詳解數(shù)據(jù)挖掘之客戶(hù)全生命周期管理

數(shù)據(jù)挖掘涉及到公司運(yùn)營(yíng)的方方面面，這包括對(duì)企業(yè)部門(mén)經(jīng)營(yíng)情況的評(píng)估、內(nèi)部員工的管理、生產(chǎn)流程的監(jiān)管、產(chǎn)品結(jié)構(gòu)優(yōu)化與新產(chǎn)品開(kāi)發(fā)、財(cái)務(wù)成本優(yōu)化、市場(chǎng)結(jié)構(gòu)的分析和客戶(hù)關(guān)系的管理。其中，關(guān)于客戶(hù)與市場(chǎng)的數(shù)據(jù)分析是“重頭戲”。

一、客戶(hù)全生命周期管理

首先，以客戶(hù)全生命周期管理為例介紹數(shù)據(jù)分析運(yùn)用場(chǎng)景和挖掘主題，如下圖所示。

1.發(fā)掘潛在客戶(hù)(市場(chǎng)細(xì)分)

關(guān)于這個(gè)主題的分析，更多的是基于地區(qū)、性別和年齡段等粗粒度的指標(biāo)，結(jié)合產(chǎn)品設(shè)計(jì)定位和目標(biāo)客戶(hù)群體進(jìn)行匹配。比如，高檔母嬰產(chǎn)品的潛在客戶(hù)應(yīng)該是新建高檔小區(qū)中的住戶(hù)。這類(lèi)分析是運(yùn)用最早的，在廣告投放、新店尋址等場(chǎng)景下大量使用。

2.客戶(hù)獲取

當(dāng)客戶(hù)初次了解我們的產(chǎn)品和服務(wù)后，有可能會(huì)猶豫不決，拖延很久才可能真正成為我們的客戶(hù)，而大部分客戶(hù)在這期間會(huì)由于興趣逐漸減退而最終流失。比如，信用卡新客戶(hù)在填好個(gè)人信息，并收到信用卡后卻遲遲沒(méi)有開(kāi)卡。這時(shí)就可以運(yùn)用數(shù)據(jù)挖掘技術(shù)，對(duì)營(yíng)銷(xiāo)人員得到的客戶(hù)基本信息進(jìn)行一個(gè)初步篩選，找出購(gòu)買(mǎi)傾向性較高的客戶(hù)進(jìn)行深度跟蹤營(yíng)銷(xiāo)。這么做既減少了人工成本，又降低了打擾客戶(hù)的次數(shù)，從而減少了投訴。同時(shí)在與潛在客戶(hù)的交流中，也會(huì)為其制定更個(gè)性化的產(chǎn)品或服務(wù)組合。

3.初始信用評(píng)分

當(dāng)客戶(hù)最終購(gòu)買(mǎi)我們的產(chǎn)品時(shí)，在涉及賒銷(xiāo)情況的時(shí)候，就會(huì)用到初始信用評(píng)分技術(shù)。這是根據(jù)客戶(hù)的性別、年齡以及居住場(chǎng)所等基本信息對(duì)客戶(hù)的信用進(jìn)行預(yù)判。這類(lèi)情況不只在銀行信貸中會(huì)遇到，在很多企業(yè)中都會(huì)遇到。企業(yè)的應(yīng)收賬款就是一種自然的商業(yè)信用，建立好優(yōu)秀的初始信用評(píng)分體系，可以使企業(yè)在不增大財(cái)務(wù)風(fēng)險(xiǎn)的情況下快速開(kāi)拓市場(chǎng)。比如，IBM全球融資部(IGF)是一個(gè)為賒購(gòu)買(mǎi)入IBM產(chǎn)品的小公司提供金融服務(wù)的部門(mén)，其在上世紀(jì)80年代開(kāi)發(fā)的客戶(hù)信用評(píng)分模型對(duì)開(kāi)拓全球市場(chǎng)功不可沒(méi)?，F(xiàn)在這個(gè)技術(shù)也成為了提高客戶(hù)滿(mǎn)意度的一種方式。比如，中國(guó)移動(dòng)的先付費(fèi)客戶(hù)的欠費(fèi)額度和京東的“打白條”服務(wù)。

