【正文】 ： 2023/2/4 76 客戶忠誠度 ? 忠誠度是客戶愿意再次接受企業(yè)服務的程度，企業(yè)應自始至終保障客戶擁有美好的消費經(jīng)驗，以建立客戶的忠誠度。 ? 愉快的購物體驗 – 帶給客戶一致、具有品牌保證的消費感受 – 節(jié)省客戶時間并減少不便 – 讓客戶放心。美好的購物經(jīng)驗除了來自滿意的產(chǎn)品與服務，還 – 與合作伙伴提供與客戶一致的服務和品質(zhì)。 – 尊重每一位客戶的獨特性 主講人：舒彤 博士 手機： 13087316938 Email： 2023/2/4 77 ? 良好的售后服務 – 企業(yè)要贏得客戶的心，必須讓產(chǎn)品能夠在任何時候任何地方都能符合客戶的需求，指導客戶安裝、使用，跟蹤客戶的使用狀態(tài)、反饋意見，保障客戶退貨、調(diào)換或及時維修的權利。 ? 開展數(shù)據(jù)庫營銷和個性化服務 – 對電子商務企業(yè)而言，掌握客戶信息的能力將直接影響企業(yè)的營銷效果。因此必須盡可能多地收集實際客戶與潛在客戶的信息，用“以客戶為中心”的戰(zhàn)略整合以前“以產(chǎn)品、服務、功能或財務為中心”組織的客戶信息，構建客戶信息數(shù)據(jù)倉庫，預測客戶的購買行為并提供購買建議等。 – 鼓勵客戶自己定制個性化需求與設計、檢查歷史交易記錄、提供個人資料信息，以完善對客戶的個性化服務。 主講人：舒彤 博士 手機： 13087316938 Email： 2023/2/4 78 CRM應用類型 ? 直面客戶的應用：客戶與企業(yè)直接交流、溝通的輔助工具，幫助服務人員完成信息收集、處理等容易自動完成的工作。如基于 Web的呼叫中心或客戶交互中心?？蛻艚换ブ行氖瞧髽I(yè)用來解決來自不同聯(lián)系渠道的客戶服務問題的一個綜合服務實體。多渠道客戶交互中心的工作方式是： – 客戶通過一個或多個渠道進行聯(lián)系； – 系統(tǒng)收集這些信息并集成到數(shù)據(jù)庫，然后決定一個服務應答； – 客戶被引導到自助服務或人工代理； – 服務被提供給客戶。 主講人：舒彤 博士 手機： 13087316938 Email： 2023/2/4 79 ? 接觸客戶的應用：企業(yè)用來代替人工與客戶接觸的應用系統(tǒng)，如個性化頁面服務、購物車、電子錢包等。 ? 以客戶為中心的應用：以客戶為中心的應用支持客戶數(shù)據(jù)收集，并借助統(tǒng)計報表、聯(lián)機分析、數(shù)據(jù)挖掘等工具分析、處理 CRM數(shù)據(jù)，以輔助企業(yè)的營銷決策。具體的數(shù)據(jù)包括： – 所有作業(yè)層的 CRM數(shù)據(jù)和分析層的 CRM數(shù)據(jù)； – 公司的產(chǎn)品和服務以及分銷渠道信息； – 有關營銷、銷售、服務創(chuàng)新、客戶回復的信息； – 有關客戶請求和公司回復的信息； – 客戶交易信息。 主講人：舒彤 博士 手機： 13087316938 Email： 2023/2/4 80 5 網(wǎng)絡營銷技術 基于營銷數(shù)據(jù)庫的個性化推薦 ? 營銷數(shù)據(jù)庫是電子商務網(wǎng)站的重要組成部分，存儲著消費者的個人特征、定制信息、購買記錄以及相應的產(chǎn)品特征等信息，這些信息是進行個性化推薦的重要依據(jù)。基于營銷數(shù)據(jù)庫的個性化推薦就是利用上述信息，通過人機交互獲得或者用聚類、分類和關聯(lián)規(guī)則挖掘等方法挖掘消費者興趣和偏好，進而產(chǎn)生個性化的推薦方案。這種應用已經(jīng)得到了廣泛應用。 ? 