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

 
 

数据挖掘营销应用(52,目录直销企业瞄准获得新客户)  

2009-10-09 10:44:43|  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》。这是本博客第一次分享关于一个营销项目中采用两个模型来组合挖掘的实例。传统方法里,瞄准新客户的数据挖掘营销应用一般都是采用一个“营销响应模型”,根据前期的营销响应的数据,建立相同产品营销的响应模型,利用该响应模型去挑选出那些最有可能响应的潜在客户群体。本案例所分享的思路显得更加深入,更加谨慎也因此更加可靠更加提高营销预算的效率和效益。

目录直销企业“登山者”现在正计划向一批目标客户邮寄新一期的假日促销产品目录广告册,公司想通过上一期类似邮寄活动的反馈数据的挖掘分析结果来指导即将进行的这新一轮邮寄营销活动。上一期类似邮寄活动总共邮寄给了52000个目标客户,得到的有效购买响应率为1.2%,即624个消费反馈。在上一期类似邮寄活动进行的同时,公司也跟踪记录了同样数量为52000个消费者的控制组数据(这个控制组群体没有邮寄目录广告册,控制组的作用是通过该组的实际购买消费情况,对比邮寄了目录广告册的那个群体的实际消费购买情况,由此判断这个广告促销的邮寄活动到底有多大的效益提升)。控制组的消费情况事后统计是购买率0.5%, 即有260人实际购买消费(尽管他们没有被邮寄广告目录手册)。这两组人群的消费数据表明,本次营销活动的效益提升(相比没有邮寄的人群来说)LIFT为140%,现在两组群体一共可以分为四种人群(一是收到目录并产生购买的,二是收到目录却并没有产生购买的,三是没有收到目录但是产生购买的,四是没有收到目录也没有产生购买的)。很明显,有的人不论是否收到目录都会购买产品,也有人只有当他收到目录是才会购买产品。为了有效提高营销预算的利用率,现在公司需要知道两种概率,一是消费者收到目录后产生消费行为的概率,二是消费者没有得到目录手册也能产生消费行为的概率。公司希望瞄准的最理想的广告手册的受众是这样的客户:当没有收到目录手册时,他的消费行为的可能性最低;但是当收到目录手册时,他的消费行为的可能性却很大。只有这样的消费者才可以让公司的营销预算花得最值得,本项目的数据挖掘因此由两个模型来共同完成,一个是基于控制组的数据,模型预测没有收到目录手册时每个消费者的购买的概率;另一个是基于邮寄活动产生的反馈数据,模型预测收到目录手册后每个消费者的购买响应的概率。

在建立营销响应这一组的模型时,抽取了5790个消费者的记录,其中70%(4053个消费者记录)用于该模型的训练(training), 另外30%用于模型的验证(validation)。目标变量是是否在规定时间里产生购买行为(二元变量),有四个因变量作为模型的输入变量,消费者年龄(是类别变量,一共分为五个年龄区间)、家庭年收入(类别变量,一共分为六个区间)、是否拥有住房产权(二元变量)、是否对户外运动感兴趣(二元变量)。这四个输入变量都是类别型变量(categorical variables), 在搭建逻辑回归模型时,这些变量都是要通过哑元来转化的。

经过模型分析,在上述四个输入变量中,是否拥有住房产权这个变量并没有多少预测的价值,其他三个变量都具有较好的预测价值,因而可以确定作为最终的模型的输入变量。同样的思路,可以建立另外一个模型(基于控制组的数据,模型预测没有收到目录手册时每个消费者的购买的概率)。不过,在这个模型中,是否具有住房产权这个变量变得有价值,可以考虑放入最终的模型作为输入变量。

基于上述两个模型的预测和评估,公司就可以锁定理想的目录手册邮寄受众名单(两个模型的评估分值之差最大的那些客人)。

在随后的执行环节,公司从现有的十万份客户名单中,随机抽出两万人作为控制组放到一边,对剩下的八万客户先利用第一个模型预测如果他们收到目录后产生消费行为的概率,再对同样的这八万客户利用第二个模型预测如果他们没有接收目录广告也产生消费行为的概率。将那些被第一个模型预测为会产生购买行为,并且被第二个模型预测不会产生购买行为的客户抽出来。按照两个概率之差从大到小的顺序,从上述的客户中选择最有可能的2万名目标客户作为这次营销活动的目标邮寄者,进行营销活动的执行。

  评论这张
 
阅读(1012)| 评论(0)
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