4.客戶(hù)價(jià)值預(yù)測(cè)

為了更好地為客戶(hù)提供服務(wù)的同時(shí)增加企業(yè)利潤(rùn)，需要根據(jù)客戶(hù)的基本信息進(jìn)行其價(jià)值預(yù)測(cè)。其中價(jià)值既包括以消費(fèi)水平為代表的直接價(jià)值，也包括客戶(hù)口碑宣傳的間接價(jià)值。

5.客戶(hù)細(xì)分(市場(chǎng)細(xì)分)

根據(jù)客戶(hù)的基本信息，從人口學(xué)、工業(yè)統(tǒng)計(jì)信息、社會(huì)狀態(tài)、產(chǎn)品使用行為等方面對(duì)客戶(hù)進(jìn)行細(xì)致的描述。這對(duì)分析客戶(hù)類(lèi)型結(jié)構(gòu)、修正產(chǎn)品定位、滿(mǎn)足細(xì)分群體需求開(kāi)發(fā)新產(chǎn)品、提高客戶(hù)滿(mǎn)意度和分析客戶(hù)需求變化趨勢(shì)都是有意義的。

6.交叉銷(xiāo)售

分析產(chǎn)品之間的關(guān)聯(lián)關(guān)系，發(fā)現(xiàn)產(chǎn)品銷(xiāo)售中預(yù)期不到的模式。比如，“啤酒與尿布”的故事就是從客戶(hù)在超市中的購(gòu)物記錄中獲取的。這種技術(shù)目前被廣泛運(yùn)用在零售業(yè)、銀行、保險(xiǎn)等領(lǐng)域，大家對(duì)京東商場(chǎng)的推薦產(chǎn)品和淘寶的“猜你喜歡”兩個(gè)模塊應(yīng)該有深刻的印象吧，這兩個(gè)模塊都是這個(gè)主題的運(yùn)用。

7.產(chǎn)品精準(zhǔn)營(yíng)銷(xiāo)

這是客戶(hù)價(jià)值提升的重要方面，目的在于擴(kuò)大客戶(hù)消費(fèi)的范圍。比如，公司開(kāi)發(fā)了一款新產(chǎn)品，希望快速找到目標(biāo)客戶(hù)。這就可以通過(guò)分析現(xiàn)有客戶(hù)的屬性和產(chǎn)品消費(fèi)行為，確定響應(yīng)可能性最大的群體進(jìn)行營(yíng)銷(xiāo)。

8.行為信用評(píng)分

和初始信用評(píng)分的目的是一樣的，這里分析的變量加入了客戶(hù)產(chǎn)品消費(fèi)行為的信息，這使得對(duì)客戶(hù)信用的評(píng)估更為準(zhǔn)確。比如，美國(guó)AT&T電信公司，其客戶(hù)信用風(fēng)險(xiǎn)評(píng)級(jí)精確度明顯高于一般的信用卡公司，這就是因?yàn)檎莆樟丝蛻?hù)更多的通話(huà)、差旅等行為信息。

9.欺詐偵測(cè)

也稱(chēng)為異常偵測(cè)。是對(duì)客戶(hù)(包括內(nèi)部員工)涉及洗錢(qián)、套現(xiàn)、盜用等異常行為進(jìn)行的偵測(cè)，滿(mǎn)足風(fēng)險(xiǎn)監(jiān)管的需求。

