基于數(shù)據(jù)挖掘的汽車行業(yè)客戶行為特征分析

以汽車行業(yè)為載體，通過對具體業(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，對業(yè)務(wù)提供支持（建議，預(yù)測，判斷等等）。當(dāng)然了，數(shù)據(jù)分析與挖掘的過程也是持續(xù)地與業(yè)務(wù)碰撞的過程，這是一個(gè)反復(fù)建模分析，反復(fù)驗(yàn)證解釋的過程。此次分享的內(nèi)容以解決思路為主。

行業(yè)知識鋪墊

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)所謂的客戶生命周期，對于汽車行業(yè)來說，客戶生命周期是，認(rèn)知、需求、選車、購車、用車、修車、換車。見下圖：

每一個(gè)點(diǎn)表示的是，客戶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)是在客戶生命周期每個(gè)階段均采取針對性措施增加客戶價(jià)值（為客戶增加價(jià)值就是增加每一個(gè)客戶對企業(yè)的生命價(jià)值）。目標(biāo)分解：增加客戶的生命時(shí)間增加每一次與客戶互動所得的收入。

具體案例場景（客戶流失預(yù)警分析）

背景：客戶流失的危害：1，盈利損失：客戶忠誠度下降,企業(yè)利潤下降；2，口碑損失：60%新客戶參考現(xiàn)有客戶的推薦;一個(gè)不滿的客戶擴(kuò)散范圍大5-6倍（與滿意客戶比）;3，成本增加：開發(fā)一個(gè)新客戶成本=維系六個(gè)老客戶成本。需要回答的問題：哪些客戶流失了？什么時(shí)候流失？流失客戶價(jià)值如何？回答以上問題，就可以對即將流失客戶做相應(yīng)的動作給予挽回（數(shù)據(jù)對業(yè)務(wù)的支持）。

解決思路

切記：解決問題過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，了解各字段來源，權(quán)重分配與評分方式確立；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，篩選客戶消費(fèi)頻次，金額，推薦等特征，建立客戶價(jià)值分類模型，2，對比已流失用戶與保有用戶，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)合分類模型與流失模型，對用戶進(jìn)行差異性營銷。其實(shí)這個(gè)是兩個(gè)模型的結(jié)合：1.客戶價(jià)值分析（模型）：客戶價(jià)值區(qū)分（根據(jù)歷史消費(fèi)行為等記錄，測算當(dāng)前價(jià)值，對客戶進(jìn)行區(qū)分）。2.流失預(yù)警分析（模型）：依據(jù)客戶歷史維保周期等信息，及時(shí)預(yù)警超期未進(jìn)店客戶。

我們從兩個(gè)維度進(jìn)行構(gòu)建客戶價(jià)值分析（模型）。物質(zhì)價(jià)值（以客戶消費(fèi)的相關(guān)數(shù)據(jù)為依據(jù)，反應(yīng)客戶帶給企業(yè)的貨幣形式的價(jià)值）和情感價(jià)值（以客戶與車型品牌的互動的相關(guān)數(shù)據(jù)為依據(jù)，反應(yīng)客戶對車型品牌的依賴度、忠誠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)，年均參加活動次數(shù)，投訴記錄，推薦購車等等。以上是提取字段，接下來是衍生字段（如年均次數(shù)等）（略）

模型是k-means聚類

將客戶按價(jià)值分為高中低等（具體字段不贅述）。

客戶流失模型

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%放入測試集。模型為決策樹。同時(shí)我們對已流失客戶進(jìn)行特征提取，分析如下：

流失集中在2年左右的時(shí)間。

車齡三年的用戶流失比重達(dá)25%，車齡五年以上用戶已經(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. 流失用戶金額波動更大，多經(jīng)歷高維保金額

3. 流失用戶流失前最后一次進(jìn)店原因?yàn)椤鹿受嚒嚷蔬_(dá)22%，更換常去經(jīng)銷商比率為15%。

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

我們會對量化后的指標(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，附上針對性的跟蹤服務(wù)建議，下發(fā)經(jīng)銷商，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），對跟蹤反饋結(jié)果的收集難度很大。