当前位置:首页 > 数据挖掘 > 正文

数据挖掘的32个经典案例


壹、基于数据挖掘的客户流失分析案例
基于数据挖掘的客户流失分析案例
客户留存是很多行业都非常关注的问题,比如电信、银行、保险、零售等,要留住客户,需要进行深入、全面的分析客户流失预警、客户流失原因分析、客户满意度或忠诚度研究、客户生命周期研究等相关问题分析。 例如,通过分析客户的行为特征,可以了解有多少客户流失、客户何时流失、客户如何流失,从而监控客户流失,实现客户关怀。
应用数据挖掘技术可以根据过去的客户流失数据,建立将客户属性、服务属性、客户消费数据与客户流失可能性关联起来的数学模型,找出客户属性、服务属性、客户消费数据之间的关系。 客户消费数据和流失情况。 关系,给出清晰的数学公式或规则来计算客户流失的可能性。
电信行业较早提出了客户关系管理、关系营销等营销管理模式。 学术界和企业界的积极参与也推动了客户流失行为的相关研究。 电信运营商在多年的业务支撑系统建设中,积累了大量的历史业务数据。 这些数据涉及用户计费、通信计费、客户付费、营销、业务收入等各个方面。 它们不仅仅是历史记录。 演示中还包含了顾客的消费模式,客观上为数据挖掘提供了丰富的素材。 对于运营商来说,成熟有效的管理模式和技术可以更好地管理客户,提高用户粘性。
建立流失模型可以解决客户离网导致的市场份额减少、营销成本增加、收入减少等问题,提高留存成功率,降低流失率,降低留存服务成本,减少客户离开网络造成的损失。 收入损失。 根据客户的流失倾向对客户进行评分,生成最有可能流失的客户名单,然后运营商保留这些客户以最大程度地减少损失。
客户流失分析的一般步骤主要分为以下四个步骤:
首先是寻找关键因素,比如探究用户离开网络的影响因素,判断用户离开网络的概率根据影响因素离开网络。 通过研究现有套餐产品的客户在通话、业务使用等方面的行为特征,可以找到关键影响因素;
二是构建预测模型:利用数据挖掘监督模型技术进行训练潜在客户预测模型。 用于预测会选择该类套餐产品的潜在流失用户群体,并以概率的形式进行量化。 如果建立了Logistic回归模型,就可以根据模型预测不同自变量下客户流失的概率;
第三个是判断:其实有点类似于预测。 根据Logistic模型,判断客户流失的几率有多大。 这项技术与线性回归类似,只不过它使用的是分类目标字段而不是数值字段,并且当目标包含两个完全不同的类别时可以使用二项式模型;
第四是把业务推到前端服务台:通过营销管理平台,将高概率的产品目标客群直接推送至营业厅、短信、网站、社区经理等营销渠道,在合适的时间、地点向合适的客户推荐留存策略和产品赢得营销的正确语言。
客户流失模型需要完成两个任务,即分析流失客户的特征、导致客户流失的因素以及客户流失在这些因素之间的分布,并获得潜在的流失客户群。
客户流失预测包括决策树、神经网络和逻辑回归等研究方法。 下面以二项式逻辑回归预测电信客户流失为例,介绍运营商可用的客户流失模型。 为客户关系管理提供了有益的参考,也为其他行业的客户流失分析提供了挖掘思路。
客户流失的几个因素主要包括:客户基本信息,包括年龄、性别、邮政编码、地址等;客户档案,包括手机号码、付款方式、停机日期、网络访问时长、服务时长以及是否使用租赁设备。 、是否使用电话卡服务、是否使用语音;客户账户,包括服务、是否使用互联网等;账单信息,包括拨打电话的次数、付款总额、欠款总额等。


