基于數(shù)據(jù)挖掘的汽車(chē)行業(yè)客戶(hù)行為特征分析

以汽車(chē)行業(yè)為載體，通過(guò)對(duì)具體業(yè)務(wù)需求的理解與梳理，轉(zhuǎn)化為數(shù)據(jù)分析問(wèn)題，進(jìn)行數(shù)據(jù)建模，將輸出的結(jié)果應(yīng)用到業(yè)務(wù)中，對(duì)業(yè)務(wù)提供支持（建議，預(yù)測(cè)，判斷等等）。當(dāng)然了，數(shù)據(jù)分析與挖掘的過(guò)程也是持續(xù)地與業(yè)務(wù)碰撞的過(guò)程，這是一個(gè)反復(fù)建模分析，反復(fù)驗(yàn)證解釋的過(guò)程。此次分享的內(nèi)容以解決思路為主。

行業(yè)知識(shí)鋪墊

數(shù)據(jù)挖掘是以業(yè)務(wù)為核心。因?yàn)闃I(yè)務(wù)決定了數(shù)據(jù)分析與挖掘的方向與重心。

每一個(gè)行業(yè)都有一個(gè)所謂的客戶(hù)生命周期，對(duì)于汽車(chē)行業(yè)來(lái)說(shuō)，客戶(hù)生命周期是，認(rèn)知、需求、選車(chē)、購(gòu)車(chē)、用車(chē)、修車(chē)、換車(chē)。見(jiàn)下圖：

每一個(gè)點(diǎn)表示的是，客戶(hù)在不同的生命周期階段所獲取信息或服務(wù)的途徑。而我們的目標(biāo)是在客戶(hù)生命周期每個(gè)階段均采取針對(duì)性措施增加客戶(hù)價(jià)值（為客戶(hù)增加價(jià)值就是增加每一個(gè)客戶(hù)對(duì)企業(yè)的生命價(jià)值）。目標(biāo)分解：增加客戶(hù)的生命時(shí)間增加每一次與客戶(hù)互動(dòng)所得的收入。

具體案例場(chǎng)景（客戶(hù)流失預(yù)警分析）

背景：客戶(hù)流失的危害：1，盈利損失：客戶(hù)忠誠(chéng)度下降,企業(yè)利潤(rùn)下降；2，口碑損失：60%新客戶(hù)參考現(xiàn)有客戶(hù)的推薦;一個(gè)不滿(mǎn)的客戶(hù)擴(kuò)散范圍大5-6倍（與滿(mǎn)意客戶(hù)比）;3，成本增加：開(kāi)發(fā)一個(gè)新客戶(hù)成本=維系六個(gè)老客戶(hù)成本。需要回答的問(wèn)題：哪些客戶(hù)流失了？什么時(shí)候流失？流失客戶(hù)價(jià)值如何？回答以上問(wèn)題，就可以對(duì)即將流失客戶(hù)做相應(yīng)的動(dòng)作給予挽回（數(shù)據(jù)對(duì)業(yè)務(wù)的支持）。

解決思路

切記：解決問(wèn)題過(guò)程的每一步都要與業(yè)務(wù)進(jìn)行碰撞（特征的探索，建立模型時(shí)候的參數(shù)及區(qū)間的設(shè)定等等），業(yè)務(wù)訴求及結(jié)論需要數(shù)據(jù)分析進(jìn)行支持，數(shù)據(jù)分析結(jié)果（探索的結(jié)果）需要業(yè)務(wù)進(jìn)行驗(yàn)證解釋。

步驟：1，根據(jù)業(yè)務(wù)梳理所需指標(biāo)；2，了解各字段來(lái)源，權(quán)重分配與評(píng)分方式確立；3，建立模型，驗(yàn)證優(yōu)化; 4，根據(jù)結(jié)果提出相應(yīng)建議（跟蹤時(shí)間，優(yōu)惠點(diǎn)等等）（略）

