【正文】 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。從中選取響應率高的客戶開展新產(chǎn)品營銷活動。：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(chǎn)品，該銀行決定執(zhí)行直接營銷活動?？蛻糇陨淼钠脤τ跔I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。同時，過多的營銷活動，也會增加營銷成本。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。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。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。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。要開展這樣的營銷活動，首先需要回答以下幾個問題： ? 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。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。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。目標變量是預測誰會對某種產(chǎn)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(chǎn)品的時間，客戶最近一個月的購買頻率等。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。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。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。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。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。：五個類別的投資賬戶余額的直方圖 4. 營銷響應為了發(fā)展新客戶和推廣新產(chǎn)品，企業(yè)通常會針對潛在客戶推出各種直接營銷活動。 如此，如果Z銀行能夠促銷新產(chǎn)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。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。對于其他的分類輸入變量來講可以繪出相似的分布圖。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。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。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。：兩步聚類分析結果 。對于我們的演示，這里僅僅使用了兩步聚類。在這種情形下，不需要設定目標變量。進而，高價值投資組合客戶的特征就由這些變量來決定。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。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。這里我們使用SPSS公司的數(shù)據(jù)挖掘軟件Clementine。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。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(chǎn)品。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。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。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）。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）。（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。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。這種方法運算速度快，適合于大數(shù)據(jù)量。聚類分析方法至少有以下幾類：（1）KMeans聚類法。