罗旭祥 基于数据挖掘的产品设计

1、Tel:产品与数据 基于数据挖掘的产品设计 罗旭祥 188 0218 5564 S Tel:Tel:引言 同样是搜索土 豆，他们想看 到的一样么？ Tel: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 Tel:引言 产品同样是基 于数据，谁代 表了未来？ Tel: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

2、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（Affinity Grouping） 聚类（Clustering） 描述（Description） 复杂数据挖掘 Tel: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

3、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 ConceptPlanDevelop QualifyLaunch Life Cycle ConceptPlanDevelopQualifyLaunch Life Cycle ConceptPlanDevelop QualifyLaunch Life Cycle 概念计划开发验证发布 生命 周期 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

4、合 产品路标 注：含技术/产品 Tel: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： Looking for goodsPut in basketPayment zonePurchase 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 Tel:客户为中心

5、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： Product DesignMarket Buyer PurchaseCustomer Research 数据中心 Who What Why When Where HowPut in basketPayment zone Tel:客

6、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 数据 产品 营销 客户中心 Tel: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（Affinity Grouping） 聚类（Clustering）

7、 描述（Description） 复杂数据挖掘 Tel:数据分析框架的主要事件 主要事件事件描述 分类根据业务的需要进行必要的分类，比如对客户评级的分类，AA等级或AAA等 级 估计根据业务数据判断的需要定义需要估计的数据和数据区间值，对业务进行补 充和协助，例如根据客户储蓄和投资行为估计客户投资风格 预测根据数据的变化趋势预测数据的发展方向，例如根据历史投资数据帮助客户 预测投资行情等 数据分组根据业务需要对数据进行分组，例如购买A类的客户通常也会购买B类，购买 A的客户后有一个B周期会产生C行为 聚类数据集合的逻辑关系，比如同时拥有A特征和B特征的数据，可以推断出

8、其也 拥有C特征 描述描述性数据有助于提取关键要素进行数据归纳，例如从数据关键词中进行近 似业务营销，备忘录等 复杂数据挖掘例如Video，Audio，图形图像等等 Tel: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

9、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 Tel: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 潜在客户

10、认潜在客户认 知知度提升度提升 经常性收经常性收 入入 服务现金服务现金 成本成本 话务量话务量 流失流失 交叉销售交叉销售 /向上销向上销 售售 坏帐坏帐 折扣调整折扣调整 优惠计优惠计 划更新划更新 客户赢客户赢 回回 客户获取客户获取 成本成本 （SAC） 客户客户 离网离网 客户入网（再入网）载体 客户离网载体 Mth 1 Mth 2 Mth 3 Mth 4 Mth 10 Mth 11 Mth 12 Mth 13 Mth 14 1 11 2 3 4 5 6 8 7 9 10 Tel:数据分析框架的主要事件_预测（ Prediction ） 根据数据变化趋势进行

11、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 Tel:数据分析框架的主要事件_数据分组（ Affinity Grouping ） 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

12、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 组合购买比例 对B感兴趣对C感兴趣 对D感兴趣对E感兴趣 Tel: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

13、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 Tel:数

14、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 Tel: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Vid

15、eo，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。 客户研究 复杂数据上下文背景Map Tel: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

16、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（Affinity Grouping） 聚类（Clustering） 描述（Description） 复杂数据挖掘 Tel: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、

17、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， Customer Level Value得分排序等 Tel: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IBM Modeler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 Tel: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

18、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 Tel: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 Tel:RFM数据模型 其实原

19、理很简单. ABC 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 Tel:用户行为特征数据挖掘 客户行为特征数据获取要点（一） Clickstream Data 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 Outcomes Data 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） Tel:用户行为特征数据挖掘（某酒店订

20、购网站点击流数据一） 酒店搜索列表页 Hotels-Search Visits:1,076,361 酒店详细页 Hotels-Details Visits:955,555 酒店预订确认页 Hotels-Confirm Visits:119,529 Entry Page Visits:474,933 44.12% 立即退出:305,807 28.41% Exit Page Visits:630,692 58.59% Visits: 42,373 3.94% Visits: 464,119 43.12% Entry Page Visits:453,376 47.45% Exit Page Visi

21、ts:646,126 67.62% 立即退出:365,649 38.27% Visits: 64,460 6.75% Visits: 13,325 1.39% 35.45% 53.93% 11.15% Entry Page Visits:15,15 1.27% 立即退出:351 0.29% Exit Page Visits:19,411 16.24% Visits: 58,260 48.7% Visits: 62,566 52.3% Visits: 371,238 38.9% Tel:用户行为特征数据挖掘（某酒店订购网站点击流数据二） 酒店预订确认页 Hotels-C

