细分市场研究方法及市场规模测算模型探讨 一、市场数据收集方法 （1）调研对象 外部调研对象：行业专家、行业协会、下游客户、竞争对手、供应商、经销商、代理商、合作伙伴、研究机构、大学、券商研究部等 公司内部对象：公司管理层、相关职能部门专业人员 （2）研究方法 内部访谈法、内部研讨会、问卷调查法、实地调研法、头脑风暴法、案头研究、基准分析等 （3）数据资料查找途径 商业数据库、谷歌、百度、豆丁、Chinainfobank、ISI等网站、国家统计局公布数据、年鉴、行业期刊、杂志、专业论坛、所属行业的权威机构公布数据、海关数据、行业协会公布数据、国家及行业重大政策和规划、行业研究报告、券商报告等 二、市场规模测算方法 1、市场规模测算及预测方法 （1）方法介绍 巴比社会研究法、直接投资额法、整体投资比例法、趋势外推法、回归模型法、普及率类比、瑞利多因素法、专家德尔菲预测法、直观判断预测法、时间序列分析预测法、回归分析预测法、结构分析预测法等 （2）推算思路 市场规模的推算方法较多，从行业特性来说，不同情况推算思路略有不同。从供应端和专家得到的信息和数据，并以此进行市场推估。这个方法比较适用于下游应用领域众多、消费不集中的情况；从消费端进行分层抽样再进行数据汇总，适用于下游市场比较单一，应用
领域相对集中的市场；同时采集供应端和消费端数据，并进行数据交叉验证，适用于产品或行业相对垄断，供应和消费行业都较为集中的产品或行业。 2、软件类企业案例——互动媒体系统平台 （1）背景分析： 互动媒体系统平台软件的下游行业主要包括电信运营商、广电新媒体运营商、广电网络运营商。在三网融合背景下，电信和广电运营商在基于内容的信息系统、双向网络改造、宽带升级、终端硬件投入的基础上，向广大受众提供IPTV、互动电视、网络视频、互联网电视、手机视听等各类互动媒体业务，这些业务的基础用户数量和营收情况直接影响系统平台软件的投资规模。 产业产业投资具体产品价值链环节 代表业务
数据挖掘应用案例：RFM模型分析与客户细分 分类：数据挖掘 | 标签：市场研究数据挖掘RFM模型 2012-01-21 21:39阅读(16854)评论(9) 这里，我先给各位朋友拜年，祝大家新春快乐！ 兔年就要过去了，本命年的最后一天再不更新博客有点对不住大家！正好刚帮某电信行业完成一个数据挖掘工作，其中的RFM模型还是有一定代表性，就再把数据挖掘RFM 模型的建模思路细节与大家分享一下吧！手机充值业务是一项主要电信业务形式，客户的充值行为记录正好满足RFM模型的交易数据要求。 根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。 我早期两篇博文已详述了RFM思想和IBM Modeler操作过程，有兴趣的朋友可以阅读！ RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到RFM得分，进而可以进行客户细分，客户等级分类，Customer Level Value得分排序等，实现数据库营销！
这里再次借用@数据挖掘与数据分析的RFM客户RFM分类图。 本次分析用的的软件工具：IBM SPSS Statistics 19，IBM SPSS Modeler14.1，Tableau7.0，EXCEL和PPT 因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。 先说说对海量数据挖掘和数据处理的一点体会：（仅指个人电脑操作平台而言） ?一般我们拿到的数据都是压缩格式的文本文件，需要解压缩，都在G字节以上存储单位，一般最好在外置电源移动硬盘存储；如果客户不告知，你大概是不知道有多 少记录和字段的； ?Modeler挖掘软件默认安装一般都需要与C盘进行数据交换，至少需要100G空间预留，否则读取数据过程中将造成空间不足 ?海量数据处理要有耐心，等待30分钟以上运行出结果是常有的现象，特别是在进行抽样、合并数据、数据重构、神经网络建模过程中，要有韧性，否则差一分钟中断 就悲剧了，呵呵； ?数据挖掘的准备阶段和数据预处理时间占整个项目的70%，我这里说如果是超大数据集可能时间要占到90%以上。一方面是处理费时，一方面可能就只能这台电脑处理，不能几台电脑同时操作； ?多带来不同，这是我一直强调的体验。所以海量数据需要用到抽样技术，用来查看数据和预操作，记住：有时候即使样本数据正常，也可能全部数据有问题。建议数 据分隔符采用“|”存储；
