客户关系管理4[002].pptVIP

.*客户行为细分0200500低端中端高端客户细分之谜根据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（续）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.*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.*数据挖掘自动生成影响客户分组的主要因子性别年龄缴款方式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因子分析.*聚类分析－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12845376因素二（国内呼叫次数）因素三（IP呼叫次数）因素一（繁忙时段呼叫次数）示例.*联机分析处理技术(续)三、OLAP的实现方式按照多维数据模型的不同实现方式MOLAP（MultidimensionalOLAP）－多维ROLAP（RelationalOLAP）－关系HOLAP（HybridOLAP）－混合.*MOLAPMOLAP结构以多维立方体CUBE来组织数据,以多维数组来存储数据,支持直接对多维数据的各种操作。多维数据库(Multi-DimensionDataBase,简记为MDDB)。.*ROLAPROLAP结构用RDBMS或扩展的RDBMS来管理多维数据，用关系的表来组织和存储多维数据两类表:一类是事实(fact)表，另一类是维表事实表用来描述和存储多维立方体的度量值及各个维的码值；维表用来描述维信息。ROLAP用“星形模式”和“雪片模式”来表示多维数据模型.*ROLAP(续)星形模式（StarSchema）通常由一个中心表(事实表)和一组维表组成星形模式的中心是销售事实表维表有时间维表、顾客维表、销售员维表、制造商维表和产品维表.*ROLAP(续)雪片模式就是对维表按层次进一步细化后形成的.*HOLAP(续)HOLAP基于混合数据组织的OLAP实现（HybridOLAP）,具有更好的灵活性。低层是关系型的高层是多维矩阵型的.*前台工具:包括查询报表工具、多维分析工具、数据挖掘工具和分析结果可视化工具等数据仓库管理:安全和特权管理；跟踪数据的更新；数据质量检查；管理和更新元数据；审计和报告数据仓库的使用和状态；删除数据；复制、分割和分发数据；备份和恢复；存储管理。.*数据仓库的实施步骤DW项目计划业务需求分析数据线实施数据仓库设计数据预处理:ETL数据维护技术线技术选择产品选择应用线系统运行维护.*演示:AnalysisManagerMicrosoftSQLServer的多维数据模型:以FoodMartCorporation为例，建立三个多维数据集，即Marketing（市场营销）、HR（人力资源）和ExpenseBudget（开支预算）设置系统数据源名称（DSN）建立数据库和数据源建立事实数据表和维度表设计多维数据的存储模式:多维OLAP(MOLAP)、关系OLAP(ROLAP)或混合OLAP(HOLAP).*数据挖掘的定义数据挖掘－DataMining技术角度的定义数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。商业角度的定义数据挖掘是一种新的商业信息处理技术,其主要特点是对商业数据库中的海量业务数据进行抽取、转换、分析和其他模型化处理,从中提取辅助商业决策的关键性数据。.*为什么要数据挖掘?—潜在的应用数据分析和决策支持市场分析和管理目标市场定位,客户关系管理