【2018年必威体育精装版整理】数据挖掘经典案例.ppt

【2018年必威体育精装版整理】数据挖掘经典案例.ppt

  1. 1、本文档共75页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
【2018年必威体育精装版整理】数据挖掘经典案例

*. 移动对对碰与其他产品/业务的关联关系 移动对对碰与语音信箱、移动梦网、随E行、数据通信、呼转小叮铛、彩信、百宝箱、20元/0元GPRS套餐都有正向关联关系。 *. 移动对对碰——客户分组交叉销售机会 IP 长聊组 IP 长途组 节约 通话组 短信 潜力组 长话 短说组 本地 小康组 短信 专家组 长途 电话组 夜间 积极组 长话 长说组 等待 接听组 本地 繁忙组 情深 语长组 热衷 转移组 差旅 人士组 (次) 移动对对碰——分组普及率分析 #7短信专家组、#4短信潜力组用户对移动对对碰的兴趣相当较浓,可作为大规模推广移动对对碰的突破口。#9夜间积极组、#15差旅人士组、#8组长途电话组根据用户行为分析,也应用有较大的交叉销售机会。 *. 某移动全球通GPRS定向销售回应率曲线说明 说明: 从左表中我们可以看出,不对用户群特征进行研究,对10%的客户进行市场活动,获得的客户响应人数百分比只能是10%; 进行了用户群特征研究,我们对10%目标客户做市场活动,就可以获得约53.4%的顾客响应。 采用定向销售分析后,不仅提高了市场活动的命中率,也减少了市场活动的经费。 *. 交叉销售模型(GPRS定向销售)因素分析举例:漫游平均次数 随着漫游平均次数的提高,GPRS的销售回应率呈上升趋势。 *. 一个真实的信用管理失误的故事 某用户是中国移动全球通用户,ARPU值800元左右,在网时间超过5年 同时用于随e行上网卡一个,200元包月 每月向中国移动贡献大约1000元收入 对中国移动有较高的忠诚度 最近由于其欠费0.7元随e行短信费用被停机,停机前没有收到移动正式的停机通知或欠费催缴通知 该用户先抱怨GPRS网络不稳定,后来发现同事可以上网,就怀疑网卡有问题,最后当发现是中国移动由于0.7元而停机导致其不能在差旅途中上网并为他带来很多麻烦时,他愤怒了…… *. 坏帐控制背后的故事 某公司日停机用户与销售收入损失 停机 人数 损失 *. 客户信用评分模型 *. 中国移动集团结合国内外实际情况提出数据挖掘营销应用规划 客户行为细分模型 客户流失倾向 预警模型 价格敏感度模型 客户信用评分模型 交叉销售模型 营销效果预测模型 客户价值 评估模型 *. 议 题 移动通信行业营销热点话题回顾 数据挖掘模型与案例选讲 客户行为细分模型及案例选讲 客户离网预警模型及案例选讲 客户交叉销售模型与案例简介 客户信用评分模型与案例简介 客户综合价值模型与案例简介 数据挖掘项目工作方法 *. 三类用户细分方法介绍 易于辩认 易于集中媒介沟通渠道 易于组织分销 以地理位置,人口特征为基准的细分市场 以需求为基准的细分市场 以心理性向/生活方式为基准的细分市场 描述性的因素, 不足以预测其未来购买行为 知道品牌X牙膏主要俏于南方, 购买者是教育程度高的女性 是驱动因素(好处是什么?) 在市场日趋成熟复杂和多样化的形势下更显重要 可以帮助营销活动的方方面面建立策略, 赢得目标人群 如果不结合其他信息就用处不大 知道品牌X牙膏使用者在寻找具有防止牙龋有效手段的产品优惠 是驱动因素(为什么有这种要求) 为消费者人格背景提供更完整的信息 为广告渠道策划提供思路 对产品/服务的具体方向往往不能给出明确的方向 知道品牌X的消费者非常关心自已和家人的健康, 具有责任心强的品质 好处 问题 举例 对行为的预测性提高 *. 为什么要建立客户行为细分模型 0 200 500 低 端 中 端 高 端 ARPU值相似的客户需求特点却差别很大 客户细 分之谜 根据ARPU值进行客户细分的方法 基于数据挖掘技术的以需求为基准的细分 客户行为- 价值细分模型 海量客户 行为数据/ 特征数据 组内行为特点相似组间行为差异较大的客户分组 *. 客户行为细分模型通过上百个变量描述客户 性别 年龄 建档时间 证件号码 缴款方式 信息费 应收金额 优惠金额 滞纳金应收 SMS次数 国际呼叫 呼入/呼出比例 短消息话单类型 信息长度 赠送费用 呼转类型 漫游话费 通话时长 赠送分钟数 费用类型 动态漫游号 IMSI号码 月均基本通话 月均国内长途 工作日呼叫次数 工作日呼叫时间 WAP呼叫时间 繁忙时段呼叫次数 非繁忙时段呼叫次数 SMS次数 WAP次数 IP呼叫次数 语音呼叫次数 非语音呼叫次数 月均国际长途 非IP呼叫时间 *. 自动生成影响客户分组的主要因子 因子分析 性别 年龄 缴款方式 SMS次数 国际呼叫 其它… 优惠金额 短消息话单类型 赠送费用 费用类型 漫游次数 应收金额 IDD次数 月均国内长途 月均基本通话 非语音呼叫次数 SMS次数 WAP次数 月均国际长途 语音呼叫次数 费用类型 *. 客户根据自身所具有的特征自动聚为一些行为特点相似的群体 低 高 高 高 1 2

您可能关注的文档

文档评论(0)

jiupshaieuk12 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:6212135231000003

1亿VIP精品文档

相关文档