市场营销中的数据分析方法67290.ppt
《市场营销中的数据分析方法67290.ppt》由会员分享,可在线阅读,更多相关《市场营销中的数据分析方法67290.ppt(71页珍藏版)》请在三一文库上搜索。
1、市场营销中的数据分析方法,报告内容,原理篇 客户关系管理中的数量方法 方法篇 数据分析方法概论 统计分析方法 数据挖掘分析方法 工具篇 常用数据分析工具简介 总结 基本结论,市场营销中的数量决策问题,传统的纯粹定性描述方法已远远不能满足现代市场营销实践的需要,为了体现市场营销学本身的科学性和对企业实践的指导性,数据分析理论与方法在市场营销学中占有越来越重要的地位。 理论上计量市场营销学的出现 理念上数据库营销、关系营销的兴起 实务上数据挖掘技术在客户关系管理中的应用 探察数量决策问题的两个视角 理论上的框架要素 实务上的业务流程,视角一:市场营销学的理论框架,核心概念 营销观念,营销计划 营销
2、组织 营销控制 营销审计,产品策略 定价策略 分销策略 促销策略,需求分析 市场细分 目标市场 市场定位,基础理论,战略理论,策略理论,管理理论,视角一示例:市场营销中的产品决策,产品定位 定位图分析(感知定位图、偏好定位图等) 新产品扩散与产品生命周期管理 巴斯模型(BASS Model) 生长曲线模型(Growth Curve Model) 品牌决策 消费者品牌选择模型,视角二示例:电信业业务流程视图(eTOM),视角二示例:理解客户与市场,市场购买行为 消费者购买行为模型 消费者品牌选择模型 市场需求测量 市场需求预测模型 市场细分,客户生命周期与市场营销策略,客户生命周期,在不同生命周
3、期阶段需考虑不同问题,如何发现并获取潜在客户?,阶段A (Acquisition) 客户获取,如何把客户培养成高价值客户?,阶段B: (Build-up) 客户提升,如何使客户使用新电信产品? 如何培养顾客忠诚度?,阶段C: (Climax) 客户成熟,如何延长客户“生命周期”?,阶段D: (Decline) 客户衰退,如何赢回客户?,阶段E: (Exit) 客户离网,客户价值,多种分析主题在不同时期应用,客户获取 市场细分与产品定位 目标客户特征识别,刺激需求 提升销售,交叉销售 目标营销,客户保持 生存分析 客户风险,客户挽留,客户细分,细分是指将一个大的消费群体划分成一个个细分群的动作,
4、同属于一个细分群的消费者彼此相似,而隶属于不同细分群的消费者被视为不同。细分的目的可以让管理者从一个比较高的层次上“鸟瞰”整个数据库中的数据,从而可以用不同的方法对待处于不同细分群众的客户,提供相对个性化的服务。 客户细分的目的 更好的了解客户结构 改善客户管理与沟通 增加客户贡献度 客户细分中的数量方法 聚类分析 卡方自动交互检测(CHAID),营销策略 客户保持 基于奖赏及高成本事件驱动的保持策略 专注的, 区分优先级的Call center支持 客户获取 刻画子分群的特征 建立跟踪系统(tracking systems)以从价值的角度监控新来的客户 交叉销售 对高价值客户进行交叉销售会产
5、生更大的收益,经常地, 头20%的客户贡献了将近100% 的整体利润. 这些客户对CRM策略开发是至关重要的。,示例:基于价值的客户细分(高价值客户),中间层代表了客户的大多数. 他们利润较薄(thin margins)但容量巨大(high volume).,营销策略 定价与行为改变 识别服务机会 增强可能的定价 结构性定价以鼓励改善收益性的行为 交叉销售 利用预测模型识别具有潜在价值的客户 利用事件营销与关系营销策略去增加产品的持有量 渠道与服务的效率 识别高成本/低回报的渠道并重新部署或调整结构 定位高成本业务流程以流线化或渠道迁移,示例:基于价值的客户细分(中价值客户),尽管数量很少 (
6、10% to 20%) 但他们消除了很大一部分的利润.,营销策略 改变定价 识别与负利润相关的定价策略与行为, 鼓励服务使用与目标定价以增加或引入由服务改变而带来的可能收入 客户风险 避免向具有信用风险的客户进行交叉销售 客户获取 识别低价值客户并积极地在获取过程中避免与这类客户发生接触,示例:基于价值的客户细分(低价值客户),High Value ?,High Value ?,Low Value ?,Low Value ?,示例:基于生命阶段的客户细分,客户获取,在大多数商业领域中,业务发展的主要指标里包括新客户的获取能力。新客户的获取包括发现那些对你的产品不了解的客户,也包括以前接受你的竞
7、争对手服务的顾客。 客户获取中的数量方法 特征识别(Profiling and Penetration Analysis) 响应模型(Response Model),客户保持,随着行业的竞争越来越激烈和获得一个新客户的开支愈来愈大,保持原有客户的工作愈来愈有价值。 客户保持中的数量方法 流失预测模型 客户忠诚度模型,交叉销售与提升销售,交叉营销是指你向现有的客户提供新的产品和服务的营销过程。公司与其客户之间的商业关系是一种持续的不断发展的关系,在这种关系建立起来以后,可以有很多种方法来不断改善这种关系。双方的目标是达到双赢的结果,客户获益是由于他们得到了更好更贴切的服务质量,商家则因为增加销售