提升客户价值创造移动时代 中国移动集团客户特点是“两高一低”，即ARPU值高、收入占比高和离网率低。这三个特点说明了集团客户之于中国移动的价值重要性。作为更高级网络运营阶段电信运营商争夺的主要阵地，集团客户对于中国移动来讲，具有举足轻重的地位。 客户价值就是指客户给企业所带来的收益，取决于时间和价格两个因素。长期稳定的关系表现为客户的生命周期。客户价值管理是企业进行针对化营销、服务的有力保障，因为企业的资源必定是有限的，通过客户价值的量化管理帮助我们实现有限企业资源的高价值分配，通过CRM系统可以定义多种评估模型、评估范围和评估条件以金字塔的形式动态实时展现企业当前的客户价值分布情况，并通过系统可以详细的了解到不同价值阶段的客户分布情况、价值分布情况、价值构成情况等。以帮助企业进行不同价值客户的营销、服务的差异化管理带来帮助。 据官方统计，到2006年上半年，中国移动的手机用户数已经达到2.7亿户。早在2002年移动点心就已占据国内七成用户市场的同时，奠定了其“寡头”地位。但随着联通、网通、铁通等异军突起，对移动通信形成包围式的链锁并不断蚕食其原有的用户市场，于是，移动通信在市场巨变的环境下其“寡头”地位已经不复存在了。但不可否认的是，移动通信仍是占据着大多数市场的“龙头”者，因此，如何深挖最大的客户市场，已经是移动运营商不得不深思的问题。而当今经济形态下的市场价值所在亦不是单纯的个体用户，而是具备多元化需求的集团客户。 不同的用户市场群体受区域性差异的影响在选择性上有所偏颇，同时存在地方政府的宏观干预。所以，移动运营商在寻觅集团客户对象时，要考虑到用户所处的市场环境下的文化地域性因素。这些区域性差异包括文化、经济、生活等诸方面的因素，移动运营商要针对这些区域性因素，实施差异化战略来挖掘集团客户价值。 从市场发展规律来看，卖方市场到买方市场的转变往往是在市场开始竞争之时。对竞争日渐激烈的移动通信业而言，具有前瞻性目光的人士早已看到，初露端倪的买方市场正在形成。如何适应市场、创造市场，是移动通信企业面临的带有战略性的问题。移动通信商们应该清醒认识到，拥有目前的市场并不完全意味
客户细分常见的十大错误 错误一、为细分而细分，细分客户群后没有具体的行动方案 有些企业细分客户群体后，没有采取差异化的措施，针对具体的客户细分群体制定对应的经营活动方案，客户细分报告被束之高阁。这样的细分是无用的细分。企业做客户细分是为了营销、为了管理、为了研发产品、为了策划活动、为了投资项目，为了…，最终是为了发展和盈利。在细分客户的时候，需要考虑具体的目的，并在客户细分后制定相对应的行动举措，才能将客户细分的威力发挥出来。 错误二、不考虑客户行为因素 客户的行为因素在客户细分时，作为非常重要的指标之一，必须考量进去，否则，细分的客户群只有理论价值，而没有实际的行动价值。客户的行为的研究，能够告诉我们客户在哪里？如何找到他们？如何更有效地服务他们？如何提升他们的消费体验？等等。
错误三、一成不变，不跟踪客户变化 市场是在不断变化的，而客户的需求也会在不断地发生变化。十年前智能手机的需求和现在的需求以及十年后的需求是完全不同的。如果不考虑客户的变化，抱着一个细分方案不变地实施，那就会让自己在市场上逐渐失去竞争力。 错误四、盲目复制他人细分 每个公司都有其独特的经营模式和经营思路，实现客户价值的能力和效率也会不同。如果盲目地照搬别人的客户细分方案，虽然看上去可能很美，但是实践起来会发现，根本不合适，实施后，可能会比别人花费更高昂的成本去服务客户。这也告诉我们，在为客户提供细分研究的时候，必须考量客户的具体情况、细分客户群服务能力等指标，审慎地提交客户细分方案。 错误五、按照客户的资产进行细分 这种细分方法基本就是“势利眼”，有钱的就是优质客户，没钱的就不是优质客户。殊不知，不同的产品和服务，其优质客户不见得都非得是“大款”。银行系统、电信系统经常是这种态度。看看银行给予资产高的客户、公务员以及所谓的名人以更高的信用额度，这种细分方案是典型的势利眼方法。客户在购买产品和服务的时候，不仅仅有支付能力，还需要有支付意愿。如果仅仅考虑支付能力，忽略了支付意愿，最终的方案还是行不通的。 错误六、按照客户的大小分 这种分析方法按照客户的购买多少细分客户，对购买量大的客户就是大客户，购买量小的就是小客户，不考虑客户的成长性、风险因素，以及客户的需求因素等等。一个挑剔的客户，可以让整个公司的服务成本大大提高，而最终导致在该客户身上不能实现盈利。 错误七、按照销售的产品细分
这里，我先给各位朋友拜年，祝大家新春快乐！ 兔年就要过去了，本命年的最后一天再不更新博客有点对不住大家！正好刚帮某电信行业完成一个数据挖掘工作，其中的RFM模型还是有一定代表性，就再把数据挖掘RFM 模型的建模思路细节与大家分享一下吧！手机充值业务是一项主要电信业务形式，客户的充值行为记录正好满足RFM模型的交易数据要求。 根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。 我早期两篇博文已详述了RFM思想和IBM Modeler操作过程，有兴趣的朋友可以阅读！ RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。
一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到RFM得分，进而可以进行客户细分，客户等级分类，Customer Level Value得分排序等，实现数据库营销！ 这里再次借用@数据挖掘与数据分析的RFM客户RFM分类图。 本次分析用的的软件工具：IBM SPSS Statistics 19，IBM SPSS Modeler14.1，Tableau7.0，EXCEL和PPT 因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。 先说说对海量数据挖掘和数据处理的一点体会：（仅指个人电脑操作平台而言）