建模思路：1，篩選客戶(hù)消費(fèi)頻次，金額，推薦等特征，建立客戶(hù)價(jià)值分類(lèi)模型，2，對(duì)比已流失用戶(hù)與保有用戶(hù)，尋找顯著特征；3，依據(jù)篩選出的特征，建立流失預(yù)警模型； 4，結(jié)合分類(lèi)模型與流失模型，對(duì)用戶(hù)進(jìn)行差異性營(yíng)銷(xiāo)。其實(shí)這個(gè)是兩個(gè)模型的結(jié)合：1.客戶(hù)價(jià)值分析（模型）：客戶(hù)價(jià)值區(qū)分（根據(jù)歷史消費(fèi)行為等記錄，測(cè)算當(dāng)前價(jià)值，對(duì)客戶(hù)進(jìn)行區(qū)分）。2.流失預(yù)警分析（模型）：依據(jù)客戶(hù)歷史維保周期等信息，及時(shí)預(yù)警超期未進(jìn)店客戶(hù)。

我們從兩個(gè)維度進(jìn)行構(gòu)建客戶(hù)價(jià)值分析（模型）。物質(zhì)價(jià)值（以客戶(hù)消費(fèi)的相關(guān)數(shù)據(jù)為依據(jù)，反應(yīng)客戶(hù)帶給企業(yè)的貨幣形式的價(jià)值）和情感價(jià)值（以客戶(hù)與車(chē)型品牌的互動(dòng)的相關(guān)數(shù)據(jù)為依據(jù)，反應(yīng)客戶(hù)對(duì)車(chē)型品牌的依賴(lài)度、忠誠(chéng)度等非貨幣形式的價(jià)值）。支撐物質(zhì)價(jià)值的字段包括：維保金額，維保頻次，最近維保時(shí)間等；支撐情感價(jià)值的字段包括：年均積分獲取次數(shù)，年均積分使用次數(shù)，年均參加活動(dòng)次數(shù)，投訴記錄，推薦購(gòu)車(chē)等等。以上是提取字段，接下來(lái)是衍生字段（如年均次數(shù)等）（略）

模型是k-means聚類(lèi)

將客戶(hù)按價(jià)值分為高中低等（具體字段不贅述）。

客戶(hù)流失模型

就當(dāng)前時(shí)間點(diǎn)而言，最后一次進(jìn)店時(shí)間距當(dāng)前時(shí)間大于等于12個(gè)月，標(biāo)記為流失，最后一次進(jìn)店時(shí)間距當(dāng)前時(shí)間小于12個(gè)月，標(biāo)記為未流失。60%放入訓(xùn)練集，40%放入測(cè)試集。模型為決策樹(shù)。同時(shí)我們對(duì)已流失客戶(hù)進(jìn)行特征提取，分析如下：

流失集中在2年左右的時(shí)間。

車(chē)齡三年的用戶(hù)流失比重達(dá)25%，車(chē)齡五年以上用戶(hù)已經(jīng)有近半流失。

同時(shí)，流失前也伴隨著某些特征：

1. 流失前后有明顯的積分獲取使用的頻次下降。

2. 流失用戶(hù)金額波動(dòng)更大，多經(jīng)歷高維保金額

3. 流失用戶(hù)流失前最后一次進(jìn)店原因?yàn)椤鹿受?chē)’比率達(dá)22%，更換常去經(jīng)銷(xiāo)商比率為15%。

我們將兩個(gè)模型導(dǎo)出的結(jié)果標(biāo)識(shí)（每一條記錄都有標(biāo)識(shí)）進(jìn)行取交集操作，如下圖所示

我們會(huì)對(duì)量化后的指標(biāo)進(jìn)行離散化處理（將具體的定量指標(biāo)定義為定性指標(biāo)）。下一步就是將數(shù)據(jù)進(jìn)行打包，附上針對(duì)性的跟蹤服務(wù)建議，下發(fā)經(jīng)銷(xiāo)商，相關(guān)人員進(jìn)行跟蹤反饋，因?yàn)闋砍睹嫣螅▍^(qū)域，人員等等），對(duì)跟蹤反饋結(jié)果的收集難度很大。