数据挖掘与CRM培训.

1 数据挖掘与数据挖掘与 CRM 培训培训 培训时间 3 天 培训内容 CRM 原理 数据挖掘软件的实现 应用工具 Clementine 学员参加本课程的必要条件 本课程要求学员熟悉 Windows 操作系统 并具有基本的数据挖掘知识 这门课程会简单地介绍数据挖掘 及 CRM 知识 但更重要地是 展示软件如何实现 CRM 课程形式 课程以讲授和上机操作相结合来进行 培训期间 每人一台电脑 序 号名 称具体内容 模型 1客户细分与获得 1 对客户消费数据进行分析与描述 2 产生客户细分模型或者价值金字塔 3 描述不同客户细分群的特征 模型 2客户促销响应模型 1 RFM 模型 2 基于提供的所有数据的预测模型 3 分群模型 模型 3 客户价值细分 迁移和 流失模型 1 客户价值迁移预测 2 客户流失模型 总结答疑与讨论 应用案例 希阿蒙公司的市场活动应用案例 希阿蒙公司的市场活动 一 商业背景 一 商业背景 本次使用的数据是基于一个虚构的销售电子产品的零售公司 这个数据完全是虚拟的 2 但是数据挖掘技术适用于多个行业 为了提高企业效益 实现客户价值最大化 希阿蒙零售公司希阿蒙零售公司准备开展一个大型的市场 活动 考虑到以往市场活动的效果并不理想 这次活动之前要先进行研究 以便解决以往 的一系列问题 如 如何提高客户对于市场活动的响应率 如何区别大客户与普通客户 是否对大客户开展单独的市场活动 以便获得更多地利润 如何从已有客户中找出高价值 客户 如何防止客户流失的发生 综上所述 希阿蒙公司面临的问题包括 如何定义与计算客户的价值 如何提高客户的市场活动响应率 如何获取及保持高价值客户 如何提高客户的价值 二 已有数据 二 已有数据 我们从希阿蒙公司数据库中抽取 9 个数据来进行研究 包括 CARD dat 购物卡内登记的客户信息 GDG dat 基于邮政编码的地理人口学信息 TRANSACTION dat 以购物篮为单位的交易数据 TRANSACTION ITEM dat 在商品个体层面的交易数据 ITEM dat 所有待售商品列表 商品编号 产品大类 小类和品牌数据 CATEGORY dat 产品种类编号与描述 SUBCATEGORY dat 产品小类与描述 BRAND dat 产品品牌与描述 CAMPAIGN dat 客户列表 包含客户参加上次市场活动响应 未响应的标识 CARD dat 11 个变量 140 132 条记录 变量名称变量名称含义含义 CardID客户号 City城市 Region地区 PostalCode邮编 CardStartDate开卡时间 Gender性别 DateOfBirth出生年月日 3 MaritalStatus婚姻状态 HasChildren是否有子女 NumChildren子女数 Youngestchild最小子女年龄 GDG dat 18 个变量 150 000 条记录 变量名称变量名称含义含义 City城市 PostalCode邮编 Population人口数 HouseHolds家庭数 HHgrowth5yr过去 5 年 家庭增长率 HHAveSize家庭人口平均数 PopUnder55 岁以下人口数 Pop5 165 16 岁人口数 Pop17 2517 25 岁人口数 Pop26 3526 35 岁人口数 Pop36 4536 45 岁人口数 Pop46 5546 55 岁人口数 Pop56 6556 65 岁 含 65 岁 人口数 PopOver6565 岁以上人口数 HHIncomeMed家庭收入中位数 HHNoWorkers家庭工作人数 WhtCollarOcc白领 BluCollarOcc蓝领 TRANSACTION dat 6 个变量 367 296 条记录 变量名称变量名称含义含义 Store商户编号 Date日期 Time时间 TransactionID交易号 CardID客户号 PaymentMethod支付方式 TRANSACTION ITEM dat 8 个变量 394 505 条记录 变量名称变量名称含义含义 4 Store商户编号 Date日期 Time时间 TransactionID交易号 ItemNumber商品数量 ItemCode商品号码 Amount单价 Markdown标记 ITEM dat 6 个变量 820 条记录 变量名称变量名称含义含义 ItemCode商品号码 ItemDescription商品描述 CategoryCode大类编号 SubCategoryCode小类编号 BrandCode品牌编号 UpmarketFlag标记 CATEGORY dat 2 个变量 7 条记录 变量名称变量名称含义含义 CategoryCode大类编号 CategoryDescription大类描述 SUBCATEGORY dat 2 个变量 47 条记录 变量名称变量名称含义含义 SubCategoryCode小类编号 SubCategoryDescription小类描述 BRAND dat 2 个变量 40 条记录 变量名称变量名称含义含义 BrandCode品牌编号 BrandDescription品牌描述 CAMPAIGN dat 2 个变量 40 条记录 变量名称变量名称含义含义 CardID客户编号 Responded是否响应 5 三 解决方案 三 解决方案 模型模型 1 客户细分与获得 客户细分与获得 根据客户价值对客户进行细分 要通过分析与描述决定客户的细分和目标定位 以提 高大客户的获得 对交易数据进行探索性分析 计算客户消费 然后通过进一步分析 定义客户细分 也就是对体现客户价值的客户消费额或交易数量等进行分类 根据这些结果 建立客户细 分模型 每个客户被划分到相应的类别中 然后对客户的交易数据 人口数据等进行描述 得到相应的客户价值分群的描述 注 方框代表数据 椭圆代表数据流 模型模型 2 客户促销响应模型 客户促销响应模型 模型 2 预测客户对市场活动的响应情况 在这个模型中 针对客户开展了一次市场活 动 每个客户对市场活动有响应与不响应两种反应情况 分别记录各个客户的反应情况 该模型对与客户是否响应市场活动的影响因素进行分析 根据客户的影响因素的特征 可 以预测具备某些特征的客户将来对类似的市场活动的响应情况 6 模型模型 3 客户价值细分 迁移和流失模型 客户价值细分 迁移和流失模型 该模型对客户的价值迁移及流失进行预测 探索客户迁移的模式 客户迁移模式有两种 一种是活跃的程度不同 即在价值金字塔的上下变动 第二种是从活跃到不活跃的变化 即客户流失 该模型需要的数据包括模型 1 中的客户综合数据 模型 2 的购买模式数据 以及客户价值细分数据 四 结果 四 结果 第一个模型对客户价值进行细分 并对客户细分群的特征进行描述 有利于客户获得 这个模型主要包括如下结果 7 对客户消费数据进行分析与描述 产生客户细分模型或者价值金字塔 描述不同客户细分群的特征 第二个模型预测客户对于市场活动的响应 使用了 RFM 评分以及客户行为数据 产 生了三个模型 RFM 模型 基于提供的所有数据的预测