3CRM-教學-學生ppt課件

1、CRM引見.第一階段要鑒別最正確客戶，首先應該以客戶金字塔為根底，對客戶進展分類。CRM案例分享：匯豐銀行如何定義其最正確客戶鑒別最正確客戶，設計最正確體驗第二階段中，設計最正確體驗那么包括客戶體驗管理，業(yè)務流程管理和需求規(guī)劃。 .CRM案例分享：匯豐銀行如何定義其最正確客戶鑒別最正確客戶，設計最正確體驗.1、對客戶關系經理進展更多的培訓，使他們具備更專業(yè)的金融知識。2、在主要效力中心建立實時視頻會議系統(tǒng)。無論何時客戶需求更專業(yè)的建議或信息，都可以經過該系統(tǒng)來提供一個面對面的交流。3、當客戶來電需求協(xié)助時，經理可以將轉給專家，來進展遠程交流。. IT人員整合電子郵件、網絡門戶、面對面交談等途徑

2、匯總客戶信息，可以使授權的客戶效力人員1秒內從客戶端界面即時得到一切產品的信息和詳細的客戶數(shù)據。 .中心思想：以客戶為中心提供個性化的效力以降低客戶的流失率，經過實現(xiàn)客戶成效的最大化獲得最大利潤。p118最高境界:為客戶發(fā)明終身的最大價值。CRM系統(tǒng)概述例如：某公司有一百萬客戶資料。20萬是重要用戶忠實度高),就構成了每年2億的忠實客戶根底。80萬是普通的客戶，就構成了每年8億的忠實客戶根底。.員工經過運用新型的CRM系統(tǒng)對客戶的埋怨和未滿足的需求進展快速協(xié)調。.119共享客戶資源，從而力爭把一個企業(yè)變成 “虛擬個人“呈如今客戶印象中讓企業(yè)客戶效力人員同客戶一同完成某項企業(yè)活動提取有價值的各種

3、信息，是企業(yè)決策支持工具.數(shù)據倉庫定義：數(shù)據倉庫是在企業(yè)管理和決策中面向主題的、集成的、與時間相關的、不可修正的數(shù)據集合。p1232數(shù)據不可修正。3集成的數(shù)據消除不一致和錯誤的地方。4數(shù)據隨時間不斷變化。1面向主題面向某一決策問題而制定的。.數(shù)據發(fā)掘數(shù)據發(fā)掘(Data Mining)，是指從大型數(shù)據庫或數(shù)據倉庫中提取隱含的、未知的、非平凡的及有潛在運用價值的信息或方式。例如基于規(guī)那么的數(shù)據發(fā)掘一天的不同時辰和不同產品網上購買量之間的關系。協(xié)同過濾引薦“親密群體中其他消費者購買的產品。.數(shù)據發(fā)掘的主要戰(zhàn)略決策樹歸納開發(fā)一種yes/no的決策樹。例如：決議新的信譽卡懇求人能否為良好信譽風險。年收入

4、大于5萬元yes能否房主？yes同意no反對no有無帳戶noyes同意.聚合一種用來使記錄子集聚集在一同的技術?？捎糜诳蛻羧杭毞只虬l(fā)現(xiàn)高潛在的銷售時機。數(shù)據發(fā)掘的主要戰(zhàn)略.數(shù)據發(fā)掘的主要戰(zhàn)略順序關聯(lián)找出根據時間將事件銜接起來的關聯(lián)。支票帳戶+三個月后儲蓄帳戶-6個月后信譽卡24%關聯(lián)關聯(lián)算法可以發(fā)現(xiàn)一套工程與另一套工程的相互關聯(lián)的一切規(guī)那么。55%-75%.決策樹的算法.ridageincomestudentCredit-ratingBuys-computer130HighNofairNo240MediumNofairyes540Lowyesfairyes640LowyesexcellentN

5、o730-40Lowyesexcellentyes830MediumNofairNo940Mediumyesfairyes1140MediumNoexcellentNo如何制定分類規(guī)范？.4030-40incomestudentCreditclassMediumNofairyesLowyesfairyesLowyesexcellentNoMediumyesfairyesMediumNoexcellentNoincomestudentCreditclassHighNofairyesLowyesexcellentyesMediumNoexcellentyesHighyesfairyesincome

