資料探勘在資料庫行銷上的應用VIP

1、客戶的生命週期客戶的生命週期(1) 獲得新客戶獲得新客戶(2)-蜜月行情(2) 使用量使用量 -讓我們更加親密(3) 維持與保留維持與保留-愛要長長久久(4) 離去離去 -讓我們分手吧行銷經(jīng)理人最想知道的事行銷經(jīng)理人最想知道的事? 如何能抓住能讓我獲利獲利的客戶? 什麼樣的產(chǎn)品組合產(chǎn)品組合客戶最喜歡 ? 誰最有可能對我的廣告廣告郵件產(chǎn)生反應反應? 購買某產(chǎn)品產(chǎn)品的客戶是否有特定的族群族群? 某群消費者未來的購買型態(tài)未來的購買型態(tài)為何? 誰最有可能產(chǎn)生呆帳呆帳? 以前的區(qū)隔方法以前的區(qū)隔方法-行銷經(jīng)理行銷經(jīng)理1. 3040歲之間2. 已婚3. 有7歲以下的小孩4. 住在都會區(qū)5. 大專(或以上)

2、之教育 程度行銷經(jīng)理行銷經(jīng)理分類方式太粗略分類方式太粗略!她們的行為一樣嗎她們的行為一樣嗎? 上班族上班族 經(jīng)常商務旅行 網(wǎng)路與電腦的重度使用者 雙薪家庭 投資組合：基金、定存 一個月去一次媚登峰少奶奶少奶奶先生為自營商投資組合：股票、房地產(chǎn)三個月出國旅行一次SPA：一週三次現(xiàn)今的區(qū)隔方法現(xiàn)今的區(qū)隔方法-資料庫行銷資料庫行銷 資料庫行銷 (Database Marketing) 的目的就是希望藉由紀錄客戶的交易資料 (Transaction Database) 與客戶的基本資料 (Personal Database)，並加以分析，以了解客戶的消費習慣 (Consumer Behavior)，確

3、定行銷目標，進而有效掌握一對一行銷 (One-to-One Marketing) 的關(guān)鍵 傳統(tǒng)的資料庫行銷分析中，利用三個指標RFM對客戶分群 FRMT 不好嗎不好嗎? Frequency (F) 購買頻率 Recency (R) 最近一次購買日期 Monetary (M) 消費金額 Type (T) 消費型態(tài) 依變數(shù)，非自變數(shù) 不適合預測未來 難以將新加入的顧客予以適當分類 如何管理? 5 分法：5(F)*5( R)*5(M)=125 群組FRMT 不好嗎不好嗎?假設(shè)你有9位顧客，其購買次數(shù)如下： 9, 8, 7, 6, 5, 4, 3, 2, 1 (Frequency)以3分法將其分類 9

4、, 8, 7, 6, 5, 4, 3, 2, 1, 其差異有真有其差異有真有如此顯著嗎？如此顯著嗎？FRMT 不好嗎不好嗎?Customer AJanFeb Mar Apr May Juntotal12345621Customer BJanFeb Mar Apr May Juntotal65432121Customer CJanFeb Mar Apr May Juntotal14253621Customer DJanFeb Mar Apr May Juntotal53412621時間序列時間序列的問題?FR積分相同積分相同, 但在時間上的趨勢卻沒考慮到但在時間上的趨勢卻沒考慮到!FRMT 不好

5、嗎不好嗎?02468JanFebMarAprMayJunCustomer A02468JanFebMarAprMayJunCustomer B02468JanFebMarAprMayJunCustomer C02468JanFebMarAprMayJunCustomer D 這四個顧客的行為不同這四個顧客的行為不同!FRMT 不好嗎不好嗎? 產(chǎn)品組合=a, b, c 消費者的選擇組合=a, b, c 和 0 (什麼都不買) 檢視過去5個月的消費歷史紀錄月份一月 二月 三月 四月 五月消費者 Aab00c消費者 Bc0a0b消費者 C0b0ac消費者 Db000a,c序列型態(tài)序列型態(tài)的問題?RM

