客户综合价值模型客户综合价值=weight_1客户当前贡献度 +weight_2客户未来贡献度
+weight_3客户信用度 +weight_4客户忠诚度 +
weight_5及客户成长潜力客户综合价值=4200 +3500
+520 +450 +3100
=2900权重，表明重要程度客户综合价值模型假设所有客户综合价值都
在[1-3000]区间，则将所有客户分成10个小组，#1所有客户综合价值落在[1-300]区间，#2[301-600]，
#3[601-900]，#4[901-1200],……………………以此类推。客户按综合价值划分为10个小组后，怎样
为市场营销服务呢？先来认识一下市场营销客户分析矩阵图稳定性发展性低中高低中高1234569
87如何以客户综合价值的五个因素来衡量客户的发展性和稳定性呢?客户分组在市场营销分析矩阵中的分布稳定性发展性低中
高低中高#1#2#5#6#8#3#4#9#10#7123456987
稳定性和发展性都低的客户约占客户总体的6.2%（#5,#6），而稳定性和发展性都高的优质客户约占客户总体的13.4%（#4,
#7），其余客户发展性中等，稳定性界于低、中、高之间，客户在整体上趋于正态分布。.客户综合价值分组介绍举例：组5本
组特征描述本组人数百分比3.59%；本组客户的显著特征体现在客户当前贡献度和忠诚度均为各组之末；本组客户的信用度也低于均值，
增长潜力尚可；总体而言，本组客户发展性和稳定性都偏低，处于客户综合价值矩阵的象限1。789456123指标
5均值客户成长潜力630.15558.87客户忠诚度179.55712.1客户信用度357.67538.83
客户当前贡献度21.01109.59人数比例3.59%.基于客户综合价值评分的市场营销建议市场营销建议1此类
客户约占客户整体的3.59%，非客户主体；2客户的培育和挽留价值都不大；3建议通过品牌整合，将这部分客户根据其特征分流到
某移动的其它品牌。稳定性发展性低中高低中高#1#2#5#8#3#4#9#10#71
23456987.议题移动通信行业营销热点话题回顾数据挖掘模型与案例选讲数据挖掘项目工作方法
.模型评分自动化应用建议评分建模数据准备/处理123450行业理解、需求定义.行业理解、需求
定义行业研究行业结构及主要企业的竞争行为国家法律政策、技术进步或其他因素引起的行业变化行业内各企业关注的热点问题行业内各
企业的营销及管理现状需求定义明确客户需要解决的问题例如，客户流失率高居不下定义帮助客户解决问题的数据挖掘模型及模型的输出成
果例如，预测未来2个月可能流失的ARPU值大于100元的客户名单数据挖掘项目做什么为什么做具体怎么做如何应用.数
据准备个人信息手机号、联系人、开户日期、地区编号、性别、出生日期、联系地址、帐单地址、付费方式、销户日期等等话单数据手机号
、呼叫类型、对方号码、通话开始时间、通话时长、地区号、对方所在区号、漫游类型、长途类型、长途分组、IP电话类型、业务类型等等帐单
信息手机号、帐单开始日期、结束日期、帐单总金额、月租费、月租功能费、滞纳金、最后付费日期、销帐日期、积分情况等等1860信息
…….数据处理数据处理是建立模型前的必要准备工作处理残缺和孤立数据产生衍生变量分析因变量和自变量的相关性.建
模建模是从历史数据和结果中找出深层的关系和规律例如，选择流失客户和未流失客户产生决策树5000流失5000未流失300
0流失1500未流失2000流失3500未流失2000流失800未流失1000流失700未流失入网时间<=1年入
网时间>1年年龄<=30岁年龄>30岁示例思考题1、数据挖掘的含义是什么？2、数据挖掘有哪几类常用方法？3、数据
挖掘的主要功能有哪些？4、企业在进行数据挖掘是，一般步骤是怎样的？5、数据挖掘在CRM中的应用主要有哪些？三类用户细分方法介
绍易于辩认易于集中媒介沟通渠道易于组织分销描述性的因素,不足以预测其未来购买行为知道品牌X牙膏主要俏于南方,购买者是
教育程度高的女性驱动因素(好处是什么?)在市场日趋成熟复杂和多样化的形势下更显重要可以帮助营销活动的方方面面建立策略,赢得
目标人群如果不结合其他信息就用处不大知道品牌X牙膏使用者在寻找具有防止牙龋有效手段的产品优惠驱动因素(为什么有这种要求)为
