应用案例分析-数据挖掘与CRM 内容介绍:
(三)解决方案
模型1:客户细分与获得
根据客户价值对客户进行细分,要通过分析与描述决定客户的细分和目标定位,以提高大客户的获得。
对交易数据进行探索性分析,计算客户消费,然后通过进一步分析,定义客户细分,也就是对体现客户价值的客户消费额或交易数量等进行分类。根据这些结果,建立客户细分模型,每个客户被划分到相应的类别中,然后对客户的交易数据、人口数据等进行描述,得到相应的客户价值分群的描述。(注:方框代表数据,椭圆代表数据流)
模型2:客户促销响应模型
模型2预测客户对市场活动的响应情况。在这个模型中,针对客户开展了一次市场活动,每个客户对市场活动有响应与不响应两种反应情况,分别记录各个客户的反应情况。该模型对与客户是否响应市场活动的影响因素进行分析,根据客户的影响因素的特征,可以预测具备某些特征的客户将来对类似的市场活动的响应情况。
模型3:客户价值细分、迁移和流失模型
该模型对客户的价值迁移及流失进行预测,探索客户迁移的模式。客户迁移模式有两种,一种是活跃的程度不同,即在价值金字塔的上下变动,第二种是从活跃到不活跃的变化,即客户流失。该模型需要的数据包括模型1中的客户综合数据,模型2的购买模式数据,以及客户价值细分数据。
(四)结果
第一个模型对客户价值进行细分,并对客户细分群的特征进行描述,有利于客户获得。这个模型主要包括如下结果:
●对客户消费数据进行分析与描述
●产生客户细分模型或者价值金字塔
●描述不同客户细分群的特征
第二个模型预测客户对于市场活动的响应,使用了RFM评分以及客户行为数据,产生了三个模型:
●RFM模型
●基于提供的所有数据的预测模型
●分群模型
第三个模型预测不同价值的客户的迁移及流失,产生了:
●客户价值迁移预测
●客户流失模型
|