6、&T相同相同F(xiàn)RMT 不好嗎不好嗎?消費者 A消費者 B產(chǎn)a產(chǎn)abb品c品c一月 二月 三月 四月 五月一月 二月 三月 四月 五月月份月份消費者 C消費者 D產(chǎn)a產(chǎn)abb品c品c一月 二月 三月 四月 五月一月 二月 三月 四月 五月月份月份 將這四個顧客歸於同一群將這四個顧客歸於同一群, 群內(nèi)差異仍然過大群內(nèi)差異仍然過大!FRMT 不好嗎不好嗎? 解決方法 資料倉儲 (Data Warehousing) 資料探勘 (Data Mining)什麼是資料探勘什麼是資料探勘? ? 資料探勘是電腦應用領(lǐng)域的新名詞。然而當人類還在茹毛飲血的上古時代早已進行著資料探勘的行為 為了快速並準確捕獲獵物，人

7、類的祖先必須細心觀察獵物的習性、預測獵物的行為，才能戰(zhàn)勝獵物、存活下去 同樣的，在講究即時、競爭激烈的網(wǎng)路時代，若能事先破解消費者的行為模式，將會是贏得電子商務的關(guān)鍵因素之一什麼是資料探勘什麼是資料探勘? ?什麼是資料探勘什麼是資料探勘? ?資料探勘 Data Mining 定義 William Frawley & Gregory Piatetsky Shapiro, 1991 從現(xiàn)有的大量資料中，擷取不明顯的、之前未知的、可能有用的資訊 目標 建立起決策模型 哪一類的使用者對我的產(chǎn)品有興趣? 根據(jù)過去的行動來預測未來的行為大量的資料大量的資料型態(tài)或規(guī)則型態(tài)或規(guī)則裏面有礦裏面有礦!什麼是資料探

8、勘什麼是資料探勘? ?信用卡消費資料: 假設(shè)每人平均有1.5張信用卡, 每月平均消費10筆, 該銀行約有150萬的客戶, 就資料量而言, 每月約有2250萬筆消費記錄, 每年約有2億7千萬筆消費記錄客戶的消費型態(tài)或規(guī)則什麼是資料探勘什麼是資料探勘? ?資料探勘的發(fā)展歷程資料探勘的發(fā)展歷程 1960s 資料蒐集 磁帶、軟碟、硬碟、 1980s 資料查詢 資料庫(SQL語言) 1990s 資料統(tǒng)計 資料倉儲 (OLAP) 2000s 資料分析 資料探勘所有的公司都需要資料探勘所有的公司都需要資料探勘? ? ( (從公司的規(guī)模來看從公司的規(guī)模來看) )小型公司小型公司 靠著對客戶的了解，使客戶建立忠

9、誠度 買酒 葡萄酒桶 提供買酒的建議是基於對我的了解及對酒的豐富知識 一家家打折的烈酒專賣店可以聘請一群專業(yè)的品酒師，但他們需要花上數(shù)月的時間才能像葡萄酒桶那麼懂我 理髮 小型公司靠著留心客戶的需要，記住客戶的喜好，從過去的互動中擷取經(jīng)驗以便在未來做得更好大型公司大型公司 大型公司的職員多數(shù)無法和客戶有直接親身的互動 單一客戶可能每次所面對的都是不同且不知名的客服人員 這些客服人員如何從中留心、記住並學習 小型公司靠著卓越的直覺能夠立刻認出客戶的姓名、臉孔、聲音以及喜好 在這種情形下，大型公司要用什麼東西取代這些能力？ No!大型公司大型公司 大型公司需要資料探勘 資料探勘可能是唯一的選擇 大