消费者人格背景提供更完整的信息为广告渠道策划提供思路对产品/服务的具体方向往往不能给出明确的方向知道品牌X的消费者非常关心自
已和家人的健康,具有责任心强的品质好处问题举例对行为的预测性提高为什么要建立客户行为细分模型0200500低
端中端高端ARPU值相似的客户需求特点却差别很大客户细分之谜根据ARPU值进行客户细分的方法客户行为－价值细分
模型海量客户行为数据/特征数据组内行为特点相似，组间行为差异较大的客户分组基于数据挖掘技术的以需求为基准的细分客户
行为细分模型通过上百个变量描述客户性别年龄建档时间证件号码缴款方式信息费应收金额优惠金额滞纳金应收SMS次数
国际呼叫呼入/呼出比例短消息话单类型信息长度赠送费用呼转类型漫游话费通话时长赠送分钟数费用类型动态漫游号IM
SI号码月均基本通话月均国内长途工作日呼叫次数工作日呼叫时间WAP呼叫时间繁忙时段呼叫次数非繁忙时段呼叫次数SMS
次数WAP次数IP呼叫次数语音呼叫次数非语音呼叫次数月均国际长途非IP呼叫时间自动生成影响客户分组的主要因子性别
年龄缴款方式SMS次数国际呼叫其它…优惠金额短消息话单类型赠送费用费用类型漫游次数应收金额IDD次数月均国
内长途月均基本通话非语音呼叫次数SMS次数WAP次数月均国际长途语音呼叫次数费用类型因子分析国内呼叫次数IP呼
叫次数繁忙时段呼叫次数.低高高高12845376因素二（国内呼叫次数）因素三（IP呼叫次数）
因素一（繁忙时段呼叫次数）示例客户根据自身所具有的特征自动聚为一些行为特点相似的群体16个组中呈现出差别明显的优势、弱势特
征组号优势特征弱势特征描述性名称#1语音每次呼叫时间、香港（澳门）呼叫、非繁忙时段呼叫繁忙时呼叫、IP呼叫、短信、转
移业余活跃组#2繁忙时段月均呼叫次数、漫游地区呼叫、香港呼叫次数转移呼叫、短信、转移业务繁忙组#4IP呼叫、转移呼叫
贵中求惠组#6IP呼叫短信、转移IP手机组#9IP呼叫、短信非繁忙时段呼叫新生潜力组#12非繁忙时段呼叫漫
游地区呼叫、转移、短信夜间积极组#14繁忙时段月均呼叫次数漫游呼叫、非繁忙呼叫、转移本地繁忙组#16繁忙时段月均呼叫
次数、转移呼叫、香港（澳门）呼叫IP呼叫繁忙大客户组#8短信转移呼叫、IP短信专家组#11转移呼叫繁忙时段月均呼
叫次数、短信热衷转移组#15漫游地区呼叫短信、繁忙呼叫次数频繁出差组#3语音每次呼叫时间繁忙时段次数、短信情深语
长组#5繁忙时段次数、每次呼叫时间、短信消极等待组#7呼入/呼出比短信等待接听组#10繁忙时段次数、呼入/呼出比
、每次呼叫时间休眠组#13繁忙时段月均呼叫次数寂寞无声组各类客户人数及收入贡献一览人数百分比收入贡献百分比59
.61%56.41%15.08%28.51%14.89%25.91%客户群优质普通弱势组别#1、#2、#4、
#6、#9、#12、#14、#16#8、#11、#15#3、#5、#7、#10、#13人数103,66454,8162
05,071收入贡献RMB29,659,162.05RMB7,204,282.92RMB12,897,830.1优质普
通弱势某移动公司全球通客户的17个客户分组客户群组号人数（万人）人数百分比组内月人均话费（元）组名优质组#9
1.51.5%970国际呼叫组#41.71.8%865业务繁忙组#21.51.6%758呼叫香港组#1
41.01.0%729国内长途组#151.41.4%640呼叫台湾组#1611.611.8%420本地
繁忙组#111.21.2%407转移移动组普通组#102.82.9%351热衷IP组#124.64.7
%347商务潜力组#132.12.1%331全面发展组#51.91.9%321呼转电信组#72.02
.0%286短信热衷组#171.61.6%241转移联通组弱势组#86.76.9%221IP长聊组#6
4.34.3%205短信潜力组#114.114.4%171情深语长组#338.439%100节约通话组
注意：每个客户分组的组名代表本组客户与其他客户分组的客户相比较所具有的显著特点，而不是指本组客户只有此特
点.对细分客户组进行特征描述本组特征描述本组客户共15441人，占客户总数的1.6%，组内每月人均话费759元。与其他