客户细分精准化营销——RFM模型 一、研究目得 1、了解哪些客户就是价值、需发展、需保持、需挽留得; 2、对不同类别得客户进行不同得营销策略,增大客户购买得可能性; 二、RFM简介 RFM模型就是衡量客户价值与客户创利能力得重要工具与手段,R近度(Recency),F频度(Frequency),M额度(Monetary)。该模型得作用如下: （一）给不同类别得客户进行不同得营销策略(称之为个性化营销策略),减少客户得反感,促进客户得转化,即精准化营销。 (1)对重要价值客户111进行推送“恭喜您成为VIP！如果您有问题,我们会优先处理;如果我们有新产品或新活动,会优先告知您！”“感谢您下单,祝您用餐愉快！”等等。 (2)对重要保持客户011(很久没有下单,但就是以前非常频繁,贡献度比较大,这些忠诚客户流失了,需要紧急处理)进行“Hello,好久不见！”“回访找出流失原因”“保持联系,提高其忠诚度与满意度”“线下邀请参加活动”“线上互动功能开发、线上互动活动策划”等等,只要下单就行,即成为重要价值客户。 (3)对重要发展客户101(频次低,但最近下单,贡献度较大,有钱力得客户)进行“发放一定数量得优惠券,优惠券额度递增”“满就减”等等,让客户多下单,即成为重要价值客户。 (4)对重要挽留客户001(很久没下单,频次低,贡献度较大),对客户进行适当得挽留营销策略。 (5)对一般价值客户110(最近下单,频次高,贡献度较小,比较穷得客户),可以进行“会员卡充100送10”“满减活动”“套餐”等策略。 (6)对于一般保持客户010(很久没下单,频次高,贡献度较小,流失得比较穷得客户),可以“Hello,好久不见！已发放一定数据得优惠券,位置在……,请查收！” (7)对于一般发展客户100(最近下单,频次低,贡献度较低,即新客户)进行品牌介绍以及多次消费刺激策略,“您好,我们就是…、、,致力于……。如果您有反馈或疑惑,请第一时间联系我们,xx……,公众号……。最近我们有促销活动,……” (8)对于一般挽留客户000(已流失客户)不就是我们得营销重点,所谓20%得
精心整理 中国移动客户关系管理 1.移动通信企业CRM分析 1.1移动的顾客识别 移动公司通过一系列技术手段深入了解自己的顾客，收集客户信息，根据客户的特征、购买记录等可得数据，找出谁是企业的潜在顾客，客户的需求是什么、哪类客户最有价值等，并把这些客 RFM 找出消费金额比较高的消费者，加以着重关爱。总之就是更好地使用有效的企业资源。 1.3移动的客户关系维系 首先，通过与客户的互动将自己的产品和服务介绍给客户，扩大客户群体。中国移动在电视杂志网络均有广告，来吸引更多的消费者。中国移动还在户外开展各种活动赞助来扩大它的影响力。其次，通过与客户互动来了解客户的需求。中国移动开设的有人工服务，语音服务，方便客户查询和办理业务，另外还有短信中心，有出新业务及时给客户通知，另外还有网上营业厅和营业厅实体店，客户如有疑问可以向工作人员了解情况。 第三，对移动公司服务、产品的意见的调查和满意度测评。
2.移动通信企业CRM当前存在的主要问题 (1)业务发展问题 业务的发展是企业增加利润，提高客户的满意度、忠诚度，拓展市场，提高竞争能力的必要手段。对业务如何有针对性地进行拓展，如何考虑价格因素的影响以及如何制定有效的市场营销策略等问题对于移动通信企业是非常重要的，也是目前迫切需要解决的。 (2)缺乏对客户流失问题的全方位分析 目前迫于市场竞争的压力，用户流失情况严重，公司对客户的流失没有采用很好的管理策略，只了解到客户流失了，并没有真正掌握客户流失的原因、流失的方向和流失客户的构成；并且对客 在 3. 3.1CRM系统建设的目标 客户关系管理信息系统的建设，旨在利用先进的信息技术与计算机应用技术成果，通过和电信其它业务系统及职能系统的有机结合，建立一个发展客户、维持用户、使潜在客户成为现实用户的信息处理与分析平台。它是在收集客户市场调查信息、客户资料信息、客户营销战略资源的基础上，再自动采集计费、客服、网管、财务等系统的相关数据，建立快速、全面、准确的新客户业务受理、新增需求受理及故障处理过程通道，建立完善的奖金管理、渠道管理系统以及完整的客户满意度评
基于数据挖掘技术的客户细分模型研究 发表时间：2013-04-22T11:11:28.857Z 来源：《中国科技教育·理论版》2013年第1期供稿作者：杨登[导读] 对于现代企业而言，相互之间的竞争已从产品的样式和质量上的竞争转移到争夺客户的竞争上来了 杨登吉林化工学院 132022 摘要客户细分是客户关系管理中的首要任务，数据挖掘技术是实施客户细分的关键技术。本文介绍如何将SOM神经网络算法和k均值算法相结合，构建一种客户细分模型。 关键词客户细分 SOM神经网络算法 k均值算法细分模型 1．介绍 对于现代企业而言，相互之间的竞争已从产品的样式和质量上的竞争转移到争夺客户的竞争上来了。面对日益激烈的市场竞争，企业逐渐意识到维系与顾客之间的长久关系的重要性。