应用案例分析_数据挖掘与CRM（北京·07年08月）

培训时间
　　3天

培训内容
　　CRM原理+数据挖掘软件的实现

应用工具
　　Clementine

学员参加本课程的必要条件
　　本课程要求学员熟悉Windows操作系统，并具有基本的数据挖掘知识。这门课程会简单地介绍数据挖掘及CRM知识，但更重要地是，展示软件如何实现CRM。

课程形式
　　课程以讲授和上机操作相结合来进行。培训期间，每人一台电脑。

应用案例：希阿蒙公司的市场活动

• 商业背景
  本次使用的数据是基于一个虚构的销售电子产品的零售公司；这个数据完全是虚拟的，但是数据挖掘技术适用于多个行业。
  为了提高企业效益、实现客户价值最大化，希阿蒙零售公司准备开展一个大型的市场活动，考虑到以往市场活动的效果并不理想，这次活动之前要先进行研究，以便解决以往的一系列问题，如：如何提高客户对于市场活动的响应率？如何区别大客户与普通客户，是否对大客户开展单独的市场活动，以便获得更多地利润？如何从已有客户中找出高价值客户？如何防止客户流失的发生？综上所述，希阿蒙公司面临的问题包括：

  • 如何定义与计算客户的价值

  • 如何提高客户的市场活动响应率

  • 如何获取及保持高价值客户

  • 如何提高客户的价值

• 已有数据
  我们从希阿蒙公司数据库中抽取9个数据来进行研究，包括：

  • CARD.dat：购物卡内登记的客户信息

  • GDG.dat：基于邮政编码的地理人口学信息

  • TRANSACTION.dat：以购物篮为单位的交易数据

  • TRANSACTION_ITEM.dat：在商品个体层面的交易数据

  • ITEM.dat：所有待售商品列表、商品编号、产品大类、小类和品牌数据

  • CATEGORY.dat：产品种类编号与描述

  • SUBCATEGORY.dat：产品小类与描述

  • BRAND.dat：产品品牌与描述

  • CAMPAIGN.dat：客户列表，包含客户参加上次市场活动响应/未响应的标识

CARD.dat （11个变量，140,132条记录）

......

• 解决方案

  • 模型1：客户细分与获得
    根据客户价值对客户进行细分，要通过分析与描述决定客户的细分和目标定位，以提高大客户的获得。
    对交易数据进行探索性分析，计算客户消费，然后通过进一步分析，定义客户细分，也就是对体现客户价值的客户消费额或交易数量等进行分类。根据这些结果，建立客户细分模型，每个客户被划分到相应的类别中，然后对客户的交易数据、人口数据等进行描述，得到相应的客户价值分群的描述。（注：方框代表数据，椭圆代表数据流）

  

  • 模型2：客户促销响应模型
    模型2预测客户对市场活动的响应情况。在这个模型中，针对客户开展了一次市场活动，每个客户对市场活动有响应与不响应两种反应情况，分别记录各个客户的反应情况。该模型对与客户是否响应市场活动的影响因素进行分析，根据客户的影响因素的特征，可以预测具备某些特征的客户将来对类似的市场活动的响应情况。

• 模型3：客户价值细分、迁移和流失模型
  该模型对客户的价值迁移及流失进行预测，探索客户迁移的模式。客户迁移模式有两种，一种是活跃的程度不同，即在价值金字塔的上下变动，第二种是从活跃到不活跃的变化，即客户流失。该模型需要的数据包括模型1中的客户综合数据，模型2的购买模式数据，以及客户价值细分数据。

• 结果
  第一个模型对客户价值进行细分，并对客户细分群的特征进行描述，有利于客户获得。这个模型主要包括如下结果：

  • 对客户消费数据进行分析与描述

  • 产生客户细分模型或者价值金字塔

  • 描述不同客户细分群的特征

  第二个模型预测客户对于市场活动的响应，使用了RFM评分以及客户行为数据，产生了三个模型：

  • RFM模型

  • 基于提供的所有数据的预测模型

  • 分群模型

  第三个模型预测不同价值的客户的迁移及流失，产生了：

  • 客户价值迁移预测

  • 客户流失模型