10、型公司也有實行資料探勘的環(huán)境及條件 大部分的作業(yè)均已自動化 利用這些自動化所產(chǎn)生的資料，透過資料探勘，我們可以從這些經(jīng)年累月的大量客戶資料中，分析客戶的族群，客戶的興趣，找出消費者的行為模式，了解哪些類型的客戶需要哪些方面的服務，並進一步預測消費者的行為 資料探勘可能是了解客戶的唯一機會客戶、服務、獲利客戶、服務、獲利 當客戶再也得不到那種貼心的服務時，最直接的效應就是客戶開始流失 大型公司經(jīng)常投下數(shù)億元卻也無法有效解決客戶流失的問題 大型公司應停下來思考獲利與客戶之間的關(guān)係 (服務)，提出有效的解決之道(資料探勘)，並將最有價值的客戶篩選出來，以有效掌握一對一行銷的關(guān)鍵 典型企業(yè)中80%的利

11、潤是由20%的客戶所創(chuàng)造出來的資料倉儲與資料探勘資料倉儲與資料探勘的關(guān)係的關(guān)係資料倉儲資料倉儲 資料探勘和資料倉儲(Data Warehousing) 要了解客戶先要從不同來源資料的收集及有效的組織開始，此一步驟稱之為資料倉儲 接下來資料需要分析、了解，進而轉(zhuǎn)換為行銷的訊息，這就是資料探勘 資料倉儲可以說是資料探勘的前置步驟 資料倉儲可以說是線上分析處理(OLAP)的前置步驟 線上分析處理 簡單的資料探勘資料倉儲資料倉儲 資料倉儲提供企業(yè)所需的記憶，但記憶對智慧是沒有很大的幫助 資料探勘的目的就是要經(jīng)由資料倉儲產(chǎn)生商業(yè)智慧進而獲利資料探勘的進行方式資料探勘的進行方式資料探勘的進行方式資料探勘的

12、進行方式 資料探勘的方法是經(jīng)由自動或半自動的方法探勘及分析大量的資料，以建立有效模式(Pattern)及規(guī)則(Rule) 資料探勘的進行方式 由上而下(Top-Down) 稱為假說檢定 由下而上(Button-UP) 稱為知識發(fā)掘(Knowledge Discovery) 知識發(fā)掘不需要事先的假設(shè)，而是直接讓資料說話資料探勘的應用資料探勘的應用資料探勘的應用資料探勘的應用 美國聯(lián)邦政府利用資料探勘來找出罪犯 從數(shù)以千計的相關(guān)報導中，篩選可能的關(guān)聯(lián)性以及可能的頭緒 是最早使用資料探勘的單位之一 是屬於文件探勘的應用之一 商品擺設(shè) 美國安道超市 (Safeway Corporation) 紀錄每一

13、筆顧客的交易，他們藉此找出哪些商品應放在一起賣，並找出容易對特定商品有回應的消費者資料探勘的應用資料探勘的應用 客戶招攬 Firefly(螢火蟲)公司要求他的會員對音樂及電影評分，透過評分所顯示的好惡程度自動將喜好相似的人分群，並建立虛擬社群 (Virtual Community)。在將每個會員分派至對應的社群後，自動計算出這個社群大多數(shù)人評分最高的音樂及電影，並推薦給這社群的成員 交叉銷售(Cross Sale) USAA針對軍人及眷屬開設(shè)保險公司，它可透過資料探勘來預測客戶的生命週期中，何時需要哪些產(chǎn)品？資料探勘的應用資料探勘的應用 客戶挽留 開發(fā)一個新客戶比維持一個舊客戶所花的成本更高

14、美國南加州天然氣公司利用資料探勘後發(fā)現(xiàn)哪些類型的客戶對價錢較敏感？哪些類型的客戶對贈品較有興趣？ 不要根據(jù)客戶花在公司的消費額來決定要給客戶的服務 有些優(yōu)良的客戶即使沒有禮物也會繼續(xù)使用公司的產(chǎn)品 注重流行的客戶可能就需要禮物來留住他 客戶區(qū)隔 信用卡銀行可利用資料探勘去分析哪些客戶會對哪些企劃案有興趣？資料探勘的應用資料探勘的應用 客戶流失 有些公司流失的客戶遠比新加入的客戶還多，而新客戶所帶來的利潤卻不如以往 為彌補客戶流失所帶來的損失，而暫停一些不賺錢的服務，並不一定是個好的策略 例如某家銀行決定停止部分賠錢的轉(zhuǎn)帳繳費服務，然而根據(jù)研究指出大部分高價值及忠誠度高的客戶是使用該服務的族群，

