數(shù)據(jù)挖掘案例-交叉銷售分析 (2)

TeradataTM Warehouse MinerTraining Workshop案例-5 交叉銷售分析2 7/29/2024什么是交叉銷售？交叉銷售是企業(yè)向原有客戶銷售新的產(chǎn)品或效勞的過程提高客戶的忠誠度使客戶與企業(yè)的聯(lián)系更緊密交叉銷售是向顧客銷售多種相關(guān)的效勞或產(chǎn)品地域相關(guān)品牌相關(guān)效勞供給商相關(guān)3 7/29/2024交叉銷售的目標以產(chǎn)品為中心 以客戶為中心了解客戶已經(jīng)購置的產(chǎn)品和效勞 預(yù)測客戶下一步要購置的產(chǎn)品和效勞 提高交叉銷售的成功率改善客戶的忠誠度增加客戶的回報利潤 4 7/29/2024問題及分析方法哪些產(chǎn)品是經(jīng)常被一塊購置的？關(guān)聯(lián)分析哪些產(chǎn)品是經(jīng)常被同類型的顧客購置的？聚類分析購置與不購置某類商品的顧客之間有什么區(qū)別？某類顧客購置某種商品的可能性有多高？決策樹、回歸和神經(jīng)網(wǎng)絡(luò)5 7/29/2024業(yè)務(wù)問題定義特定業(yè)務(wù)和哪些資費套餐是經(jīng)常被一起選用？找出業(yè)務(wù)和資費套餐的交叉關(guān)系關(guān)聯(lián)分析選用特定業(yè)務(wù)的顧客分群是如何分布？對特定業(yè)務(wù)的顧客進行聚類分析選用與不選用某種業(yè)務(wù)的顧客之間有什么區(qū)別？顧客選用某種業(yè)務(wù)的可能性有多高？數(shù)據(jù)探索對候選變量進行初步分析，找出高區(qū)分度的變量利用決策樹計算出客戶選用特定業(yè)務(wù)的可能性6 7/29/2024業(yè)務(wù)問題定義業(yè)務(wù)范圍按業(yè)務(wù)申請量語音信箱、三方通話、10元自由通.按業(yè)務(wù)使用量話音業(yè)務(wù)撥打17951、移動聊天、娛音在線.SP業(yè)務(wù)空中信使、新浪網(wǎng)、雜志.7 7/29/2024業(yè)務(wù)問題定義客戶范圍客戶類型為非特殊客戶本月狀態(tài)為在網(wǎng)8 7/29/2024數(shù)據(jù)準備數(shù)據(jù)清洗和預(yù)處理建立物理數(shù)據(jù)模型PDM數(shù)據(jù)的抽取轉(zhuǎn)換和加載ETL變量選擇和數(shù)據(jù)抽樣9 7/29/2024數(shù)據(jù)準備物理數(shù)據(jù)模型基表客戶價值分析中原有的五張基表TB_CSL_SERVICE_APPLY 業(yè)務(wù)申請信息表TB_CSL_SERVICE_USAGE_NL 業(yè)務(wù)使用信息表(本地語音話單)TB_CSL_SERVICE_USAGE_LMM 業(yè)務(wù)使用信息表(移動夢網(wǎng)本省話單)TB_CSL_SERVICE_USAGE_MMS 業(yè)務(wù)使用信息表(彩信話單)總表TB_CSL_ALL_ITEMS_FUNC 交叉銷售分析總表申請業(yè)務(wù)TB_CSL_ALL_ITEMS_CHAT_TYPE 交叉銷售分析總表話音業(yè)務(wù)TB_CSL_ALL_ITEMS_SERVICE 交叉銷售分析總表SP業(yè)務(wù)視圖VW_CSL_ALL_ITEMS_FUNC_FLAG 交叉銷售分析總表視圖標志，申請業(yè)務(wù)VW_CSL_ALL_ITEMS_CHAT_FLAG 交叉銷售分析總表視圖標志，話音業(yè)務(wù)VW_CSL_ALL_ITEMS_SERV_FLAG 交叉銷售分析總表視圖標志，SP業(yè)務(wù)評分表TB_CSL_SCORE_PROFILE 交叉銷售評分表TB_CSL_SCORE_PROFILE_1 