SASEM数据挖掘2关联规则.ppt

Copyright ? 2006, SAS Institute Inc. All rights reserved. * Lets start with our understanding of your challenges Copyright ? 2006, SAS Institute Inc. All rights reserved. * Copyright ? 2006, SAS Institute Inc. All rights reserved. * Copyright ? 2006, SAS Institute Inc. All rights reserved. * Copyright ? 2006, SAS Institute Inc. All rights reserved. * Copyright ? 2006, SAS Institute Inc. All rights reserved. * Copyright ? 2006, SAS Institute Inc. All rights reserved. * Copyright ? 2006, SAS Institute Inc. All rights reserved. * Copyright ? 2006, SAS Institute Inc. All rights reserved. * Copyright ? 2006, SAS Institute Inc. All rights reserved. * Copyright ? 2006, SAS Institute Inc. All rights reserved. * Copyright ? 2006, SAS Institute Inc. All rights reserved. * Copyright ? 2006, SAS Institute Inc. All rights reserved. * Copyright ? 2006, SAS Institute Inc. All rights reserved. * 1. 更深入地了解客户 客户是谁? 客户的特征和需求是什么 ? 怎样才能配合和满足客户 ? 2. 为每位客户确定最适合的产品 产品的关联性 购买倾向模型 优化再造 4 更深入地了解客户 优化再造 4 他们想要多少客户群？需要什么数据来区分客户群？ 应用的数据包括客户个人和在银行中业务行为的资料 将500万个人客户划分为8个分组，例如： 学生, 已婚男性, 家庭主妇, 等等 初步尝试 (聚类) 把具备相似个人特征的客户聚为一类 在上述聚类的基础上，根据客户的银行业务特征，进一步细分，以区别银行业务联系的广度和深度 将客户划分为3~4个群组，包括：卓越、优秀、一般、较差 进一步尝试 (两阶段聚类) 先从人口统计特征来对客户聚类，然后再根据业务行为特征来进行进一步细分 客户细分将有助于了解客户群的成分 应用机会 已婚男性 “优秀” 简单描述: 持有3－5个产品，高交易者（主要是ATM），有极高的贷款关联，在核心产品上有最高的渗透力 假设 : 这些客户在个人特征和银行业务行为上都是相似的，因此他们的需求也会相似，比如：在寿险产品和非寿险产品的偏好上他们具有一致的趋同性 行动 : 他们从这个分组中随机抽样，并且把它作为非寿险产品直邮市场推广中的一个目标组 成效 : “非寿险产品直邮市场推广” ?回复率 0.8% 相对 0.4% (全部) 优化再造 4 为每位客户确定最适合的产品 回顾认购产品次序的历史模式，利用这个逻辑来提供简单的交叉销售建议。 最大的挑战 :只从产品开立和停户的次序怎样有效提供销售建议? 最后的尝试 : (联想)找出每一个客户组的产品开立和停户的次序 定义 : “置信度” 被定义为联想的强度 O_SAV-O_CRD-O_PIL O_SAV-O_CRD “支持度” 被定义为这种联想在数据库里发生的频率. O_SAV-OCRD-O_PIL 优化再造 4 应用 从历史模式提供简单的交叉销售建议 模式的确立 : 支持 置信 20 28 O_SAV - O_CRD - O_PIL 19 27 O_SAV - O_CRD - O_CRD 15 22 O_SAV - O_CRD - O_NINS 12 17 O_SAV - O_CRD - O_SEE etc. 比方说一个客户开了一个储蓄帐户，随后又开了一个信用卡，那么下一个产品将是什么？ 答案 : O_PIL 可能的行为 :为不同个人特征客户组度身定做销售渠道 优化再造 4 实况确认 Live Validation : Gainsc