顾客满意与顾客忠诚.pptxVIP

;学习目标;第一节 顾客价值、顾客满意与顾客忠诚;一、顾客感知价值;;一、顾客感知价值;一、顾客感知价值;2020/12/4;二、顾客满意;二、顾客满意;?课堂研讨;顾客满意的好处;二、顾客满意;二、顾客满意; （四）顾客满意度的测量;三、建立顾客忠诚;三、建立顾客忠诚;三、建立顾客忠诚;帕拉图原理;资料：80/20原理;资料：20%：营销人员的细分化管理;长尾理论; Miller-Williams市场调查公司（2000）进行的一项调查研究表明，不同行业顾客满意和顾客忠诚的关系明显不同，对于有些行业，随着顾客满意的提高，顾客忠诚也会相应提高，而有些行业则不然。所以他们建议，处于不同行业的企业应该根据本行业的特点来寻找提升顾客满意与忠诚的独特的价值推动力。 清华大学中国顾客满意指数研究第二期试点调查数据（2004）分析结果表明，对于耐用消费品行业内的各个品牌，顾客满意与顾客忠诚之间具有很强的正相关关系。如下图所示，各品牌随着顾客满意的提高，顾客忠诚也会相应提高；结构变量之间具有很强的正相关性。;三、建立顾客忠诚;三、建立顾客忠诚;三、建立顾客忠诚;忠诚的顾客哪里来？;忠诚的顾客哪里来？;忠诚的顾客哪里来？;忠诚的顾客哪里来？;忠诚的顾客哪里来？;（2）如何提高客户的忠诚度;要完整地认识整个客户生命周期;提供个性化的产品与服务;保持顾客的途径（1）;保持顾客的途径（2）;保持顾客的利器;先做朋友后做生意;19;2020/12/4;2020/12/4;2020/12/4;2020/12/4;2020/12/4;2020/12/4;2020/12/4;2020/12/4;2020/12/4; 第二节 数据库营销与客户关系管理;一、数据库营销;阅读资料 跟尿布一起购买最多的商品是什么？竟是啤酒！ 沃尔玛拥有世界上最大的数据仓库系统，沃尔玛对其顾客的购物行为进行购物篮分析，想知道顾客经常一起购买的商品有哪些。沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。 一个意外的发现是：跟尿布一起购买最多的商品竟是啤酒！经过大量实际调查和分析，揭示了一个隐藏在尿布与啤酒背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。 资料来源：?徐曙光，啤酒与尿布[N].经济参考报,2009-11-27.;一、数据库营销;（三）数据挖掘;2、数据挖掘的分析方法 · ;　　（1）分类。 首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。 （2）估值。估值与分类类似，不同之处在于，分类描述的是离散型变量的输出，而估值处理连续值的输出；分类的类别是确定数目的，估值的量是不确定的。例如，根据购买模式，估计一个家庭的孩子个数； 根据购买模式，估计一个家庭的收入。 一般来说，估值可以作为分类的前一步工作。给定一些输入数据，通过估值，得到未知的连续变量的值，然后，根据预先设定的阈值，进行分类。例如：银行对家庭贷款业务，运用估值，给各个客户记分（Score 0~1）。然后，根据阈值，将贷款级别分类。 ;　 （3）预言。预言是通过分类或估值起作用的，也就是说，通过分类或估值得出模型，该模型用于对未知变量的预言。从这种意义上说，预言其实没有必要分为一个单独的类。 预言其目的是对未来未知变量的预测，这种预测是需要时间来验证的，即必须经过一定时间后，才知道预言准确性是多少。 　　（4）相关性分组或关联规则。即决定哪些事情将一起发生。 例如，超市中客户在购买A的同时，经常会购买B，即A = B(关联规则) ； 客户在购买A后，隔一段时间，会购买B。 ;2020/12/4;　　（5）聚集。聚集是对记录分组，把相似的记录在一个聚集里。聚集和分类的区别是聚集不依赖于预先定义好的类，不需要训练集。例如， 一些特定症状的聚集可能预示了一个特定的疾病； 租DVD类型不相似的客户聚集，可能暗示成员属于不同的亚文化群聚集，通常作为数据挖掘的第一步。例如，哪一种类的促销对客户响应最好？，对于这一 问题，首先对整个客户做聚集，将客户分组在各自的聚集里，然后对每个不同的聚集， 回答问题，可能效果更好。 （6）?描述和可视化。用相应的图案和技术表示数据挖掘结果。即用易于理解的点线图、直方图、饼图、网状图、交互式可视化、动态模拟、计算机动画技术表现复杂数据。; 阅读资料 奔驰新“M”级越野车的数据