数据挖掘技术在寿险业精准营销中的研究与应用.docVIP

数据挖掘技术在寿险业精准营销中 研究与应用 学生姓名： 指导教师： 答辩日期：2013-12 1 内容提纲 1 选题背景和意义 理论研究 2 3 模型构建 4 案例研究 5 总结与展望 BEIHANG UNIVERSITY SEM-MBA-MB1108404 2 选题背景及意义 保险业告别 快速增长， 投资回报低， 营销成本持 续上升 客户角度：开 拓新客户、挽 留老客户、激 活沉睡客户， 提升客户价值 供应链式的 供给和需求 链的需求矛 盾，渠道面 临巨大困境 论文选题 背景及意义 产品角度：了 解客户真正需 求，推出合理 产品组合,提 升客户价值 选题背景 选题意义 保险密度和 深度和发达 研究目的 提升客户满意 度，降低营销 国家比有很 大差距，市 场潜力巨大 以数据为洞 察,利用数据 成本，提升公 司核心竞争力 挖掘技术 进 行精准营销 BEIHANG UNIVERSITY SEM-MBA-MB1108404 3 内容提纲 1 选题背景和意义 2 理论研究 3 模型构建 4 案例研究 5 总结与展望 BEIHANG UNIVERSITY SEM-MBA-MB1108404 4 理论研究 精准营销理论 精准营销是以客户为中心，以数据为洞察， 在正确的时间、正确的地点、用正确的方式 传递正确的信息。 BEIHANG UNIVERSITY SEM-MBA-MB1108404 5 理论研究 要什 么 精准营销的过程 3 确定细 分变量 构建模型 收集 用啥 从哪 收 数据 收 结果分析 如何 规范 2 4 识别营销机会、设计营销活动 1 活动流程设计 客户 获取 客户 挽留 客户 价值 增长 客户 激活 1 活动 评估 执行 营销 战役 4 2 营销工具准备 精准营销培训 3 客户名单发放 营销活动推进和监控 营销活动分析 营销活动总结 BEIHANG UNIVERSITY SEM-MBA-MB1108404 6 理论研究 数据挖掘（Data Mining）又称为数据中的知识发现(Knowledge Discover in Database，KDD).简单来说就是从大量数据中提取或”挖掘”知识，行业内公认的 跨行业数据挖掘标准（CRISP-DM）如下图所示： BEIHANG UNIVERSITY SEM-MBA-MB1108404 7 内容提纲 1 选题背景和意义 理论研究 2 3 模型构建 4 案例研究 5 总结与展望 BEIHANG UNIVERSITY SEM-MBA-MB1108404 8 模型构建 1 刻画目标客户群的特征 2 从客户角度进行客户价值提升挖掘 3 从产品角度实现产品组合预测挖掘 预期目标 BEIHANG UNIVERSITY SEM-MBA-MB1108404 9 模型构建 基于聚类算法的客户分群模型 数据源 数据准备 数据挖掘 分析结果 团险核心数 据库 确定细分变量 数据 采集 数据仓库 数据 输入 输出 结果 客户群体特征 识别 ECIF数据库 聚类K-Means 算法 个险核心数 据库 BEIHANG UNIVERSITY SEM-MBA-MB1108404 10 模型算法（K-means） k-means算法，也被称为k-平均或k-均值。 它将各个聚类子集内的所有数据样本的 均值作为该聚类的代表点，通过迭代过程把数据集划分为不同的类别，使得评价聚类 性能的准则函数达到最优，从而使生成的每个聚类内紧凑，类间独立,聚类过程如下： 10 10 10 9 9 9 8 8 8 7 7 7 6 6 6 5 5 5 4 3 2 将每个 样本点 4 3 2 重新计 算各类 4 3 2 分配到 中心 1 1 1 0 0 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 的类中 值） 0 1 2 3 4 5 6 7 8 9 10 重新分配 重新分配 10 10 9 K=2 确定初始类中心 9 8 8 7 7 6 6 5 5 4 3 2 1 重新计 算各类 4 3 2 中心 1 0 BEIHANG UNIVERSITY SEM-MBA-MB1108404 0 1 2 3 4 5 6 7 8 9 10 11 （均 值） 0 0 1 2 3 4 5 6 7 8 9 10 模型构建 基于决策树分类预测的交叉销售模型 数据源 数据准备 数据挖掘 分析结果 团险核心数 据库 确定输入变量 数据 采集 数据仓库 数据 输入 输出 结果 交叉销售预测 结果 ECIF数据库 决策树C5.0算 法 个险核心数 据库 BEIHANG UNIVERSITY SEM-MBA-MB1108404 12 模型算法（C5.0） C5.0算法采用信息增