数据挖掘在目录营销中的应用PPT课件

1、商务数据挖掘与应用案例分析,第12章 数据挖掘在目录营销中的应用,12.1 应用概述 12.2 案例1：Charles读书俱乐部目录营销 12.3 案例2：旅游公司的目录营销,12.1 应用概述 （1）,12.1.1 RFM分析的基本原理 12.1.2 RFM模型的应用场景,12.1 应用概述 （2）,目录营销是目前国内外零售业重要的营销模式，通过邮寄、电子商务网站等方式把商品信息目录发布给目标市场的客户。 数据挖掘技术在目录营销中的应用主要体现在以下几个方面： （1）RFM分析技术。利用RFM分析技术对企业所有历史顾客进行忠诚度评分，并划分为高忠诚度、忠诚度一般以及忠诚度低的顾客，然后根据忠

2、诚度不同的客户采取不同的管理措施。 （2）聚类分析技术。利用聚类分析技术，把这些历史顾客划分为不同的客户群体，然后分析这些群体中客户的相似行为特征，针对不同的用户群体，企业在邮寄目录时可采取不同的个性化服务。 （3）分类预测技术。利用分类技术对历史客户信息进行分析，并建立准确度较高的分类模型，挖掘目标市场的潜在群体或潜在客户。 （4）关联分析技术。利用关联分析技术，对历史顾客的购买记录进行分析，把两种或多种最有可能被一起购买的商品类别组合起来，放在目录册的同一分页或相邻分页。此外，关联分析还可以用在目录的交叉销售中。,12.1.1 RFM分析的基本原理,RFM模型是衡量客户价值和客户创利能力的

3、重要工具和手段，其原理是曾经购买过产品或服务的客户更有可能会再次进行购买。该模型通过R变量（Recency）、F变量（Frequency）和M变量（Monetary）三项指标来描述客户的价值。三个变量的含义如下。 （1）R变量（Recency），即距最近一次消费的时间跨度，指的是顾客最近一次购买商品或者进行交易活动的时间与目标时间的间距，时间单位由用户自定义，可以是月数，天数或者小时数。 （2）F变量（Frequency），即消费频率，指的是顾客在指定期间内购买商品的次数。对于F变量较大的顾客，可以说是最常购买的顾客，也是满意度较高的顾客。购买次数越多的顾客，其对该企业的忠诚度也越高，对企业来

4、说，这类顾客具有较高的客户价值，必须时常与该类顾客保持联系。 （3）M变量（Monetary），即消费金额，指的是顾客在指定期间内花费在商品或服务上的总金额。花费总金额越大的顾客，其忠诚度往往会比花费总金额少的顾客要高，其客户价值也越高。,12.1.2 RFM模型的应用场景,RFM模型不仅可以应用于产品零售企业，如消费品、化妆品和超市等，而且也可以应用于加油站、旅行保险、运输、快餐店、KTV、移动电话卡和证券等行业。其效果和作用已经被各种行业应用所证实。 以下是应用RFM模型比较典型的行业例子： （1）电信和移动等通讯公司根据客户最近一次的通话时间，通话的频数以及总话费这三项信息，用RFM模型

5、将所有客户划分为忠实客户、较忠实客户和非忠实客户。 （2）商场或者零售商可以根据顾客最近一次消费，消费次数以及消费的总金额这三项信息，采用RFM模型对所有顾客进行忠诚度划分，然后有选择性地对其中几类顾客进行宣传促销，提高客户响应度和反馈率。 （3）银行等信贷机构根据客户使用信用卡的信息，即最近一次消费，消费次数及消费的总金额，来了解该客户的价值，了解该客户的信用情况。 （4）保险公司根据投保人的最近一次的投保时间、总的投保次数以及投保金额三个指标，来衡量投保人是否具有欺诈行为或者是否有流失倾向。,12.2 案例1： Charles读书俱乐部目录销售,12.2.1 商业理解 12.2.2 数据理

6、解阶段 12.2.3 数据准备阶段 12.2.4 建模阶段 12.2.5 评估阶段,12.2.1 商业理解,本案例来源于Charles读书俱乐部的新书销售，通过本案例介绍RFM和分类技术在目录营销中的应用。 该俱乐部准备发行一本名为Florence的艺术史的新书，考虑到目前该新书在市场上的知名度不高，有可能达不到预定的目标销售额。目录邮寄会产生目录设计费用、目录印刷费用和目录邮寄费用等多项成本，成本的增加必定导致销售利润的减少，目录设计费用一般难以降低，因此可以通过降低目录印刷和邮寄的数量而降低宣传成本。 本案例中数据挖掘的目标就是从数据库中的大量顾客提取具有代表性的顾客，以便对这些顾客进行目

