2010-5-17 17:46 | [灌水]学无止境,好累

发现做数据分析的工作,就要不停的学习,学习再学习。
最初觉得自己的统计基础太差,所以有段时间,一直在补统计的课。虽然有统计基础,也在学校用过不少高级的统计方法,但是,在实际商业应用中,却有很多新的概念和方法需要学习。现在总算可以在统计方法上应付企业的应用了。
又发现数据库技能也如此重要,于是又从零还是学习SQL,sql的查询还是比较容易学的,但是高级的查询就又觉得有些困难了,又是半年的时间,感谢公司对我的“高要求”,在一边工作一边学习的情况下,终于掌握了SQL的查询,也能想出一些复杂查询的方法了,还是那句话,基本上可以应付工作的需要了。
又开始学习SQL server 2005的商业智能。原因是给客户做了一个项目,每个月要出固定的报表,头头不知道听谁说了一句,可以用SQL server做成自动的报表,于是我又开始从零学习SSIS和SSAS模块了。刚刚有了点概念,这方面的资……
编辑 | 阅读全文(1472) | 回复(0),乐了 发表于 2010-5-17 17:46
 
在我的理解中,很多人将两种细分混为一种。
一种细分是,在整个CRM(或积分)项目中,比较长期稳定的将客户划分为为数不多的几类,比如大家经常使用的,白金客户、金级客户、银级客户等等。
此种细分的特点:1.穷尽所有客户2.客户划分标准稳定 3.目的是为了更好的管理客户,并节约成本,对不同的客户长期实行不同但组内相对固定的回馈政策,比如积分,每个级别的客户所用的积分的比例不同。
这样的细分,一般指标是客户价值,即消费金额,结合2/8原则来分。只要客户在一段时间内消费金额大胆了前20%客户的最低准入门槛,便可以成为最高级别的客户。
这样在CRM的月报告中,就可以固定的报告本月有多少人升级了,多少人降级了,等等,作为CRM项目运营的一个指标。
 
另外一种细分是,在某个特定时期,为了某个特定目的来细分人群,然后找出相应的人群来有针对性的进行市场干预。我觉得这种细分更适合用RFMRFA)。……
编辑 | 阅读全文(1850) | 回复(1),乐了 发表于 2010-3-29 17:39

2010-3-29 17:20 | [原创]对RFM新的理解

关键字:数据分析 CRM 营销
看了很多RFM的文章,然后开始实际给一家著名的快餐客户做项目。这确实是一个对我来说很有挑战性的项目,挑战体现在几个方面:
1.       数据量大(千万级)。
2.       消费数据,无法识别消费者,也就是说,有一个人消费过3次,不能确定这是否是一个人。
3.       客户对自己想要的数据分析结果并不清晰,对数据分析的期望过大。
4.       对这个行业我没有行业经验,没有实际操作过RFM,对其理解只是停留在资料水平。
 
前2个问题,是数据清理的问题,只要确定了数据清理的规则,而且客户认可就比较好办。但问题是,因为客户也没有这方面的经验,所……
编辑 | 阅读全文(1870) | 回复(0),乐了 发表于 2010-3-29 17:20
CRM方法:如何计算客户生命周期价值
 
newmaker
 
CRM讲“以客户为中心”。“以客户为中心”本质上是以“客户价值”为中心。如何计算客户价值呢?

当我们从更完整的会计核算角度来评估为客户花费的成本的时候,客户价值就不仅仅是销售额减去产品成本那么简单了。我们还需要考虑为客户花费的一对一的销售费用、服务费用,考虑营销费用的分摊,甚至还要考虑与销售、服务和营销售直接相关的管理费用分摊。如果一个客户创造的销售额减去上述所有的成本和费用后,得到的客户价值是一个负值的话,那一点也不奇怪。大量的统计数据表明:顶端20%的现有客户创造了超过100%的利润;底端80%中的许多现有客户在吞噬着利润。

那么底端的80% 的现有客户就活该被抛弃吗?且慢!统计数据还表明,5~30%的客户有向上升级的潜力。况且,如果是一个……
编辑 | 阅读全文(2237) | 回复(1),乐了 发表于 2009-9-4 14:0

2009-9-1 17:17 | 客户细分3

 
刚刚看了一篇客户细分的文章。
目的是把客户按照忠诚度细分为:潜在客户、一般顾客、常顾客和忠实客户4种类型。
这是通过对业务的理解和分析得出的。
接着,它通过对数据进行多级归约,“去除了与客户忠诚度关系不大的数据,发现与忠诚度密切相关的数据有:客户座位企业客户的时间长度、客户平均消费水平、两次消费之间平均时间间隔,最大时间间隔、最短时间间隔、一定实际总消费额和次数、一定时期客户有无投诉和投诉次数。对这些因素进行一次归约之后可以得到计算客户忠诚度的模型:客户忠诚度=时间系数*消费金额系数*投诉系数*最小时间间隔系数*最大时间间隔系数。”
 
