【文章內容簡介】 與用戶二者實現(xiàn)雙贏的重要舉措。目前用戶需求呈現(xiàn)多樣化、個性化的趨勢，只有通過深入分析用戶消費行為，精確識別、細分用戶市場，開發(fā)出針對不同層次用戶的服務品牌進行服務營銷，方能使得各方價值發(fā)揮到最大，實現(xiàn)共贏。不同級別的客戶對服務的需求以及“贏”的概念是不同的，正是因為為不同的客戶提供不同的產品和服務才能使客戶都達到滿意，從而在市場上占據(jù)有利地位。 fjnFLDa5Zo細分方法介紹在數(shù)據(jù)挖掘中，往往通過聚類分析的方法來實現(xiàn)細分。聚類分析方法至少有以下幾類：1）KMeans聚類法。使用者需要首先確定數(shù)據(jù)分為K群，該方法會自動確定K個群的中心位置，繼而計算每條記錄距離這K個中心位置的距離，按照距離最近的原則把各個記錄都加入到K個群，重新計算K個群的中心位置，再次計算每條記錄距離這K個中心位置的距離，并把所有記錄重新歸類，再次調整中心位置，依次類推……，當達到一定標準時，結束上述步驟。這種方法運算速度快，適合于大數(shù)據(jù)量。2）兩步聚類法：這種方法首先需要確定一個最大群數(shù)比如說n），并把數(shù)據(jù)按照一定的規(guī)則分為n個群，這是該方法的第一步。接著按照一定的規(guī)則把n個群中最接近的群進行歸并，當達到一定的標準時，這種歸并停止，這就是該種方法最終確定的聚類群數(shù)比如說m），這是第二步。兩步聚類法的一個顯著優(yōu)點是可以不指定聚類群數(shù)，它可以根據(jù)據(jù)結構本身自動確定應該把數(shù)據(jù)分為多少群。3）Kohonen網(wǎng)絡聚類法：是運用神經(jīng)網(wǎng)絡的方法對數(shù)據(jù)進行細分的數(shù)據(jù)挖掘方法。為了提升客戶的全面經(jīng)驗，許多金融機構將數(shù)據(jù)挖掘應用于客戶細分在客戶個人屬性以及產品之間提取直觀的聯(lián)系。從這些現(xiàn)存的客戶以及潛在客戶中得到的客戶特征經(jīng)驗的知識進而可以用于配合市場營銷工作來增加交叉銷售的機會，提高投資回報率ROI）Peacock，1998）。這使得金融機構可以提供特定的產品與服務來滿足客戶的需要。數(shù)據(jù)挖掘中典型的細分應用要么是使用有監(jiān)督學習方法，要么是使用非監(jiān)督學習方法來進行Chung和Gray，1999）。對于前者，數(shù)據(jù)挖掘模型學習客戶的行為特征與已經(jīng)確定的我們感興趣的輸出變量之間的關系。例如，客戶評價模型，將客戶分為不同的等級，并得出每個等級的特征。另一方面，非監(jiān)督學習方法基于客戶的輸入屬性產生不同的類別，而且不需要設定我們感興趣的輸出變量。每個類別的成員享有相似的特征，并且與其它的類別之間的特征是截然不同的。 tfnNhnE6e5客戶細分實例假設 Z 銀行擁有以下數(shù)據(jù)：1．客戶號；2．儲蓄賬戶余額；3．活期賬戶余額；4．投資賬戶余額；5．日均交易次數(shù)；6．信用卡支付模式；7．是否有抵押貸款；8．是否有賒賬額度；9．客戶年齡；10．客戶性別；11．客戶婚姻狀況；12．客戶家庭情況孩子數(shù)）；13．客戶年收入；14．客戶是否擁有一輛以上小汽車；15．客戶流失狀態(tài)。假設Z銀行希望建立更為有效的市場營銷戰(zhàn)略來給持有高價值投資組合的客戶推銷其金融產品。為了做到這些，Z銀行使用細分模型特征化了其客戶，并且依賴客戶屬性分割這些客戶為截然不同的類別。其后，自然可以利用這些從客戶中得到的特征剖面來定制其市場營銷戰(zhàn)略來給其潛在的客戶提供更多目標性的信息。此外，假設Z銀行使用監(jiān)督學習以及非監(jiān)督學習建模技術來生成客戶的特征。