罗旭祥 基于数据挖掘的产品设计讲解

《罗旭祥 基于数据挖掘的产品设计讲解》由会员分享，可在线阅读，更多相关《罗旭祥 基于数据挖掘的产品设计讲解（71页珍藏版）》请在金锄头文库上搜索。

1、Tel:+18802185564 产品与数据 基于数据挖掘的产品设计 罗旭祥 188 0218 5564 Saxon.luo Tel:+18802185564 Tel:+18802185564 引言 同样是搜索土 豆，他们想看 到的一样么？ Tel:+18802185564 引言 同样是商品， 您更愿意向谁 买？ Hi，我有 你想要的 Hi，我这 里什么都 有 Hi，我的 商品是为 您准备的 Tel:+18802185564 引言 产品同样是基 于数据，谁代 表了未来？ Tel:+18802185564 3. 常用数据挖掘方法 RFM数据模型 用户行为特征数据挖掘 4. 基于数据的交互设计案例

2、 案例一：基于数据的交互设计(1.2.3) 案例二：建设以数据为中心的组织 1. 客户为中心的数据分析框架思想 客户为中心的业务规划 业务及营销为中心的数据体系建设 2.数据分析框架的主要事件 分类（Classification） 估计（Estimation） 预测（Prediction） 数据分组（Affinity Grouping） 聚类（Clustering） 描述（Description） 复杂数据挖掘 Tel:+18802185564 客户为中心的业务规划 客户为中心的业务规划大致有三个环节：从客户研究到需求挖掘，从需求信息到数据化 的需求管理，从需求文档到业务规划与设计 客户为中心

3、的业务规划不仅仅需要考虑业务需求是否能够满足需求的问题，还需要考虑 到业务的变化趋势，业务的营销重点 需求信息 客户研究 竞争对手信息 公司战略 当前的产品组合 技术趋势 IPD ConceptPlanDevelopQualifyLaunch Life Cycle ConceptPlanDevelopQualifyLaunch Life Cycle ConceptPlanDevelopQualifyLaunch Life Cycle 概念计划开发验证发布 生命 周期 了解 需求 进行需 求细分 进行组 合分析 制定业 务策略 和计划 优化 业务 计划 管理业务计划、评估 任务 是 否 产品业务

4、计划 产品组合 产品路标 注：含技术/产品 Tel:+18802185564 客户为中心的数据分析框架思想_从客户视角构建业务框架 传统业务规划方式： Looking for goodsPut in basketPayment zonePurchase 大脑风暴构建业务流程，从业务规划者角度而非客户角度出发 我们不知道客户需要什么，更糟糕的是客户可能也不知道 每个环节都存在客户流失，而我们不知道发生了什么 客户每次点击都是营销机会，但是我们错过了每一次机会 客户在每一个环节都错过了本来他可能会购买的商品 当客户离开时我们永久的失去了该客户，没有留下有价值的信息 Tel:+18802185564

5、 客户为中心的数据分析框架思想_从客户视角构建业务框架 以客户为中心的思维方式构建业务框架 系统需要满足不同类型的客户的个性化需求，其核心为数据挖掘和应用 系统需要协助客户达成实现客户期望，并帮助客户发现并实现潜在需求 系统需要智能寻找最佳的帮助时机，智能的进行客户协助 系统建设需要考虑未来系统的发展方向，其核心为客户需求挖掘 客户为中心的业务规划： Product DesignMarket Buyer PurchaseCustomer Research 数据中心 Who What Why When Where HowPut in basketPayment zone Tel:+1880218

6、5564 客户为中心的数据分析框架思想_业务及营销为中心的数据体系建设 数据中心 业务框架 数据 产品 营 销 客户中心 Tel:+18802185564 3. 常用数据挖掘方法 RFM数据模型 用户行为特征数据挖掘 4. 基于数据的交互设计案例 案例一：基于数据的交互设计(1.2.3) 案例二：建设以数据为中心的组织 1. 客户为中心的数据分析框架思想 客户为中心的业务规划 业务及营销为中心的数据体系建设 2.数据分析框架的主要事件 分类（Classification） 估计（Estimation） 预测（Prediction） 数据分组（Affinity Grouping） 聚类（Clus

7、tering） 描述（Description） 复杂数据挖掘 Tel:+18802185564 数据分析框架的主要事件 主要事件事件描述 分类根据业务的需要进行必要的分类，比如对客户评级的分类，AA等级或AAA等 级 估计根据业务数据判断的需要定义需要估计的数据和数据区间值，对业务进行补 充和协助，例如根据客户储蓄和投资行为估计客户投资风格 预测根据数据的变化趋势预测数据的发展方向，例如根据历史投资数据帮助客户 预测投资行情等 数据分组根据业务需要对数据进行分组，例如购买A类的客户通常也会购买B类，购买 A的客户后有一个B周期会产生C行为 聚类数据集合的逻辑关系，比如同时拥有A特征和B特征的数

8、据，可以推断出其也 拥有C特征 描述描述性数据有助于提取关键要素进行数据归纳，例如从数据关键词中进行近 似业务营销，备忘录等 复杂数据挖掘例如Video，Audio，图形图像等等 Tel:+18802185564 数据分析框架的主要事件_分类（Classification） 在业务构建中，最重要的分类一般是对客户数据的分类，主要用于精准营销 通常分类数据最大的问题在于分类区间的规划，例如分类区间的颗粒度以及分类区间的 区间界限等，分类区间的规划需要根据业务流来设定，而业务流的设计必须以客户需要 为核心，因此分类的核心思想在于能够完成满足客户需要的业务 由于市场需求是变化的，分类通常也是变化的，

