精細營銷客戶預(yù)測專題培訓(xùn)課程-wenkub
2023-03-15 17:19:05 本頁面
【正文】 類及聚類，客戶預(yù)測屬于分類 分類采用如下的技術(shù)：如決策樹，神經(jīng)網(wǎng)絡(luò)、邏輯回歸等，客戶預(yù)測采用邏輯回歸 12 從數(shù)據(jù)挖掘?qū)Ｓ脦熘须S機抽取用戶作為訓(xùn)練樣本，確保普遍性原則 采用直方圖等方式初步分析各變量對于結(jié)果的影響程度 定義業(yè)務(wù)問題 數(shù)據(jù)準備 模型發(fā)布 回顧和評價 采用邏輯回歸方法訓(xùn)練得到預(yù)測模型，得到預(yù)測概率方程式 采用十分位方法驗證健壯性，采用重采樣防止過適應(yīng) 采用專用數(shù)據(jù)挖掘軟件，利用邏輯回歸中的后向、逐步及評分方法得出權(quán)重較高的影響變量集 一、數(shù)據(jù)挖掘技術(shù) 實施步驟 13 數(shù)據(jù)倉庫 數(shù)據(jù)挖掘?qū)Ｓ脭?shù)據(jù)層 手機報模型 手機證券模型 飛信模型 其它 數(shù)據(jù)挖掘模型 抽樣探索修改建模評估循環(huán)往復(fù)的挖掘過程抽樣抽樣探索探索修改修改建模建模評估評估循環(huán)往復(fù)的挖掘過程定義業(yè)務(wù)問題 環(huán)境評估 數(shù)據(jù)準備回顧和評價模型發(fā)布數(shù)據(jù)挖掘?qū)嵤┓椒ㄕ摱⑾到y(tǒng)架構(gòu) 系統(tǒng) 客服 系統(tǒng) 外圍數(shù)據(jù)源 清單查詢 清單導(dǎo)出 數(shù)據(jù)接口 營銷管理平臺 前臺 短信中心 彩信中心 外呼中心 網(wǎng)站 經(jīng)營分析系統(tǒng) 14 數(shù)據(jù)挖掘?qū)τ跀?shù)據(jù)的組織形式有特定的要求，以往以月為單位的歷史信息存儲無法滿足深度挖掘的需要，需要轉(zhuǎn)化成月均＋寬表的形式，可以極大提升數(shù)據(jù)挖掘數(shù)據(jù)準備的效率 何謂專用數(shù)據(jù)層 二、系統(tǒng)架構(gòu)－數(shù)據(jù)挖掘?qū)Ｓ脭?shù)據(jù)層 15 二、系統(tǒng)架構(gòu)－數(shù)據(jù)挖掘?qū)Ｓ脭?shù)據(jù)層 DW(數(shù)據(jù)倉庫層 ) DWD(數(shù)據(jù)倉庫明細層 ) ODS(操作數(shù)據(jù)存儲層 ) ST(匯總層 ) 報表 主題 KPI 即席查詢 語音消費信息歸整集 (2年 ) 短信消費信息歸整集 (2年 ) 彩信消費信息歸整集 (2年 ) GPRS消費信息歸整集 (2年 ) 夢網(wǎng)消費信息歸整集 (2年 ) 夢網(wǎng)注冊信息歸整集 (2年 ) 產(chǎn)品注冊信息歸整集 (2年 ) 營銷活動信息歸整集 (2年 ) （預(yù)繳、終端捆綁、促銷等） 自然屬性信息歸整集 (2年 ) 其它信息 (2年 ) 涵蓋了當前能夠獲得的用戶所有信息 數(shù)據(jù)挖掘?qū)Ｓ脭?shù)據(jù)層 將倉庫數(shù)據(jù)轉(zhuǎn)化為 數(shù)據(jù)挖掘易于使用 的數(shù)據(jù) 專題 數(shù)據(jù)倉庫數(shù)據(jù)流 經(jīng)營分析系統(tǒng)應(yīng)用 挖掘引擎 挖掘模型 專用數(shù)據(jù)層 16 三、構(gòu)建典型新業(yè)務(wù)模型 新業(yè)務(wù)相對于語音業(yè)務(wù)，用戶市場呈現(xiàn)小而多的特點，如何準確的找到潛在的新業(yè)務(wù)用戶群是面臨的重要課題，本專題從典型新業(yè)務(wù)入手，如飛信、手機報等，嘗試采用客戶預(yù)測的方法，找到每類新業(yè)務(wù)的潛在用戶群，從而實現(xiàn)新業(yè)務(wù)的精細營銷 下面以實現(xiàn)的第一個新業(yè)務(wù)模型飛信為例進行原理介紹 17 實施 步驟 選擇樣本用戶 分析影響因素 選擇重要變量 建立預(yù)測模型 驗證評估模型 三、飛信模型介紹 18 飛信樣本 普通樣本 訓(xùn)練樣本 在網(wǎng)三個月以上 月注冊成飛信 月連續(xù)活躍 共萬用戶 隨機抽取普通 用戶 共萬用戶 樣本一 樣本二 樣本用戶的選擇需要確保其能真實體 現(xiàn)飛信或普通用戶的一般特征，剔除由于 促銷活動等引發(fā)的“非正?！庇脩? 樣本需體現(xiàn)普遍性 選擇樣本用戶 19 ? (代表最近值、代表頻度值、代表幣值 ) 是將客戶特征化的經(jīng)典方法，最早應(yīng)用于目錄營銷服務(wù)行業(yè) ? 我們認為年齡、性別、品牌、交往圈及終端等自然屬性是影響用戶成為飛信用戶的關(guān)鍵因素 變量 自然屬性 ? 用戶使用移動通信語音、短信、彩信、等服務(wù)產(chǎn)生的業(yè)務(wù)量及收入也作為可能的影響因子納入進來 消費特征 哪些方面的因素是飛信用戶區(qū)別于普通用戶的特征呢？ 分析影響因素 20 我們認為假如用戶最近定購過新業(yè)務(wù)類或夢網(wǎng)類產(chǎn)品，或者近年定購的次數(shù)比較多，則用戶繼續(xù)定購新業(yè)務(wù)產(chǎn)品（比如飛信）的可能性會比較高，因此納入以下變量： 近年新業(yè)務(wù)產(chǎn)品定購次數(shù)、最近新業(yè)務(wù)產(chǎn)品定購間隔、新業(yè)務(wù)產(chǎn)品當前有效個數(shù) 短信類、彩信類、 類、類、 手機郵箱類、語音 增值類、來電助手類 基礎(chǔ)通信
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1