数据挖掘案例交叉销售分析

1、teradatatm warehouse minertraining workshop案例-5 交叉销售分析2 11/3/2021什么是交叉销售？ 交叉销售是企业向原有客户销售新的产品或服务的过程 提高客户的忠诚度 使客户与企业的联系更紧密 交叉销售是向顾客销售多种相关的服务或产品 地域相关 品牌相关 服务供应商相关3 11/3/2021交叉销售的目标 以产品为中心 以客户为中心 了解客户已经购买的产品和服务 预测客户下一步要购买的产品和服务 提高交叉销售的成功率 改善客户的忠诚度 增加客户的回报利润 4 11/3/2021问题及分析方法 哪些产品是经常被一块购买的？ 关联分析 哪些产品是经常

2、被同类型的顾客购买的？ 聚类分析 购买与不购买某类商品的顾客之间有什么区别？某类顾客购买某种商品的可能性有多高？ 决策树、回归和神经网络5 11/3/2021业务问题定义 特定业务和哪些资费套餐是经常被一起选用？ 找出业务和资费套餐的交叉关系（关联分析） 选用特定业务的顾客分群是如何分布？ 对特定业务的顾客进行聚类分析 选用与不选用某种业务的顾客之间有什么区别？顾客选用某种业务的可能性有多高？ 数据探索对候选变量进行初步分析，找出高区分度的变量 利用决策树计算出客户选用特定业务的可能性6 11/3/2021业务问题定义业务范围 按业务申请量 语音信箱、三方通话、10元自由通. 按业务使用量 话

3、音业务（拨打17951、移动聊天、娱音在线.） sp业务（空中信使、新浪网、手机杂志.）7 11/3/2021业务问题定义客户范围 客户类型为非特殊客户 本月状态为在网8 11/3/2021数据准备 数据清洗和预处理 建立物理数据模型（pdm） 数据的抽取转换和加载（etl） 变量选择和数据抽样9 11/3/2021数据准备物理数据模型基表客户价值分析中原有的五张基表tb_csl_service_apply 业务申请信息表tb_csl_service_usage_nl 业务使用信息表(本地语音话单)tb_csl_service_usage_lmm 业务使用信息表(移动梦网本省话单)tb_csl

4、_service_usage_mms 业务使用信息表(彩信话单)总表tb_csl_all_items_func 交叉销售分析总表（申请业务）tb_csl_all_items_chat_type 交叉销售分析总表（话音业务）tb_csl_all_items_service 交叉销售分析总表（sp业务）视图vw_csl_all_items_func_flag 交叉销售分析总表视图（标志，申请业务）vw_csl_all_items_chat_flag 交叉销售分析总表视图（标志，话音业务）vw_csl_all_items_serv_flag 交叉销售分析总表视图（标志，sp业务）评分表 tb_csl

5、_score_profile 交叉销售评分表 tb_csl_score_profile_1 交叉销售评分表1 tb_csl_score_profile_2 交叉销售评分表210 11/3/2021数据准备etl 周期为每月 基表的加载作业 依赖作业 tb_par_subscriber_func、本地语音话单、移动梦网本省话单、彩信话单 上游作业 tb_par_subscriber_month 总表的加载作业依赖 依赖作业 全部基表加载作业完成 上游作业 tb_par_subscriber_month11 11/3/2021数据准备选择和抽样 变量选择 客户基本资料、缴费资料、投诉资料、通话资料

6、、账单资料、业务申请资料、业务使用资料 数据抽样 从总表中抽取训练集、验证集和测试集 各个集合均为六十万条记录12 11/3/2021探索型数据分析 采用可视化的工具或统计分析等方法来展示及探索各个变量对目标变量的影响 值分析 (value analysis) 空值、唯一值、空字符串、零值、最大值、最小值 频次分析 (frequency, histogram) 判断自变量对目标变量的区分度 变量值离散化的依据 相关分析 (correlation analysis) 找出和目标变量具有相关关系的自变量13 11/3/2021建立模型 关联分析模型 找出业务和资费套餐的交叉关系 聚类分析模型 对特

7、定业务的顾客进行聚类分析 决策树模型 利用决策树计算出客户选用特定业务的可能性14 11/3/2021建立模型关联分析模型 关联分析模型 回答问题：“特定业务和哪些资费套餐是经常被一起选用？” 目标：找出业务和资费套餐的交叉关系 数据项 客户编号、帐务年月、资费套餐、业务编码 twm中对应的功能支持 affinity analysis15 11/3/2021建立模型聚类分析模型 聚类分析模型 回答问题：“选用特定业务的顾客分群是如何分布？” 目标：对特定业务的顾客进行聚类分析 数据项 客户编号、帐务年月、业务编码、客户基本资料、缴费资料、投诉资料、通话资料、账单资料、业务申请资料、业务使用资料

8、 twm中对应的功能支持 cluster analysis16 11/3/2021建立模型决策树模型 决策树模型 回答问题：“选用与不选用某种业务的顾客之间有什么区别？顾客选用某种业务的可能性有多高？” 目标：计算出客户选用特定业务的可能性 数据项 客户编号、帐务年月、业务编码、客户基本资料、缴费资料、投诉资料、通话资料、账单资料、业务申请资料、业务使用资料 目标变量：选用业务标志 twm中对应的功能支持 decision tree models17 11/3/2021高购买倾向客户群人数：19711目标客户组目标客户组控制组控制组通过预测模型的打分，列出了有购买新业务倾向的客户，配合相关筛选条件，被筛选了出