根據(jù)推薦策略和所利用的信息不同，基于營銷數(shù)據(jù)庫的個性化推薦系統(tǒng)一般可以分為基于內(nèi)容的推薦系統(tǒng)、基于協(xié)同過濾的推薦系統(tǒng)、基于產(chǎn)品分類的推薦系統(tǒng)、基于效用的推薦系統(tǒng)、基于知識的推薦系統(tǒng)以及各種組合推薦系統(tǒng)等。 主講人：舒彤 博士 手機： 13087316938 Email： 2023/2/4 81 基于營銷數(shù)據(jù)庫的個性化推薦：協(xié)同過濾推薦技術 ? 協(xié)同過濾推薦技術是推薦系統(tǒng)中應用最早和最為成功的技術之一。協(xié)同過濾是基于這樣的假設：要為目標消費者找到其真正感興趣的產(chǎn)品，應該首先找到與目標消費者有相似興趣的其他消費者，然后將他們感興趣的內(nèi)容推薦給目標消費者。 ? 基于消費者的協(xié)同過濾 – 基于消費者的協(xié)同過濾推薦系統(tǒng)一般采用最近鄰技術，利用消費者的歷史購買信息計算消費者之間的距離，然后利用目標消費者的最近鄰居對商品的某種加權值來預測目標消費者對特定商品的偏好程度，系統(tǒng)從而根據(jù)這一偏好程度來對目標消費者進行推薦。 主講人：舒彤 博士 手機： 13087316938 Email： 2023/2/4 82 基于中心的鄰居 基于集合的鄰居 最頻繁項目 關聯(lián)規(guī)則 數(shù)據(jù)表示 識別鄰居 產(chǎn)生推薦 },{},{ cbazyx ?低維數(shù)據(jù) 高維數(shù)據(jù) 協(xié)同過濾的基本過程 主講人：舒彤 博士 手機： 13087316938 Email： 2023/2/4 83 ? 協(xié)同過濾的優(yōu)點 – 對推薦對象沒有特殊的要求，因此協(xié)同過濾方法對許多非結構化的復雜對象，如音樂、電影和圖片等的推薦更加容易。 – 共享其他人的經(jīng)驗，避免了分析產(chǎn)品特征過程中可能出現(xiàn)的諸多問題，避免了內(nèi)容分析的不完全和不精確。 – 有推薦新產(chǎn)品的能力。這也是協(xié)同過濾和基于內(nèi)容的過濾一個較大的差別，基于內(nèi)容的過濾推薦很多都是消費者本來就熟悉的內(nèi)容，而協(xié)同過濾可以發(fā)現(xiàn)消費者潛在的但自己尚未發(fā)現(xiàn)的興趣偏好。 – 能夠有效的使用其他相似消費者的反饋信息，可加快個性化學習的速度。 主講人：舒彤 博士 手機： 13087316938 Email： 2023/2/4 84 基于營銷數(shù)據(jù)庫的個性化推薦：基于內(nèi)容的推薦技術 ? 基于內(nèi)容的個性化推薦是根據(jù)消費者歷史消費所表現(xiàn)出來的興趣和偏好推薦產(chǎn)品 。 基于內(nèi)容的推薦是在產(chǎn)品 (產(chǎn)品 、 服務等 )的內(nèi)容信息基礎上做出的推薦 ， 而不需要依據(jù)消費者對產(chǎn)品的評價意見 ， 因此 ， 這一策略更多地使用機器學習的方法從消費者過去感興趣的產(chǎn)品特征描述中得到消費者的偏好信息 ， 進而進行個性化推薦 。 在基于內(nèi)容的推薦系統(tǒng)中 ， 消費者之間是獨立的 ， 產(chǎn)品是通過相關的特征屬性來定義的 ， 系統(tǒng)基于產(chǎn)品的特征 ， 為每個消費者分別建立不同的興趣偏好模型 ， 進而考察消費者的興趣偏好與待推薦產(chǎn)品的匹配程度 。 