贰、大数据那些神奇或哭笑不得的案例

这些神奇或惊人的大数据案例

互联网时代,每天都会产生海量的数据,信息技术也飞速发展。 大数据已经侵入我们生活的方方面面。 事实上,我们也不断接触到这个大数据为我们提供的服务。 接下来,让我们来看看利用大数据发现的一些神奇或令人难以置信的案例。
 1啤酒+尿布(上帝的计划)
全球零售巨头沃尔玛在分析消费者的购物习惯时发现,男性顾客在购买婴儿尿布时,往往会奖励自己几瓶啤酒。 于是他们尝试推出一种将啤酒和尿布结合起来的广告方式。 出乎意料的是,这一举措居然大幅增加了尿布和啤酒的销量。 如今,“啤酒+尿布”的数据分析结果早已成为大数据技术应用的经典案例,并被人们所热议。
2数据新闻帮助英国从伊拉克撤军
2010年10月23日,《卫报》利用维基解密的数据撰写了一篇关于“数据新闻”的文章。 在地图上标记伊拉克战争的所有受害者。 图上的红点代表死亡事件,点击红点会打开一个窗口,其中有详细描述:伤亡人数、时间以及伤亡的具体原因。 密密麻麻的红点多达三十九万个,格外触目心。 消息一经发表,立即引起朝野震惊,促使英国最终做出从伊拉克撤军的决定。
新疆3C罩杯都有。
淘宝数据平台显示,最常购买的文胸尺寸是B罩杯。 B罩杯占比41.45%,其中75B罩杯最为畅销。 其次是A罩杯,占购买量的25.26%,C罩杯仅占8.96%。 黑色是最受欢迎的文胸颜色。 按省市排序,胸最大的女孩来自新疆。
4QQ圈向未婚妻介绍前女友
2012年3月,腾讯推出QQ圈,根据共同好友的连锁反应,传播用户的人际网络,将用户的前女友推荐给自己的未婚妻。 未婚妻、介绍同学将同事朋友圈进行分类,利用大数据处理功能给人“震撼”。
5第一块“魔镜”预测市场趋势
如今,通过数据的整合、分析和可视化,“魔镜”不仅可以找出世界上最美丽的女人是谁,还有价格和数量之间的关系。 确定市场的方向。 不久前,“魔镜”帮助中石化等企业进行数据分析和可视化,帮助企业做出科学判断和决策,节约成本,合理配置资源,增加利润。
​6谷歌数字模型预测流感
2009年,谷歌分析了美国人最常搜索的5000万个单词,并将其与美国疾病控制和预防中心在季节性流感期间的数据进行了比较。 2003年至2008年。 比较并创建具体的数学模型。 最终,谷歌能够成功预测2009年冬季流感的传播范围,甚至将范围缩小到特定地区和州。
7个数据文件帮助乔布斯延长了生命
乔布斯是世界上第一个对自己的全部DNA和肿瘤DNA进行测序的人。 他为此付出了数十万美元。 他收到的不是样本,而是包含整个基因组的数据文件。 必要时,医生会针对所有基因开出药物治疗,这最终帮助乔布斯多活了几年。
8大数据助力奥巴马连任
2012年11月奥巴马连任的胜利也归功于大数据,他的竞选团队进行了大规模、深入的数据分析。 《时代》杂志甚至声称,依靠直觉和经验来做决策的好处已经大幅下降。 政治领域已经进入大数据时代;各种媒体、论坛和专家的铺天盖地的宣传,让人们兴奋不已,大数据时代的开始。 无数企业家、创业者纷纷加入到这支狂欢队伍中。
9大数据成功预测21个奥斯卡奖
2013年,微软纽约研究院经济学家DavidRothschild利用大数据成功预测了24个奥斯卡奖中的19个。 ,成为人们热议的话题。 今年,罗斯柴尔德再接再厉,成功预测第86届奥斯卡金像奖24个奖项中的21个,继续向人们展示现代科技的魔力。
10购物数据预测高中生怀孕
明尼苏达州的一家Target商店一直是顾客投诉的对象。 一名中年男子指控塔吉特向他的高中生女儿发送婴儿用品优惠券。 。 但不久之后,他打电话道歉,因为他的女儿在他的压力下承认自己实际上怀孕了。 Target依靠分析每个用户的购物数据,然后分析相关性来确定真实情况。
人类已进入大数据时代。 国际数据公司的研究表明,近年来全球产生的数据量已达到数ZB。 基于这样的大数据理念,我们将在各个行业引发深刻的行业变革,甚至是颠覆性的变革,比如医疗行业。

以上就是小编分享的关于这些神奇或神奇的大数据案例的相关内容。 想了解更多可以关注GlobalIvy分享干货信息