实际应用的工作循环.pptVIP

第三章 實際應用的工作循環 授課導師 周世玉教授 學生王常翰 包栯綺 葉家祺 大綱 工作循環摘要 實際應用的工作循環：以三個不同產業的公司介紹資料採礦如何協助行銷活動 電信業 汽車製造商 銀行 工作循環摘要 資料採礦的工作循環是透過將資料轉換為可行動的資訊來顯示資料的威力。 資料 資料採礦 水 水車 資料採礦的工作循環是將資料採礦定義在創造企業價值的情境下而誕生，選擇應用特定的演算法，應用特定的資料，以解決特定的商業問題。 電信業(背景介紹) 無線通訊產業競爭激烈 電信業者開始推出加值服務 目的： 提高利潤 提升顧客忠誠度以降低流失率(churn) 所提供的加值服務： 語音郵件信箱 熱線服務 手機在家中可以轉換為家用無線電話 電信業(挑戰-1) 某電信公司想測試一項新產品，但是由於技術上的問題，所以這項產品僅供極少數用戶使用，因此，大量的郵寄廣告似乎不切實際。 行銷人員所面臨的兩大挑戰如下所示： 誰是有潛力購買的顧客 (在新產品試用之前，客戶必須簽字才能夠生效) 以最低的成本達成最多潛在用戶的目標 (在以往活動的經驗中，只有2~3%的客戶會參與活動並且購買新產品，換句話說，如果需要500名有效客戶簽字，必須接觸16,000~25,000名客戶才能達到效果) 電信業(挑戰-2) 透過評分機制給每一個名單中的客戶從0~100的分數(絕對不會購買為0，一定會購買為100) ，再依照遞減排列，篩選出客戶名單。 電信業(如何應用資料採礦-1) 由於新產品的推廣，沒有過去的行銷回應紀錄做輔助，因此，只好利用過去任何商品的回應紀錄來建置模型(非回應模型)。 美國退休人士協會利用類神經網路技術建置非回應模型，只要擷取名單的百分之十寄發廣告信，而省下每年數百萬美金的郵寄費用。 除此之外，尚可以根據其他市場上類似商品的銷售紀錄當作訓練組資料，進行模型建立。 電信業(如何應用資料採礦-2) 定義輸入變數： 通聯資料庫：包含用戶接聽與撥出電話的所有相關紀錄。 行銷資料庫：包含用戶使用、保有時間、產品歷史、價格計畫與付款歷史資料等。 人口變項資料庫：包含目標市場人口變項與生活型態等資料。 輸出變數(是否會購買新產品) 電信業(如何應用資料採礦-3) 衍生性輸入變數：根據腦力激盪與初步分析結果，找出了一些作為預測模型輸入變數的描述性變數。 使用時間(minutes of use) 接收電話通數 撥出頻率 影響空間(sphere of influence) 是否使用語音信箱 轉換者(roamer) 電信業(結果與完成循環) 透過三個資料庫中的資料彙整之後，並且利用電腦找出預測模型，以找出誰是可能購買新產品的人選。 完成循環：再利用這部分的資料去針對真實回應者建立更精確的模型。 汽車製造商(背景介紹) 博蒂肯研究中心：透過專家系統的建置去找出休旅車的使用族群。 傳統的資料庫系統包含許多由觀察與專家訪談所得到的規則。 醫學、稅務問題效果極佳 但在某些案例中，規則是很難找到任何專家作為訪談所用 研究團隊決定直接從歷史資料著手，找出相關規則。換句話說，是以資料採礦的技術取代與專家訪談的過程。 汽車製造商(挑戰) 透過行銷活動，例如郵寄邀請函讓消費者進行試車。並且參與試車計畫的消費者可以獲得一副太陽眼鏡。 行銷人員所面臨的兩大挑戰如下所示： 如何增強預測模型找出回應者的能力 回應邀請函與撥打免付費電話詢問的對象太少，更別提實際購買的人。 汽車製造商(如何應用資料採礦-1) 通常資料被開採之前多半是散落在不同的地方，因此第一個面臨的問題便是「整合資料」。 資料： 在郵件檔案中：包含曾經寄發促銷郵件的姓名及地址，並且與購買來的PRIZM資料庫結合，包含了郵遞區號相關的地區、人口及心理變項的分布。 其他兩個檔案中：包含誰回覆廣告信函與誰透過免付費電話詢問相關活動內容。 汽車製造商(如何應用資料採礦-2) 在1,000,003封寄出的廣告信函中，一共有32,904人寄了回函卡，16,453人經由免付費電話，回覆率一共是將近5%。 並且在透過製造商所提供的資料，找出姓名、地址與在三個月內透過郵件所販賣的車種。 再透過姓名自動比對程式將名單縮小至22,000人，最後透過人工比對的方式，找出4,764人是收到郵件並且購買新車的人。 汽車製造商(如何應用資料採礦-3) 利用經驗法則將所有資料分割為兩大部分： 成功「收到郵件並購買新車」 失敗「收到郵件卻不購買新車」 再利用決策樹