主講人：舒彤 博士 手機： 13087316938 Email： 2023/2/4 85 歷史購買記錄 質(zhì)地 顏色 價格 是否購買 產(chǎn)品 1 木質(zhì) 紅色 高 是 產(chǎn)品 2 塑料 紅色 底 否 產(chǎn)品 3 木質(zhì) 藍色 高 是 產(chǎn)品 4 塑料 藍色 高 否 產(chǎn)品 5 木質(zhì) 藍色 低 ？ 主講人：舒彤 博士 手機： 13087316938 Email： 2023/2/4 86 ? 基于內(nèi)容的推薦方法具有以下優(yōu)點： – 可以向消費者推薦符合其特定興趣偏好的項 。 由于消費者的興趣偏好模型建立在其過去感興趣的項的基礎上 ， 因此 ， 由此模型產(chǎn)生的推薦能夠較好地滿足消費者的需求 ， 特別是在消費者具有比較特殊的興趣愛好的情況下 ， 基于內(nèi)容的個性化推薦往往會具有更好的效果 。 – 可解釋性強 。 基于內(nèi)容的個性化推薦以產(chǎn)品的特征屬性來構建消費者興趣偏好模型 ， 因此 ， 通過列出推薦產(chǎn)品的特征 ， 可以解釋為什么推薦這些產(chǎn)品 。 – 能推薦新的或不是很流行的產(chǎn)品 。 對于新的或者不是非常流行的產(chǎn)品 ，只要獲得該產(chǎn)品的特征數(shù)屬性 ， 就可以用基于內(nèi)容的個性化推薦方法進行推薦 。 – 已經(jīng)有比較成熟的技術 。 基于內(nèi)容的推薦 ， 一般是以傳統(tǒng)的機器學習方法為支撐 ， 而這些方法往往都是比較成熟的 。 主講人：舒彤 博士 手機： 13087316938 Email： 2023/2/4 87 基于營銷數(shù)據(jù)庫的個性化推薦：基于產(chǎn)品分類的推薦技術 ? 產(chǎn)品的分類信息一般可以用一顆分層的樹狀圖來表示： 所有商品 家電 食品 服裝 電視機 洗衣機 牛奶 面包 衣服 鞋 第 1層 第 0層 第 2層 第 3層 M 1 0 。 M 1 9 M 2 0 M 2 9 M 3 0 M 3 9 M 4 0 M 4 9 M 5 0 M 5 9 M 6 0 M 6 9 。 。 。 。 。 產(chǎn)品分類 主講人：舒彤 博士 手機： 13087316938 Email： 2023/2/4 88 ? 基于產(chǎn)品分類學的協(xié)同過濾推薦 – 基于產(chǎn)品分類學的協(xié)同過濾推薦是一種 web使用挖掘驅(qū)動的協(xié)同過濾推薦方法 (WebCFPT) – 其基本思想是將傳統(tǒng)協(xié)同過濾方法中基于產(chǎn)品的相似度度量 ，轉(zhuǎn)換為基于類別的相似度度量 ， 通過降低產(chǎn)品的維數(shù) ， 改善協(xié)同過濾方法在數(shù)據(jù)稀疏時的性能 。 – WebCFPT的輸入數(shù)據(jù)除了傳統(tǒng)的消費者數(shù)據(jù)庫 、 購買記錄數(shù)據(jù)庫和 web日志等 ， 還要求輸入產(chǎn)品數(shù)據(jù)庫 ， 即產(chǎn)品的分類等信息 。 主講人：舒彤 博士 手機： 13087316938 Email： 2023/2/4 89 ? WebCFPT的推薦過程 : – 粒度規(guī)范 – 生成消費者特征 – 生成最近鄰居 – 產(chǎn)生推薦 產(chǎn)品數(shù)據(jù)庫 消費者數(shù)據(jù)庫 購買數(shù)據(jù)庫 Web日志 粒度規(guī)范 產(chǎn)生消費者特征 生產(chǎn)最近鄰居 產(chǎn)生推薦 基于產(chǎn)品分類學的協(xié)同推薦 主講人：舒彤 博士 手機： 13087316938 Email： 2023/2/4 90 ? 