数据挖掘技术可以企业在海量数据中同时更好地理解客户，找出高价值或者至少有利润的客户，并将这些客户进行适当的分类，由此决策者便能够对每一类客户提供有针对性的个性化服务。国外诸多学者从人口统计、客户行为、价值、利益、忠诚等角度出发，获得了一些不同的细分方法。这些细分方法在实际运用中都取得了一定成效，而目前占据主流地位的还属基于行为和价值的客户细分方法。基于行为的细分方法认为行为变量是构建细分市场的最佳起点，通过对客户行为的测量，对客户进行分类；而基于价值的细分方法则认为客户的价值是构建细分市场的最佳起点，通过分析不同客户给企业带来的盈利，来对客户分类。 目前客户终身价值的研究还不成熟，客户细分更多采用基于行为的分类方法。本文介绍的客户细分模型也是基于行为分类，在选定了特定的行为变量后，比较了SOM神经网络算法和k均值算法的优缺点，结合两个算法构建一个客户细分的模型。 2．模型实现的方法 2.1行为变量的选取 本文在选取细分的行为变量时，在客户价值矩阵的两个变量基础上，增加了一个反应客户忠诚度的变量--客龄。客龄等于客户的开户日期与最近购买日期的时间差，单位为天数。也就是说，一共选取了三个行为变量，分别为平均购买金额A，购买次数F和客龄D。 2.2算法的设计 2.2.1 K-均值的优缺点 K-均值算法的优点是简单、快速、有效。该算法的缺点是①不同初始值会导致不同的聚类结果；②要求事先输入聚类数目；③陷入局部极优；④对“噪声"和孤立点数据比较敏感。 2.2.2 SOM算法的优缺点 SOM算法的优点是①由于不需要映射内的相互结合，计算量少；②算法中不需要微分计算，数学上非常简单。 SOM的缺点是①SOM 不能提供分类后精确的聚类信息，②缺乏具体的目标函数，使得不同SOM聚类的结果难以进行比较；③必须设定初始邻域宽度、初始学习率、网络类型、邻域函数这许多的参数。 2.2.3 结合算法 K-均值需要指定聚类的个数，且初始的聚类质心是随机赋予的；而SOM只需输入向量就能产生分类。可将两种算法结合起来，形成一个结合算法。第一步，先执行SOM算法，输出聚类数目N和聚类质心Z={Z1，Z2，?，Zc}。第二步，将SOM输出的结果N, Z={Z1，Z2，?，Zc},用做K-均值算法的初始化条件，得到最后的聚类的结果。将两个算法结合起来后，因为得到合适初始值，K-均值算法的局部搜索能力变强，收敛速度提高。 2.3数据准备 客户信息表：共有9876条记录，经筛选保留字段为客户号、性别、年龄、受教育程度、婚否、未成年孩子的个数、职业、收入、房产、汽车、注册日期等。 商品数据表：有1561条记录，经筛选保留字段为商品号、商品名和商品属类标识。交易记录表：有97425条记录，经筛选保留字段为商品号客户号、单价、数量、小计、日期。建模的样本数据集由上述基本表融合而生成，新增变量平均购买金额、购买频率、客龄，在数据清理后，采用最小一最大标准将属性值标准化到[0，1]，形成我们的挖掘数据库。 3.模型评估 3.1基于SOM网络的聚类质心 经过预定次数的训练之后，客户被自动分为了5类，所得各簇的聚类质心如表1所示：表1 SOM聚类质心 簇C1C2C3C4C5 簇质心平均购买额0.3340.2410.2350.2350.34购买次数0.1130.0760.1140.080.119客龄0.7820.6270.5240.4180.272 3.2基于K-均值的聚类质心 为了进行比较，对样本数据指定K=5，执行k-均值后所得各簇的聚类质心如表2所示：表2 K-均值聚类质心 簇C1C2C3C4C5 簇质平均购买额0.170.3450.4190.3070.325购买次数0.580.3980.0810.0870.091
客户关系与客户细分 一、简要解释客户细分的原因，并举例说明客户细分与客户关系生命周期及客户价值之间的关系。 客户细分的原因： 1、客户需求存在异质性 客户的需求因客户个人偏好、性格、思维方式等方面的不同而不同，所以客户需求、欲望及购买行为的多元化，导致客户需求满足呈现差异性。进行客户细分，可以更好的实现个性化服务。 2、客户金字塔理论 处在金字塔顶部的是贵宾型客户，再到重要级客户，最后到基础型客户。每一层次的客户对企业利润的贡献差别很大，通过研究客户交互的资料发现，50-60%的客户对企业而言是非赢利性的，同时那些消耗了企业60%-80%的售后支援资源的客户提供的利润仅占不足20%。3、有限的企业资源和有效的市场竞争 任何一个企业都不能单凭自己的人力、财力及物力来满足整个市场的所有需求，这不仅缘于企业自身条件的限制，而且在经济方面也不足取。因此，对客户进行有效的细分，集中企业资源，制定科学的竞争策略，以取得和增强竞争优势。 客户细分与客户关系生命周期的关系： 案例：上海金丰易居是一家房地产集团，在1995年，公司发现虽然有大量的客户资源，但是不能有效的利用这些客户信息，于是在当年引起eCRM系统，对拥有的大量客户进行细分，划分为不同生命周期的客户，准确分析客户需求，进行数据库资源共享，从而实现对客户的有效管理。 ①客户关系生命周期为客户细分提供依据 客户关系生命周期可分为考察期、形成期、稳定期和退化期四个阶段，每个阶段所表现出来的特征不一样，比如在交易量、价格、成本、间接收益等方面，而这些不同的方面为客户细分提供了依据。 ②客户细分有利于客户关系生命周期理论的应用 客户细分将根据时间问题、客户经验、购买决策、品牌忠诚等要素对客户进行了有效的细分，了解到不同的客户的不同需求，将客户划分