客户相比，本组客户的显著特征体现在呼叫香港的通话行为较多（因素7）。香港月均每次呼叫时间达1.8分钟，月均呼叫次数8.7次，而全体
客户平均香港月均每次呼叫时间1.6分钟，月均呼叫次数只有0.2次。由此，本组客户的香港月均呼叫费用（53.7元）比全体客户平均呼叫
费用（1.3元）高出40多倍，香港呼叫需求相当大。第二组：呼叫香港组
优质组人数：15,441月人均
话费：759元与全体客户话费均值之比：3.0人数百分比：1.6%女性比例：38.2%平均在网时间：43.2月.针对性
的业务推广与客户服务建议（1班）本组市场建议业务推广建议彩信业务——统计分析发现本组客户彩信使用人数比例明显大于其他16个客
户分组GPRS业务——估计本组客户中有相当部分人群是商务人士客户服务建议免费赠送香港天气预报与航空公司里程积点互换空港V
IP休息室.研究整个客户结构的动态变化情况优质组、普通组、弱势组人数百分比变化趋势优质普通弱势示例.客户群
体变动分析优质组客户群体流入、流出分析单位：个占5－7月份优势组人数10.53%占5－7月份优势组人数31.46%
占8－10月份优势组人数9.47%占8－10月份优势组人数21.40%新增及流失之和占5－7月份优势组人数5
1.30%仍然留在优势组示例.研究各分组客户人数的变化，指导营销策略制定
业余活跃组业务繁忙组情深语长组贵中求惠组消极等待组IP手机组等待接听组短信专家组
新生潜力组休眠组热衷转移组夜间积极组寂寞无声组本地繁忙组频繁出差组繁忙大客户组可能流失或转换品牌
可能受季节影响可能流失或转换品牌该组的流失需要密切注意.研究各分组客户ARPU的变化，指导营销策略制定月均话费
贡献ARPU差异只有长途电话组用户月均话费贡献下降.议题移动通信行业营销热点话题回顾数据挖掘模型与案例选讲客
户行为细分模型及案例选讲客户离网预警模型及案例选讲客户交叉销售模型与案例简介客户综合价值模型与案例简介数据挖掘项目工作方法
.用户离网预警模型工作原理简介基于离网预警模型的用户挽留流失预测模型未来1－2个月用户具有高离网概率的用户名单
用户数据话单数据帐单数据套餐与产品数据用户信息数据.用户流失预测模型变量与参数示例部分规则移动用户高危用
户流失可能低满足该规则满足该规则如果在网时间<100天，并且第三个月无本地通话如果曾使用套餐总数大于2种，且第二
个月IP呼叫时间小于68分钟，且第三个月呼入次数少于63次……………………………用户离网预警模型产生需要挽留的客
户名单电话号码ARPU所在地区所属分组流失倾向评分行动优先级评分13816372583139
0164762513916632254
流失倾向评分说明该客户流失可能的大小营销人员可迅速确定客户的开户地区，以便采取行
动营销人员可以更准确地抓住具有潜在流失倾向的客户营销人员可以根据ARPU确定客户挽留活动的目标群体了解潜在流失客户的行为特点
，开展针对性的客户挽留综合客户流失倾向与ARPU，给出建议行动优先级供参考伊犁分公司离网挽留活动效果分析伊犁分公司是最早完成
流失预测模型建模的公司，也在2003年年初最早开始客户关怀和挽留活动。经过半年左右的离网挽留工作实践，伊犁分公司的客户保持工作取得
了比较显著的成绩。伊犁分公司离网挽留活动效果分析（2班）相比于其他较晚开始或还没有开始的地区，流失率明显偏低，可是通话用户的
增长率却名列前茅。这使我们认识到，离网挽留工作不仅仅是留住了要离开的客户，还推动了更多的客户使用我们的业务。P112-115回
答问题客户流失分析的商业目标？客户流失的种类？哪些流失是有利的，哪些流失是不利的？数据预处理的具体过程？本案例中移动客户
流失数掘挖掘结果是什么？挽留客户，降低客户流失率的具体方式有哪些？.议题移动通信行业营销热点话题回顾数据挖掘模型与案
例选讲客户行为细分模型及案例选讲客户离网预警模型及案例选讲客户交叉销售模型与案例简介客户综合价值模型与案例简介数据挖掘项
目工作方法何谓交叉销售“推荐产品”“你可能也喜欢”“买了X的顾客也买了”“浏览了X的顾客也浏览了”“经常被一起购买的
”“更多相关内容”（品类、品牌、作者、表演者）何谓交叉销售交叉销售增量销售市场拓展市场渗透新产品老产品老客