22、onfirm Visits:119,529 登陆/直接预订页 Myelong/Login Visits:205,344 酒店订单填写页 Hotels-Order Visits:41,460 Exit Page Visits:19,411 16.24% Exit Page Visits:20,350 9.91% Visits: 36,803 30.79% Visits: 28,777 14.01% 联盟登陆页 Mytrip/Login Visits:57,585 Visits: 22,988 19.23% Visits: 2,195 3.81% Visits: 9,756 8.16% 23.53

23、% 69.41% 5.29% Exit Page Visits:14,512 25.20% Visits: 13,234 31.9% Tel:用户行为特征数据挖掘（某酒店订购网站点击流数据三） 酒店订单填写页 Hotels-Order Visits:41,460 酒店订单确认页 Hotels-Ensure Visits:33,396 酒店订单提交页 Hotels-Reserve Visits:31,036 Exit Page Visits:4,542 10.96% Exit Page Visits:1,645 4.93% Exit Page Visits:8,072

24、26.01% Visits: 29,046 70.06% Visits: 30,340 90.85% Visits: 8,798 26.3% Visits: 6,331 20.33% Tel:用户行为特征数据挖掘 客户行为特征数据获取要点（二） Research Data 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） Competitive Data 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） Tel:用户行为特征数据挖掘 调研产品背

25、景 客户招募文化探寻深度访谈 数据整理分 析 客户研究报 告撰写 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 Tel: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

26、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. Tel:用户行为特征数据挖掘 1.完成基础需求：转账，支付，查询 2.电脑安全性分析 3.个性化需求（功能，布局，呈现） 4.理财，缴费，信用卡 她想要做的她想要知道的 1.了解广发网银有什么功能 2.了解如何安全使用广发网银 3.了解个人的财务状况 4.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Nokia N93手机 喜欢网上购物，逛论坛，看新闻等各种网上活动

27、拥有储蓄卡和信用卡，正准备使用网银 客户建模研究案例 Tel:用户行为特征数据挖掘 Hmm, what does this do? Ill try it Ooops, now what happened? Now, why did it do that? Oh, I think you clicked on the wrong icon Do you know why you never tried that option? I didnt see it. Why dont you make it look like a button? Tell me about t

28、he last big problem you had with Word I can never get my figures in the right place. Its really annoying. I spent hours on it and I had to 客户体验测试案例 Tel:用户行为特征数据挖掘 客户体验测试案例 Tel:用户行为特征数据挖掘 客户体验测试案例 Tel: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

29、.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（Affinity Grouping） 聚类（Clustering） 描述（Description） 复杂数据挖掘 Tel:案例一（1）：基于数据分析的商业网站业务流程设计 Tel:基于数据分析的商业网站业务流程设计 Tel:基于数据分析的商业网站业务流

30、程设计 Tel: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 Tel: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

31、、执行和分析多渠道营销活动。 通过交互图谱进行统一规划 Tel:基于数据分析的商业网站业务流程设计 Tel:基于数据分析的商业网站业务流程设计 Tel: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 Tel:基

32、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 Tel: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 数据匹配 A状况 B状况 营销机会A 营销机会B Tel:基于数据分析的商业网站业

33、务流程设计 1234 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 Tel:案例一（2）：基于数据分析的其它产品设计 Tel: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

34、 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 Tel:/p>

35、 基于数据分析的其它产品设计 Tel:基于数据分析的其它产品设计 Tel: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 。 Tel: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 “We Care”的态度：对我

36、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 Tel: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 Upselling scenario 新客户欢迎流程 Welcome scenario (客户获取) 互动游戏流程 (Acquisition) interactive game 会员积分管理流程 Loyalty program 第一步：制作营销地图 Tel:基于数据分析的其它产品设计 优秀的营销规划如何

37、借助系统实现？ 第二步：录入营销活动管理系统 1.整个系统需要方便的中央控制，便于 修改和权限管理 2.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 3.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 4.系统的数据化分析能够帮助营销人员 做决策 图为SIM系统 Tel: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 1.方便的生成营销报告，包括表格还有 图形化等 2.能够分析客户，进行生命周期管理

38、图为SIM系统 Tel: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？ Tel:案例一（3）：基于数据分析的电子商务产品设计 Tel: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： 1. 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 2. 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 3. 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 Tel:基于数据分析的电子商务产品设计 行为追踪 解决方案： 1. 发现流失作为触发EDM机 制 2. 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 Tel:基于数据分析的电子商务产品设计 案例：N