罗旭祥-基于数据挖掘的产品设计PPT课件

产品与数据 基于数据挖掘的产品设计 罗旭axon luo 引言 同样是搜索土豆 他们想看到的一样么 引言 同样是商品 您更愿意向谁买 Hi 我有你想要的 Hi 我这里什么都有 Hi 我的商品是为您准备的 引言 产品同样是基于数据 谁代表了未来 3 常用数据挖掘方法RFM数据模型用户行为特征数据挖掘4 基于数据的交互设计案例案例一 基于数据的交互设计 1 2 3 案例二 建设以数据为中心的组织 1 客户为中心的数据分析框架思想客户为中心的业务规划业务及营销为中心的数据体系建设2 数据分析框架的主要事件分类 Classification 估计 Estimation 预测 Prediction 数据分组 AffinityGrouping 聚类 Clustering 描述 Description 复杂数据挖掘 客户为中心的业务规划 客户为中心的业务规划大致有三个环节 从客户研究到需求挖掘 从需求信息到数据化的需求管理 从需求文档到业务规划与设计客户为中心的业务规划不仅仅需要考虑业务需求是否能够满足需求的问题 还需要考虑到业务的变化趋势 业务的营销重点 需求信息客户研究竞争对手信息公司战略当前的产品组合技术趋势 IPD 了解需求 进行需求细分 进行组合分析 制定业务策略和计划 优化业务计划 管理业务计划 评估 任务 是 否 产品业务计划产品组合产品路标注 含技术 产品 客户为中心的数据分析框架思想 从客户视角构建业务框架 传统业务规划方式 Lookingforgoods Putinbasket Paymentzone Purchase 大脑风暴构建业务流程 从业务规划者角度而非客户角度出发我们不知道客户需要什么 更糟糕的是客户可能也不知道每个环节都存在客户流失 而我们不知道发生了什么客户每次点击都是营销机会 但是我们错过了每一次机会客户在每一个环节都错过了本来他可能会购买的商品当客户离开时我们永久的失去了该客户 没有留下有价值的信息 客户为中心的数据分析框架思想 从客户视角构建业务框架 以客户为中心的思维方式构建业务框架系统需要满足不同类型的客户的个性化需求 其核心为数据挖掘和应用系统需要协助客户达成实现客户期望 并帮助客户发现并实现潜在需求系统需要智能寻找最佳的帮助时机 智能的进行客户协助系统建设需要考虑未来系统的发展方向 其核心为客户需求挖掘 客户为中心的业务规划 ProductDesign Market Buyer Purchase CustomerResearch 数据中心 WhoWhatWhyWhenWhereHow Putinbasket Paymentzone 客户为中心的数据分析框架思想 业务及营销为中心的数据体系建设 数据中心 业务框架 客户中心 3 常用数据挖掘方法RFM数据模型用户行为特征数据挖掘4 基于数据的交互设计案例案例一 基于数据的交互设计 1 2 3 案例二 建设以数据为中心的组织 1 客户为中心的数据分析框架思想客户为中心的业务规划业务及营销为中心的数据体系建设2 数据分析框架的主要事件分类 Classification 估计 Estimation 预测 Prediction 数据分组 AffinityGrouping 聚类 Clustering 描述 Description 复杂数据挖掘 数据分析框架的主要事件 数据分析框架的主要事件 分类 Classification 在业务构建中 最重要的分类一般是对客户数据的分类 主要用于精准营销通常分类数据最大的问题在于分类区间的规划 例如分类区间的颗粒度以及分类区间的区间界限等 分类区间的规划需要根据业务流来设定 而业务流的设计必须以客户需要为核心 因此分类的核心思想在于能够完成满足客户需要的业务由于市场需求是变化的 分类通常也是变化的 