商业数据挖掘的13种应用场景.pdfVIP

商业数据挖掘的 13 种应用场景 数据挖掘涉及到公司运营的方方面面，这包括 对企业部门经营情况的评估、 内部员工的管理、生产流程的监管、产品结构优化与新产品开发、 财务成本优化、 市场结构的分析和客户关系的管理 。其中， 关于客户与市场的数据分析是 “重头 戏”。 下面以客户全生命周期管理为例介绍数据分析运用场景和挖掘主题， 如下图所示： 1 发掘潜在客户（市场细分） 关于这个主题的分析，更多的是 基于地区、性别和 年龄段等粗粒度的指标， 结合产品设计定位和目标客户群体进行匹配 。比如，高 档母婴产品的潜在客户应该是新建高档小区中的住户。这类分析是运用最早的， 在广告投放、新店寻址等场景下大量使用。 2 客户获取 当客户初次了解我们的 产品和服务后， 有可能会犹豫不决， 拖延很久才可能真正成为我们的客户， 而大 部分客户在这期间会由于兴趣逐渐减退而最终流失。 比如，信用卡新客户在填好 个人信息， 并收到信用卡后却迟迟没有开卡。 这时就可以运用数据挖掘技术， 对 营销人员得到的客户基本信息进行一个初步筛选， 找出购买倾向性较高的客户进 行深度跟踪营销。 这么做既减少了人工成本， 又降低了打扰客户的次数， 从而减 少了投诉。 同时在与潜在客户的交流中， 也会为其制定更个性化的产品或服务组 合。 3 初始信用评分 当客户最终购买我们的产品时，在涉及赊销情况的时候，就会 用到初始信用评分技术。 这是根据客户的性别、 年龄以及居住场所等基本信息对 客户的信用进行预判。 这类情况不只在银行信贷中会遇到， 在很多企业中都会遇 到。企业的应收账款就是一种自然的商业信用， 建立好优秀的初始信用评分体系， 可以使企业在不增大财务风险的情况下快速开拓市场。 比如， IBM 全球融资部 （IGF）是一个为赊购买入 IBM 产品的小公司提供金融服务的部门， 其在上世纪 80 年代开发的客户信用评分模型对开拓全球市场功不可没。现在这个技术也成 为了提高客户满意度的一种方式。 比如，中国移动的先付费客户的欠费额度和京 东的“打白条”服务。 4 客户价值预测 为了更好地为客户提供服务的同时增加企业利润，需要根据客 户的基本信息进行其价值预测。其中价值既包括以消费水平为代表的直接价值， 也包括客户口碑宣传的间接价值。 5 客户细分（市场细分） 根据客户的基本信息，从 人口学、工业统计信息、社 会状态、产品使用行为等方面对客户进行细致的描述 。这对分析客户类型结构、 修正产品定位、 满足细分群体需求开发新产品、 提高客户满意度和分析客户需求 变化趋势都是有意义的。 6 交叉销售 分析产品之间的关联关系， 发现产品销售中预期不到的模式。 比如， “啤酒与尿布”的故事就是从客户在超市中的购物记录中获取的。 这种技术目前 被广泛运用在零售业、 银行、保险等领域， 大家对京东商场的推荐产品和淘宝的 “猜你喜欢”两个模块应该有深刻的印象吧，这两个模块都是这个主题的运用。 7 产品精准营销 这是客户价值提升的重要方面， 目的在于扩大客户消费的范围。 比如，公司开发了一款新产品