中国移动的客户关系管理方案分析与设计 项目号：中国移动项目成员：第一组专业班级：连锁101 一、中国移动简介 中国移动通信集团公司（简称“中国移动”）于2000年4月20日成立，是 一家基于GSM和TD-SCDMA制式网络的移动通信运营商。注册资本为518亿元人 民币，截至2008年9月30日，资产规模超过8,000亿元人民币。 中国移动通信拥有全球第一的移动通信网络规模和客户规模，连续多年入选 《财富》杂志世界500强企业，2010年排名为第77位。在中国境内，中国移动 通信集团公司主要经营移动语音、数据、IP电话和多媒体业务，并具有计算机 互联网国际联网单位经营权和国际出入口局业务经营权。除提供基本话音业务以 外，还提供传真、数据IP电话等增值业务，拥有“全球通”、“动感地带”、“神 州行”、“G3”等品牌。 二、中国移动的客户关系管理现状与分析 （一）中国移动的客户识别现状与分析 1、中国移动的客户识别现状 客户识别就是通过一系列技术手段，根据大量的客户特征、需求信息等，找 出哪些是企业的潜在客户，客户的需求是什么，哪些客户最有价值等等，并以这 些客户作为客户关系管理对象。 中国移动对于其所有的客户都有其鲜明的识别标志。不管是全球通客户、神 州行客户还是动感地带客户，每个客户都有易于识别的号段来对应最适合自己的 服务与权益。而从2010年09月01日起，每一位申请中国移动的通信服务的客 户都必须进行实名登记。这是中国移动手机客户信息的一部分。每一个中国移动 的客户在获得中国移动的sin卡后便可以在世界范围内，任何有移动信号的地方 享受中国移动所提供的一切服务。此外，中国移动不仅是通信服务的提供方，还 是客户通信信息的保管方。中国移动能够使用第一手资料，在第一时间发掘用户 的相关信息，推出跟符合用户使用习惯的服务。更重要的是中国移动一直严格的 保密着客户的资料与通信信息，至少迄今还是。 2、中国移动的客户识别分析 作为 IDIC 模型的第一部分，中国移动对其进行了绝对的重视并做了很好的 努力。中国移动的各个服务类别如：“全球通”、“神州行”、“动感地带”等服务
新客户价值细分模型探讨及在风险客户识别方面的应用 来源：计费&OSS世界作者：闫森时间：2006年10月19日 本文针对电信运营企业建设客户关系管理系统（CRM）时所需要的客户细分模型从数学建模和模型应用等方面进行深入探讨，结合吉林联通CRM系统的建设给出了模型的实现方法，并给出了风险客户的判别参数及应用示例，具有较强的实用价值。 吉林联通客户关系管理系统的概要介绍 随着中国电信业市场竞争的激烈，传统的经营模式受到了很大的冲击，难以适应不断增长的市场需求，电信运营商必须从传统的经营模式向“以客户为中心，市场为导向”的经营模式转变。 中国联通吉林分公司的领导提出，必须以客户为中心，以客户的价值取向和消费心理为导向，进行客户细分，为用户提供高品质的服务，真正体现“创造需求”、“引导消费”的现代客户服务意识与理念。 中国联通吉林分公司基于CRM的理念及系统建设，针对客户的消费行为，根据客户价值的细分和不同的贡献度，制定相应的营销战略，开发适合的产品和服务，来赢得和保持客户。为了能在存量市场竞争中取胜，企业必须具有强大的客户关系维系能力，在为客户提供贴身的电信产品和服务的同时，为客户提供主动关怀，不断提高客户忠诚度。这就需要一个以客户为中心构建的客户价值细分系统，为客户提供一致的端到端差异化和个性化服务，为一线销售和服务人员提供实用高效的工作平台、全面的客户信息和销售、服务策略的指导建议。 2005年5月吉林联通基于CRM的理念，开始了“客户维系挽留、积分及代理商管理系统”即 CRM系统前期的建设工作，目前已经完成了统一客户资料、客户维系挽留、积分管理、代理商管理、集团客户管理、信用度管理等模块的建设，实现了CRM系统目标要求的部分功能。 客户价值细分的建设目标 客户价值细分的建设作为吉林联通CRM系统建设的重点，它涉整个系统的基础应用数据的抽取和整理，是进一步为客户提供个性化、差异化服务的基础，一个不断新建和整合的过程。 客户价值细分的建设目标为： （1）建立客户价值模型，实现科学、自动的模型处理。 （2）通过模型应用，节省成本，并充分进行差异化客户服务及个性化服务。 （3）通过细分模型，发掘不同价值和不同风险的用户，对“高价值低风险”、“高