例如银行业务中VIP客户的储蓄区间 银行信用卡客户分类案例cluster 3 优质客户cluster 2 潜力优质客户cluster 1 一般客户cluster 4 劣质客户 数据分析框架的主要事件 估计 Estimation 通常数据估计是互动营销的基础 基于客户行为进行数据估计为基础进行互动营销已经被证实具有较高的业务转化率 银行业中通常通过客户数据估计客户对金融产品的偏好 电信业务和互联网业务则通常通过客户数据估计客户需要的相关服务或者估计客户的生命周期数据估计必须基于数据的细分和数据逻辑关联性 数据估计需要有较高的数据挖掘和数据分析水平 数据分析框架的主要事件 预测 Prediction 根据数据变化趋势进行未来预测通常是非常有力的产品推广方式 例如证券业通常会推荐走势良好的股票 银行会根据客户的资本情况协助客户投资理财以达到某个未来预期 电信行业通常以服务使用的增长来判断业务扩张和收缩以及营销等 数据预测通常是多个变量的共同结果 每组变量之间一般会存在某个相互联系的数值 我们根据每个变量的关系通常可以计算出数据预测值 并以此作为业务决策的依据展开后续行动 股价连续打底三次 没有再创下新低价格 反而向上突破颈线 买进股票 数据分析框架的主要事件 数据分组 AffinityGrouping 数据分组是精准营销的基础 当数据分组以客户特征为主要维度时 通常可以用于估计下一次行为的基础 例如通过客户使用的服务特征的需要来营销配套服务和工具 购买了A类产品的客户一般会有B行为等等 数据分组的难点在于分组维度的合理性 通常其精确性取决于分组逻辑是否与客户行为特征一致 购买了A商品的客户 数据分析框架的主要事件 聚类 Clustering 数据聚类是数据分析的重点项目之一 例如在健康管理系统中通过症状组合可以大致估计病人的疾病 在电信行业产品创新中客户使用的业务组合通常是构成服务套餐的重要依据 在银行业产品创新中客户投资行为聚合也是其金融产品创新的重要依据 数据聚类的要点在于聚类维度选取的正确性 需要不断的实践来验证其可行性 投资者乙 投资者甲 投资者丙 理智稳健型 保守谨慎型 投机冒险型 个性 理财方式 理财工具 风险容忍度 投资目标 投资组合管理 稳健理智蓝筹股票 平衡型基金 万能保险适中稳健成长综合平衡保守型与投机型的做法 谨慎保守银行存款 收益型基金 高等级债券 传统型保险 分红保险较低稳健保本定期定额投资法 分散投资法 冒险投机成长型股票 对冲型基金 期货 垃圾债券 投资连结保险较高积极成长低吸高抛法 集中投资法 投资者的类型 数据分析框架的主要事件 描述 Description 描述性数据的最大效用在于可以对事件进行详细归纳 通常很多细微的机会发现和灵感启迪来自于一些描述性的客户建议 同时客户更愿意通过描述性的方法来查询搜索等 这时就需要技术上通过较好的数据关联方法来协助客户 描述性数据的使用难点在于大数据量下数据要素提取和归类 其核心在于要素提取规则以及归类方法 要素提取和归类是其能够被使用的基础 我比较喜欢稳健性投资 稳健A基金 稳健B基金 稳健C基金 根据描述关联产品或服务通常有较高的转化率 数据分析框架的主要事件 复杂数据挖掘 复杂数据挖掘比如Video Audio等 其要素目前依然难以通过技术手段提取 但也可以从上下文与语境中提取一些要素帮助聚类 例如重要客户标记了高度重要性的Video一般优先权重也应该较高 复杂数据的挖掘目前处理的方式一般通过数据录入的标准化来解决 核心在于数据录入标准体系的规划 建议为了整理的方便 初期规划是尽可能考虑完善 不仅仅适用现在 而且可以适用于未来 3 常用数据挖掘方法RFM数据模型用户行为特征数据挖掘4 基于数据的交互设计案例案例一 基于数据的交互设计 1 2 3 案例二 建设以数据为中心的组织 1 