這里我們使用SPSS公司的數(shù)據(jù)挖掘軟件Clementine。 HbmVN777sL：投資賬戶余額分段 對于監(jiān)督學習模型，基于上面涉及到的十三個變量基礎進行細分。目標變量是由輸入變量－投資賬戶余額，直接生成的多分類變量。關于投資賬戶余額的分布可以由直方圖節(jié)點來決定如何適當?shù)膶⒚總€客戶分類到三個箱柜中：高、中和低投資組合價值。關于投資賬戶余額的歸箱組成了我們感興趣的投資價值目標變量。進而可以構建Logistic回歸模型來生成基于不同單個客戶投資價值的不同分類的特征屬性。進一步的結果表明，在預測每個客戶的投資價值的預測模型中統(tǒng)計上顯著的變量有儲蓄賬戶余額和活期賬戶余額。進而，高價值投資組合客戶的特征就由這些變量來決定。 V7l4jRB8Hs：Logistic回歸模型 非監(jiān)督學習細分模型是基于十四個變量來做出的。在這種情形下，不需要設定目標變量。對于非監(jiān)督學習細分，通常可以使用三種數(shù)據(jù)挖掘算法，也就是，兩步聚類、Kohonen 網(wǎng)絡以及Kmeans聚類。對于我們的演示，這里僅僅使用了兩步聚類。 83lcPA59W9：兩步聚類分析結果 。關于每一類的信息也列了出來。例如，第4類包含278個客戶，它描述了在這個類別中大部分的客戶是男性且大部分無抵押貸款的客戶。另一方面，第2類描述了大多數(shù)為已婚女性且擁有賒賬額度的客戶。更進一步的數(shù)據(jù)探索是建立在兩步聚類結果上，通過利用我們所關心的變量的直方圖或是分布圖等圖形化展示手段來比較五個類別的結果。我們可以看到，第2類中擁有大多數(shù)的主動以及被動流失的客戶。同樣，第3類則是相當?shù)幕旌狭爽F(xiàn)存客戶以及主動流失的客戶。此外，第4類中具有最大的現(xiàn)存客戶。對于其他的分類輸入變量來講可以繪出相似的分布圖。 mZkklkzaaP：五個類別中流失狀態(tài)以及流失率的比較 最后，關于投資賬戶的直方圖也可以根據(jù)五個類別分別繪出。我們可以看到，第1類包含了相對其它幾類更多的低投資賬戶的客戶。另一方面，第3類則是由持有高價值投資賬戶的客戶組成。如此，如果Z銀行能夠促銷新產品，第3類的客戶可能是更為有希望的目標群體，能夠生成更好的市場營銷結果。利用這些知識，Z 銀行現(xiàn)在能夠設計適當?shù)你y行產品來滿足那些不同的客戶群體。 AVktR43bpw：五個類別的投資賬戶余額的直方圖 為了發(fā)展新客戶和推廣新產品，企業(yè)通常會針對潛在客戶推出各種直接營銷活動。然而，如果目標客戶的選擇不明確，營銷活動往往花費巨大而取得的實際效益不佳，甚至可能遭遇由于活動響應率太低而無法收回成本的境況。在當今競爭激烈的金融市場上，一方面，客戶每天通過短信、電話、郵件、電子郵件、網(wǎng)站廣告等方式會接觸到大量的金融業(yè)務廣告，缺乏針對性和足夠吸引力的營銷活動往往會被客戶直接忽略。另一方面，用戶越來越看重個性化服務，對新的金融產品具有較大的需求。為了更好的滿足客戶需求，許多公司采用了促銷活動管理系統(tǒng)來幫助執(zhí)行促銷活動。這些管理系統(tǒng)增加了公司采取的促銷活動的數(shù)量，卻并不一定能改善促銷活動的效率。事實上，不合適的促銷活動和過多的促銷活動只會導致用戶對公司的不滿意度增加。所以，有效促銷活動不在于數(shù)量的多少，而在于要在恰當?shù)臅r機，通過恰當?shù)姆绞?，向恰當?shù)挠脩敉其N恰當?shù)漠a品。也就是說，有效的促銷活動，不在于涉及客戶的數(shù)量多少，而在于針對的都是具有高響應概率的目標人群。這不僅可以提升客戶的滿意度，增強客戶對公司的忠誠度，而且可以降低客戶獲取費用，增加營銷活動投資回報率，直接帶來公司效益的增加。數(shù)據(jù)挖掘中的營銷響應分析可以幫助達到提高營銷活動回報率的目標。 