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

 
 

数据挖掘的营销实践(48,旅行社公司的数据挖掘应用案例)  

2009-08-24 08:58:40|  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  |

 

本案例翻译整理自Susan Chiu and Domingo Tavella 合著的《Data Mining and Market Intelligence for Optimal Marketing Returns》。本项目所用的原始数据来自问卷调查,但是随后的分析工作完全按照数据挖掘的思路和技术来进行。该项目挖掘应用的目的有两个,一是利用聚类分析得到的分析结果来指导制订有效的创意的营销用语,二是为即将推出的高附加值的旅游套餐挑选合适的营销渠道。本案例对我们最有价值有借鉴的地方在于:从聚类技术的应用看,本案例提供了一种简单有效的对模型效果的验证的方法,那就是利用验证集(30%)重新聚类分析后得出的各群体特征跟训练集(70%)得出的群体特征相对比,看特征是否一致。另外,本案例不仅从数据挖掘技术上分享了具体步骤,更是从营销线索的挖掘、整理、提炼上提供了一个不错的实战性的全面分享。不过,本案例有个最大的值得商榷的地方,那就是分析所用的数据全部来自问卷调查,而没有把客户在本公司的消费行为数据考虑进来,否则的话,这个分析会更精彩更有价值。对于这个遗憾,最有可能的解释是该公司并没有合适的消费者数据库(用以记录、跟踪消费者消费行为),这从反面说明了消费者数据库的重要价值。

项目背景:旅行服务企业Travel Wind(美国)一直以来主要的服务内容是提供基础性的旅行服务,诸如机票预定、旅馆预定等。公司现在考虑向部分国内外客户提供更加高附加值的服务项目,为了准确了解即将推出的一些高附加值产品和服务的真实潜在需求的实际状况,公司对部分客户进行了一次客户问卷调查。通过对回收问卷的数据整理以及随后的数据挖掘工作,一些有价值的市场营销线索脱颖而出。

Travel Wind的问卷调查一共有8个分析指标,共有4902个客人完成了问卷的填写,其中有效问卷4897份。八个分析指标分别是:年龄(interval)、家庭收入(ordinal)、是否有小孩(binary)、教育程度(categorical)、互联网使用程度(ordinal)、手机使用程度(ordinal)、对美国国内的旅游兴趣(binary)、对国外旅游的兴趣(binary)。如前所述,70%的数据(共计3410份客人问卷)用于聚类分析的建模,另外30%的数据用于模型的验证。采用的是SPSS的分析软件,主要的判断指标是Akaike’s Information Criterion (AIC)。最终这3410份问卷数据被聚类成两个群体(有5份outlier不属于这两个群体,被剔除出去),这样实际上两个群体共有客人(问卷)3405人。其中,cluster one 中人数占32%,cluster two人数占68%。Cluster one 群体平均年龄68岁,远高于cluster two (平均年龄仅为51岁);

相比而言,cluster two(有44%的人具有研究生以上学历) 的受教育程度明显高于cluster one(只有24%的人具有研究生以上学历); cluster two 的收入情况(71%的人家庭年收入超过十万美圆) 也远远好于cluster one(只有19%的人的家庭年收入超过十万美圆);另外cluster two群体中44%的人有孩子,而cluster one 群体中只有11%的人有孩子。

在旅行偏好方面,cluster one 群体里63%的人喜欢国外旅行,而cluster two 只有52%的人喜欢国外旅行;在互联网和手机的使用程度上,cluster two 的人明显是重度使用者。

通过以上的描述性分析总结,我们可以发现cluster one 这个群体属于大众消费群体,而cluster two属于高端群体;基于上述的群体典型特征,Travel Wind公司得出以下营销线索总结:第一,本公司现在有足够的机会和机遇开展高端产品和服务的推介,因为超过一半以上的公司客人都是经常在国内或国外旅行的;第二,本公司可以考虑向两个不同的客户群体分别开发两种不同的营销创意广告宣传语(基于他们不同的收入和年龄特点)。高端客人(cluster two)似乎是处于职业顶点的专业人士或者富裕的家庭主妇,而大众客人(cluster one)似乎是退休人士在寻找独特的旅游经历;第三,关于高端产品的定价策略,可以考虑对高端客人(cluster two)推出高价位产品,而对于大众客人(cluster one)则采取低价策略;第四,公司可以通过互联网和手机作为营销渠道向高端客户开展营销行动。对于聚类模型的验证过程:公司需要通过30%的验证集的数据验证这个聚类模型的有效性,经过重新聚类,验证集(1492个客人)也发现分成两个群体,只有3个outlier不属于上述两个群体的范围。剩下的1489个客人中,按照上述两个群体划分后,各自群体的典型特征几乎与训练集里聚类群体的特征完全一样,由此可以证明模型聚类的结果是非常稳定和有效的。

  评论这张
 
阅读(756)| 评论(2)
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