然后“采用聚类算法中的K-Means算法对其进行聚类分析:(1)随机选择K个数据项作为聚类中心;(2)根据相似度距离公式,将数据集中的每一项数据分配到离它最近的聚类中去;(3)计算新的聚类中心;(4)如果聚类……
编辑 | 阅读全文(1455) | 回复(0),乐了 发表于 2009-9-1 17:17
Frederick Reichheld 在他的著作《忠诚度效应》(首次出版于 1996 年)写下了一句名言,“客户保持率增加 5%,就有可能带来高达 95% 的利润提升,”Pareto 的 80:20 法则适用于市场,强调 80% 的业务来自 20% 的客户。这就表明,公司应注重其现有客户保持力,特别是最有价值客户。会员俱乐部为商家赢得客户忠诚提供了一个平台。目前,组建和经营会员俱乐部,通过不断消费、不断积分、不断得到奖励来促进消费者重复购买,是进行忠诚度营销的最主要方法。那么会员俱乐部到底在忠诚度营销中起到什么样的作用呢?影响会员俱乐部成功与否的关键因素有哪些呢?本文将具体讨论这两个方面的内容。
 
会员俱乐部在忠诚度营销中的作用,主要有以下几点:
1.      收集会员资料。对于很多通过代理或渠道销售的企业……
编辑 | 阅读全文(3475) | 回复(1),乐了 发表于 2009-9-1 10:38
作者:肖东军  2005-04-01   
  【IT168 专稿】在客户关系管理过程中,商家不断追逐获得客户的信息,而客户往往不愿意主动透露自己的信息或意图,除非客户能立即看到这样做给自己带来的好处。即使商家使出浑身解数,获得的往往也是一些外在的客户行为数据,对于客户内心真实想法及消费趋势,商家仍然知之不多。这正应了一句俗话:“知人知面不知心”。
  为了得到客户的“心”(如客户满意度、忠诚度等),从客户那里获得更大的生命周期价值,CRM提供了许多分析模型和预测模型。在这里向大家介绍一种相对简单可行、且行之有效的方法:RFM分析模型。RFM中,每个英文字母代表一种相对容易获得的已成交客户的行为参数。R(Recency 最近)表示客户最近一次购买的时间。为了更方便计量,也可以把它……
编辑 | 阅读全文(3432) | 回复(0),乐了 发表于 2009-7-30 17:19

2009-7-30 16:55 | [原创]客户细分1

总是在念叨“客户细分”,却没有认真、系统的考虑过如果来做。在公交车上想了几个问题:(居然坐过了站)
1.       客户细分肯定要分企业客户和个人客户,至少,用来细分客户的指标肯定是不一样的。
2.       什么时候需要对客户进行细分?
3.       不同需要的情况下是否要进行不同的细分,还是基本上一劳永逸呢?
4.       客户细分都有哪些方法,具体如何执行呢?
 
对于第一个问题,企业客户和个人客户肯定是不一样的。企业客户的购买行为,和企业的组织结构、购买决策机制、个人公司利益等等有很大关系。和个人客户相比,企业客……
编辑 | 阅读全文(1570) | 回复(1),乐了 发表于 2009-7-30 16:55
 
仅拿EDM来说,在EDM的执行层面,有很多影响EDM效果的因素,比如:
1.               EDM需要建立在好的数据管理和数据质量之上,在发送EDM之前我们应该对数据质量有清楚的认识。而好的数据质量是建立在成熟的数据收集和管理机制基础之上的。
2.               要有高质量的数据分析做基础。我们需要知道目标客户是谁,他们有什么样的喜好……
编辑 | 阅读全文(3094) | 回复(0),乐了 发表于 2009-7-24 17:20
市场领域里的数据分析,是用数据来描述过去和现状。比如到目前为止,前5年的市场份额,及增长率;目前客户的年龄、地域、收入分布等等。数据分析可以满足大部分的市场决策需求。描述性统计分析中的频数、百分比、交叉表、均数间比较、相关分析应该都是数据分析经常用到的统计方法,而且能够满足大部分的市场调研,和市场状况分析的需求。这部分数据分析结果不需要进行验证,因为它就是在描述事实本身。(抽样的情况下除外,因为需要对总体进行推断)
而数据挖掘,是用历史的数据对将来进行预测的分析,带有决策的味道。比如数据分析的结果说这是“牛”,是因为,数据明白的标明了“牛”,而数据挖掘的结果说这是“牛”,是因为在数据中有“4条腿”、“吃草”、“产奶”、“体重”……
编辑 | 阅读全文(6396) | 回复(3),乐了 发表于 2009-7-24 17:5

在学校的时候,因为实验设计、统计和数据分析是心理学研究的大脑和腿脚,所以,统计课程是备受关注的。我自己也对统计十分感兴趣,但是因为对高数比较头痛,数学基础太差,所以自己对统计分析一直没有信心。

工作的前3年,做市场调研,想方设法的想从调研到的数据中发现些什么,时间长了就知道,时间和有限的数据根本不允许用到多么高级的统计分析,频数,百分比,交叉表已经足够了。最近两年,开始接触数据挖掘。既然要学习,那么就把学习的过程记录一下,一来督促自己,二来检验学习的效果。

 

 

编辑 | 阅读全文(1999) | 回复(8),乐了 发表于 2009-7-24 15:7
(共 11 条) 上一页 1 下一页翻页至

仅列出标题
  • 创建:2009/7/24
  • 文章:11
  • 评论:15
  • 访问:9460
  •