客户数据挖掘.pptVIP

工程四

客户信息的数据挖掘

案例卓越亚马逊的推荐系统

学习目标通过本章的学习，将能够：理解数据挖掘的含义熟悉数据挖掘的功能熟悉数据挖掘的主要技术掌握数据挖掘的业务流程了解客户关系管理对数据挖掘的需求理解数据挖掘在客户关系管理中的作用

4数据挖掘数据库越来越大有价值的知识可怕的数据数据挖掘背景

5数据爆炸，知识贫乏苦恼:淹没在数据中;不能制定适宜的决策!数据知识决策模式趋势事实关系模型关联规则序列目标市场资金分配贸易选择在哪儿做广告销售的地理位置金融经济政府POS人口统计生命周期

——数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程，这些模型和关系可以用来做出预测。●数据挖掘〔DataMining〕——数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。——数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。数据挖掘

数据挖掘的特点——数据挖掘与传统分析方法的区别数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识。数据挖掘所得到的信息应具有先未知,有效和可实用三个特征：先前未知的信息是指该信息是预先未曾预料到的,既数据挖掘是要发现那些不能靠直觉发现的信息或知识,甚至是违背直觉的信息或知识有效信息是指符合实际情况且具有一定的代表性可实用是指可以指导企业的营销决策

数据挖掘的特点数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识数据挖掘所得到的信息应具有先未知、有效和可实用三个特征数据源必须是大量的、真实的、有噪声的发现的是用户感兴趣的知识发现的知识要可接受、可理解、可运用并不要求发现放之四海皆准的知识，仅支持特定的发现问题

数据挖掘任务：描述和预测描述可以通过下述方法得到：1、数据特征化2、数据区分3、数据特征化和比较

客户接触客户信息客户数据库统计分析与数据挖掘客户知识发现客户管理知识发现：从数据中深入抽取隐含的、未知的和有潜在用途的信息从商业数据到商业智能

各行业电子商务网站算法层商业逻辑层行业应用层商业应用商业模型挖掘算法CRM产品推荐客户细分客户流失客户利润客户响应关联规则、序列模式、分类、聚集、神经元网络、偏差分析…WEB挖掘网站结构优化网页推荐商品推荐。。。基因挖掘基因表达路径分析基因表达相似性分析基因表达共发生分析。。。银行电信零售保险制药生物信息科学研究。。。相关行业数据挖掘的应用

Debt10%ofIncomeDebt=0%GoodCreditRisksBadCreditRisksGoodCreditRisksYesYesYesNONONOIncome$40KQQQQII123456factor1factor2factorn神经网络NeuralNetworks聚类分析ClusteringOpenAccn’tAddNewProductDecreaseUsage???Time序列分析SequenceAnalysis决策树DecisionTrees倾向性分析客户保存客户生命周期管理目标市场价格弹性分析客户细分市场细分倾向性分析客户保存目标市场欺诈检测关联分析Association市场组合分析套装产品分析目录设计交叉销售数据挖掘的应用

●数据挖掘技术的分类——回忆分析：注重解决过去和现在的问题如：两年来不同地区、人口和产品情况下的各销售部门销售业绩分析——预测分析：在历史信息的根底上预测某些事件和行为如：建立预测模型来描述客户的流失率——分类：根据某种标准将数据库记录分类到许多预先定义好的类别如：信用卡公司将客户记录分为好、中、差三类分类可以产生规那么：如果一个客户收入超过5000万元，年龄在45－55岁之间，居住在某地区，那么他的信用等级为好。数据挖掘技术

●数据挖掘技术的分类——聚类：根据某些属性将数据库分割为一些子集和簇如：在了解客户的过程中，尝试使用从未使用过的属性分割人群以发现潜在客户的簇——关联：通过考察记录来识别数据间的密切关系关联关系常常表现为规那么，常用于超市购物篮分析如：所有包含A和B的记录中有60％同时包含C。——演变分析：描述行为随时间变化的对象的规律或趋势如：通过对客户屡次购物行为的分析可以发现购物行为在时间上的关系常用于产品目录营销的分析数据挖掘的一般目的就是检测、解释和预测数据中定性的和／或定量的模式数据挖掘技术

〔四〕孤立点分析数据库中包含一些数据对象，他们与数据的一般行为或模型不一致。〔五〕分类和预测