一、简要解释客户细分的原因，并举例说明客户细分与客户关系生命周期及客户价值之间的关系。 客户细分的原因： 1、客户需求存在异质性 客户的需求因客户个人偏好、性格、思维方式等方面的不同而不同，所以客户需求、欲望及购买行为的多元化，导致客户需求满足呈现差异性。进行客户细分，可以更好的实现个性化服务。 2、客户金字塔理论 处在金字塔顶部的是贵宾型客户，再到重要级客户，最后到基础型客户。每一层次的客户对企业利润的贡献差别很大，通过研究客户交互的资料发现，50-60%的客户对企业而言是非赢利性的，同时那些消耗了企业60%-80%的售后支援资源的客户提供的利润仅占不足20%。3、有限的企业资源和有效的市场竞争 任何一个企业都不能单凭自己的人力、财力及物力来满足整个市场的所有需求，这不仅缘于企业自身条件的限制，而且在经济方面也不足取。因此，对客户进行有效的细分，集中企业资源，制定科学的竞争策略，以取得和增强竞争优势。 客户细分与客户关系生命周期的关系： 案例：上海金丰易居是一家房地产集团，在1995年，公司发现虽然有大量的客户资源，但是不能有效的利用这些客户信息，于是在当年引起eCRM系统，对拥有的大量客户进行细分，划分为不同生命周期的客户，准确分析客户需求，进行数据库资源共享，从而实现对客户的有效管理。 ①客户关系生命周期为客户细分提供依据 客户关系生命周期可分为考察期、形成期、稳定期和退化期四个阶段，每个阶段所表现出来的特征不一样，比如在交易量、价格、成本、间接收益等方面，而这些不同的方面为客户细分提供了依据。 ②客户细分有利于客户关系生命周期理论的应用 客户细分将根据时间问题、客户经验、购买决策、品牌忠诚等要素对客户进行了有效的细分，了解到不同的客户的不同需求，将客户划分为不同关系生命周期阶段的客户，从而实现对客户关系生命周期理论的准确应用和对客户的有效管理。
基于电力客户行为的客户细分与价值评价研究 【摘要】随着我国电力市场的不断发展，我国电力市场需求多元化的特性逐步凸显。如何优化营销策略，满足不同客户的用电需求，提高核心竞争力，已成为电力企业的一项迫切任务。本文以数据挖掘为切入点，将电力客户细分与价值评价有机结合，构建了基于客户行为-价值细分模型。并以某某市部分电力客户为研究对象，进行实证分析。结果表明模型效果较好，能够很好的将电力客户细分为具有不同特征的客户群、对不同客户群价值进行量化评估，并能为制定相应的营销策略提供依据。本文的研究对于电力企业熟悉电力市场，制定有针对性的营销策略有重要的参考价值。 【关键词】电力市场；数据挖掘；客户细分；价值评价；实证分析 1.引言 由于各种体制原因，我国电力企业长期垄断经营加上政企不分，导致其对客户资源的重视度不够。这种形势下电力营销无疑是走出这种困境的一大利器[1]。近年来，随着各级电力公司营销体系标准化建设、用户用电信息系统建设等工作的相继开展，建立了电力行业门户网站，拓展了电费缴纳渠道，建立了电力95598客户服务中心，基本上为电力客户提供了专业化互动服务平台。但目前仍存在大量用电数据未被充分挖掘利用，电力营销服务很大程度上还停留在同质化的普通服务，缺乏针对性、时效性和精准性。 随着我国电力市场改革的逐步深化，电力市场需求多元化的特性将逐步凸显。如何制定有针对性的营销策略，满足不同客户的用电需求，实现差异化与个性化服务，提高核心竞争力，扩大电能在社会消费终端中的占有率，已成为供电单位的一项迫切任务。进行电力客户细分与价值评价研究能为制定有针对性的营销策略提供重要依据。本文将以数据挖掘为切入点，探讨电力客户细分与电力客户价值评价。 2.研究现状与研究内容 （1）电力客户细分研究现状 目前，电力客户细分主要还是按定性的分类方法较多，使用定量的方法对电力客户进行细分的应用非常有限。使用定性分类的方法对电力客户进行细分往往不能对电力客户进行全面的了解，客户之间区分的标准比较模糊，不能对客户进行精确的划分。定量的方法则没考虑电力客户本身的属性对电力客户的影响，不能对细分的结果进行很好的解释。文献[2][3][4]综合采用了定性与定量的方法对电力客户进行细分，但可操作性不强，主要体现在以下两个方面。第一，电力客户数量很大，一些定性指标在专家打分过程中无法保持一致，带有很多的主观性，使得误差较大；第二，没有形成基于电力客户经济行为、价值细分的综合评价，不能达到决策的精确性要求。
第7期(总第272期) 2006年7月 财经问题研究 Research on F i n anc i a l and Econo m i c Issues Number7(General Serial No1272) July,2006 顾客细分模型及实证研究 赵保国 (北京邮电大学文法经济学院,北京 100876) 摘 要:本文从顾客忠诚和顾客价值这两个维度建立顾客细分模型。该模型既从顾客角度出发,考虑到不同顾客的差异化需求;又从企业角度出发,充分考虑到了企业资源配置与收益相匹配的原则。并且,本文还通过实证的方法来对通信行业的顾客群体进行细分,将其顾客分为四类,为企业制定有效的营销策略提供依据。 关键词:顾客细分;顾客价值;顾客忠诚 中图分类号:F28714 文献标识码:A 文章编号:10002176X(2006)0720085206 一、研究概论 顾客细分(Cust omer Seg mentati on)是指按照一定的标准将企业现有顾客划分为不同的顾客群。通过顾客细分,企业可以更好地识别不同的顾客群体,采取差异化的营销策略,从而有效地降低成本,同时获得更强、更有利可图的市场渗透[1]。现有的研究依据传统的市场细分理论进行了有益的探讨,例如采用人口统计学变量(如年龄、性别、收入、教育背景和职业等),或者顾客购买行为特征变量(如顾客购买量、购买频率和忠诚度等),亦或是顾客价值变量。