【教学课件】第三章实际应用的工作循环.ppt

《【教学课件】第三章实际应用的工作循环.ppt》由会员分享，可在线阅读，更多相关《【教学课件】第三章实际应用的工作循环.ppt（21页珍藏版）》请在三一办公上搜索。

1、第三章 實際應用的工作循環,授課導師 周世玉教授學生 79544005 王常翰 79544012 包栯綺 79544016 葉家祺,2,大綱,工作循環摘要實際應用的工作循環：以三個不同產業的公司介紹資料採礦如何協助行銷活動電信業汽車製造商銀行,3,工作循環摘要,資料採礦的工作循環是透過將資料轉換為可行動的資訊來顯示資料的威力。資料 資料採礦 水 水車資料採礦的工作循環是將資料採礦定義在創造企業價值的情境下而誕生，選擇應用特定的演算法，應用特定的資料，以解決特定的商業問題。,4,電信業(背景介紹),無線通訊產業競爭激烈電信業者開始推出加值服務目的：提高利潤提升顧客忠誠度以降低流失率(churn)

2、所提供的加值服務：語音郵件信箱熱線服務 手機在家中可以轉換為家用無線電話,5,電信業(挑戰-1),某電信公司想測試一項新產品，但是由於技術上的問題，所以這項產品僅供極少數用戶使用，因此，大量的郵寄廣告似乎不切實際。行銷人員所面臨的兩大挑戰如下所示：誰是有潛力購買的顧客(在新產品試用之前，客戶必須簽字才能夠生效)以最低的成本達成最多潛在用戶的目標(在以往活動的經驗中，只有23%的客戶會參與活動並且購買新產品，換句話說，如果需要500名有效客戶簽字，必須接觸16,00025,000名客戶才能達到效果),6,電信業(挑戰-2),透過評分機制給每一個名單中的客戶從0100的分數(絕對不會購買為0，一定

3、會購買為100)，再依照遞減排列，篩選出客戶名單。,回覆人數,聯絡人數,省下的成本,選定目標顧客群郵寄,全部郵寄,500,7,電信業(如何應用資料採礦-1),由於新產品的推廣，沒有過去的行銷回應紀錄做輔助，因此，只好利用過去任何商品的回應紀錄來建置模型(非回應模型)。美國退休人士協會利用類神經網路技術建置非回應模型，只要擷取名單的百分之十寄發廣告信，而省下每年數百萬美金的郵寄費用。除此之外，尚可以根據其他市場上類似商品的銷售紀錄當作訓練組資料，進行模型建立。,8,電信業(如何應用資料採礦-2),定義輸入變數：通聯資料庫：包含用戶接聽與撥出電話的所有相關紀錄。行銷資料庫：包含用戶使用、保有時間、

4、產品歷史、價格計畫與付款歷史資料等。人口變項資料庫：包含目標市場人口變項與生活型態等資料。輸出變數(是否會購買新產品),9,電信業(如何應用資料採礦-3),衍生性輸入變數：根據腦力激盪與初步分析結果，找出了一些作為預測模型輸入變數的描述性變數。使用時間(minutes of use)接收電話通數撥出頻率影響空間(sphere of influence)是否使用語音信箱轉換者(roamer),10,電信業(結果與完成循環),透過三個資料庫中的資料彙整之後，並且利用電腦找出預測模型，以找出誰是可能購買新產品的人選。完成循環：再利用這部分的資料去針對真實回應者建立更精確的模型。,11,汽車製造商(背

5、景介紹),博蒂肯研究中心：透過專家系統的建置去找出休旅車的使用族群。傳統的資料庫系統包含許多由觀察與專家訪談所得到的規則。醫學、稅務問題效果極佳但在某些案例中，規則是很難找到任何專家作為訪談所用研究團隊決定直接從歷史資料著手，找出相關規則。換句話說，是以資料採礦的技術取代與專家訪談的過程。,12,汽車製造商(挑戰),透過行銷活動，例如郵寄邀請函讓消費者進行試車。並且參與試車計畫的消費者可以獲得一副太陽眼鏡。行銷人員所面臨的兩大挑戰如下所示：如何增強預測模型找出回應者的能力回應邀請函與撥打免付費電話詢問的對象太少，更別提實際購買的人。,13,汽車製造商(如何應用資料採礦-1),通常資料被開採之前