9、例如银行业务中VIP客户的储蓄区间 银行信用卡客户分类案例 cluster-3：优质客户 cluster-2：潜力优质客户 cluster-1：一般客户 cluster-4：劣质客户 Tel:+18802185564 数据分析框架的主要事件_估计（Estimation） 通常数据估计是互动营销的基础，基于客户行为进行数据估计为基础进行互动营销已经 被证实具有较高的业务转化率，银行业中通常通过客户数据估计客户对金融产品的偏好 ，电信业务和互联网业务则通常通过客户数据估计客户需要的相关服务或者估计客户的 生命周期 数据估计必须基于数据的细分和数据逻辑关联性，数据估计需要有较高的数据挖掘和数 据分析

10、水平 潜在客户认 知度提升 经常性收 入 服务现金 成本 话务量 流失 交叉销售 /向上销 售 坏帐 折扣调整 优惠计 划更新 客户赢 回 客户获取 成本（ SAC） 客户 离网 客户入网（再入网）载体 客户离网载体 Mth 1 Mth 2 Mth 3 Mth 4 Mth 10 Mth 11 Mth 12 Mth 13 Mth 14 1 11 2 3 4 5 6 8 7 9 10 Tel:+18802185564 数据分析框架的主要事件_预测（ Prediction ） 根据数据变化趋势进行未来预测通常是非常有力的产品推广方式，例如证券业通常会推 荐走势良好的股票，银行会根据客户的资本情况协助

11、客户投资理财以达到某个未来预期 ，电信行业通常以服务使用的增长来判断业务扩张和收缩以及营销等。 数据预测通常是多个变量的共同结果，每组变量之间一般会存在某个相互联系的数值， 我们根据每个变量的关系通常可以计算出数据预测值，并以此作为业务决策的依据展开 后续行动 股价连续打底三次，没有再创下新低价格 ， 反而向上突破颈线 买进股票 Tel:+18802185564 数据分析框架的主要事件_数据分组（ Affinity Grouping ） 数据分组是精准营销的基础。当数据分组以客户特征为主要维度时，通常可以用于估计 下一次行为的基础，例如通过客户使用的服务特征的需要来营销配套服务和工具，购买 了

12、A类产品的客户一般会有B行为等等。 数据分组的难点在于分组维度的合理性，通常其精确性取决于分组逻辑是否与客户行为 特征一致。 购买了A商品的客户 Tel:+18802185564 数据分析框架的主要事件_聚类（ Clustering ） 数据聚类是数据分析的重点项目之一。例如在健康管理系统中通过症状组合可以大致估 计病人的疾病，在电信行业产品创新中客户使用的业务组合通常是构成服务套餐的重要 依据，在银行业产品创新中客户投资行为聚合也是其金融产品创新的重要依据。 数据聚类的要点在于聚类维度选取的正确性，需要不断的实践来验证其可行性 投资者乙投资者甲投资者丙 理智稳健型保守谨慎型投机冒险型 个性：

13、 理财方式： 理财工具： 风险容忍度： 投资目标： 投资组合管理： 稳健 理智 蓝筹股票、平衡 型基金、万能保 险 适中 稳健成长 综合平衡保守型 与投机型的做法 谨慎 保守 银行存款、收益型基金、高等 级债券、传统型保险、分红保 险 较低 稳健保本 定期定额投资法、分散投资法 冒险 投机 成长型股票、对冲型基 金、期货、垃圾债券、投资 连结保险 较高 积极成长 低吸高抛法、集中投资法 投资者的类型 Tel:+18802185564 数据分析框架的主要事件_描述（ Description ） 描述性数据的最大效用在于可以对事件进行详细归纳，通常很多细微的机会发现和灵感 启迪来自于一些描述性的客

14、户建议，同时客户更愿意通过描述性的方法来查询搜索等， 这时就需要技术上通过较好的数据关联方法来协助客户。 描述性数据的使用难点在于大数据量下数据要素提取和归类，其核心在于要素提取规则 以及归类方法。要素提取和归类是其能够被使用的基础。 我比较喜欢稳 健性投资 稳健A 基金 稳健B 基金 稳健C 基金 根据描述关联产品或服务 通常有较高的转化率 Tel:+18802185564 数据分析框架的主要事件_复杂数据挖掘 复杂数据挖掘比如Video，Audio等，其要素目前依然难以通过技术手段提取，但也可 以从上下文与语境中提取一些要素帮助聚类。例如重要客户标记了高度重要性的Video 一般优先权重也

15、应该较高。 复杂数据的挖掘目前处理的方式一般通过数据录入的标准化来解决，核心在于数据录入 标准体系的规划。建议为了整理的方便，初期规划是尽可能考虑完善，不仅仅适用现在 ，而且可以适用于未来。 客户研究 复杂数据上下文背景Map Tel:+18802185564 3. 常用数据挖掘方法 RFM数据模型 用户行为特征数据挖掘 4. 基于数据的交互设计案例 案例一：基于数据的交互设计(1.2.3) 案例二：建设以数据为中心的组织 1. 客户为中心的数据分析框架思想 客户为中心的业务规划 业务及营销为中心的数据体系建设 2.数据分析框架的主要事件 分类（Classification） 估计（Estim

16、ation） 预测（Prediction） 数据分组（Affinity Grouping） 聚类（Clustering） 描述（Description） 复杂数据挖掘 Tel:+18802185564 RFM数据模型 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 Tel:+18802185564 RFM数据模型 假定我们拿到一个月的客户充值行为数据集，我们们先用IBM Modeler软件构建一个 分析流，然后再找出符合RFM分析要求的