但是,由于这些细分方法的提出是基于不同的研究目的和视角,尚不能满足顾客关系管理对于顾客细分更全面、细致的要求。 本文的研究目的就是尝试在已有研究结论的基础上,从顾客忠诚和顾客价值两方面提出一种具有可操作性的细分方法,为企业细分不同的顾客群体并配置相应的资源提供参考。 二、目前研究现状综述 S m ith W endell于1956年在探讨市场细分和产品差异策略这两种不同的产品策略时首先提出的。他认为“市场细分是基于某一时期市场中个体需求的不同特点而做出的产品决策,而产品差异策略则仅定位于市场竞争者,不考虑需求的复杂性。”[2] 从国内外相关文献来看,目前的顾客细分是在传统市场细分研究的基础上所进行的更为深入的研究,大体是从顾客、企业以及两者相结合这三个角度展开的。 11基于顾客的细分研究 W ilkie和Cohen最早按照不同的层次将细分变量分为五种:个人总体特征描述变量(如性别、年龄、职业、收入等)、心理图示、需要的价值、品牌感知和购买行为。Schiff man按照地理、人口、心理、社会文化、使用情境、利益以及混合细分变量进行归纳。Haley则认为在传统市场细分中,地理区域、人口统计和销量细分变量占据了统治地位。[3]从以上学者对传统市场细分变量的总结不难看出,它们实际上可以归属于三类———环境细分、心理细分和行为细分。 21基于企业的细分研究 顾客导向的细分方法是围绕顾客各方面差异展开的,目的是实现差异化营销策略。由于差异化必须付出相应的成本代价,过分关注顾客需求而忽视企业利益的细分则恰恰违背了市场细分的初衷———更好地集中有限资源为某一顾客群体提供差异化服务。于是,相当一部分学者就转向从企业角度出发研究细分方法,其成果集中体现在价值细分上。价值细分的思想就是以顾客价值为 收稿日期:2006205208 作者简介:赵保国(1971-),男,河南舞钢人,经济学博士,中国人民大学商学院博士后。
中国移动经营分析系统 一、中国移动经营分析现状研究近几年，随着国内电信企业的不断发展，电信行业的竞争也趋于白热化。一方面，客户选择电信业务及电信企业的余地越来越大，电信企业之间对客户的争夺也越来越激烈。经过运营商不断的“价格战”，电信市场出现了严重的“增量不增收”现象，大量低忠诚度的客户转网或变更业务。电信企业虽纷纷采用具有一定优惠期限的活动来降低客户的流失率，但在优惠期结束后，很多客户便纷纷离网或弃卡重入网以套取新的优惠，仍造成了大规模的客户流失，致使电信企业的业务收入下滑、客户发展效率低成本高。另一方面，电信客户近几年高速增长，形成了庞大、需求差异很大的客户群；同时适用于不同人群的各种新业务不断推出，电信企业需要通过细分市场、客户群，将最合适的业务推销给最需要的客户，实现业务和客户的最佳匹配。 在这种激烈的竞争情况下，如何提高经济效益，如何运用科学的经营分析方法，实现精细化的管理和营销，用高质量的服务来吸引和留住客户，扩大市场占有率，在竞争中占据有利位置，是国内各电信运营商关注的重点。 基于以上背景，国内电信运营商纷纷建立起以“经营分析系统”为核心的企业决策支持体系，通过对公司日常经营数据的分析、挖掘，为公司决策者、各级管理者提供经营决策依据，以实现精细化营销。 1、中国移动经营分析系统建设概况
为保证中国移动在激烈的市场竞争中能够满足新业务、新需求、新机会的需要，有效提高中国移动市场前沿的信息化水平，辅助提升中国移动市场精细化营销水平和深度运营能力，确保中国移动的市场领先地位，中国移动在完成业务支撑系统(BOSS)建设和集中化后，于2001年开始筹备经营分析系统，起草了规范和标准。2002年中国移动开始投入巨资进行经营分析系统建设，并于2004年实现省级经营分析系统和有限公司一级经营分析系统的全国联网。 经营分析系统的投入使用，使中国移动初步建立了面向企业运营的统一数据信息平台，为全网业务、客户服务、市场营销、经营决策、业务实施等工作提供了有效的支撑，同时进一步支持了有限公司对各省市场经营活动的管理和指导，在中国移动的业务运营中发挥了重要的作用，为中国移动精细化运营提供了基础。 2、中国移动经营分析系统框架介绍 中国移动经营分析系统通过与其它业务系统的有机结合，有效利用业务支撑系统(BOSS)和服务、财务、网络等系统产生的大量基础数据，运用数据仓库、联机分析处理、数据挖掘等先进技术，并通过预定义报表、即席查询、OLAP分析等功能，实现对公司的经营情况的分析和监控。 经营分析系统主要包括四层结构，即数据获取层、数据存储层、数据应用层和数据访问层。 (1)数据获取层
数据挖掘应用案例：R F M模型分析与客户 细分 HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】