客户为中心的数据分析框架思想客户为中心的业务规划业务及营销为中心的数据体系建设2 数据分析框架的主要事件分类 Classification 估计 Estimation 预测 Prediction 数据分组 AffinityGrouping 聚类 Clustering 描述 Description 复杂数据挖掘 RFM数据模型 RFM模型 R Recency 表示客户最近一次购买的时间有多远 F Frequency 表示客户在最近一段时间内购买的次数 M Monetary 表示客户在最近一段时间内购买的金额 一般原始数据为3个字段 客户ID 购买时间 日期格式 购买金额 用数据挖掘软件处理 加权 考虑权重 得到RFM得分 进而可以进行客户细分 客户等级分类 CustomerLevelValue得分排序等 RFM数据模型 假定我们拿到一个月的客户充值行为数据集 我们们先用IBMModeler软件构建一个分析流 然后再找出符合RFM分析要求的数据 找出符合RFM分析要求的数据 RFM数据模型 现在我们得到了RFM模型的Recency Score Frequency Score Monetary Score和RFM Score 这里对RFM得分进行了五等分切割 采用100 10 1加权得到RFM得分表明了125个RFM魔方块 通过加权评分 得到RFM魔方块 RFM数据模型 输出结果后将数据导入Excel 将R F M三个字段分类与该字段的均值进行比较 利用Excel软件的条件格式给出与均值比较的趋势 结合RFM模型魔方块的分类识别客户类型 通过RFM分析将客户群体划分成重要保持客户 重要发展客户 重要挽留客户 一般重要客户 一般客户 无价值客户等六个级别 借助RFM模型魔方块进行客户识别 建立客户模型 基于用户特征展开产品设计 RFM数据模型 其实原理很简单 A B C RFM数据模型只是常用的一种 基于业务还有更多模型能够帮助和指导产品设计和用户体验改进 用户行为特征数据挖掘 客户行为特征数据获取要点 一 ClickstreamData点击流数据直接访问数量访客来源访客地理位置点击流跟踪OutcomesData结果型数据访客 初次访问数 访问总数 平均回访数 关注点 页面浏览 平均浏览数 总PV 访问超过一页的访客比 时间 全局 人均 关键行为 如 注册 购买 转化率相关 Keyword 趋势 网站 用户行为特征数据挖掘 某酒店订购网站点击流数据一 用户行为特征数据挖掘 某酒店订购网站点击流数据二 用户行为特征数据挖掘 某酒店订购网站点击流数据三 用户行为特征数据挖掘 客户行为特征数据获取要点 二 ResearchData研究性数据客户研究启发式评估 客户体验测试客户属性 数据库分析 客户期望分析 从数据到服务 CompetitiveData竞争性数据 面 数据测量 大众分析 网络服务数据测量 行业分析 搜索引擎测量 舆情分析 用户行为特征数据挖掘 客户筛选标准确认 客户招募执行 访谈筛选标准 客户文化背景数据 访谈记录文档 发现点 客户角色 访谈方案制作 现场实施 数据整理与分析 设计原则 机会分析 功能设置 场景 客户研究过程示例 用户行为特征数据挖掘 客户研究案例 客户深访 在对客户进行的开放式访谈中 探寻参与的客户的 当前使用情况需求痛点差距心理态度渴望选择产品品牌及型号时的偏好和原因驱动角色深访 访问的目的是为了收集以下数据 市场中不同品牌的认可度以及为什么某些品牌比其他品牌更好卖点和客户需求选择品牌和的准则制定价格的准则除了提供销售策略开发方面的见解之外 这部分客户研究还将从卖家的角度提供消费者的心态 用户行为特征数据挖掘 完成基础需求 转账 支付 查询电脑安全性分析个性化需求 功能 布局 呈现 理财 缴费 信用卡 她想要做的 她想要知道的 