基于產(chǎn)品分類學 、 決策樹和關聯(lián)規(guī)則的個性化推薦 – WebCFPT引入產(chǎn)品分類學的目的是為了改善基于協(xié)同過濾的推薦性能 ， 其本質(zhì)上仍屬于協(xié)同過濾的范疇 ， 也可直接用產(chǎn)品分類學來進行個性化推薦 (WebCFDT)。 – WebCFDT的主要目的是在一定的時間限制下 ， 將特定類別的產(chǎn)品僅向有可能產(chǎn)生購買行為的消費者推薦 。 其基本過程分為四個階段： – 第一階段 ， 識別目標消費者 。 用決策樹方法識別目標消費者的目的是只向可能購買的消費者推薦產(chǎn)品 。 如果識別出某些消費者根本不可能購買某類產(chǎn)品 ， 那么在推薦的過程中 ， 這些消費者就不可能成為該類產(chǎn)品的推薦目標 。 主講人：舒彤 博士 手機： 13087316938 Email： 2023/2/4 91 – 第二階段 ， 發(fā)現(xiàn)產(chǎn)品之間的聯(lián)系 。 WebCFDT采用關聯(lián)規(guī)則挖掘的方法識別產(chǎn)品之間的聯(lián)系 ， 關聯(lián)規(guī)則挖掘的對象包括消費者放入購物籃的產(chǎn)品和購買的產(chǎn)品兩部分 。 分別在曾經(jīng)購買過的產(chǎn)品和曾經(jīng)放入購物籃的產(chǎn)品之間建立不同程度的關聯(lián) ， 形成產(chǎn)品關聯(lián)矩陣 。 – 第三階段 ， 發(fā)現(xiàn)消費者偏好 。 根據(jù)消費者對某類產(chǎn)品曾經(jīng)購買過的次數(shù) ， 曾經(jīng)點擊過的次數(shù)和曾經(jīng)放入購物籃的次數(shù)加權計算消費者對該類產(chǎn)品的偏好程度 ， 構建消費者偏好模型 。權重從大到小依次為：購買過的產(chǎn)品 、 放入購物籃的產(chǎn)品 、點擊過的產(chǎn)品 。 – 第四階段 ， 向消費者推薦產(chǎn)品 。 根據(jù)消費者偏好模型和產(chǎn)品關聯(lián)矩陣 ， 計算消費者與每一類別產(chǎn)品的匹配程度 ， 進而向消費者推薦一定數(shù)量的產(chǎn)品 。 主講人：舒彤 博士 手機： 13087316938 Email： 2023/2/4 92 ? 基于產(chǎn)品分類學的新產(chǎn)品推薦 – 基于產(chǎn)品分類學和客戶分類的個性化推薦方法是為了縮短消費者在電子商務網(wǎng)站中搜尋產(chǎn)品所用的時間 ， 實時有效的為客戶提供服務 ， 獲得客戶獨特而且詳細的需求 ， 進而為其提供個性化的購買清單 ， 以識別客戶購買行為 。 該方法可以適應增加新產(chǎn)品 、 品牌或二者同時增加時所引起的變化 ， 通過分析消費者對不同品牌產(chǎn)品的偏好向其提供不同的推薦 。 其推薦的過程如下： – 第一步 ， 按照產(chǎn)品分類學的方法對產(chǎn)品進行分類 ， 主要是在考慮產(chǎn)品品牌的基礎上對產(chǎn)品進行分類； – 第二步 ， 計算消費者對不同產(chǎn)品和不同品牌的當前再購買趨勢 ， 計算時主要考慮對某產(chǎn)品或品牌的購買數(shù)量 、 購買金額以及購買的時間等因素； 主講人：舒彤 博士 手機： 13087316938 Email： 2023/2/4 93 – 第三步 ， 對消費者進行個性化推薦 。 推薦過程中 ， 首先判斷是不是對新產(chǎn)品進行推薦 ， 如果是 ， 則按照新產(chǎn)品推薦的方法 ，采用 RSRM方法進行推薦；如果不是 ， 則首先進行精細推薦 ，如果精細推薦得不到理想的結果 ， 則進行 RSRM推薦 。 ? 所謂精細推薦 ， 就是利用消費者以前的購買信息 ， 計算其對每一種產(chǎn)品的忠誠度 ，