111如何透过资料挖掘累积学习.pptVIP

第11章 活到老 學到老Live (and Test) and Learn 11.1如何透過資料挖掘累積學習 個案: 在達康公司(dot com)正在快速發展的年代，一家電信公司面臨了顧客流失的大問題。由於這家公司除了擁有個人用戶外，同時也開發了多許小型企業用戶，因此擅長處理個人客戶流失的顧問也都束手無策。 11.1.1 建立資料挖掘小組 招募技術人員 阻礙：大家正在瘋達康(dot com)，人們捧著一堆企劃案往加州跑 結果：幸運地找到了滿腔熱血的羅尼 首要工作 找出簡單又適合利用資料分析且立竿見影的商業問題，來快速建立在企業內部的可信度 取得可分析的資料來源 11.1.2 潛在的易得的果實 11.1.3 解決問題 發現的問題 帳單費用超出預期可能會造成顧客的負面印象 目標： 提早在帳單出現之前提醒顧客其免費分鐘數已用完 注意： 計算話量過多的過程並不需要精準 方法： 利用帳務系統的出帳邏輯來篩選顧客名單 11.1.4 用資料挖掘來救援 資料採礦小組完成幾項事情 可以主動的出擊，並利用分析從公司所蒐集的資料來解決問題 可以跳過資訊部門取得技術設備資源，以縮短決策流程 可以整合具有資料分析能力的技術人員以及相關的分析工具 11.2 學習的意願 潛在的成功因子是在於學習的意願 探索資料的過程中可以找出許多有建設性的營運建議 透過分析電話行銷的通話記錄，發現第二波電話的回應率遠遜於第一波時，那就可以建議將人力應用於開發新客戶，而非去跟催那些拒絕過一次的顧客 過去結果的分析可以協助我們獲得新的機會點 11.3 行銷區隔 一家公司積極的想規劃屬於他們的市場區隔策略。如同其他人的做法，他們選擇從市場研究開始著手。但他們發現一千多份問卷樣本並無法涵蓋數以百萬計的顧客行為，於是他們改採用資料採礦的技術… 11.3.1 以行銷研究的角度 在「忠誠度效應(The Loyalty Effect)」一書中提到：忠誠度高的顧客擁有較高的顧客價值 因此公司開始著手規劃如何衡量顧客忠誠度，以用來辨別顧客忠誠度的高低。透過忠誠度定義可以幫助我們作為後續行銷活動影響的測量基準。 以行銷研究的角度(續) 以行銷研究的角度(續) 透過行銷顧問公司來針對其顧客進行市場調查，以確認各類別顧客的比例。問卷進行的時間長度約一個小時，取樣12000個顧客，最後回收了2000份 雖然問卷提供了相當深入的分析結果，但是整體回應率低於20%，只能代表回應者的意見 11.3.1.1 從行銷研究至市場區隔 在問卷中提供了一些定義忠誠度的方向 顧客在過去六年間花在購買該公司產品上的金額 兩個測量的方向 年總價值的平均值 逐年價值變化的趨勢(整體價值的平均斜率) 將計算出來的平均顧客價值以及顧客價值斜率各分成五等份，共計組成25個子集 從行銷研究至市場區隔(續) 從行銷研究至市場區隔(續) 11.3.1.2 風險自負(caveat emptor) 受訪者是否誠實和其記憶程度 回歸到顧客交易資料，從資料庫作為分析的起點 顧客價值會與顧客會齡、會員狀態以及商品偏好有高度相關，但制式的分類無法得知其中的關聯性 結合基本資料與顧客行為資訊做分析，找出更多關於顧客價值的線索 11.3.1.3 使用市場區隔 分析師將經由市場調查所得到的資訊轉化為忠誠度指標，並切割成為市場區隔。 市調雖然可以提供相當寶貴的資訊，但其用來進行市場區隔時，通常是套用既定的切割規則，而非是根據顧客行為本身的差異(相似性)。 透過資料採礦的技術，從資料庫中的大量資料，來協助我們定義顧客區隔。 11.3.2 在資料庫中尋找區隔 顧客區隔如果不能推及至所有的顧客身上，就變的毫無意義 整合外部資料與內部資料各個異質格式的顧客資料，通常以身分證字號作為鍵值 問卷調查通常只有姓名與地址，不能使用這兩個作為連結資料庫的鍵值 將調查資料對應資料庫其實困難重重，最好的解決方法是提供受訪清單時連同身分證字號產出 11.3.3 營運式區隔的優點 顧客行為所建構的營運式區隔－ 可推及至所有顧客，因為擁有充足的營運資料 抽象的態度式區隔（忠誠度）－ 提供方向性的概念，不適合做為資料庫行銷使用 11.3.4 發展營運式區隔 第一步就是要在不連續的時間點觀察顧客行為，觀察的重點在於行為的統計值以及隨著時間的變化趨勢，最後透過行為的相似性來決定群集 瞭解顧客行為就必須能夠將每個交易或行為對應到身分明確的個人，在網站行為追蹤方面，我們透過cookie或登入帳號的方式來完成 11.3.4.1 根據時間框架將顧客行為分類 行為是受外在變數所影響的－ 像是購買、客服、交叉銷售等等 顧客數量太多，以至於沒有任何兩個顧客的行為會完全一致 即使行為間有相似性，但細節的差異會使的比較不同顧客之間的行為變的困難重重 顧客使用量隨