8、量获利。 交叉销售中的数量方法 购买倾向预测 产品关联分析,客户流失,客户流失预警 分品牌、高/中/低价值、主动/被动构建模型 分类预测数据挖掘模型 客户挽留流程设计 彩铃客户流失预警 分主动/捆绑构建模型 分类预测数据挖掘模型 客户挽留流程设计 竞争对手流失预警 联通用户流失预测 客户挽留流程设计,交叉销售与提升销售,购买倾向预测 彩铃预测模型 彩信预测模型 WAP预测模型 购物蓝分析 产品关联分析 营销方案关联分析 提升销售 价值提升预测模型,营销案预演,营销预演是为了支持业务人员制订新的资费营销方案,然后对该方案在历史数据上做相应的测算,从而根据测算结果来指导下一步工作。,营销活动管理-
9、CMP,KPI预测模型,个人客户分群,个人客户价值评估,新产品生命周期分析,报告内容,原理篇 客户关系管理中的数量方法 方法篇 数据分析方法概论 统计分析方法 数据挖掘分析方法 工具篇 常用数据分析工具简介 总结 基本结论,数量分析方法(Quantitative Analysis),数量分析是对事物的数量特征、数量关系与数量变化的分析。 数量分析的类型 按照分析的目的 探索性数据分析 描述性数据分析 解释性数据分析 按照问题的本质 确定性分析 不确定性分析,数量分析中的模型化方法,数量模型是对现实问题的描述和模仿 模型是为认识目的或实践目的而建立的 典型的模型化过程,数据分析模型,E.F.Co
10、dd的数据分析模型 绝对模型(Categorical Model):依据预定义路径寻找原因,如查询 解释模型(Exegetical Model):依据多层次路径寻找原因,如多维分析 思考模型(Contemplative Model):参数化路径,如场景分析 公式模型(Formulaic Model):模型化路径,如数据挖掘,What happened ?,Why did it happen ?,What will happen ?,ROI,应用复杂性,Human Discovery,Machine-assisted Discovery,常用的数据分析方法/模型,数量分析是对事物的数量特征、数量
11、关系与数量变化的分析。 数量分析的类型 按照分析的目的 探索性数据分析 描述性数据分析 解释性数据分析 按照问题的本质 确定性分析 不确定性分析,认识分析数据:数据测量尺度,名义尺度 有序尺度 间隔尺度 比例尺度,认识分析数据:数据结构类型,截面数据(Cross-section Data) 时间序列数据(Time-series Data) 面板数据(Panel Data),数据分析的出发点:数据矩阵,截面数据(Cross-section Data) 时间序列数据(Time-series Data) 面板数据(Panel Data),常用的统计分析方法,数据分类分析 聚类分析 判别分析 数据化简
12、分析 主成分分析 因子分析 数据相关分析 回归分析 典型相关分析 数据预测分析 时间序列预测,什么是数据挖掘?,Data,Information,Knowledge,Wisdom,存在太多数据挖掘的定义,但基本上有这样一种描述结构 To find / discover / extract / dredge / harvest 、 Interesting / novel / useful / implicit / actable / meaningful 、 Information / knowledge / patterns / trends / rules / anomalies 、 In
13、massive data / large data set / large database / data warehouse 、,Data + context,Information + rules,Knowledge + experience,为什么会出现数据挖掘?,数据爆炸性增长是数据挖掘技术应运而生的根本原因。 只见树木,不见森林(Drowning in data but starving for information) 计算复杂度 数据管理问题 数据类型的多样性,处理大容量数据是 数据挖掘技术区别 于其他数据分析方 法的唯一标志吗?,其他数据分析方法:统计学,从处理数据的角度看、