数据挖掘应用案例：RFM模型分析与客户细分 分类：| 标签： 2012-01-21 21:39阅读(16854) 这里，我先给各位朋友拜年，祝大家新春快乐！ 兔年就要过去了，本命年的最后一天再不更新博客有点对不住大家！正好刚帮某电信行业完成一个数据挖掘工作，其中的RFM模型还是有一定代表性，就再把数据挖掘RFM模型的建模思路细节与大家分享一下吧！手机充值业务是一项主要电信业务形式，客户的充值行为记录正好满足RFM模型的交易数据要求。 根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。 我早期两篇博文已详述了RFM思想和IBM Modeler操作过程，有兴趣的朋友可以阅读！ RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到RFM得分，进而可以进行客户细分，客户等级分类，Customer Level Value得分排序等，实现数据库营销！
这里再次借用@数据挖掘与数据分析的RFM客户RFM分类图。 本次分析用的的软件工具：IBM SPSS Statistics 19，IBM SPSS ，，EXCEL和PPT 因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。 先说说对海量数据挖掘和数据处理的一点体会：（仅指个人电脑操作平台而言） 一般我们拿到的数据都是压缩格式的文本文件，需要解压缩，都在G字节以上存储单位，一般最好在外置电源移动硬盘存储；如果客户不告知，你大概是不知道有多少记录和字段的； Modeler挖掘软件默认安装一般都需要与C盘进行数据交换，至少需要100G 空间预留，否则读取数据过程中将造成空间不足 海量数据处理要有耐心，等待30分钟以上运行出结果是常有的现象，特别 是在进行抽样、合并数据、数据重构、神经网络建模过程中，要有韧性，否则差一分钟中断就悲剧了，呵呵； 数据挖掘的准备阶段和数据预处理时间占整个项目的70%，我这里说如果是超大数据集可能时间要占到90%以上。一方面是处理费时，一方面可能就只能这台电脑处理，不能几台电脑同时操作； 多带来不同，这是我一直强调的体验。所以海量数据需要用到抽样技术，用来查看数据和预操作，记住：有时候即使样本数据正常，也可能全部数据有问题。建议数据分隔符采用“|”存储； 如何强调一个数据挖掘项目和挖掘工程师对行业的理解和业务的洞察都不为过，好的数据挖掘一定是市场导向的，当然也需要IT人员与市场人员有好 的沟通机制；
基于数据挖掘的电力行业客户细分模型分析 发表时间：2019-01-14T15:34:01.547Z 来源：《防护工程》2018年第31期作者：窦常永 [导读] 电力作为国家经济发展的基础，其重要性不言而喻。 国网甘肃省电力公司电力科学研究院甘肃兰州 730046 摘要：电力客户细分对电力客户价值的分析研究是供电企业施差异化服务、实现利益最大化的基础。设计电力价值评定指标，通过专家打分分别对客户当前价值、潜在价值标注等级，建立了基于ＣＡＲＴ决策树的客户价值决策模型，混合利用ＴＯＰＳＩＳ算法得到客户最终分值。ＣＡＲＴ决策树价值划分模型预测的结果经过对比分析证实具有较高的预测准确度和鲁棒性，是一种有效的电力客户价值评价方法。 关键词：数据挖掘；客户营销；决策树；回归模型；客户细分 引言 电力作为国家经济发展的基础，其重要性不言而喻。对此，为加快我国经济建设，国家出台了多项政策，对电力行业进行扶持，进而加快电力基础设施建设，满足不同地区和不同类型客户对电力的需求。而随着电力行业的不断进步，也开始从原来的基础建设，朝着提升电力服务水平，加强电力营销工作中来。特别是随着现代电力用户消费观念的提升，如何提高营销的工作效率，满足电力客户的电力需求，成为目前电力企业思考和探讨的重点。 1预测算法模型构建 1.1Logistic回归预测模型 Logistic回归本质上是线性回归，是在从特征到结果进行映射的过程中，加入一层函数进行映射。具体来讲就是先对特征进行线性求和，然后通过函数g(z)作为假设函数来对其进行预测。 1.2决策树模型 决策树是一个预测模型；它代表的是属性与值之间的一种映射关系。决策树(Decisiontree)由一个决策图和可能的结果组成，用来创建到达目标的规划，是一种特殊的树结构。在决策树中，每个节点表示为一个特定的属性，并且每一个分叉的路径则代表某一个可能的值，而每一个叶节点则表示为根节点到叶节点经历的路径所表示的对象的值。 2客户细分模型构建 2.1建模流程 根据数据挖掘的流程，以停电敏感性客户作为研究样本，以SPSS软件对数据进行处理，从而将其细分模型设计为如图1所示。 图1SPSSModeler建模流程 2.2关键字段选取 在采用上述方法进行建模过程中，需要选定关键的字段，即对客户的评价指标。本文则选取表1所示的字段。 3模型验证 3.1样本选取 为验证上述模型在客户细分中效果，以某市中的25万非居民用户和178万居民用户作为数据基础，在非居民用户中抽取40%的比例数据样本，在居民数据中抽取10%的样本，以此用于对模型的检验。同时根据建模需要，将上述的数据拆分为4∶3∶3的比例，分别设定为训练集、验证集和测试集，具体如图2所示。 图2数据样本区分 3.2技术 选取上述样本中曾经拨打过95598咨询过有关停电信息的客户资料，结合上述的指标，对模型进行检验，从而得到如图3所示的验证结果。 通过上述的分析看出，通过对验证集进行评分排序后，在前5%的客户里敏感客户中，其提升度为2.96倍；而采用决策树方法，提升度为2.61倍。由此，通过比较，本文选择逻辑回归模型对敏感客户进行细分。