户新客户向老客户销售其尚未使用的产品向老客户促销其正在使用的产品以促使更多消费将老产品销售给新客户将新产品销售给
新客户交叉销售研究要点交叉销售通过研究客户的产品使用情况、消费行为特点，发现老客户的潜在需求交叉销售通过产品之间的关联，
寻找实现产品捆绑销售的机会交叉销售为新产品寻找已有用户中的目标群体彩信手机银行全球呼IPGPRS语音信箱移动秘书
产品之间的正关联与负关联移动——交叉销售模型IP彩信GPRS手机银行全球呼语音信箱移动秘书用户－产品关联产品业
务关联关系图说明根据产品业务关联性评分表，形成某一产品与其他产品关联关系图，以形象说明本产品与其他产品之间的关联关系（正相关或是
负相关）及其关联性强弱。正向关联负向关联客户取消产品时作为替补品考虑产品捆绑销售相关性弱替代性弱相关性强替代性强
移动对对碰与其他产品/业务的关联关系移动对对碰与语音信箱、移动梦网、随E行、数据通信、呼转小叮铛、彩信、百宝箱、20元/0元GP
RS套餐都有正向关联关系。移动对对碰——客户分组交叉销售机会IP长聊组IP长途组节约通话组短信潜力组长话短说
组本地小康组短信专家组长途电话组夜间积极组长话长说组等待接听组本地繁忙组情深语长组热衷转移组
差旅人士组(次)移动对对碰——分组普及率分析＃7短信专家组、＃4短信潜力组用户对移动对对碰的兴趣相当较浓，可作为大规模推广
移动对对碰的突破口。＃9夜间积极组、＃15差旅人士组、＃8组长途电话组根据用户行为分析，也应有较大的交叉销售机会。议题移动通
信行业营销热点话题回顾数据挖掘模型与案例选讲客户行为细分模型及案例选讲客户离网预警模型及案例选讲客户交叉销售模型与案例简介
客户综合价值模型与案例简介数据挖掘项目工作方法客户综合价值模型综合衡量客户五个方面的表现：客户当前贡献度、客户未来贡献度
、客户信用度、客户忠诚度以及客户成长潜力。客户成长潜力客户忠诚度客户未来贡献度客户信用度客户当前贡献度客户综合价值
客户综合价值=weight_1客户当前贡献度 +weight_2客户未来贡献度
+weight_3客户信用度 +weight_4客户忠诚度 +weigh
t_5及客户成长潜力12354第二节数据挖掘在CRM中的应用按客户生命周期按行业CRM在客户生命周期中的
应用1、CRM实施的前提——客户细分顾客细分就是把客户根据其喜好、性别、交易行为等属性细分为具有不同需求和交易习惯的群
体。同一群体中的客户在对产品的需求及交易心里等方面具有相似性，不同群体间差异较大。分类和聚类等挖掘方法可以把大量的客户分成不同
的类，适合于进行客户细分。通过群体细分，CRM用户可以更好地理解客户，发现群体客户的行为规律。在行为分组完成后，还要进行客户理解、
客户行为规律发现和客户组之间的交叉分析。1、CRM实施的前提——客户细分聚类分析Clustering客户细分
市场细分Debt<10%ofIncomeDebt=0%GoodCreditRisksBadCreditRisk
sGoodCreditRisksYesYesYesNONONOIncome>$40K决策树Decision
Trees倾向性分析2、获取新客户——客户响应分析在寻找新客户之前，企业应该确定哪些客户是可能的潜在客户，哪些客户容易获
得，哪些客户较难获得，从而使企业有限的营销资源得到最合理的利用。因此，预测潜在客户对企业销售推广活动的反应情况以及推广活动后的响应
分析是获得客户的前提。数据挖掘工具可以建立一个“客户反应”预测模型，计算客户对某个营销活动的反应指标，企业根据指标找到新客户。
数据挖掘方法：关联分析，聚类，分类3、提升客户价值——交叉销售交叉销售。商家与其客户之间的商业关系是一种持续的不断发展
的关系，通过不断地相互接触和交流，客户得到了更好更贴切的服务质量，商家则因为增加了销售量而获利。交叉营销指向已购买商品的客户推荐其
他产品和服务。这种策略成功的关键是要确保推销的产品是用户所感爱好的，有几种挖掘方法都可以应用于此问题，关联规则分析能够发现顾客倾向
于关联购买哪些商品；聚类分析能够发现对特定产品感受好的用户群；神经网络、回归等方法能够猜测顾客购买该新产品的可能性。关联分析A
ssociation市场组合分析套装产品分析目录设计交叉销售4、保持客户——客户分析客户分析。主要包括：客户价