了解广发网银有什么功能了解如何安全使用广发网银了解个人的财务状况了解每个业务的相关手续费 李婷27岁公司职员月薪4k经常上网 网龄4年以上使用NokiaN93手机喜欢网上购物 逛论坛 看新闻等各种网上活动拥有储蓄卡和信用卡 正准备使用网银 客户建模研究案例 用户行为特征数据挖掘 Hmm whatdoesthisdo I lltryit Ooops nowwhathappened Now whydiditdothat Oh Ithinkyouclickedonthewrongicon Doyouknowwhyyounevertriedthatoption Ididn tseeit Whydon tyoumakeitlooklikeabutton TellmeaboutthelastbigproblemyouhadwithWord Icannevergetmyfiguresintherightplace Itsreallyannoying IspenthoursonitandIhadto 客户体验测试案例 用户行为特征数据挖掘 客户体验测试案例 用户行为特征数据挖掘 客户体验测试案例 3 常用数据挖掘方法RFM数据模型用户行为特征数据挖掘4 基于数据的交互设计案例案例一 基于数据的交互设计 1 2 3 案例二 建设以数据为中心的组织 1 客户为中心的数据分析框架思想客户为中心的业务规划业务及营销为中心的数据体系建设2 数据分析框架的主要事件分类 Classification 估计 Estimation 预测 Prediction 数据分组 AffinityGrouping 聚类 Clustering 描述 Description 复杂数据挖掘 案例一 1 基于数据分析的商业网站业务流程设计 基于数据分析的商业网站业务流程设计 基于数据分析的商业网站业务流程设计 基于数据分析的商业网站业务流程设计 细分 个性化内容 1 5 同时发送短信提醒 0 5 账单推销原始转换率1 点击 浏览不过不购买 有消费倾向通知客服中心电话营销 1 未点击 邮件提醒 0 3 同时发送短信提醒 0 2 如何通过跨渠道数据交互有效提升转化率 图为多渠道数据规划案例 基于数据分析的商业网站业务流程设计 互联网行业通常使用的多渠道互动营销策略 图为SIM系统整合多渠道互动营销案例 通过统一的系统展开多渠道互动营销 在所有接触点都以一致的方式进行沟通 并建立中央化联系记录 以最有效的方式计划 定义 执行和分析多渠道营销活动 通过交互图谱进行统一规划 基于数据分析的商业网站业务流程设计 基于数据分析的商业网站业务流程设计 基于数据分析的商业网站业务流程设计 基于数据交互的业务规划对象一般是一个系列产品或服务链条 通常广泛应用于通信业 银行业 保险业 零售业等基于数据交互的业务规划必须以客户为中心 分析客户出现需求的各种时机 并智能匹配以产品或服务 其实现以数据挖掘为核心 业务组合A 业务组合B 业务组合C 数据分析与管理 客户分析与需求挖掘 基于数据分析的商业网站业务流程设计 为什么需要交互式营销 因为客户总是在变化的 任何一个人都有太多变量 所以要找准时机 基于数据分析的商业网站业务流程设计 基于数据的交互式营销主要指互动营销 核心思想为分析客户的特定时机需求 并根据该需求推荐相关产品或服务满足客户需要 广泛应用于各种行业 基于数据交互的业务规划同样必须以客户为中心 分析客户出现需求的各种时机 并智能匹配以产品或服务 其实现同样以数据挖掘为核心 使用业务组合A 使用业务组合B A状况 B状况 营销机会A 营销机会B 基于数据分析的商业网站业务流程设计 1 2 3 4 1 定制营销流程 根据不同的需求定制不同的营销流程 方便 简单 不需要额外的开发成本 匹配强大的营销工具 2 自动化执行 系统自动化监督消费者形态 