ORjBnOwcEd什么是營銷響應？營銷響應模型是一種預測模型。目標變量是預測誰會對某種產品或服務的宣傳進行響應，自變量是客戶及其行為的各種屬性，如：客戶年齡，客戶收入，客戶最近一次購買產品的時間，客戶最近一個月的購買頻率等。利用響應模型來預測哪些客戶最有可能對營銷活動進行響應，這樣，當以后有類似的活動時，可以針對具有較高響應可能性的客戶進行相應的營銷活動。而對響應度不高的客戶就不用對他們進行營銷活動，從而減少活動成本，提高投資回報率。2MiJTy0dTT如何提高營銷響應率？金融機構應當在深入了解客戶需求和客戶特征的基礎上，制定營銷策略，從而達到增加營業(yè)收入和客戶滿意度的雙重目標。我們提倡的不是針對最佳的客戶群開展營銷活動，而是針對每一個客戶開展活動。所謂“知己知彼，百戰(zhàn)不殆”，建立在對客戶需求良好把握基礎之上極具針對性的營銷將極大地提高營銷活動的成功率。要開展這樣的營銷活動，首先需要回答以下幾個問題： ? gIiSpiue7A 對誰開展營銷活動? ? 多長時間開展一次營銷活動? ? 何時開展營銷活動? ? 如何開展營銷活動?金融機構在數(shù)據(jù)挖掘技術的幫助下，針對客戶數(shù)據(jù)建立營銷響應模型，在合適的時間，通過合適的渠道，以一種合適的接觸頻率，對合適的客戶開展活動，從而提高營銷活動的響應率和投資回報率。 uEh0U1Yfmh：營銷活動的四個要素 1選擇合適的客戶金融機構對以往的營銷數(shù)據(jù)進行分析，采用決策樹等數(shù)據(jù)挖掘方法，識別出具有高響應率的客戶的特征。通過選擇合適的客戶，可以排除對促銷活動響應不積極的客戶，將目標客戶的數(shù)量大大減小，從而在實現(xiàn)更有針對性地營銷的同時減小營銷成本。據(jù)統(tǒng)計，通過減小目標客戶的數(shù)量，通?？梢怨?jié)省25%40%的營銷費用，同時增加營銷響應率。2選擇合適的渠道第二步是要針對用戶選擇合適的營銷渠道，也就是和客戶接觸的方式。通過使用每個用戶偏愛的方式與之接觸，也有利于提升客戶響應率。在確定促銷渠道時，要考慮客戶對渠道的偏愛，渠道成本，期望的響應率，其他營銷限制條件等。3選擇合適的時間在當今競爭激烈的社會里，客戶有很多滿足自己需求的機會和選擇。因此，一旦發(fā)現(xiàn)了客戶尚未被滿足的需求或者出現(xiàn)遺失客戶風險時，一定要及時和客戶接觸。這種事件驅動的促銷方式，通常也可以取得較高的響應率。4選擇合適的活動頻率此外，并不是促銷活動越多，效果越好?；顒佑媱澱咝枰鶕?jù)實際情況，針對具體的客戶，選擇一個最優(yōu)的活動次數(shù)，既使得客戶的各種需求得到較好的滿足，又避免因為過于頻繁的接觸而導致客戶的反感。同時，過多的營銷活動，也會增加營銷成本。需要在增加的成本和提高的響應率帶來的收益之間尋找一個最優(yōu)點。客戶自身的偏好對于營銷活動的頻率確定也至關重要，比如，對于不喜歡過于頻繁的接到促銷電話的客戶，就要適量降低電話促銷的頻率。通過選擇更有針對性地選擇客戶和根據(jù)客戶的需求和偏好來推廣促銷活動，可以將促銷活動的投資收益率提高25%50%。IAg9qLsgBX：營銷活動四階段總結 階段 1．合適的客戶 2．合適的渠道 3．合適的時間 4．合適的營銷頻率 目標 為營銷活動選擇最佳客戶 為目標客戶選擇最優(yōu)營銷方式 在合適的時間對目標客戶開展營銷 確定最適合客戶的營銷頻率 方法 預測分析 渠道優(yōu)化 事件營銷 促銷優(yōu)化 策略 預測誰是最有可能響應營銷并且能給營銷活動帶來收益的客戶 在客戶偏愛的方式和公司的成本與能力之間選取最優(yōu)結合點 變小的，經(jīng)常性的營銷活動為事件觸發(fā)的營銷活動 在客戶響應率和公司收益之間選擇最佳結合點 好處 降低25%40%的營銷成本 降低接觸客戶的成本 響應率的提高至少達到兩倍 提高25%50%的收益 營銷響應應用案例一家虛擬銀行新推出了一種新的抵押貸款業(yè)務，為了推廣新產品，該銀行決定執(zhí)行直接營銷活動。