值金字塔分析、客户分布分析、新增客户分析、流失客户分析和购买行为分析。其中分类等技术能够判定具备哪些特性的客户群体最轻易流失，建立
客户流失猜测模型，从而帮助企业对有流失风险的顾客提前采取相应营销措施。利用数据挖掘技术，可以通过挖掘大量的客户信息来构建猜测模型，
较准确地找出易流失客户群，并制订相应的方案，最大程度地保持住老客户。QQQQII123456fac
tor1factor2factorn神经网络NeuralNetworks倾向性分析客户保留目标市场
欺诈检测结论数据挖掘在CRM中有着广泛的应用，从某个角度可以说它是CRM的灵魂。从行业角度分析应用领域：零售、
电信、银行、保险、交通等商业领域能解决的典型商业问题包括：数据库营销（DatabaseMarketing）客户群体划分（
CustomerSegmentation&Classification）交叉销售（Cross-selling）客户流失性分析
（ChurnAnalysis）客户信用记分（CreditScoring）欺诈发现（FraudDetection）基于
数据挖掘技术的精确智能营销中国移动通信关注点移动通信行业营销热点话题回顾规模型发展向规模效益型发展转变运营商深陷“价格漩
涡”虚增放号与不稳定的用户群体进一步增大了销售成本用户离网严重影响收入与利润攻守平衡成为移动营销转型的关键新业务推广仍需努
力数据挖掘模型与案例选讲数据挖掘项目工作方法移动通信市场竞争迫使移动由规模型发展向规模效益型发展转型价格战与渠道的唯利
是图导致移动公司深陷“价格漩涡”渠道终端影响力提高诱发新一轮价格战频繁促销提高市场费用平均ARPU值下降通过“价格
战”竞争夺取市场份额竞争对手的发展导致竞争升级用户价格敏感度提高，部分用户群在利益趋势下频繁转网不断降低的新用户质量
降价应对动荡的用户群基础盈利能力降低渠道利用运营商之间的竞争提出新要求渠道成本上升渠道因利益驱使引起用户转网更低的毛
利进一步动荡的用户群更低的ARPU公司价值贬值...陷入僵局超越竞争，摆脱“价格旋涡”特约经销商或者代办点虚
增放号与不稳定的用户群体进一步增大了销售成本累计放号与净增用户对比联通有效放号率9.6%有效放号率21.7%累计
放号净增用户累计放号移动净增用户客户离网正严重影响着中移动的收入与利润平均ARPU（人民币元
）958415244112客户数（万）47136141447离网率/客户流失率18
%19%19%26%23%估计离网对收入的影响（人民币亿元）4.96.43.97
.823.0??3.23.81.90.79.6亿亿平均：ARPU群>60030
0-600200-300<200估计离网对利润的影响（人民币亿元）ARPU:每用户平均收入攻&守之间的平衡成
为移动营销转型的关键100%93%59%15：平均ARPU指标客户保留成本：新客户获取成本ARPU新业务种类繁多，仍需努力推广某省新业务普及率抽样调查新业务收入及其占业务收入的比重全球最佳管理实践提示：现阶段是数据挖掘应用的关键时期企业客户个人客户个人客户企业客户客户满足大众市场的基本需求简单的产品/服务无差别化的服务完全分离的组织各自拥有计费功能各自的IT系统各自的管理机构渠道体系分离营销客服计费管理IT营销客服计费管理IT接入提供差别化的服务不同的定价模型不同的信用政策交叉销售新业务流失用户预警开始注重企业用户相同的计费与客服系统相同的IT系统营销客服IT/管理基础设施计费企业客户营销个人客户营销客服IT/管理基础设施计费123起步阶段(第一/第二代移动通讯)成长/差别化阶段(第二代移动通讯)新游戏规则阶段(第三代移动通讯)基于数据挖掘技术中国移动集团结合国内外实际情况提出数据挖掘营销应用规划客户行为细分模型客户流失倾向预警模型价格敏感度模型客户信用评分模型交叉销售模型营销响应预测模型客户综合价值评估模型.议题移动通信行业营销热点话题回顾数据挖掘模型与案例选讲客户行为细分模型及案例选讲客户离网预警模型及案例选讲客户交叉销售模型及案例选讲客户综合价值模型及案例选讲数据挖掘项目工作方法.议题移动通信行业营销热点话题回顾数据挖掘模型与案例选讲客户行为细分模型及案例选讲客户离网预警模型及案例选讲客户交叉销售模型与案例简介客户综合价值模型与案例简介数据挖掘项目工作方法 |
|