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(chǎn)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?？傊蛻艏毞质墙鹑跈C構與用戶二者實現(xiàn)雙贏的重要舉措。第六步：應用細分模型。在對用戶群進行細分之后，會得到多個細分的客戶群體，但是，并不是得到的每個細分都是有效的。常用的聚類算法有Kmeans、兩步聚類、Kohonen網(wǎng)絡等，可以根據(jù)不同的數(shù)據(jù)情況和需要選擇不同聚類算法來進行客戶細分。第四步：選擇細分技術。人口統(tǒng)計數(shù)據(jù)(如年齡、性別、工作等)可根據(jù)客戶辦理業(yè)務時，提供給金融機構的信息獲得。在金融業(yè)中進行客戶行為細分通常需要行為數(shù)據(jù)和人口統(tǒng)計數(shù)據(jù)等類型的數(shù)據(jù)。為創(chuàng)建數(shù)據(jù)模型，必須使用收集到的原始數(shù)據(jù)，并將其轉換成數(shù)據(jù)模型所支持的格式。此外，變量的選擇還應該有一定的數(shù)量，多了不好，少了也不好。第二步：選擇市場細分變量。在使用數(shù)據(jù)挖掘開發(fā)客戶細分時，最重要的部分是其結果應當在業(yè)務遠景中意義深遠，并且能夠在實際業(yè)務環(huán)境中進一步得到應用。當這些條件變得越來越復雜時，數(shù)據(jù)挖掘技術就應運而生了?？蛻艏毞挚筛鶕?jù)許多不同條件而進行。清楚地了解客戶也是對每個客戶組采取有針對性措施的基礎。 客戶細分模型的基本流程客戶細分包括六個基本流程：第一步：理解業(yè)務需求。：客戶價值矩陣 客戶細分并沒有統(tǒng)一的模式，企業(yè)往往根據(jù)自身的需要進行客戶細分，研究目的不同，用于客戶細分的方法也不同。在客戶價值矩陣中，確定購買次數(shù)F和平均購買額A的基準是各自的平均值，一旦確定了坐標軸的劃分，客戶就被定位在客戶價值矩陣的某一象限區(qū)間內(nèi)。客戶價值矩陣模型是在對傳統(tǒng)的RFM 模型修正的基礎上提出的改進模型。研究發(fā)現(xiàn)，R值越大、F值越大的客戶越有可能與企業(yè)達成新的交易，M越大的客戶越有可能再次響應企業(yè)的產(chǎn)品和服務。RFM細分模型是根據(jù)消費者消費的間隔、頻率和金額三個變量來識別重點客戶的細分模型。基于消費者消費行為的客戶細分模型研究，主要是以消費者的購買頻率、消費金額等為細分變量，如RFM 模型和客戶價值矩陣模型。最后是模型要有很強的適用能力，變化是絕對的，而穩(wěn)定只是相對的，無論是個人消費者還是消費群體，他們的消費行為都是在變化的，這就要求模型對客戶的細分標準要隨新的情況而不斷更新。一個好的細分模型，首先是要滿足細分深度的要求，不同的使用者對客戶細分的深度也有不同的要求，這就要求模型劃分的結果能滿足不同使用者的需要。 客戶細分模型客戶群細分的目的是為了選擇適合企業(yè)發(fā)展目標和資源條件的目標市場。(4) 穩(wěn)定性。資源總是希缺的，由于缺乏足夠的資源去應對整個客戶群體，因此必須有選擇地分配資源。根據(jù)消費檔次假說，消費者的消費檔次或消費習慣在一段時期內(nèi)是相對穩(wěn)定的，這就為通過消費行為來劃分消費群體提供了理論前提和基礎。隨著經(jīng)濟的發(fā)展和消費者收入水平的提高，消費量會隨之增加。因此可以根據(jù)這種差異來區(qū)分不同的客戶，客戶需求的異質(zhì)性是進行客戶細分的內(nèi)在依據(jù)?？蛻艏毞值睦碚撘罁?jù)主要有：(1) 客戶需求的異質(zhì)性。通過客戶細分，企業(yè)可以更好地識別不同客戶群體對企業(yè)的價值及其需求，以此指導企業(yè)的客戶關系管理，達到吸引合適客戶，保持客戶，建立客戶忠誠的目的。客戶細分是客戶關系管理的核心概念之一，是實施客戶關系管理重要的工具和環(huán)節(jié)。 客戶細分的概念客戶細分的概念是美國市場學家溫德爾?史密斯(Wendeii )于20世紀50年代中期提出來的。一個銀行的客戶是多種多樣的，各個客戶的需求也是千變?nèi)f化的，銀行不可能滿足所有客戶所有的需求，這不僅是由銀行自身條件所限制，而且從經(jīng)濟效益方面來看也是不足取的，因而銀行應該分辨出它能有效為之服務的最具吸引力的市場，揚長避短，而不是四面出擊。3. 客戶細分 信用風險分析隨著金融市場逐步開放，商業(yè)銀行和保險公司面臨著巨大的壓力和挑戰(zhàn)。：流失概率和客戶價值的散點圖 最后需要指出的是在本例中，模型的總體分類精確率是簡化計算的。：模型部署的數(shù)據(jù)流圖 并且可以很好的集成到銀行現(xiàn)有的其他業(yè)務系統(tǒng)中。運行數(shù)據(jù)流后，Clementine自動將結果存儲在逗號分隔的文件中。使用數(shù)據(jù)挖掘的決策樹模型可以用來對現(xiàn)有客戶和新的房貸申請者進行評級。因此，ZBANK可以用決策樹模型判斷哪些客戶傾向于主動流失，然后向他們提供優(yōu)惠措施或采取其它預防措施。