6、studentCreditclassHighNofairNoHighNoexcellentNoMediumNofairNoLowyesfairyesMediumyesexcellentyesage?30決策樹葉子節(jié)點：yes.ID3算法的中心： 在決策樹各級節(jié)點上選擇屬性時，用信息增益作為屬性的選擇規(guī)范，以使得在每一個非葉節(jié)點進展測試時能獲得關于被測試記錄最大的類別信息。Gain(A)=I(s1,s2,sm)-E(A)I:一切信息，E：按照某類分析所需的信息熵.ridageincomestudentCredit-ratingBuys-computer130HighNofairNo240Medi

7、umNofairyes540Lowyesfairyes640LowyesexcellentNo730-40Lowyesexcellentyes830MediumNofairNo940Mediumyesfairyes1140MediumNoexcellentNo.ridageincomestudentCredit-ratingBuys-computer130HighNofairNo240MediumNofairyes540Lowyesfairyes640LowyesexcellentNo730-40Lowyesexcellentyes830MediumNofairNo940Mediumyesfa

8、iryes1140MediumNoexcellentNo能否購買計算機：yes類別9個樣本； no類別5個樣本計算過程I(S1,S2)=I(9,5)=-(9/14)log2 (9/14) - (5/14)log2 (5/14)=0.94.age3040404030-40304040ageincomestudentCredit-ratingBuys-computer30HighNofairNo30HighNoexcellentNo30MediumNofairNo30Lowyesfairyes30Mediumyesexcellentyes能否購買計算機：yes類別2個樣本； no類別3個樣本計算過

9、程I(S11,S21)=I(2,3)=-(2/5)log2 (2/5) - (3/5)log2 (3/5)=0.971.age3040404030-40304040能否購買計算機：yes類別4個樣本； no類別0個樣本計算過程I(S12,S22)=I(4,0)=-(4/4)log2 (4/4) - (0/4)log2 (0/4)=0ageincomestudentCredit-ratingBuys-computer30-40HighNofairyes30-40Lowyesexcellentyes30-40MediumNoexcellentyes30-40Highyesfairyes.age30

10、40404030-40304040能否購買計算機：yes類別3個樣本； no類別2個樣本計算過程I(S13,S23)=I(3,2)=-(3/5)log2 (3/5) - (2/5)log2 (2/5)=0.971ageincomestudentCredit-ratingBuys-computer40MediumNofairyes40Lowyesfairyes40LowyesexcellentNo40Mediumyesfairyes40MediumNoexcellentNo.age3040404030-40304040E(age) = (5/14)I(S11,S21)+ (4/14)I(S12,

11、S22)+ (5/14)I(S13,S23)=0.694Gain(age) = I(s1,s2) E(age) =I(9, 5) E(age) =0.94-0.694 =0.245Gain(income)=0.029Gain(student)=0.151Gain(credit-rating)=0.048所以age的信息增益最大，age作為測試屬性用于當前分支節(jié)點.4030-40incomestudentCreditclassMediumNofairyesLowyesfairyesLowyesexcellentNoMediumyesfairyesMediumNoexcellentNoincome

12、studentCreditclassHighNofairyesLowyesexcellentyesMediumNoexcellentyesHighyesfairyesincomestudentCreditclassHighNofairNoHighNoexcellentNoMediumNofairNoLowyesfairyesMediumyesexcellentyesage?最小支持度的工程放入頻繁工程集2、在第二輪循環(huán)中，只需頻繁1工程組成的2工程才是候選工程，從中挑選出支持度最小支持度的2工程放入頻繁工程集。3、繼續(xù)循環(huán)，直至n輪循環(huán)，一切的頻繁工程選出，頻繁工程集構成。.客戶號客戶商品C1

