数据挖掘基础知识及应用培训.pptVIP

数据挖掘技术知识及应用培训

(内部材料);主要内容;数据挖掘的成功案例;数据挖掘解决的几大类问题;分类问题;聚类问题;关联问题;预测问题;描述统计问题;数据挖掘的误区;主要内容;客户生命周期中各个阶段对应的工作及数据挖掘支撑;不同数据挖掘分析模型概要;主要内容;分类模型的构建方法——评分表;分类模型的构建方法——决策树;假设需要识别的类别是使用飞信、未使用飞信;;为了构建分类模型需要准备一张宽表，有一个有分类标签的目标变量;分类模型在移动行业的典型应用;移动行业哪些问题属于获取新客户问题〔＝目标用户筛选〕;不同生命周期的业务对应的目标用户筛选方法也有所不同;以经验规那么来筛选目标用户例如;以评分表筛选目标用户例如;以决策树规那么筛选目标用户例如;可以构建目标用户筛选模型的业务很多…;目标用户筛选模型结果应用方式;分类模型在移动行业的典型应用;获取1个客户可以保存5个客户；保存2个老客户＝获取3个新客户;定义模型的时间窗口至关重要;建模宽表的整理——注意与目标用户筛选建模时的不同;客户挽留模型的几种目标定义方法;模型结果例如;通过设置测试组评估模型结果好坏以及营销活动的效果;测试比照的结果;经验总结——对预测目标的改善;经验总结——对客户价值的考虑;主要内容;什么叫聚类？;

类内距离最小化;客户细分可以有多种不同的类型;细分问题的核心要素是变量的选择;单指标细分VS二维指标细分;多维指标的聚类分析结果展示;细分组描述;#1本地繁忙组特征描述;细分的概念延伸;主要内容;从“啤酒”与“尿布”的故事说起;交叉销售与捆绑销售的概念;亚马逊书店的“捆绑销售”与“交叉销售”案例;当当网的“交叉销售”案例;深刻理解“交叉销售”和“捆绑销售”;交叉销售/捆绑销售的功能;产品关联研究——两种方法;研究产品之间关联性的数据挖掘方法——关联规那么(购物篮分析);关联规那么的三个重要衡量指标;Support、Confidence、Lift的定义;关联规那么的探索为“交叉销售”和“捆绑销售”提供了时机;某省新业务之间的关联性研究图〔此处关联性主要表达Lift〕——适用于产品的交叉推荐以及两个新业务的捆绑???价销售。;案例：基于彩铃铃音的关联性研究〔重点阐述〕——用户在不同铃音类型和铃音歌手方面有不同的偏好。;歌手与歌手之间的关联规那么〔只展示了可信度〕;歌曲与歌曲之间的关联规那么〔只展示了可信度〕;基于关联规那么的研究，交叉销售和捆绑销售的时机有：;类似于亚马逊、当当网，也可考虑实现实时和个性的交叉销售和捆绑销售。。。;写在后面;华-院-分-析