交叉銷售評分表1TB_CSL_SCORE_PROFILE_2 交叉銷售評分表210 7/29/2024數(shù)據(jù)準備ETL周期為每月基表的加載作業(yè)依賴作業(yè)TB_PAR_SUBSCRIBER_FUNC、本地語音話單、移動夢網(wǎng)本省話單、彩信話單上游作業(yè)TB_PAR_SUBSCRIBER_MONTH總表的加載作業(yè)依賴依賴作業(yè)全部基表加載作業(yè)完成上游作業(yè)TB_PAR_SUBSCRIBER_MONTH11 7/29/2024數(shù)據(jù)準備選擇和抽樣變量選擇客戶根本資料、繳費資料、投訴資料、通話資料、賬單資料、業(yè)務(wù)申請資料、業(yè)務(wù)使用資料數(shù)據(jù)抽樣從總表中抽取訓練集、驗證集和測試集各個集合均為六十萬條記錄12 7/29/2024探索型數(shù)據(jù)分析采用可視化的工具或統(tǒng)計分析等方法來展示及探索各個變量對目標變量的影響值分析(Value Analysis)空值、唯一值、空字符串、零值、最大值、最小值頻次分析(Frequency,Histogram)判斷自變量對目標變量的區(qū)分度變量值離散化的依據(jù)相關(guān)分析(Correlation Analysis)找出和目標變量具有相關(guān)關(guān)系的自變量13 7/29/2024建立模型關(guān)聯(lián)分析模型找出業(yè)務(wù)和資費套餐的交叉關(guān)系聚類分析模型對特定業(yè)務(wù)的顧客進行聚類分析決策樹模型利用決策樹計算出客戶選用特定業(yè)務(wù)的可能性14 7/29/2024建立模型關(guān)聯(lián)分析模型關(guān)聯(lián)分析模型答復(fù)以下問題：“特定業(yè)務(wù)和哪些資費套餐是經(jīng)常被一起選用？目標：找出業(yè)務(wù)和資費套餐的交叉關(guān)系數(shù)據(jù)項客戶編號、帳務(wù)年月、資費套餐、業(yè)務(wù)編碼TWM中對應(yīng)的功能支持Affinity Analysis15 7/29/2024建立模型聚類分析模型聚類分析模型答復(fù)以下問題：“選用特定業(yè)務(wù)的顧客分群是如何分布？目標：對特定業(yè)務(wù)的顧客進行聚類分析數(shù)據(jù)項客戶編號、帳務(wù)年月、業(yè)務(wù)編碼、客戶根本資料、繳費資料、投訴資料、通話資料、賬單資料、業(yè)務(wù)申請資料、業(yè)務(wù)使用資料TWM中對應(yīng)的功能支持Cluster Analysis16 7/29/2024建立模型決策樹模型決策樹模型答復(fù)以下問題：“選用與不選用某種業(yè)務(wù)的顧客之間有什么區(qū)別？顧客選用某種業(yè)務(wù)的可能性有多高？目標：計算出客戶選用特定業(yè)務(wù)的可能性數(shù)據(jù)項客戶編號、帳務(wù)年月、業(yè)務(wù)編碼、客戶根本資料、繳費資料、投訴資料、通話資料、賬單資料、業(yè)務(wù)申請資料、業(yè)務(wù)使用資料目標變量：選用業(yè)務(wù)標志TWM中對應(yīng)的功能支持Decision Tree Models17 7/29/2024高購置傾向客戶群人數(shù)：19711目標客戶組目標客戶組控制組控制組通過預(yù)測模型的打分，列出了有購置新業(yè)務(wù)傾向的客戶，配合相關(guān)篩選條件，被篩選了出來作為目標客戶.在客戶群中其他客戶，配合相關(guān)篩選條件，隨機篩選了出來作為控制組客戶.人數(shù)：1500人數(shù)：1500營銷活動目標客戶選取18 7/29/2024成功率成功率實施效果19 7/29/2024Questions?Open Discussion