7、录邮寄，达到预期的宣传效果。据此，本案例采取的方法是利用RFM模型分析得出忠诚度较高的顾客，俱乐部可以对现有忠诚度较高的顾客进行目录邮寄。,12.2.2 数据理解阶段 （1）,表12-2 俱乐部数据的变量名称及含义,数据集中每行（或者每个事例）对应着一个市场测试顾客的记录，每一列是一个变量.,12.2.3 数据准备阶段 （1）,（1）属性选择 从表12-1中可知，属性Gender和Florence是分类型数据，其它属性全部为连续型数据。为构建分类模型，必须确定输入属性以及输出属性，输入属性用来训练模型，而输出属性则为此分类模型最终要分析预测的属性。本案例分类模型的输出属性是Florence字段

8、，并具有两个值0（没有购买新书）和1（购买了新书），代表着俱乐部需要分析预测顾客是否将会购买新书。此外，一个数据集中往往会存在一些对分析处理以及构建模型没有任何意义的属性，这些属性需要过滤掉，否则将会影响后面的分析和模型预测的准确度。这里的Seq#和ID#字段仅对数据记录进行标号，而没有实际意义，所以把它们都舍去。其余有意义的属性都作为分类模型的输入属性。,12.2.3 数据准备阶段 （2）,表12-3 Florence各值分布比例,（2）数据审核 数据审核可以对所有属性数据分别进行最值、平均值、标准差、偏度、有效值以及分布情况进行描述，从而更加清楚地了解数据的特征。 表12-3显示出目标属性

9、Florence各值的分布比例，明显看出Florence属性值0和1的分布极不平衡，虽然这与实际情况非常吻合，就是因为比较少人购买新书，俱乐部才需要通过目录直销来进行宣传，提高新书的知名度以提高销量。,12.2.3 数据准备阶段 （3）,表12-4 Florence各值在性别上的分布比例,不平衡数据分布会对构建分类模型产生不良影响，模型会倾向于值为0的预测，实际上俱乐部需要的是要预测值为1的情况。因此需要对此类数据进行平衡处理，适当提高训练集中值为1的比例，以提高分类模型对值为1的预测性能。 在数据平衡处理中，样本比例的调整则要结合模型和具体情况反复测试。表12-4显示目标属性Florence

10、各值在性别上的分布比例，直观地看，会发现在历史顾客中，女性和男性购买新书的人数占总人数的比例分别是5.2%和3.25%，而占该性别总人数的相对比例分别为7.38%和10.99%，可见男性顾客购买新书的可能性较大。,12.2.3 数据准备阶段 （4）,（3）训练集、测试集与验证集 该俱乐部已经给从顾客数据库中随机选择的4000个顾客发了邮件。顾客的回复已经和过去购买记录做了关联。这些数据被随机地分成三部分：训练数据（1800个顾客），用来拟合响应数据模型；验证数据（1400个顾客），用于比较不同响应模型的表现；测试数据（800个顾客），用于选定最终模型后，估计使用模型时的准确性。 （4）平衡训练

11、集 经过数据审核可知，目标变量Florence的属性值0和1的分布极不平衡，没有购买新书的顾客（91.55%）比例远多于有购买新书的顾客比例（8.45%），因此对训练集中变量Florence取值为1的数据进行平衡处理，设置其平衡因子为3.0，使这些数据的比例增加3倍，以使在训练分类模型时更好地发现和挖掘潜在的规则。,12.2.4 建模阶段 （1）,表12-5 RFM分析中各变量的分箱情况,（1）RFM分析 由于本案例数据中已经存在R、F、M这三个属性，因而可以直接把它们分别作为RFM分析中的R变量（Recency）、F变量（Frequency）和M变量（Monetary），然后把R变量、F变量

12、和M变量的权值分别设为20、50、30，箱数设置为5，并且设置分箱后可以根据实际情况去调整每个分箱中的上限和下限的实际值，接着进行分箱工作。表12-5为各变量的分箱情况。,12.2.4 建模阶段 （2）,表12-6 RFM得分为500的记录数据,经过RFM分析后，从中挑选出RFM得分最高的顾客，此类顾客即为通过RFM分析得到的具有较高忠诚度的顾客。显然，RFM代码555的顾客比RFM代码为111或者其他的顾客显得更有价值，该俱乐部可以挑选RFM代码为555的顾客进行宣传。注意，设置不同的权值，所得到的RFM分数也不一样。表12-6显示RFM得分为500的部分记录数据。,12.2.4 建模阶段

