基于数据挖掘技术的精确智能营销介绍.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 基于客户综合价值评分的市场营销建议 *. 市场营销建议 此类客户约占客户整体的6%，非客户主体； 客户的培育和挽留价值都不大； 建议通过品牌整合，将这部分客户根据其特征分流到某移动的其它品牌，打造全球通后付费品牌的高端市场形象。 稳 定 性 发 展 性 低 中 高 低 中 高 #1 #2 #5 #6 #8 #3 #4 #9 #10 #7 1 2 3 4 5 6 9 8 7 第五十四页，共七十三页。 分析智能营销系统可内嵌以上各类模型 *. 流失预警模型 交叉销售模型 客户行为细分模型 更多模型 营销信息预警 营销方案策划 绩效管理 主动营销 客户 行为数据 业务系统 数据仓库 数据挖掘 模型 行为数据 行为数据 客户挽留 营销信息层 分析企划层 管理实施层 第五十五页，共七十三页。 分析智能营销系统管理思想 *. 外部市场竞争形势 内部营销管理能力 营销策略与客户管理策略 策略 流程 技术 数据挖掘与分析模型 成长 学习 系统模块 客户挽留 客户培育 客户获取 客户细分与分析 最佳管理实践 第五十六页，共七十三页。 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 数据挖掘项目工作方法 第五十七页，共七十三页。 方法论一：建模紧密结合应用 *. 模型评分 自动化 应用 建议 评分 建模 数据 处理 1 2 3 4 5 0 行业理解、需求定义 第五十八页，共七十三页。 行业理解、需求定义 *. 行业研究 行业结构及主要企业的竞争行为 国家法律政策、技术进步或其他因素引起的行业变化 行业内各企业关注的热点问题 行业内各企业的营销及管理现状 需求定义 明确客户需要解决的问题 例如，客户流失率高居不下 定义帮助客户解决问题的数据挖掘模型及模型的输出成果 例如，预测未来2个月可能流失的ARPU值大于100元的客户名单 数据挖掘项目 做什么 为什么做 具体怎么做 如何应用 第五十九页，共七十三页。 数据准备 个人信息 手机号、联系人、开户日期、地区编号、性别、出生日期、联系地址、帐单地址、付费方式、销户日期等等 话单数据 手机号、呼叫类型、对方号码、通话开始时间、通话时长、地区号、对方所在区号、漫游类型、长途类型、长途分组、IP电话类型、业务类型等等 帐单信息 手机号、帐单开始日期、结束日期、帐单总金额、月租费、月租功能费、滞纳金、最后付费日期、销帐日期、积分情况等等 1860信息 … … *. 第六十页，共七十三页。 数据处理 数据处理是建立模型前的必要准备工作 处理残缺和孤立数据 产生衍生变量 分析因变量和自变量的相关性 *. 第六十一页，共七十三页。 建模 建模是从历史数据和结果中找出深层的关系和规律 例如，选择流失客户和未流失客户产生决策树 *. 5000流失 5000未流失 3000流失 1500未流失 2000流失 3500未流失 2000流失 800未流失 1000流失 700未流失 入网时间=1年 入网时间1年 年龄=30岁 年龄30岁 示例 第六十二页，共七十三页。 评分表 *. 流失倾向评分 组别 Rate 500 1 450 2 400 2 350 3 300 4 250 4 200 5 150 5 100 6 高流失倾向 警戒线 低流失倾向 示例 第六十三页，共七十三页。 方法论二：项目联合团队 *. XX分析 （高层领导） 中国移动 （主管领导） 项目领导委员会 XX分析 移动行业经理 中国移动 （数据挖掘项目经理） 项目经理 数据处理人员 模型构建人员 成果展现人员 营销咨询人员 数据准备人员 营销应用人员 项目小组 项目小组 数据分析人员 第六十四页，共七十三页。 方法论三：知识转移伴随项目进展 *. XX分析 中国移动 数据处理、 模型评分、营销应用 第六十五页，共七十三页。 方法论四：循序渐进的模型应用 *. 客户价值评估和细分模型 客户信用度管理模型 离网倾向预警模型 在运营商初次接触数据挖掘模型应用时，分析一般会循序渐进地向客户推广模型的应用 更多模型… 第六十六页，共七十三页。 方法论五：持续地转变促成支持工作 *. 现状 未来 数据挖掘模型的搭建 基于数据挖掘的管理应用 第六十七页，共七十三页。 中国数据挖掘咨询实践经验总结 各模型的建设与应用需要紧密结合运营商的实际需要 数据挖掘在借鉴国际经验的基础上要不断进行创新 数据挖掘应用既要有短期成效，又要有不断深化 数据挖掘项目需要公司领导的大力支持，需要计费中心、市场经营部等