自动化判断营销手段 制定个性化内容 通过不同渠道自动发送营销信息 3 长期中央化营销管理 整合所有营销活动 排除营销冲突 客户生命周期管理 4 营销效果衡量 根据不同需求定制报表 简单 快速的修改和优化营销流程环节 案例一 2 基于数据分析的其它产品设计 基于数据分析的其它产品设计 在网上银行或官方网页上指定一块区域由SIM系统控制显示内容全动态 当不同的客户同时看同一个页面时 显示的内容随不同的客户档案而有所差异 可以更精准地把不同产品同时推给不同的消费群体效果 平均转换率提升8 7倍 当客户一旦符合条件 立刻激活营销活动背景 ING有多种金融产品与服务针对不同的消费群体 高附加价值的产品需要客户有一定的消费能力 当有几千万客户的时候如何能够精准地判断和执行 解决方案案例 ING长期追踪客户行为 衡量客户固定收入 一旦当客户工资增加到一定程度 立刻开始推销相关的产品和服务 营销流程全自动激活 多阶段地提供信息 测试客户兴趣度 追踪客户行为 分配销售人员 直至售后服务 基于数据分析的其它产品设计 基于数据分析的其它产品设计 基于数据分析的其它产品设计 目标 新注册客户增加平均用户收入 方法 针对不同客户的需求推广最合适的产品 记本网络套餐客户 网络安全产品 服务全个性化内容根据客户信息沟通渠道 从邮件和网上门户开始对话家庭用户 儿童下载工具防火墙 家长控制管理老年人用户 网上银行安全服务防止恶性邮件 基于数据分析的其它产品设计 满意度调研服务形式的营销 你现在成为我们的客户已经XXX时间了让消费者回复 WeCare 的态度 对我们满意吗 请在社交网络上加我们 根据不同的满意度 自动激发不同的跟进 满意 请推荐我们给你的朋友们不满意 客服中心立即电话沟通是个收取客户信息的好机会 基于数据分析的其它产品设计 优秀的营销规划如何借助系统实现 向上销售Upsellingscenario 新客户欢迎流程Welcomescenario 客户获取 互动游戏流程 Acquisition interactivegame 会员积分管理流程Loyaltyprogram 第一步 制作营销地图 基于数据分析的其它产品设计 优秀的营销规划如何借助系统实现 第二步 录入营销活动管理系统 整个系统需要方便的中央控制 便于修改和权限管理系统能够自定义客户群特征 并依此细分客户 分别定义营销行为或活动能够进行数据跟踪 监测客户行为 自动判断客户行为 将消费者视为不同的个体来对待 同时能够不断丰富数据信息 并将这些信息应用到实时个性化营销中系统的数据化分析能够帮助营销人员做决策 图为SIM系统 基于数据分析的其它产品设计 优秀的营销规划如何借助系统实现 第三步 展开营销并获得分析报告 方便的生成营销报告 包括表格还有图形化等能够分析客户 进行生命周期管理 图为SIM系统 基于数据分析的其它产品设计 优秀的营销规划如何借助系统实现 案例一 3 基于数据分析的电子商务产品设计 基于数据分析的电子商务产品设计 个性化的EDM发送解决方案 SIM系统自动累积会员浏览和消费历史 为每一个会员建立兴趣档案SIM系统自动根据会员档案数据发送不同内容到每一个会员加强沟通效率 告别一次性沟通 根据会员形态特征步步跟进沟通 案例 N欧洲第四大电子商务公司使用个性化EDM提高x倍转化率 基于数据分析的电子商务产品设计 行为追踪解决方案 发现流失作为触发EDM机制推荐客户最有可能购买的产品 加上同类价格相似的产品 案例 N欧洲第四大电子商务公司通过行为追踪推荐提高x倍转化率 基于数据分析的电子商务产品设计 案例 N欧洲第四大电子商务公司 找准合适的时机进行互动营销 基于数据分析的电子商务产品设计 案例 N欧洲第四大电子商务公司 第二日行为唤起解决方案 放弃购买后第二日自动发送电子邮件 邮件内容与购物栏内容相关联效果 开