為此，分析人員收集了以往進行類似產品的營銷時公司執(zhí)行營銷活動的相關數(shù)據(jù)，經(jīng)過數(shù)據(jù)挖掘應用，計算客戶影響概率，得到客戶響應率模型，進而對客戶對新產品的響應概率進行預測。從中選取響應率高的客戶開展新產品營銷活動。1）商業(yè)理解識別出可能響應直接營銷活動的客戶，提高營銷活動的響應率。2）數(shù)據(jù)理解收集部分以往的營銷活動數(shù)據(jù)包括對活動響應的客戶數(shù)據(jù)和未對活動響應的客戶數(shù)據(jù)），選擇客戶屬性，包括客戶人口統(tǒng)計學特征和賬戶信息等。利用直方圖、分布圖來初步確定哪些因素可能影響客戶響應。所選取的數(shù)據(jù)屬性包括：用戶編號、年齡、收入、孩子數(shù)目、是否有汽車、是否抵押、居住區(qū)域、性別、婚姻狀況、在該銀行是否有儲蓄賬戶、在該銀行是否有活期賬戶、是否對促銷活動響應等12個字段。其中是否響應是預測的目標變量，共有兩個屬性：否：客戶未響應營銷活動；是：客戶響應營銷活動。 WwghWvVhPE：數(shù)據(jù) 首先采用直方圖，散點圖等工具對數(shù)據(jù)之間的關系進行初步探索。下圖是按照響應與否察看收入與孩子數(shù)目之間的散點圖。可見，如果只考慮“孩子數(shù)目”屬性，發(fā)現(xiàn)隨著孩子數(shù)目增加，響應的客戶比率降低。同時考慮“孩子數(shù)目”和“收入”屬性，發(fā)現(xiàn)響應比率與“收入”和“孩子數(shù)目”的比值相關，這個比值通常被成為“相對收入”。 asfpsfpi4k：收入與孩子數(shù)目的散點圖 下圖是孩子數(shù)目的分布圖。%。而在這些客戶中，大部分是對直接營銷活動進行響應的客戶?？偟恼f來，隨著孩子數(shù)目增加，客戶響應率降低。ooeyYZTjj1：孩子數(shù)目的分布圖 3）數(shù)據(jù)準備根據(jù)數(shù)據(jù)理解的結果準備建模需要的數(shù)據(jù)，包括數(shù)據(jù)選擇、新屬性的派生，數(shù)據(jù)合并等。在數(shù)據(jù)理解中發(fā)現(xiàn)，是否響應與“收入”和“孩子數(shù)目”的比率有關，因此，派生出“相對收入”屬性，定義為：如果“孩子數(shù)目”為0，則“相對收入”＝“收入”；否則，“相對收入”＝“收入”/“孩子數(shù)目”。4）建立模型及評估對數(shù)據(jù)進行預處理之后，神經(jīng)網(wǎng)絡模型，Camp。RT決策樹分類模型，以客戶屬性為輸入變量，以客戶是否響應為目標變量進行分類。然后對測試集分別應用這三個模型，選取效果最好的模型部署到企業(yè)中。 BkeGuInkxI：部分數(shù)據(jù)流圖 ，發(fā)現(xiàn)與客戶響應相關的共有4條規(guī)則，與客戶不響應相關的共有8條規(guī)則。響應的客戶有如下特點：有孩子，相對收入大于49997元；或者有孩子，有車，居住在郊區(qū)，在該銀行開有儲蓄賬戶，相對收入大于25563元；或者是年齡大于45歲，沒有抵押貸款，在該銀行開有儲蓄賬戶，相對收入大于25563元；或者是年齡大于45歲，沒孩子，沒貸款，收入小于25563元。 PgdO0sRlMo： 神經(jīng)網(wǎng)絡模型在輸入層、隱藏層和輸出層分別有20個、3個和2個神經(jīng)元。此外，最重要的輸入變量包括按照重要性降序排列）：相對收入，孩子數(shù)目，收入等。%。 3cdXwckm15：神經(jīng)網(wǎng)絡的輸出結果 使用Camp。RT對是