14、数据规模不同 数据来源不同:观测数据(Secondary Analysis) VS 试验数据(Primary Analysis) 数据类型不同(结构化数据、半结构化数据、非结构化数据) 从分析思想的角度看 更关注实证性分析(Empirical Analysis)而非探索性分析(Exploratory Analysis) 更关注模型(Model)而非算法(Algorithm) 但二者具有相当密切的联系 从数据分析的角度,统计学现在是且仍将是数据挖掘最重要的技术支撑和思想源泉 更加深入的渗透和交叉(如探索性数据分析,EDA),数据挖掘是数据驱 动的探索性分析 !,数据挖掘:多学科的汇合,数据挖掘,
15、数据库技术,统计学,其它学科,信息科学,机器学习,可视化,人工智能,科学计算,数据挖掘是一个过程,“from data mining to knowledge discovery in database”. U. fayyad, G.P.Shapiro and P.Smyth (1996),数据挖掘过程中的数据预处理,数据清洗 填充缺失值, 修均噪声数据, 识别或删除孤立点, 并解决数据不一致问题 主要分析方法:分箱(Binning)、聚类、回归 数据集成 多个数据库、数据方或文件的集成 数据变换 规范化与汇总 数据简化 减少数据量的同时, 还可以得到相同或相近的分析结果 主要分析方法:抽样、
16、主成分分析 数据离散化 数据简化的一部分, 但非常重要 (尤其对于数值型数据来说),数据挖掘过程中的数据探索,探索性数据分析(Exploratory Data Analysis, EDA) 探索性地查看数据,概括数据集的结构和关系 对数据集没有各种严格假定 “玩”数据 主要任务 数据可视化(a picture is worth a thousand words) 残差分析(数据拟合 + 残差) 数据的重新表达(什么样的尺度对数抑或平方跟会简化分析?) 方法的耐抗性(对数据局部不良的不敏感性,如中位数耐抗甚于均值) 常见方法 统计量,如均值、方差、根方差、协方差、峰度、偏度、相关系数等 统计图,
17、如饼图、直方图、散点图、箱尾图等 模型,如聚类,数据挖掘结果的评价,兴趣度度量:一个模式是有意义的,如果它易于被人理解,在某种程度上,对于新数据或者测试数据是有效的、潜在有用或者验证了用户渴望确认的某些假设。 目前仍无很好的解决办法,很大程度上仍依靠人工 不存在解决这个问题的简单技术,最终答案是不要把数据挖掘当作脱离数据内涵的简单技术来运用 客观兴趣度:基于统计或模式的结构,如统计量、支持度、lift等 主观兴趣度:基于用户对数据的确信程度,如意外程度、新奇程度或者可行动性等 过度拟合(Over-fitting)问题,什么不是数据挖掘?,定量分析(Quantitative Analysis)的
18、需要存在企业管理运行的各个侧面或环节,但并非所有的定量分析问题都可以归结到数据挖掘范畴的问题。 简单的报表、图表及多维分析仍是日常分析工作的主要内容 小样本数据的分析传统统计分析方法更成熟有效,如趋势预测 某些特定业务问题无法用数据挖掘算法加以解决,例如 资源最优配置问题是个运筹学问题 某些物流管理问题或者供应链管理问题是个随机规划问题 营销预演本质是个系统仿真问题,几个基本概念,模型(Model) vs 模式(Pattern) 数据挖掘的根本目的就是把样本数据中隐含的结构泛化(Generalize)到总体(Population)上去 模型:对数据集的一种全局性的整体特征的描述或概括,适用于数
19、据空间中的所有点,例如聚类分析 模式:对数据集的一种局部性的有限特征的描述或概括,适用于数据空间的一个子集,例如关联分析 算法(Algorithm):一个定义完备(well-defined)的过程,它以数据作为输入并产生模型或模式形式的输出 描述型挖掘(Descriptive) vs 预测型挖掘(Predictive) 描述型挖掘:对数据进行概括,以方便的形式呈现数据的重要特征 预测型挖掘:根据观察到的对象特征值来预测它的其他特征值 描述型挖掘可以是目的,也可以是手段,几类基本的挖掘算法,关联规则(模式、描述型) 发现数据集中的频繁模式 例如:buy(x,”diapers”) buy(x,”b
20、eers”) 0.5%, 60% 分类与预测(模型、预测型) 发现能够区分或预测目标变量(唯一的)的规则或者函数 分类的目标变量一般是范畴型的,而预测则是数量型的,并不必然带有任何时间延续型的暗示 例如:股票市值的预测,病人病情的判断 聚类(模型、描述型) 对数据分组以形成新类,类标记是未知的 例如:市场细分 孤立点探测(Outlier Detection)(模式、预测型) 分析异常或噪声数据的行为模式 例如:欺诈检测,关联规则的基本概念,基本定义 给定(1)事务数据集(2)每个事务是数据项的集合,试图发现项集中的频繁模式或关联关系 所谓频繁模式或者关联规则就是一个具有“A B”形式的逻辑蕴涵
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 市场营销 中的 数据 分析 方法 67290
链接地址:https://www.31doc.com/p-2851435.html