注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

数据挖掘与数据分析

个人微信:datamen 欢迎交流

 
 
 

日志

 
 

spss18.0中自带,做Direct Marketing的必杀技!  

2011-06-03 23:09:48|  分类: 默认分类 |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |
不知道spss18.0里面用这个多不多?
Direct Marketing模块
spss18.0中自带的必杀技 - Data Mining - 数据挖掘与数据分析
 

一、RFM模型:

RFM 分析是一种用于标识最可能对新产品做出反应的现有客户的方法。此方法常用

于直销。RFM 分析基于以下简单理论:

1、 标识最可能对新产品做出反应的现有客户的最重要因子是崭新。最近购买的客户

比过去购买的客户更可能再次购买。

2、第二个重要的因子是频率。过去购买次数较多的客户比购买次数少的客户更可

能做出反应。

3、第三个重要的因子是消费的总金额,称为金额。过去消费金额较多(所有购买的总

和)的客户比消费金额较少的客户更可能做出反应。

二、聚类分析:

聚类分析是用于揭示数据中的自然分组(或聚类)的探索性工具。例如,它可以根据各

种人口统计和购买特征识别不同的客户组。

示例。零售和消费者产品公司定期地对描述客户的购买习惯、性别、年龄、收入水平

等的数据应用聚类技术。这些公司为每个消费者群体设计营销和产品开发战略,以增

加销售额和建立品牌忠诚度。

spss18.0这个模块中聚类的算法用的是业界很流行的算法two-step(两步聚类)

输出的结果也很了然!,标签(用户群的类型,例如价格敏感性、成熟稳重型等等,大家根据用户特征概括吧)、描述,大家可以自己写一些对这类用户特征的概括,双击表格就可以填写了。。。。。

spss18.0中自带的必杀技 - Data Mining - 数据挖掘与数据分析

 

 三、 潜在客户概要模型

此方法使用先前或检验活动的结果来创建描述概要文件。您可以使用概要文件在未来的

活动中集中面向特定的联系人群体。响应字段显示谁对先前或检验活动做出了响应。概

要文件列表包含您打算用来创建概要文件的特征。

示例。根据测试邮件的结果,公司直销部门想要生成以人口统计信息为基础的最可能
对产品做出响应的客户类型概要文件。
spss18输出的结果很容易理解,可以自定义响应率,假设自定义为响应率为7%,那么绿色的满足你的目标值,描述字段就是用户的特征,这样找目标响应的用户就OK多了。

spss18.0中自带的必杀技 - Data Mining - 数据挖掘与数据分析

四、邮政编码响应率;

此方法使用先前活动的结果来计算邮政编码响应率。这些响应率可以用于在未来的活

动中集中面向特定的邮政编码。响应字段显示谁对先前活动做出了响应。邮政编码字

段标识包含邮政编码的字段。

示例。根据先前邮件的结果,公司直销部门按邮政编码生成响应率。然后,根据不

同的标准,例如最低可接受响应率和/或在邮件中包括的最大联系人数量,他们可

以集中面向特定的邮政编码。

输出:这个就很容易看出那个邮政编码活动响应的效果了,在加上针对邮编区域适当玩玩地面的营销活动,或许有意想不到的收获!

spss18.0中自带的必杀技 - Data Mining - 数据挖掘与数据分析

 

五、购买倾向:

购买倾向使用测试邮件或先前活动的结果来生成得分。这些得分显示哪些联系人最有可

能做出响应。响应字段显示谁对测试邮件或先前活动做出了回应。倾向字段是您要用于

预测具有类似特征的联系人将做出反应的可能性的特征。

此方法采用二元Logistic 回归生成倾向得分。

这个大家很容易理解,根据模型预测的Y值进行降序排列,自己选择topN就OK,N取决于模型的精确度与你实际的预算

spss18.0中自带的必杀技 - Data Mining - 数据挖掘与数据分析

 

六、  控制包装检验

该方法比较市场营销活动,以检查不同包装或商品之间是否存在显著的效果差异。活动

效果通过响应来测量。“活动”字段标识不同的活动,例如,Offer A 和Offer B。“响

应”字段指示联系人对活动有无响应。在响应被记录为购买金额(例如“99.99”)

时选择“购买金额”。在响应只是指示联系人是否正面回应(例如“是”或“否”)

时,选择“回应”。

示例。公司直销部门想了解新的包装设计能否产生比现有包装更多的正面响应。因

此他们发出测试邮件,以确定新包装能否产生明显更高的正响应率。测试邮件包括获

得现有包装的控制组和获得新包装设计的测试组。然后比较两组的结果,看看是否存

在显著差异。

主要还是业务的理解,变量的选取!

  评论这张
 
阅读(5004)| 评论(2)
推荐 转载

历史上的今天

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017