13、（3）,表12-7 CRT和C5.0的误分类损失矩阵,（2）决策树模型分析 用RFM模型将这4000个历史顾客划分了等级，分析出哪些顾客的忠诚度较高，哪些顾客的忠诚度较低。为进一步了解已经购买了新书的顾客的特征，可以采用决策树分析这些特征来预测顾客的购买期望。 这里选择了CRT、C5.0和二元分类器进行模型训练，然后用训练集分别对这三种分类模型进行训练。其中，二元分类器只从CRT、C5.0、CHAID和QUEST这四种决策树进行挑选和综合，目标属性为Florence。因为俱乐部比较关注哪些顾客最有可能购买新书，所以我们最关心目标属性Florence的预测值为1的准确度。CRT和C5.0的误分类

14、损失矩阵的设置如表12-7所示，表明决策树把实际购买图书的顾客预测为不购买图书的顾客的代价是把实际不购买图书的顾客预测为购买图书的代价的两倍，因为前者将会使俱乐部损失一个忠诚顾客的购买所带来的利润。,12.2.4 建模阶段 （4）,表12-8 各分类模型的预测准确度和绩效评价,图12-2 各模型的累计增益图,在训练完模型之后，需要对这三种分类模型进行预测准确度的分析比较，并从中选择出预测准确度较高的模型作为测试评估阶段的目标模型。现在，用测试集对各分类模型的预测结果进行比较，表12-8显示的是各分类模型的预测准确度以及绩效评价，图12-2是各模型的累计增益图。从表12-6中可以看出，二元分类器

15、的预测准确度在三个模型中最高，达到91.51%，其目标属性Florence属性值1的绩效评价也达到1.773，说明它比C5.0、CRT决策树模型的预测性能较好，因此选择二元分类器作为测试评估阶段的目标模型。,12.3.5 评估阶段,表12-9 二元分类器在验证集和测试集的预测准确度和绩效评估的对比,在建模阶段，经过训练和测试各分类模型，选择预测准确度和绩效评价最高的二元分类器模型。在本阶段，将会用验证集对该二元分类器模型进行进一步评估，看看该模型在验证集中的预测性能是否和在测试集一样好。表12-9显示的是二元分类器在测试集和验证集的预测准确度和绩效评估的对比。可以看出，二元分类器在测试集的预测

16、性能也表现得比较好，因此把该模型作为最终的预测模型。,12.3 案例2： 旅游公司的目录销售,12.3.1 商业理解 12.3.2 数据理解阶段 12.3.3 数据准备阶段 12.3.4 建模阶段 12.3.5 部署阶段,12.3.1 商业理解,目录直销企业“登山者”计划向一批目标客户邮寄新一期的假日促销产品目录广告册，公司想通过对上一期邮寄活动的反馈数据进行挖掘，来指导即将进行的新一轮邮寄营销活动。与上一期邮寄活动形成对比的是，公司设立了一个控制组这个控制组群体没有邮寄目录广告册，控制组的作用是通过该组的实际购买消费情况，对比邮寄了目录广告册的那个群体的实际消费购买情况，由此判断广告促销邮寄

17、活动到底有多大的效益提升。两组群体分为四类人群: （1）收到目录并产生购买行为的人群； （2）收到目录却没有产生购买行为的人群； （3）没有收到目录但产生购买行为的人群； （4）没有收到目录也没有产生购买行为的人群；,12.3.2 数据理解阶段,表12-10 数据属性说明,该公司在建立营销响应模型时，从进行邮寄活动的消费者中抽取了5790个消费者的记录，其中70%（4053个消费者记录）用于模型的训练，余下的30%用于模型的验证。所用数据属性说明如表12-10所示。,12.3.3 数据准备阶段,为构建分类模型，必须确定输入变量和输出变量。 在本案例中，输出变量为是否在规定时间里产生购买行为，另

18、外还有四个因变量作为模型的输入变量，它们是消费者年龄x、家庭年收入y、是否拥有住房产权z和对户外运动是否感兴趣k。,12.3.4 建模阶段 （1）,表12-11 模型结果,利用逻辑回归方法建立两个概率模型。 （1）收到邮寄目录的消费者购买预测模型 选择逐步回归法的逻辑回归模型，其退出模型和进入模型的标准分别是0.10和0.05。经过逻辑回归模型分析后，四个变量中年龄、家庭收入和是否对户外活动感兴趣三个变量对预测消费者的购买行为有重要作用，建模结果如表12-11所示。,消费者收到邮寄目录而作出购买决策的概率由以下公式来预测： 其中 这里 变量 是逻辑变量，任何情况有且只有一个取值为1而其它3个为0，例如，年龄介于18到24岁之间时，则 取值为1， 、 、 取值为0。变量 ， 亦类似。,12.3.4 建模阶段 （2）,同样采用逻辑回归模型的逐步回归法，其退出模型和进入模型的标准依然分别是0.10和0.05。表12-12表明四个自变量都是预测模型的有效变量。 消费者没有收到