《大数据中的客户价值分析》由会员分享，可在线阅读，更多相关《大数据中的客户价值分析（33页珍藏版）》请在金锄头文库上搜索。
1、大数据中的客户价值分析大数据下，用户分析的核心是什么？解决实际问题确定用户分析目的，具体是为了降低成本？增加收入？优化用户体验？提升营销效果？用户针对性管理？确定目的后开始选择合适的数据，然后搭建模型，最后得出结果，并用数据可视化解读。大数据时代，用户数据使用成为企业发展的重中之重。使用RFM方法(最近购买日Recency,各期购买频率Frequency,各期平均单次购买金额Monetary)能够科学地预测老客户(有交易客户)今后的购买金额，再对销售毛利率、关系营销费用进行推算，就能按年、按季、按月分析出今后几期的客户价值。在这里，客户价值指CRM毛利。CRM毛利=购买金额-产品成本-关系营销
2、费用。RFM方法是国际上最成熟、最为接受的客户价值分析方法，RFM实际上是一整套分析方法中的部分内容，但最具代表性，其它还包括客户购买行为随机模型、马可夫链状态移转矩阵方法、贝氏机率推导状态移转概率方法、回归拟合方法等。一、客户购买行为随机模型中隐藏着哪些秘密？随机模型除了显示购买频率概率、平均金额概率的密度分配，还隐藏着购买频率、平均金额的状态移转期望值和概率这两个秘密，等待被揭示。揭秘后，您就更加理解用必要长度和宽度的样本数据建立起一套牢固、可靠随机模型的重要意义，样本越大，客户价值推测结果就越接近即将发生的事情。【客户随机购买行为的六个基本假设】假设一：假设客户随机购买频率和随机购买金额
3、两个不同的行为纬度互相独立，不具有相关性。假设二：假设客户的购买状态移转行为符合马可夫链的假设，这表示客户下一期购买状态发生的机率只和上一期的购买状态有关。假设三：假设个别客户购买频率为卜松分配(PoissonDistribution)。假设四：考虑客户的异质性，假设上述个别客户单位时间平均购买次数服从伽玛分配(GammaDistribution)。假设五：假设个别客户有购买行为的各期平均单次购买金额为伽玛分配(GammaDistribution)。假设六：考虑客户的异质性，假设上述各期平均单次购买金额又符合另一个伽玛分配(GammaDistribution)。1、观察随机模型曲线形状均由其参
4、数a、b、p、q、k决定。1、观察随机模型频率概率分布列符合负二项分配，参数a、b由客户的平均购买频率计算出来。假设有一组样本，对应n家成交客户，fi(i=1,2n)【样本长度为n】表示每家客户的平均购买次数，通过最大概似估计法可求得a、b，并且可求得平均频率=b/a。频率模型为离散函数，f0，频率平均值=ceil(b/a)=ceil(2.67/1.84)=2。示例的无成交概率分布列P(0)31%，意味着其余有成交概率分布列之和P(i)69%，其中P(1)30%(峰值)，P(2)19%，P(3)10%。平均金额概率密度符合伽玛-伽玛分配，参数p、q、k由客户的平均购买金额计算出来。假设共有n家
5、客户【样本长度为n】，且每家客户有发生购买行为的期数分别为hk(k=1,2n)【样本宽度分别为hk】，每家客户有发生购买行为期间的该期平均单次购买金额为mi,j(i=1,2,n,j=1,2,hi)，通过最大概似估计法可求得p、q、k，并且可求得对应峰值概率的平均金额=(p-1)/(q+1)*k。平均金额m的概率密度分配为连续函数，m0，p、q为形状参数，k为尺度参数。示例的峰值概率密度位于m=9646.96，P(9646.96)=0.00003323598657260607。从上面随机模型中您已能初步观察到购买频率、平均金额的概率分布情况。2、推导购买频率、平均金额移转期望值蓝色的就是平均金额
6、概率密度曲线，紫色的是m轴每个mi坐标乘以对应蓝色概率密度pi得到的新曲线。换句话说，紫色包络线上每个点的值都是蓝色包络线对应点的mi倍。以平均金额为例，观察以下图形：2、推导购买频率、平均金额移转期望值在上图任意位置mi作条垂线，垂线至m=500,000.00(假设此为历史最大平均金额)之间，紫色面积除以蓝色面积，结果就是mi的状态移转期望值。可对m设定一些刻度，如0.01、1,000.00、10,000.00、100,000.00、200,000.00、300,000.00、400,000.00，即可得到这些刻度的对应的平均金额移转期望值。用积分表达式描述就是：平均金额移转期望值=紫色曲线