10.客戶(hù)保留

有可能隨著時(shí)間的變化，客戶(hù)需求產(chǎn)生變化，如果不及時(shí)發(fā)現(xiàn)這種變化趨勢(shì)，就會(huì)造成客戶(hù)流失?？蛻?hù)保留的目的在于，及時(shí)發(fā)現(xiàn)客戶(hù)在購(gòu)買(mǎi)產(chǎn)品方面的行為變化和滿(mǎn)意度情況，從而及時(shí)更換產(chǎn)品組合。比如，電信運(yùn)營(yíng)商發(fā)現(xiàn)客戶(hù)的通話(huà)特征，從短途居多變?yōu)殚L(zhǎng)途居多，而且從客戶(hù)流失的模型中發(fā)現(xiàn)，有這種情況的客戶(hù)流失的可能性很高。這主要是由于客戶(hù)不了解電信運(yùn)營(yíng)商的套餐類(lèi)型，只是聽(tīng)說(shuō)其他運(yùn)營(yíng)商的長(zhǎng)途套餐更便宜造成的。那么客服人員就需要了解這類(lèi)客戶(hù)的需求，從而提供更合理的套餐類(lèi)型。

11.客戶(hù)關(guān)系網(wǎng)

客戶(hù)的親友圈、工作圈和興趣圈的信息對(duì)客戶(hù)管理、營(yíng)銷(xiāo)和產(chǎn)品開(kāi)發(fā)有重要的意義。比如，可以很好地定位客戶(hù)所處的自然生命周期。如果是婚戀中的人，可以推薦與其品位相似的產(chǎn)品信息。而且通過(guò)對(duì)客戶(hù)關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)的分析，可以明確網(wǎng)絡(luò)中的重要節(jié)點(diǎn)，這對(duì)關(guān)鍵人營(yíng)銷(xiāo)有重大意義。

12.流失客戶(hù)時(shí)間判斷

通過(guò)對(duì)已經(jīng)流失客戶(hù)的存續(xù)時(shí)間進(jìn)行分析。一方面可以預(yù)判現(xiàn)有客戶(hù)流失的高危期，另一方面為提高不同類(lèi)型客戶(hù)的存續(xù)時(shí)間提供技術(shù)支持。

13.流失客戶(hù)類(lèi)型判斷

對(duì)流失客戶(hù)的細(xì)分可以對(duì)改進(jìn)產(chǎn)品和服務(wù)起到重要的指導(dǎo)作用。

二、數(shù)據(jù)挖掘主要方法的選取標(biāo)準(zhǔn)

真實(shí)世界的數(shù)據(jù)挖掘主題豐富多彩，但又有規(guī)律可循，比如精準(zhǔn)營(yíng)銷(xiāo)屬于排序模型、欺詐識(shí)別屬于決策模型。因此作為數(shù)據(jù)挖掘工程師，需要十八班兵器樣樣精通，以備需要的時(shí)候挑選好趁手的兵器。下圖展示了主流模型的特點(diǎn)與強(qiáng)項(xiàng)。

需要說(shuō)明的一點(diǎn)是，在商業(yè)挖掘項(xiàng)目中，經(jīng)常遇到有人拿支持向量機(jī)(SVM)和邏輯回歸比準(zhǔn)確性，這其實(shí)是不公平的，衡量排序類(lèi)模型的優(yōu)劣指標(biāo)是ROC曲線下面積或提升度，而不是準(zhǔn)確度，因此邏輯回歸表現(xiàn)差是理所應(yīng)當(dāng)?shù)?。因此希望我們將?lái)可以先明確分析目的，在可選的模型中進(jìn)行比較，盡量降低跨主題選建模方法的情況。

三、數(shù)據(jù)挖掘工具的選擇

工具是大腦的延伸，優(yōu)秀的數(shù)據(jù)挖掘工程師已經(jīng)將編程語(yǔ)言融入為身體的一部分，而實(shí)務(wù)中一專(zhuān)多能是必須的。由于語(yǔ)言由于其主要的受眾不同，因此具有不同的風(fēng)格。一個(gè)成熟的商業(yè)數(shù)據(jù)挖掘工程師要在注意這些差異，揚(yáng)長(zhǎng)避短。