6、多半是散落在不同的地方，因此第一個面臨的問題便是整合資料。資料：在郵件檔案中：包含曾經寄發促銷郵件的姓名及地址，並且與購買來的PRIZM資料庫結合，包含了郵遞區號相關的地區、人口及心理變項的分布。其他兩個檔案中：包含誰回覆廣告信函與誰透過免付費電話詢問相關活動內容。,14,汽車製造商(如何應用資料採礦-2),在1,000,003封寄出的廣告信函中，一共有32,904人寄了回函卡，16,453人經由免付費電話，回覆率一共是將近5%。並且在透過製造商所提供的資料，找出姓名、地址與在三個月內透過郵件所販賣的車種。再透過姓名自動比對程式將名單縮小至22,000人，最後透過人工比對的方式，找出4,764

7、人是收到郵件並且購買新車的人。,15,汽車製造商(如何應用資料採礦-3),利用經驗法則將所有資料分割為兩大部分：成功收到郵件並購買新車失敗收到郵件卻不購買新車再利用決策樹與類神經網路工具進行運算，並且採取兩階段的策略。利用類神經網路挑選出誰會購買新車。再將這份名單利用決策樹篩選，找出最容易因為郵件而購買促銷車款的人。,16,汽車製造商(付諸行動與完成循環),透過預測模型不但能夠成功的預測可能的回應者，以減少郵寄費用，並且可以讓前來試車的人範圍縮小至願意購買的族群，因此廠商可以將原先為了應付大量人潮的太陽眼鏡贈品，換為更精緻的贈品。這項採礦計畫顯示即使僅擁有有限的資料變數，或是原始的採礦技術，資

8、料採礦都能顯著的提升高價商品。而下一步便是蒐集更多的資料，以建立更好的模型然後行動。,17,銀行(背景介紹),美國銀行想要拓展房屋質押貸款部分的業務。但是之前透過直效郵件活動的成果卻不理想。因此美國銀行內的國家消費者資產事業部(NCAG)想要以資料採礦的技術來克服這些問題。,18,銀行(挑戰),美國銀行想要透過了解現有房屋質押貸款客戶以拓展他們在貸款項目的業績。在進行採礦任務之前，銀行發展出兩套符合常識的模型：家中有大學適齡的孩子時，家人會想要透過質押房屋以借錢繳交學費。擁有較高且不穩定收入的族群，比較會以質押房屋來平緩收入的劇烈上下起伏。,19,銀行(如何應用資料採礦-1),銀行內部的資料倉

9、儲系統中共有來自42處不同來源的資料，並且資料都已經是先整理、轉移格式，並且以穩定的時序、地理區及顧客號碼分門放置。利用決策樹將客戶區分為會對房屋質押貸款有興趣與沒興趣兩群。再利用序列規律工具找出這些潛在客戶何時會辦理貸款。最後透過群集化工具利用變數間的相似性將顧客區隔為14個群集。,20,銀行(如何應用資料採礦-1),而其中有一個群組值得特別注意，並且有以下的特質：在這群集中有39%的人同時有個人以及負責人的公司戶頭。相較於整體利用決策樹判定會申請貸款人口佔全體11%的比例下，該群集中會申請辦貸款的人口就佔了27%。,21,銀行(付諸行動與完成循環),根據這項新發現，NCAG整合其他個人事業部以及其他業務單位一同研擬新的行銷策略。在新的行銷方案推出之後，美國銀行的房屋質押貸款接受率立即成長2倍。未來如何透過密集的行銷活動來收集資料，並且透過程式執行與測試流程中所衍生出來新資料，回饋至快速的分析流程，這正是資料採礦的工作循環。,