7、函数dm/蓝色曲线函数dm，积分区间由mi到500,000.00。购买频率移转期望值也类似，只是频率概率为离散函数。3、推导购买频率、平均金额移转概率二重积分在直角坐标系中求体积的示意图如右。下面我们换个角度，不在三维坐标系中谈体积积分，而是继续用求面积这种更直观的方式来推导平均金额移转概率。从随机模型推导移转概率要复杂些，与上述求面积不同，它是一个求体积的计算(二重积分)，较为抽象。3、推导购买频率、平均金额移转概率基础知识：客户从上期状态移转至下期状态，在马可夫链中记作(r1,f1,a1m1b1)(r2,f2,a2m2b2)，r表示未成交期数，f表示该期间成交频率，m表示该期间的平均成交金
8、额。若下期成交，则r2=0；若下期不成交，则r2=r1+1；以此类推。平均金额由m1移转到m2的移转概率记作fm(m2|a1m1b1)，由于金额为连续变量，对金额划段后m1属于a1至b1这个分段内。与推导移转期望值相似，当期望值m2分别等于0.01、1,000.00、10,000.00、100,000.00、200,000.00、300,000.00、400,000.00时，也可用下图的a1至b1之间的绿色面积除以对应的蓝色面积来推到平均金额的移转概率。3、推导购买频率、平均金额移转概率图53、推导购买频率、平均金额移转概率图5中的蓝色曲线就是图2的平均金额概率密度函数。绿色曲线就不是平均金额
9、概率密度pi去乘以m坐标轴的每个对应mi，而是去乘以另一个贝氏事后机率密度函数，这个函数是(2p+q)*m2p-1*(k+m1)p+q/(p)*(p+q)*(m2+m1+k)2p+q，它是通过由果导因的方法获得。当m2分别等于0.01,1,000.00,400,000.00时，就得到图5的不同图形。当m2等于某值时，用m轴a1至b1之间的绿色面积除以对应的蓝色面积就得到平均金额移转概率fm(m2|a1m1b1)。用积分表达式就是：fm(m2|a1m1b1)=H/L其中H=a1b1(2p+q)*m2p-1*(k+m1)p+q/(p)*(p+q)*(m2+m1+k)2p+q*P(m1|p,q,k)
10、dm1其中L=a1b1P(m|p,q,k)dm而实际上m2也是一个连续变量，从a1m1b1移转到a2m2b2的移转概率是一个二重积分，积分表达式为：fm(a2m2b2|a1m1b1)=a2b2fm(m2|a1m10)，则下期毛利率=上期毛利率*(1+)。其中=(上期至r1=0期之间的)线性回归方程的斜率*r1/2，用对毛利率进行微调。之所以采用线性拟合回归，是因为决定系数R2在这里并不重要，我们仅是求得无交易期间的企业整体毛利率升、降趋势，并且不是用拟合回归方程本身去预测下期毛利率。2、下期关系营销费用定义：Ratei=客户i以往费用/客户i以往购买金额Expensei=客户i以往各期中最小的
11、那期费用(大于0)Monetaryi=客户i下期购买金额Xi=Monetaryi*Ratei如果XiExpensei，则下期费用=Xi；否则如果MonetaryiExpensei，则下期费用=Xi；否则，下期费用=Expensei。3、对下期的毛利率和费用手工修正在分析客户价值时，选项“提取产品成本”表示提取以往产品成本并推算今后几期的产品成本，选项“提取费用”表示提取以往关系营销费用并推算今后几期的关系营销费用。前面提到，产品成本和关系营销费用属于企业总体成本控制和差别应对，其未来变化不一定按趋势平滑，可能下期个别客户或整体客户群的情况出现逆反或抖动。依据判断，对下期的毛利率和费用还可手工个
12、别/批量地调整、修正。另一方面，也可能出现少许产品成本、费用数据没有及时填写进CRM系统，例如“机会-产品”中未及时填写或更新产品/销售价/成本价，造成统计时产品成本=0.00、毛利率=100%；或者极特殊的数据没有排除，例如上期毛利率为负值。该情况也需要对个别客户的下期毛利率进行手工修正。三、完整客户关系生命周期内的客户价值客户价值=CRM毛利=购买金额-产品成本-关系营销费用。在完整客户关系生命周期内(从建立关系到未流失的最近一期)，分析客户今后价值的意义远远大于分析客户历史价值，因此通常所讲的客户价值分析是对客户今后的价值进行分析。三、完整客户关系生命周期内的客户价值对预测出的今后客户价值结果，您就可按客户价值分层。CRM客户关系管理将传统的整体营销推进到分块差别化营销、一对一差别化营销的高度，其立足点就是客户价值差别化分析。通过预测客户价值，您就清楚一旦VIP客户、大客户流失将在今后造成怎样的利润损失；也可以找出那些临近亏本或负价值的客户，进行置疑分析，找出对策。也要清醒地认识到，即便预测出的客户价值较高，也只是说明其价值势能(购买潜力)较高，坐等客户送上门的价值动能(实际购买)是不现实的，必须回过头去用CRM基础方法论踏踏实实地与客户互动，推动客户追加购买、交叉购买。客户价值分析，是企业决策最重要的依据之一，请做好您企业的客户价值分析，正确指引商务运营。
