【正文】 交互檢測(cè)（ CHAID）10 *營(yíng)銷策略客戶保持?基于獎(jiǎng)賞及高成本事件驅(qū)動(dòng)的保持策略?專注的 , 區(qū)分優(yōu)先級(jí)的 Call center支持客戶獲取?刻畫子分群的特征?建立跟蹤系統(tǒng)（ tracking systems）以從價(jià)值的角度監(jiān)控新來(lái)的客戶交叉銷售?對(duì)高價(jià)值客戶進(jìn)行交叉銷售會(huì)產(chǎn)生更大的收益經(jīng)常地 , 頭 20%的客戶貢獻(xiàn)了將近 100% 的整體利潤(rùn) . 這些客戶對(duì) CRM策略開(kāi)發(fā)是至關(guān)重要的。新客戶的獲取包括發(fā)現(xiàn)那些對(duì)你的產(chǎn)品不了解的客戶，也包括以前接受你的競(jìng)爭(zhēng)對(duì)手服務(wù)的顧客。? 客戶保持中的數(shù)量方法 流失預(yù)測(cè)模型 客戶忠誠(chéng)度模型16 *交叉銷售與提升銷售? 交叉營(yíng)銷是指你向現(xiàn)有的客戶提供新的產(chǎn)品和服務(wù)的營(yíng)銷過(guò)程。雙方的目標(biāo)是達(dá)到雙贏的結(jié)果，客戶獲益是由于他們得到了更好更貼切的服務(wù)質(zhì)量，商家則因?yàn)樵黾愉N售量獲利。20 *營(yíng)銷活動(dòng)管理 CMP需求名稱： 營(yíng)銷活動(dòng)管理（ CMP） 提出時(shí)間： 20230101需求提出部門： 市場(chǎng)部需求內(nèi)容描述：營(yíng)銷活動(dòng)管理。同時(shí)營(yíng)銷活動(dòng)完成以后進(jìn)行營(yíng)銷活動(dòng)的評(píng)估。需求數(shù)據(jù)要求： 目前系統(tǒng)數(shù)據(jù)支撐需求優(yōu)先級(jí)別： 高需求實(shí)施難度： 較高要求配合部門： 業(yè)務(wù)支撐中心、客戶服務(wù)部其他說(shuō)明： 全省推廣需求，劉鵬負(fù)責(zé)　 　需求分析和定位：屬于 05年的需求，已經(jīng)納入日常維護(hù)，今年需要推廣。省公司時(shí)間規(guī)劃：、市二級(jí)規(guī)劃，東莞和佛山推廣21 *KPI預(yù)測(cè)模型需求名稱： KPI預(yù)測(cè)模型 提出時(shí)間： 20230223需求提出部門： 東莞公司需求內(nèi)容描述：KPI指標(biāo)中的收入指標(biāo)作為核心指標(biāo)，規(guī)劃和預(yù)測(cè)十分重要。實(shí)現(xiàn)邏輯：將當(dāng)期營(yíng)收款細(xì)拆為 “當(dāng)期收入 ”（如購(gòu)卡收入、補(bǔ)換卡收入、后付費(fèi)收入等）與 “分期劃扣收入 ”（充值卡收入、營(yíng)銷活動(dòng)預(yù)存款收入等）兩個(gè)部分。 推廣過(guò)去，針對(duì) KPI指標(biāo)的重要指標(biāo)（如收入、業(yè)務(wù)量等）都可以進(jìn)行規(guī)劃和預(yù)測(cè)，有效的幫助各部門制定相關(guān)的政策策略。需求優(yōu)先級(jí)別： 需求級(jí)別待定。22 *個(gè)人客戶分群需求名稱： 個(gè)人客戶分群 提出時(shí)間： 20230223需求提出部門： 佛山公司需求內(nèi)容描述： 每個(gè)人作為消費(fèi)者其對(duì)同一種產(chǎn)品的具體功能需求和關(guān)注點(diǎn)是不同的，因此作為為用戶服務(wù)的企業(yè)，必須盡可能的考慮這些差異，發(fā)現(xiàn)這些存在于客戶整體內(nèi)部的具有不同特征或消費(fèi)習(xí)慣的客戶群體，然后再根據(jù)每個(gè)群體的特征執(zhí)行針對(duì)性的管理或營(yíng)銷策略。 通過(guò)對(duì)客戶合理的類別劃分，并對(duì)當(dāng)前客戶以及預(yù)期的客戶群作區(qū)段分析，判斷不同區(qū)段的突出特點(diǎn)，對(duì)客戶總體構(gòu)成有準(zhǔn)確的認(rèn)識(shí)，對(duì)客戶的服務(wù)和營(yíng)銷更具針對(duì)性。需求優(yōu)先級(jí)別： 中等需求實(shí)施難度： 中等要求配合部門： 業(yè)務(wù)支撐中心、市場(chǎng)部、數(shù)據(jù)業(yè)務(wù)中心其他說(shuō)明： 區(qū)域接口人負(fù)責(zé)（劉敏）需求分析和定位： 需求可行。