15、冒然停止這項服務可能會導致這群客戶的流失 為避免客戶流失而提供更多服務，有可能只保住了一小部分的客戶，而讓公司花了太多的錢 公司可利用資料探勘針對已經(jīng)離去的客戶，找出可能的離去原因，以發(fā)動預防措施 風險評估及詐欺察覺 銀行可利用資料探勘去分析公司或個人的財務狀況，以作為是否貸款給他們的參考 信用卡公司可利用資料探勘去分析信用卡在哪些情況下會被盜刷？統(tǒng)一超商砸統(tǒng)一超商砸四十億找出四十億找出氣溫和銷售關(guān)係氣溫和銷售關(guān)係統(tǒng)一超商砸下一年的獲利打造情報高速公路統(tǒng)一超商砸下一年的獲利打造情報高速公路 七五三感冒指數(shù)七五三感冒指數(shù) 根據(jù)統(tǒng)計，氣溫差三度，某些商品的銷售就可能相差一倍以上 在這個氣象經(jīng)濟的時

16、代，掌握溫度變化就等於掌握了商機 日本零售商對於七五三感冒指數(shù)就很敏感，如果一天當中溫度相差七度、今天和昨天的溫一天當中溫度相差七度、今天和昨天的溫度差到五度、且溼度差大於三度差到五度、且溼度差大於三的話，代表感冒的人會增加，商家就要考慮把感冒藥、溫度計和口罩之類的用品上架 溫度和暢銷商品溫度和暢銷商品 除了感冒指數(shù)，溫度和暢銷商品之間也有密不可分的相關(guān)性 氣溫在二十四度到二十七度之間時 鰻魚、冰品和防曬乳會賣得好 溫度在二十二度到二十五度時 涼飲、冰咖啡和殺蟲劑就不可少 溫度在十七度到二十度當中時 布丁、沙拉和優(yōu)格則很受歡迎 統(tǒng)一超商雖提供門市詳細的氣溫與商品銷售資訊做為店長訂貨的依據(jù)，但是

17、也相對要求各門市對營運成績負更大的責任A 全球最大的網(wǎng)路書店亞馬遜 (A) 也有一套強大的顧客管理系統(tǒng) (CRM)，能夠迅速處理每日高達二十萬人次流量的龐大資訊 當顧客在亞馬遜網(wǎng)站買東西之後，銷售系統(tǒng)就會紀錄下顧客買了什麼、甚至還在哪些商品上面做過停留 當下次這位顧客再次進入亞馬遜書店時，系統(tǒng)會主動識別出顧客身分、並根據(jù)顧客的喜好推薦商品，這顯然對維持顧客忠誠度有很大幫助 CRM 讓亞馬遜擁有高達六五的顧客回流率 WAL-MART 世界大零售商威名百貨 (WAL-MART) 也很善用購物籃分析 (Market Basket Analysis)，讓毫不起眼的資訊變黃金 威名百貨在一次分析客戶資料

18、庫時發(fā)現(xiàn)，跟尿布一起購買最多的商品竟然是啤酒 後來透過市場調(diào)查才得知，原來美國的太太常叮嚀丈夫在下班前幫嬰兒買尿布，而四的先生在買完尿布後，又會隨手拎兩罐啤酒 既然尿布和啤酒一起購買的情形特別多，威名百貨就在各個賣店把啤酒和尿布擺在一起，結(jié)果尿布和啤酒的銷售量雙雙增加三成！ 績效的增益績效的增益 大量郵寄 (改進前): 回應率=1% 100萬*1%=1萬10萬*1%=1000 精準郵寄 (改進後): 20% 的顧客產(chǎn)生80%的回應 20%* 100萬 (郵件)80%*1萬 (回應) 20萬 (郵件) 8000 (回應) 10萬 (郵件) 4000 (回應) 增益(Lift): 4000/1000 = 400% Total Gross Margin: 4000*1,000元=400萬 Total