13、李鳴足球服AC1李鳴足球鞋BC1李鳴足球CC2金珊足球CC3馮君足球服AC3馮君足球鞋BC4丁貝足球鞋BC5陳騁足球服A設最小支持度為30%11工程候選項：A 、 B 、 C 支持度： 60% 60% 40% 所以頻繁工程集： 進入下一輪單項： A 、B、C A 、B、C.客戶號客戶商品C1李鳴足球服AC1李鳴足球鞋BC1李鳴足球CC2金珊足球CC3馮君足球服AC3馮君足球鞋BC4丁貝足球鞋BC5陳騁足球服A設最小支持度為30%12工程候選項：AB 、BC、AC 支持度：40% 20% 20% 所以頻繁工程集： 進入下一輪單項： A 、B、C、AB A, B.客戶號客戶商品C1李鳴足球服AC1

14、李鳴足球鞋BC1李鳴足球CC2金珊足球CC3馮君足球服AC3馮君足球鞋BC4丁貝足球鞋BC5陳騁足球服A設最小支持度為30%13工程候選項：無 算法終止所以頻繁工程集： A 、B、C、AB.Apriori算法：運用候選項集找頻繁項集由頻繁項集產生關聯(lián)規(guī)那么.頻繁項目支持度頻繁項目支持度A60%C40%B60%A和B40%.分析結果：可信度：它是針對規(guī)那么而言的。指在出現(xiàn)了物品集A 的事務T 中，物品集B 也同時出現(xiàn)的概率有多大?？尚哦?pcondition and result/pcondition。規(guī)那么1：if A THEN B , 可信度？可信度= A和B/ A = 40% / 60%

15、= 67% 設A=足球服，B=足球鞋， C=足球。頻繁項目支持度頻繁項目支持度A60%C40%B60%A和B40%.分析結果：可信度：它是針對規(guī)那么而言的。指在出現(xiàn)了物品集A 的事務T 中，物品集B 也同時出現(xiàn)的概率有多大?？尚哦?pcondition and result/pcondition。規(guī)那么2：if A THEN C , 可信度？可信度= A和C/ A = 20% / 60% = 33%設A=足球服，B=足球鞋， C=足球。頻繁項目支持度頻繁項目支持度A60%C40%B60%A和B40%AC的支持度：20%.分析結果：可信度：它是針對規(guī)那么而言的。指在出現(xiàn)了物品集A 的事務T 中，

16、物品集B 也同時出現(xiàn)的概率有多大?？尚哦?pcondition and result/pcondition。假設可信度50%，規(guī)那么有意義！規(guī)那么1：if A THEN B , 可信度=67%規(guī)那么2：if A THEN C , 可信度=33%規(guī)那么1有意義設A=足球服，B=足球鞋， C=足球。頻繁項目支持度頻繁項目支持度A60%C40%B60%A和B40%.分析結果：設A=足球服，B=足球鞋， C=足球。興趣度：物品集A 的出現(xiàn)對物品集B 的出現(xiàn)有多大的影響。 興趣度=p(condition and result)/p(condition)*p(result)。當興趣度大于1的時候，這條規(guī)那

17、么就是比較好的；當興趣度小于1的時候，這條規(guī)那么就是沒有很大意義的。規(guī)那么1：if A THEN B , 興趣度？興趣度= A和B/ A*B = 40% / 60% * 60%= 1.11 1 有意義頻繁項目支持度頻繁項目支持度A60%C40%B60%A和B40%.分析結果：設A=足球服，B=足球鞋， C=足球。規(guī)那么2：if A THEN C , 興趣度？興趣度= A和C/ A*C = 20% / 60% * 40%= 0.83 =1判別？項目支持度項目支持度A60%C40%B60%A和B40%ABC20%練習.分析結果：設A=足球服，B=足球鞋， C=足球?？尚哦?pcondition a

18、nd result/pcondition。興趣度：物品集A 的出現(xiàn)對物品集B 的出現(xiàn)有多大的影響。 興趣度=p(condition and result)/p(condition)*p(result)。A、B、C的支持度為20%規(guī)那么：if A and B THEN C , 可信度？可信度= A、B和C/ A、B = 20% / 40%= 50%規(guī)那么：If A and B then C ？頻繁項目支持度頻繁項目支持度A60%C40%B60%A和B40%.分析結果：設A=足球服，B=足球鞋， C=足球。可信度=pcondition and result/pcondition。興趣度：物品集A

