cmcdh集群管理课程项目1208用户画像

1、1分享客户画像的探索2目录项目描述项目设计实现3项目描述-目的 为满足客户运营的需求，搜集目前会员消费的特征，从众多会员中，挖掘最有价值的会员让客服跟进，充分为客户服务同时实现收益最大化。4项目描述什么是客户画像客户信息标签化，完美地抽象出一个客户的信息全貌5项目描述为什么需要客户画像客户画像的核心工作是为客户打标签，打标签的重要目的之一是为了让人能够理解并且方便计算机处理，如，可以做分类统计：高频次消费客户有多少？这些的人群中，男、女比例是多少？也可以做数据挖掘工作：利用分类算法预测这些客户哪些是将要流失的客户？利用聚类算法分析，再对流失的客户做细分，方便分别做针对性的营销6项目设计web功

2、能设计7项目设计先有一些感性认识8项目设计先有一些感性认识9项目设计先有一些感性认识10项目设计先说一下部门数据仓库11项目设计数据流向12项目设计-数据源客户总表部分字段13项目设计-数据源客户总表实现 数据源来自各个部门： 比如用户信息来自UMC，需要调用scf服务获取 订单信息来自订单管理部门，可以直接从他们库里拉数据 而置顶、精准等一些推广信息来自商业部门 帖子的disp,click又需要从大集群读日志文件（mr） . 14项目设计-客户流失模型通过客户流失分析获得流失客户数据和潜在流失客户数据，从而将这些数据分配给客户服务部门，整合销售服务资源，根据客户的需求，设计个性化的营销策略，

3、快速反应，以此达到召回流失客户，挽留流失概率高的客户，实现对客户的守护。15项目设计-客户流失模型流程16项目设计-客户流失模型定义流失客户17项目设计-客户流失模型选取样本数据 选9月、10月的数据做训练样本 把9月的客户分为两类：流失，非流失18项目设计-客户流失模型-特征选取这两个人有什么不同？19项目设计-客户流失模型-特征选取事物：千差万别、无法比较和计算特征：值差异小，可以比较和计算用特征表示事物： 肤色，发色，是否戴项链 左边： 0，0，0 右边： 1，1，1 20项目设计-客户流失模型-特征选取基本信息：性别，年龄消费信息：消费金额，消费频次，优惠券充值信息：充值频次，充值金额

4、衍生变量：ctr,最后一次充值距现在时间. 21项目设计-客户流失模型-特征选取特征的重要性度量22项目设计-客户流失模型-特征选取特征的重要性度量利用信息增益来计算特征的重要程度 信息增益：重要性的衡量标准就是看特征能够为分类系统带来多少信息，带来的信息越多，该特征越重要 23项目设计-客户流失模型-特征选取24项目设计-客户流失模型-特征选取连续值离散化 有哪些方法 -依据数据特点，用统计方法，画直方图，看数据分部，定边界点，把连续值离散化 -等距，等频 25项目设计-客户流失模型-特征选取消费频次xiaofei_pinci1分15高频10%人消费频次为（15）占总体的消费频次10%PS：

5、此数据以二手车为例，总人数21545，总频次189877996，客服总人数1110，平均每天打44个电话，一个月可打10W个客户，若分到二手车2w个客户，差不多可把所有客户打一遍电话。2分8-14中高频11%人消费频次为（8-14）占总体的消费频次11%3分5-7中频11%人消费频次为（5-7）占总体的消费频次11%2分3-4低频15%人消费频次为（3,4）占总体的消费频次15%1分1-2微频52%人消费频次为（1,2）占总体的消费频次52%消费金额xiaofei_average5分8000KA0.45%(100人）的消费金额占总体的52%,PS：二手车平均ARPU在90左右；总人数4分270

6、0大客户1.4%（300人）的消费金额占比为12%3分600中客户8%(1700)的消费金额占比为20%2分370中小客户7%(1500人)的消费金额占比为6%1分0小客户66.5%(17945)人的消费金额占比10%充值频次despoit_pinci1分100高频10%(1200)的充值频次占总体的90%PS：总人数114622分5中高频4%(500)的充值频次占总体的1%3分3-4中频8.5%（1000）的充值频次占总体2%4分2低频17.5%(2000)的充值频次占总体的3%5分1微频60%（6877人）的充值频次占总体的4%是否为主动充值is_auto0分1是待商定1分0否充值金额de

7、spoit_average1分5800SKA1%的人充值金额占总体的75%4分1500KA1.2%的人充值金额占总体10%5分500大客户4%的人充值金额占总体的5%3分90中客户20%的人充值金额占总体的6%2分20中小客户23%的人充值金额占总体的3%0分0小客户50%的人充值金额占总体的1%26项目设计-客户流失模型-特征选取离散前 离散后27项目设计-客户流失模型-模型选择决策树 -适用布尔、分类变量 -结果容易解释、筛选变量快 28项目设计-客户流失模型-模型选择工具：sparkMlib decision tree - Classification - Regression 做离散变量，选择classification 29项目设计-客户流失模型-效果流失客户预测 30项目设计-客户流失模型流失模型未来尝试 - 特征选择（加入更多特征）尝试 - 不同时间窗口