通過(guò)對(duì)客戶合理的類別劃分，并對(duì)當(dāng)前客戶以及預(yù)期的客戶群作區(qū)段分析，判斷不同區(qū)段的突出特點(diǎn)，對(duì)客戶總體構(gòu)成有準(zhǔn)確的認(rèn)識(shí)，對(duì)客戶的服務(wù)和營(yíng)銷更具針對(duì)性。23 *個(gè)人客戶價(jià)值評(píng)估需求名稱： 個(gè)人客戶價(jià)值評(píng)估 提出時(shí)間： 20230223需求提出部門： 市場(chǎng)部需求內(nèi)容描述：有區(qū)別的看待個(gè)人客戶的差異性，觀察其價(jià)值特征變化，綜合考慮成本，用戶成長(zhǎng)度，客戶消費(fèi)等因素，通過(guò)建模量化個(gè)人客戶對(duì)公司的貢獻(xiàn)和價(jià)值。需求時(shí)間計(jì)劃： 06年 3月廣州數(shù)據(jù)集市試點(diǎn)需求數(shù)據(jù)要求： 目前系統(tǒng)數(shù)據(jù)支撐需求優(yōu)先級(jí)別： 高需求實(shí)施難度： 高要求配合部門： 業(yè)務(wù)支撐中心、財(cái)務(wù)部其他說(shuō)明： 負(fù)責(zé)人待定需求分析和定位： 個(gè)人客戶價(jià)值如果考慮成本分?jǐn)偅枰蓉?cái)務(wù)部開(kāi)展的成本分?jǐn)偼瓿珊蟛拍芸紤]到地市的實(shí)施。省公司想法是作為一個(gè)科研項(xiàng)目來(lái)研究和分析，希望能研究一些成果幫助市公司的市場(chǎng)分析和營(yíng)銷策略。需求數(shù)據(jù)要求： 目前系統(tǒng)數(shù)據(jù)支撐需求優(yōu)先級(jí)別： 高需求實(shí)施難度： 高要求配合部門： 業(yè)務(wù)支撐中心、市場(chǎng)部其他說(shuō)明： 試點(diǎn)科研項(xiàng)目，鄧逸斌、劉鵬負(fù)責(zé)　需求分析和定位：題目比較難，優(yōu)先級(jí)別比較高，先按照省公司的思路和計(jì)劃安排走。 本研究的內(nèi)容主要包括分析并總結(jié)產(chǎn)品生命周期變遷過(guò)程中對(duì)階段性轉(zhuǎn)折點(diǎn)具有前瞻警示作用的業(yè)務(wù)指標(biāo)，并在此基礎(chǔ)之上構(gòu)建切實(shí)可行的關(guān)鍵指標(biāo)體系25 *報(bào)告內(nèi)容v 原理篇? 客戶關(guān)系管理中的數(shù)量方法v 方法篇? 數(shù)據(jù)分析方法概論? 統(tǒng)計(jì)分析方法? 數(shù)據(jù)挖掘分析方法v 工具篇? 常用數(shù)據(jù)分析工具簡(jiǎn)介v 總結(jié)? 基本結(jié)論26 *數(shù)量分析方法（ Quantitative Analysis）? 數(shù)量分析是對(duì)事物的數(shù)量特征、數(shù)量關(guān)系與數(shù)量變化的分析。? 數(shù)量分析的類型 按照分析的目的– 探索性數(shù)據(jù)分析– 描述性數(shù)據(jù)分析– 解釋性數(shù)據(jù)分析 按照問(wèn)題的本質(zhì)– 確定性分析– 不確定性分析30 *認(rèn)識(shí)分析數(shù)據(jù)：數(shù)據(jù)測(cè)量尺度? 名義尺度? 有序尺度? 間隔尺度? 比例尺度31 *認(rèn)識(shí)分析數(shù)據(jù)：數(shù)據(jù)結(jié)構(gòu)類型? 截面數(shù)據(jù)（ Crosssection Data）? 時(shí)間序列數(shù)據(jù)（ Timeseries Data）? 面板數(shù)據(jù)（ Panel Data）32 *數(shù)據(jù)分析的出發(fā)點(diǎn)：數(shù)據(jù)矩陣? 截面數(shù)據(jù)（ Crosssection Data）? 時(shí)間序列數(shù)據(jù)（ Timeseries Data）? 面板數(shù)據(jù)（ Panel Data）33 *常用的統(tǒng)計(jì)分析方法? 數(shù)據(jù)分類分析 聚類分析 判別分析? 數(shù)據(jù)化簡(jiǎn)分析 主成分分析 因子分析? 數(shù)據(jù)相關(guān)分析 回歸分析 典型相關(guān)分析? 數(shù)據(jù)預(yù)測(cè)分析 時(shí)間序列預(yù)測(cè)34 *什么是數(shù)據(jù)挖掘？