挖掘商业案例研究及实现.docVIP

目录 TOC \o 1-3 \h \z \u 第一部分金融行业应用 5 1.前言 5 1.1客户细分―使客户收益最大化的同时最大程度降低风险 5 1.2客户流失―挽留有价值的客户 6 1.3交叉销售 6 1.4欺诈监测 6 1.5开发新客户 7 1.6降低索赔 7 1.7信用风险分析 7 2.客户流失 8 2.1客户流失需要解决的问题 8 2.2客户流失的类型 9 2.3如何进行客户流失分析？ 9 2.4客户流失应用案例 11 3.客户细分 21 3.1信用风险分析 21 3.2客户细分的概念 21 3.3客户细分模型 22 3.4客户细分模型的基本流程 23 3.5细分方法介绍 25 3.6客户细分实例 25 4.营销响应 30 4.1什么是营销响应？ 30 4.2如何提高营销响应率？ 30 4.3营销响应应用案例 32 5.信用评分 38 5.1信用评分背景 38 5.2信用评分的概念 39 5.3信用评分的方法 39 5.4信用评分应用案例 42 6.客户满意度研究 50 6.1为什么要进行客户满意度研究？ 50 6.2满意度研究的目标和内容 50 6.3满意度研究方法 51 6.4结构方程模型在客户满意度测评中的应用 54 6.5满意度研究在金融行业中的应用 55 7.CRISP-DM简介 57 7.1数据理解 58 7.2数据准备 58 7.3建立模型 58 7.4模型评估 59 7.5部署发布） 59 8.数据挖掘经验谈 60 8.1采用CRISP-DM方法论 60 8.2以终为始 60 8.3设定期望值 60 8.4限定最初的工程范围 60 8.5确保团队合作 61 8.6避免陷入数据垃圾 61 9.数据挖掘部署策略 62 9.1策略 1－快速更新批处理方式 62 9.2策略 2－海量数据批处理方式 63 9.3策略3－实时封装方式 64 9.4策略4－实时定制方式 65 10.成功案例 67 10.1国外成功案例 67 10.1.1Banco Espirito Santo (BES 67 10.1.2Bank Financial 67 10.1.3美国汇丰银行 68 10.1.4美国First Union公司 69 10.1.5Achmea公司 70 10.1.6标准人寿保险公司 71 10.2国内成功案例 71 10.2.1中国建设银行风险预警管理工程 71 10.2.2光大银行信贷风险管理工程 72 10.2.3中国银行信用风险评级管理工程 72 10.2.4中国中信银行 72 10.2.5部分金融业客户的名单排名不分先后） 73 第二部分电信行业应用 74 1.前言 74 1.1数据挖掘的概念 74 1.2数据挖掘技术在电信行业客户关系管理的主要应用领域如下: 75 1.3数据挖掘成功方法论 75 1.4商业理解 76 1.5数据理解与数据准备 77 1.6建立模型 77 1.7模型检验 77 1.8模型发布与应用 77 2.国内数据挖掘应用中存在的问题 78 2.1数据质量和完备性 78 2.2相应的人员素质 78 2.3应用周期 78 2.4数据挖掘工程的建议： 78 3.客户流失 80 3.1客户流失需要解决的问题 80 3.2电信客户流失的类型 81 3.3如何进行客户流失分析？ 81 3.4案例分析 83 3.5商业理解 83 3.6数据理解 83 4.营销响应 89 4.1为什么要进行营销响应分析？ 89 4.2营销响应 89 4.3什么是营销响应？ 90 4.4如何提高营销响应率？ 90 4.5案例分析 92 5.客户细分 98 5.1客户细分的背景 98 5.2客户细分的概念 98 5.3客户细分模型 99 5.4客户细分模型的基本流程 101 5.5细分方法介绍 102 5.6客户细分实例 102 6.客户满意度 106 6.1结构方程模型用于客户满意度测评中的应用 106 6.2满意度研究在金融行业中的应用 107 6.3研究目标 107 6.4研究过程 108 6.5满意度研究的结果分析 108 6.6结论 109 6.7客户总体满意度 109 6.8各品牌主要商业过程满意度及服务改进策略 109 6.9各品牌主要商业过程的具体满意度及改进策略 110 7.忠诚度 112 7.1忠诚度水平与性质 112 7.2离网与蚕食风险 114 7.3提升策略 115 8.CRISP-DM简介 116 8.1数据挖掘经验谈 118 8.2数据挖掘部署策略 119 9.成功案例 124 9.1国外成功案例 124 9.1.1Southwestern Bell西南贝尔） 124 9.1.2CallCounter 124 9.1.3Rural Cellular Corporatio 127 9.1.