能性。 （4）挽留客户 目前是公司的某一类或几类产品/业务的使用者，但有终止使用或转向别的产品/业务提供者转移的可能性。 4.2.1 用户行为分析 用户行为分析的基本思想 将用户的行为分为若干类别，对具有某一类行为特征的用户，分析其基本信息，以期找出用户行为和客户基本特征两者之间的若干潜在关系。 实现步骤 第一步 采用聚类算法对用户行为进行分类，根据得到的类别模型与客户行为信息库对个客户行为进行评分，结果写回客用户行为信息库。 衡量用户行为的主要特征指标包括： 客户ID 时段 工作日性质----工作日和非工作日 消费金额 业务类型（重要指长话，市话等通话业务）， 目的（重要指本地，长途，我网他网等信息） 实现步骤 第二步 统计分析各类别的行为特性，首先按照各行为类别的利润贡献大小对各类别进行排序。 例如：类别利润计算公式 类别平均利润=∑（各行为消费金额）/类别行为个数 实现步骤 类别行为特性