DataInformationKnowledgeWisdomn存在太多數(shù)據(jù)挖掘的定義，但基本上有這樣一種描述結(jié)構(gòu)? To find / discover / extract / dredge / harvest 、? Interesting / novel / useful / implicit / actable / meaningful 、? Information / knowledge / patterns / trends / rules / anomalies 、? In massive data / large data set / large database / data warehouse 、Data + contextInformation + rulesKnowledge + experience35 *為什么會(huì)出現(xiàn)數(shù)據(jù)挖掘？n數(shù)據(jù)爆炸性增長(zhǎng)是數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生的根本原因。? 目前仍無(wú)很好的解決辦法，很大程度上仍依靠人工? 不存在解決這個(gè)問(wèn)題的簡(jiǎn)單技術(shù)，最終答案是不要把數(shù)據(jù)挖掘當(dāng)作脫離數(shù)據(jù)內(nèi)涵的簡(jiǎn)單技術(shù)來(lái)運(yùn)用? 客觀興趣度：基于統(tǒng)計(jì)或模式的結(jié)構(gòu)，如統(tǒng)計(jì)量、支持度、 lift等? 主觀興趣度：基于用戶對(duì)數(shù)據(jù)的確信程度，如意外程度、新奇程度或者可行動(dòng)性等? 過(guò)度擬合（ Overfitting）問(wèn)題42 *什么不是數(shù)據(jù)挖掘？n定量分析（ Quantitative Analysis）的需要存在企業(yè)管理運(yùn)行的各個(gè)側(cè)面或環(huán)節(jié)，但并非所有的定量分析問(wèn)題都可以歸結(jié)到數(shù)據(jù)挖掘范疇的問(wèn)題。 A ? C (50%, %)216。3000人玩籃球252。2023人既玩籃球又吃谷類食品216。 play basketball ? not eat cereal [20%, %] 其實(shí)是一個(gè)更精確的規(guī)則 , 盡管它的支持度和置信度都比較低48 *關(guān)聯(lián)規(guī)則的應(yīng)用n市場(chǎng)購(gòu)物籃分析（ Market Basket Analysis）? 例如一個(gè)事務(wù)是客戶的一個(gè)購(gòu)物清單，同一客戶的兩份清單被認(rèn)為是兩個(gè)不同的事務(wù)? 數(shù)據(jù)項(xiàng)是所有可能陳列貨物的全集? 目標(biāo)是發(fā)現(xiàn)同時(shí)出現(xiàn)的貨品組合間的關(guān)聯(lián)模式? 應(yīng)用：商品貨價(jià)設(shè)計(jì)、倉(cāng)儲(chǔ)規(guī)劃、網(wǎng)頁(yè)布局、產(chǎn)品目錄設(shè)計(jì)等等n交叉銷售（ Cross Selling）? 客戶依次購(gòu)買不同產(chǎn)品的序列? 目標(biāo)是發(fā)現(xiàn)在購(gòu)買某一產(chǎn)品組合之后客戶可能購(gòu)買的另一產(chǎn)品或服務(wù)? 應(yīng)用：網(wǎng)絡(luò)故障分析、網(wǎng)站門戶設(shè)計(jì)等49 *分類問(wèn)題的基本定義n給定一數(shù)據(jù)集合（訓(xùn)練集）? 數(shù)據(jù)記錄由一系列變量組成? 其中有一個(gè)變量是目標(biāo)分類標(biāo)簽n尋找一模型，使目標(biāo)分類變量值是其他變量值的一個(gè)函數(shù)n利用上述函數(shù)，一未知分類變量值的數(shù)據(jù)記錄能夠盡可能準(zhǔn)確地被判定到某一類別中去? 一般會(huì)有另一獨(dú)立地?cái)?shù)據(jù)集（測(cè)試集）用以驗(yàn)證所構(gòu)建分類函數(shù)的準(zhǔn)確性，避免過(guò)度擬合50 *分類過(guò)程示意訓(xùn)練集 分類學(xué)習(xí)訓(xùn)練集分類器IF rank = ‘professor’OR years 6THEN tenured = ‘yes’Jef is YES!