注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

数据挖掘 营销应用

说出你的业务困惑, 看数据挖掘能否帮你解惑

 
 
 

日志

 
 

数据挖掘的营销应用(57,客户成长模型的营销应用)  

2009-11-30 09:51:53|  分类: 数据挖掘的实践应 |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |

 

本案例翻译并整理自Susan Chiu and Domingo Tavella 合著的《Data Mining and Market Intelligence for Optimal Marketing Returns》。本案例更多的是从公司战略的角度看待数据挖掘的应用,开发新产品、评价成长性客户群体,积极利用成长性客户的特点提升公司的效益也让客户得到更多的合适的产品和服务。所以,不仅数据挖掘者可以从中借鉴挖掘技巧,企业的高管和营销专家更是可以从中开阔思路,提升眼界,增长见识,增添智慧。“光说不练是骗子,光练不说是傻子”,闲话少说,现在开讲,呵呵。

各行各业都是可以利用客户成长模型来提升现存客户的消费价值的。客户成长模型主要用来预测特定客户在一定时间段里显著提高其消费水平的可能性的数据挖掘模型。在实践中,大多数公司都是更加关注于那些具有显著消费上升潜力的客户,而不仅仅局限在关注客户当下的消费毛利。客户成长模型利用客户的消费历史数据,目标变量是客户在特定时间段里消费变化的高低(二元变量,当客户在指定时间段里消费价值上升超过事先确定的一个比例,目标变量为1;当客户在指定时间段里消费价值上升并没有超过事先的这个比例,目标变量为0),这个比例的确定因不同公司情况而有差别。

本案例要分享的是Safe Net保险公司利用逻辑回归算法来进行的客户成长模型搭建和投入应用的具体做法。Safe Net保险公司计划推出一种新的组合套餐产品,使得保险客户可以将几种不同的保险产品(健康险、汽车险、人寿险、意外险、房屋险)捆绑在一起,并采取固定的费率。这种新的产品将有效降低Safe Net保险公司的运营成本、提高公司由于交叉销售带来的收入的提升、同时也给保险客户带来明显的利益(因为他们由此可以更容易的打理他们的产品、并且享受很多折扣优惠)。为了尽量提高该新产品的营销效率,Safe Net保险公司决定利用客户成长模型帮助锁定那些最有可能增长保险消费的客户群体。

对于目标变量的定义是这样的,在过去三年里,如果一个客户的保险消费上升了5%以上,这个客户就是上升客户(二元目标变量中,取值为1;否则,取值为0)。公司随机抽取了95953个保险客户,其中70%(66915)用于模型的训练集,剩下的30%用于模型的验证集。下列变量作为模型的输入变量(家庭年收入、居住的州、职业、家庭成员的数量、投保者的年纪),通过逻辑回归模型的搭建和完善,下列有价值的线索引起了公司管理层的注意,并直接作用于该新产品的营销推广中。

第一,   从地理分布上看,居住在FL, DC, CA这些州的客户相比其他州的客户而言更加有可能提升他们的保险消费;

第二,   在服装、制造、建筑等行业工作的客户比其他行业的客户更加有可能提升他们的保险消费;

第三,   35-44岁年龄组的客户相比其他年龄组的客户更加有可能提升他们的保险消费;利用逻辑回归技术搭建的客户成长模型让Safe Net保险公司可以方便地评估公司的每个潜在目标受众,挑选出最有可能提升消费的那些客户群体,并针对这些客户进行精准的定向营销活动。

  评论这张
 
阅读(835)| 评论(10)
推荐 转载

历史上的今天

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017