19、的出現(xiàn)對物品集B 的出現(xiàn)有多大的影響。 興趣度=p(condition and result)/p(condition)*p(result)。A、B、C的支持度為20%規(guī)那么：if A and B THEN C , 興趣度？興趣度= A和B、C/ (A、B*C) = 20% / 40% * 40%= 1.25 1 有意義 頻繁項目支持度頻繁項目支持度A60%C40%B60%A和B40%.關聯(lián)：一個商品中，哪些元素的組合受歡迎？.一家披薩店賣了2000個披薩餅，其中：100個僅含蘑菇，150個是意大利香腸，200個是含干奶酪；400個是蘑菇加意大利香腸，300個是蘑菇加干奶酪，200個是意大利香

20、腸加干奶酪，100個是蘑菇、意大利香腸加干奶酪；550個沒有配料。.一家披薩店賣了2000個披薩餅，其中：100個僅含蘑菇，150個是意大利香腸，200個是含干奶酪；400個是蘑菇加意大利香腸，300個是蘑菇加干奶酪，200個是意大利香腸加干奶酪，100個是蘑菇、意大利香腸加干奶酪；550個沒有配料。含有蘑菇的披薩數(shù)：100+400+300+100=900支持度：900/2000 =45%含有香腸的披薩數(shù)：150+400+200+100=850支持度：850/2000 =42.5%含有奶酪的披薩數(shù)：200+300+200+100=800支持度：800/2000 =40%.一家披薩店賣了2000

21、個披薩餅，其中：100個僅含蘑菇，150個是意大利香腸，200個是含干奶酪；400個是蘑菇加意大利香腸，300個是蘑菇加干奶酪，200個是意大利香腸加干奶酪，100個是蘑菇、意大利香腸加干奶酪；550個沒有配料。含有蘑菇+香腸的披薩數(shù)：400+100=500 支持度：500/2000 =25%含有蘑菇+奶酪的披薩數(shù)：300+100=400 支持度：400/2000 =20%含有香腸+奶酪的披薩數(shù)：200+100=300 支持度：300/2000 =15%含有蘑菇+香腸+奶酪的披薩數(shù)：100 支持度：100/2000 =5%.支持度：45%支持度：42.5%支持度：25%可信度 ？=蘑菇+香腸的

22、支持度 / 蘑菇的支持度=25% / 45% = 0.588興趣度 ？=蘑菇+香腸的支持度 / 蘑菇的支持度*香腸的支持度 =25% / 42.5% * 45%= 1.31 1.關聯(lián)規(guī)那么的運用舉例？.最近鄰方法 間隔和類似性的衡量.客戶呼應預測優(yōu)惠效力下一個有能夠呼應優(yōu)惠效力的客戶，或許與以前曾經呼應的客戶類似。埋怨效力客戶埋怨的文本，歸入一系列固定的分類代碼.步驟1、建立訓練集2、每個字段只建立一個間隔函數(shù)3、組合間隔函數(shù).記錄號年齡薪金127$19000251$64000352$105000433$550001、建立訓練集營銷數(shù)據庫中客戶情況.2、每個字段只建立一個間隔函數(shù)分別為性別、薪

23、金建立一個間隔函數(shù)記錄號年齡薪金127$19000251$64000352$105000433$55000.2、每個字段只建立一個間隔函數(shù)記錄號年齡薪金127$19000251$64000352$105000433$55000常見的間隔函數(shù)：差的絕對數(shù)值：|A-B|差的平方：A-B)2歸一化絕對值： |A-B| / (最大差值)不希望年齡或薪金主導組合函數(shù)，用哪個函數(shù)？.2、每個字段只建立一個間隔函數(shù)常見的間隔函數(shù)：差的絕對數(shù)值：|A-B|差的平方：A-B)2歸一化絕對值： |A-B| / (最大差值)歸一化絕對值優(yōu)點：一切屬性值均在0-1之間記錄號年齡薪金127$19000251$64000352$105000433$55000.2、每個字段只建立一個間隔函數(shù)2751523327510.965233歸一化絕對值： |A-B| / (最大差值)年齡歸一化：一切屬性值均在0-1之間 |51-27| / (52-27) = 24/25= 0.96.2、每個字段只建立一個間隔函數(shù)2751523327510.9652?33歸一化絕對值： |A-B| / (最大差值)年齡歸一