北大版客户关系管理第十章数据挖掘.pptVIP

第10章 数据挖掘 湖北工程学院经济与管理学院 lihaiqinlhq@163.com 第10章 数据挖掘 啤酒与尿布的故事 10．1数据挖掘的概念 【中国移动互联网10大族群】移动互联网从一诞生就不是个需求聚焦和“大众化”工具，而是一个充满个性化需求，进而有着鲜明“族群化”特性的新世界。族群分类1）折扣族；2）搜族；3）手游族；4）拍客；5）理财族；6）IM族；7）App达人；8）手机签到；9）手机购物；10）手机社交。 10．2数据挖掘的分类 10．3数据挖掘的功能 关联分析 关联分析，即利用关联规则进行数据挖掘。关联分析的目的是挖掘隐藏在数据间的相互关系。 在超市中通过POS系统收集存储了大量售货数据，记录了什么样的顾客在怎样的时间购买了什么商品，通过关联分析可以发现数据库中“90%的顾客在一次购买活动中购买商品A的同时购买商品B” 之类的知识。 关联规则发掘技术在国内外的应用 目前，关联规则挖掘技术已经被广泛应用在西方金融行业企业中，它可以成功预测银行客户需求。 一旦获得了这些信息，银行就可以改善自身营销。银行天天都在开发新的沟通客户的方法。 各银行在自己的ATM机上就捆绑了顾客可能感兴趣的本行产品信息，供使用本行ATM机的用户了解。 如果数据库中显示，某个高信用限额的客户更换了地址，这个客户很有可能新近购买了一栋更大的住宅，因此会有可能需要更高信用限额，更高端的新信用卡，或者需要一个住房改善贷款，这些产品都可以通过信用卡账单邮寄给客户。 关联规则发掘技术在国内外的应用 电子购物网站使用关联规则进行挖掘，然后设置用户有意要一起购买的捆绑包。也有一些购物网站使用它们设置相应的交叉销售，也就是购买某种商品的顾客会看到相关的另外一种商品的广告。 但是目前在我国，“数据海量，信息缺乏”是商业银行在数据大集中之后普遍所面对的尴尬。 目前金融业实施的大多数数据库只能实现数据的录入、查询、统计等较低层次的功能，却无法发现数据中存在的各种有用的信息。 聚类分析 聚类是把数据按照相似性归纳成若干类别，同一类中的数据彼此相似，不同类中的数据相异。 聚类分析输入的是一组未分类记录，并且事先不知道这些记录应分成几类，通过分析数据库中的记录数据，根据一定的分类规则，合理地划分记录集合，确定每个记录所在类别。 它所采用的分类规则是由聚类分析工具决定的。采用不同的聚类方法，对于相同的记录集合可能有不同的划分结果。 序列分析 时序模式是指通过时间序列搜索出的重复发生概率较高的模式。与回归一样，它也是用己知的数据预测未来的值，但这些数据的区别是变量所处时间的不同。 它能发现数据库中形如“在某一段时间内，顾客购买商品A，接着购买商品B，而后购买商品C，即序列A-B-C出现的频度较高”之类的知识。 序列分析 利用序列模式分析这些按时间排列的数据记录，零售商可以发现客户潜在的购物模式，如客户在购买房屋后，往往在一段时间后会购买家具或装修材料。这类发现可以提示那些直接销售的公司针对性地向某些客户寄发产品目录。 如果将序列模式分析用于股市分析，则可能发现：在5个交易日中，如果X股涨幅在10%内，Y股涨幅在10%到20%之间，那么Z股下周上涨的可能性大约为60%。 如果超市中客户在购买A的同时，经常会购买B，即是应用了关联规则； 如果客户在购买A后，隔一段时间，会购买B ，则是作的序列分析。 分类分析 分类分析就是通过分析数据，找出代表了一类数据的整体信息，为每个类别做出准确的描述，并用这种描述来构造模型或挖掘出分类规则，然后用这个分类规则对其它数据库中的记录进行分类。分类是利用训练数据集通过一定的算法而求得分类规则。 分类可被用于规则描述和预测。例如：公司按照产品售价的高低，将客户分为高层，中产，大众等三个层次。 预测 预测是利用历史数据找出变化规律，建立模型，并由此模型对未来数据的种类及特征进行预测。 10．4电子商务CRM中数据挖掘的主要算法 10．5电子商务CRM中数据挖掘的主要流程 1、定义问题 2、数据准备 3、数据挖掘 4、结果分析 5、知识的运用 10．6数据挖掘在CRM中的应用 非你莫0924, 1029 * * 15 Apri. 2010 ? Neusoft Confidential * 北京大学出版社《客户关系管理》课件 学习目标： （1）掌握数据挖掘的概念和分类 （2）数据挖掘的功能 （3）熟悉电子商务CRM中数据挖掘的主要算法 （4）熟悉电子商务CRM中数据挖掘的主要流程