1. <em id="u0yv4"><strike id="u0yv4"><u id="u0yv4"></u></strike></em>
      <dd id="u0yv4"></dd>
        <tbody id="u0yv4"></tbody>
      1. <button id="u0yv4"><acronym id="u0yv4"><input id="u0yv4"></input></acronym></button>
        GSOL
        世界經理人
        論壇
        • 全站
        • 文章
        • 論壇
        • 博客
        高級

        基于客戶評分的保客營銷(二)

        分享:

        續前.....

        2.2 模型質量驗證

        在將模型用于評分之前,您需要評估模型質量的好壞。用于評估模型的結果類型取決于用于生成模型的技術。本示例使用在“直銷”附加選項中提供的“購買傾向”功能的可用結果。

        “購買傾向”生成一個整體模型質量圖表和分類表,以用于評估模型。

        整體模型質量圖表提供有關模型質量的快速直觀指示。作為一般規則,整體模型質量應當大于 0.5。

        5.gif

        要確認模型是否足以用于評分,您還應該檢查分類表。

        分類表將目標字段的預測值與目標字段的實際值相比較。總體準確率可以在某些方面顯示模型工作情況,不過,如果構建模型是為了確定可能產生等于或大于指定的最小正響應率的正響應率的一組聯系人,那么您可能更關注正確預測的正響應的百分比。

        6.gif

        在本例中,分類表拆分為訓練樣本測試樣本。訓練樣本用于構建模型。然后,該模型被應用到測試樣本,以查看模型的表現情況。

        指定的最小響應率為 0.05 或 5%。分類表顯示訓練樣本中正面響應者的正確分類率為 7.43%,而測試樣本中為 7.61%。由于測試樣本響應率大于 5%,因此該模型應當能夠確定可能產生大于 5% 的響應率的一組聯系人。

        三 應用模型

        打開數據文件 dmdata3.s**。該數據文件包含所有未在測試營銷中包含的聯系人的人口統計學及其他信息。

        文本框: dmdata3.s** 未包含在測試表中的客戶信息

        7.gif

        ->打開評分向導。要打開評分向導,從菜單中選擇:

        實用程序 > 評分向導

        ->單擊瀏覽導航到要保存模型 XML 文件的位置,然后在瀏覽器對話框中單擊選擇

        8.gif

        ->選擇創建的模型 XML 文件,然后單擊下一步

        為了對活動數據集進行評分,該數據集必須包含對應于模型中的所有預測變量的字段(變量)。如果模型還包含拆分字段,那么該數據集還必須包含對應于模型中所有拆分字段的字段。

        • 默認情況下,自動匹配活動數據集中任何與模型中的字段具有相同名稱和類型的字段。

        • 使用下拉列表匹配數據集字段到模型字段。模型和數據集中每個字段的數據類型必須相同才能匹配字段。

        • 在模型中的所有預測變量(以及拆分字段,如果有的話)與活動數據集中的字段匹配之前,您無法繼續向導或對活動數據集進行評分。

        9.gif

        評分函數是所選模型可用的“得分”類型。可用的評分函數取決于模型。對于在本示例中使用的二項 logistic 模型,可用函數為預測值、預測值的概率、所選值的概率和置信度。請參閱 主題 選擇評分函數 詳細信息。

        在本示例中,我們對郵件正響應的預測概率感興趣,因此我們需要選定值的概率。

        10.gif

        ->選擇(選中)選定類別的概率

        ->在“值”列中,從下拉列表中選擇 1。目標的可能值列表在模型中定義,并基于用于構建模型的數據文件中的目標值。

        注意: 在您使用“購買傾向”功能來構建模型時,與正響應關聯的值將始終為 1,這是因為“購買傾向”自動對二元字段的目標重新編碼,其中 1 代表正響應,0 代表在用于構建模型的數據文件中遇到的任何其他有效值。

        ->取消選擇(取消選中)所有其他評分函數。

        ->根據需要,可以為在活動數據集中包含得分值的新字段指定一個更具描述性的名稱。例如,Probability_of_responding。有關字段(變量)命名規則的信息,請參見變量名

        ->單擊完成將模型應用到活動數據集。包含正響應概率的新字段被附加到數據集的末尾。

        11.gif

        然后,您可以使用該字段來選擇可能產生等于或大于特定級別的正響應率的聯系人子集。例如,可以創建包含可能產生至少 5% 正響應率的個案子集的新數據集。

        四總結

        以上以汽車增換購作為業務背景,結合IBM SPSS Statistics中的數據。對基于客戶評分的保客營銷進行了過程的論述,并且給出了SPSS的界面。可以指導4S店或者主機廠進行有效的保客營銷的客戶再購買意向的概率。從而可以以此作為基礎,進行更加精準的保客營銷市場活動。

        這里特別需要說明的是,對于dmdata2.s**中顧客的信息,其中只包含了客戶的基本信息和一部分屬性信息。而在實際的場景中,客戶信息包含的更加豐富。比如有大量的行為信息,如消費的RFM;對各種服務的滿意情況;車輛的各種信息。因此在實踐中可以利用更為多元的信息。尤其是消費的行為信息更能夠體現進行增換購的意愿。

        以上只是結合簡單的表格進行了簡單的界面操作說明,為了實現自動化可以通過接口把業務系統和SPSS對接,并且可以和DMS的營銷活動進行對接。從而形成建模、評分、實施,模型優化等閉環的改善。

        (完)

        分享:

        確認推薦關閉

        是否確定推薦本文?

           

        推薦標題:

        確定 取消

         

        分享

        我要評論

        你還沒有登錄,無法回復主題,請首先 登錄 或 注冊 (關聯新浪微博帳號)

         
         
         
         

        博主檔案

        “學而時習之,不亦說乎”。思考、研究和應用,其樂唯有自知。在IT、HR和CRM等方面有大量探索和實踐。“愿乘覺照力,微笑過平生”歡迎大家溝通交流。

        378

        61863

        8


        還未進入100強,請繼續努力

         

        最具潛力的博客新星更多>>

         
         
         
         
         
         
        一鍵發帖 資訊訂閱
        世界經理人 iphone app
        世界經理人微信 為你推送和解讀最專業的管理資訊