要注意的是，客戶流失狀態(tài)滯后輸入變量六個月。：測試集的提升表（左）和三個模型的分析結果（右） （5）模型部署在本例中，決策樹模型不僅精度最高，決策樹的模型也容易理解。 在本例中為了簡單起見，假設總體精確度包括了比較不同預測模型表現(xiàn)的評估標準。所以，不僅要在訓練樣本中比較兩個模型的表現(xiàn)，也要在訓練/測試樣本中進行比較，而后者更加重要。由于每個預測模型都能以有效精度預測目標變量（起碼對于現(xiàn)有客戶和非現(xiàn)有客戶之間的關系），因此我們可以說它們都是有效的。提示值衡量的是當來自數(shù)據(jù)中的某一記錄是一個現(xiàn)有客戶的降序預測概率能被百分點反映時，預測模型“擊中”現(xiàn)有客戶的成功可能性（準確度）有多高。提升表中繪制的是累積提升值與樣本百分比的關系（在這里是構造/培訓樣本）。此外，下列輸入變量在統(tǒng)計時，：儲蓄賬戶余額c（p值=）、活期賬戶余額（p值=）、客戶年齡（p值=）、客戶年收入（p值=）及客戶性別（p值=）。此外，最終要的5個輸入變量是（按照重要性降序排列）：活期賬戶余額、客戶孩子數(shù)目、儲蓄賬戶余額、投資賬戶余額和客戶婚姻狀況。：神經(jīng)網(wǎng)絡模型結果 決策樹模型中有4個終端節(jié)點和僅僅3個重要的輸入變量（按照重要性降序排列）：投資賬戶余額、客戶性別和客戶年齡。： 然后再根據(jù)標志屬性值（4和）=4），利用過濾節(jié)點，將原來的數(shù)據(jù)樣本分成訓練集（約占75%）和測試集（約占25%）。通過分裂節(jié)點，給數(shù)據(jù)集添加一個新的標志屬性。：關聯(lián)分析的部分結果 3）數(shù)據(jù)準備根據(jù)數(shù)據(jù)理解的結果準備建模用的數(shù)據(jù)，包括數(shù)據(jù)選擇、新屬性的派生，數(shù)據(jù)合并等。 這些規(guī)則表明交易和人口統(tǒng)計信息是如何與客戶流失狀態(tài)聯(lián)系起來的。同樣，第三條規(guī)則表明有198名（%的）房貸客戶的活期賬戶余額超過1017美元，%是主動流失的。我們使用Clementine的GRI（廣義規(guī)則歸納）節(jié)點來進行聯(lián)合分析。：兩步聚類的部分結果 本例使用關聯(lián)分析來制訂規(guī)則，尋找輸入變量和目標變量間的關系。 而聚類4中包含的是較年長（平均要比1中大5歲），%已婚，年收入較低（平均要比1中低4000美元）的男性。所產(chǎn)生的聚類特征可用來定義和理解每個聚類以及聚類間的區(qū)別。要注意的是，前面已經(jīng)提到過，客戶流失狀態(tài)滯后輸入變量六個月。那些在一定標準（由用戶定義）之下的聯(lián)系則不包括在圖中（例如在被動流失和選中的一些輸入變量之間）。：各種數(shù)據(jù)分布圖 最后，一幅網(wǎng)狀圖表明了客戶性別，客戶婚姻狀況，信用卡支付方式，客戶流失狀態(tài)之間的聯(lián)系（見圖3下左面板）。 這種對關系的初步評估對于建模是很有用的。將可視化的結果與目標變量聯(lián)系起來，可以看出客戶流失狀態(tài)包含在不同的圖表中。：數(shù)據(jù)審核圖這些描述能幫助理解數(shù)據(jù)。 如數(shù)據(jù)類型、最大最小值、平均值、標準差、偏度、是否唯一、有效記錄個數(shù)等。：數(shù)據(jù)理解的數(shù)據(jù)流圖。 b) 數(shù)據(jù)描述及圖表分析在數(shù)據(jù)理解中，可以利用描述及可視化來幫助探索模式、趨勢和關系。為了讓預測模型能預先進行指示以便采取補救措施，在目標變量（因變量）和輸入變量（自變量）之間設定了6個月的延遲。在開發(fā)這個應用之前，ZBANK將所有現(xiàn)有的客戶歸到上述的三個類別中。被動流失對銀行來說是意義最小的，因為該指標代表的大多數(shù)客戶是在貸款期內(nèi)賣掉了房子，因此不再需要房貸了。其中客戶流失狀態(tài)有三種屬性：（1）被動流失；（2）主動流失，這是分析中特別關注的一類客戶；（3）未流失。利用直方圖、分布圖來初步確定哪些因素可能影響客戶流失。（1）商業(yè)理解預測現(xiàn)有用戶中哪些客戶在未來六個月中可能流失以及對哪些流失客戶采取保留措施。除了保持其戰(zhàn)略性市場主導地位，對于ZBANK來說預測客戶流失的可能性也很重要，以便減少那些獲得不久就拖欠貸款的新客戶。在營銷策略方面，ZBANK給它的房貸新客戶許多的優(yōu)惠措施（如免費的電器和家具優(yōu)惠券），因此它獲得客戶的初始成本相對要高于競爭對手。ZBANK正受到來自其它金融機構日益激烈的競爭?？傊诶脭?shù)據(jù)挖掘研究客戶流失問題時，需要明確并深入理解業(yè)務目標，在明確的業(yè)務目標的基礎上準備數(shù)據(jù)、建模、模型評估，最后將模型部署到企業(yè)中。如果收益大于成本，客戶是高價值客戶，則采取措施對其進行保留。在預測出有較大流失可能性的客戶后，分析該客戶流失對公