大数据中的客户价值分析.ppt

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？1、观察随机模型1、观察随机模型2、推导购买频率、平均金额移转期望值2、推导购买频率、平均金额移转期望值3、推导购买频率、平均金额移转概率3、推导购买频率、平均金额移转概率3、推导购买频率、平均金额移转概率3、推导购买频率、平均金额移转概率4、购买频率、平均金额移转期望值及移转概率计算二、预测下期产品成本和关系营销费用1、下期产品成本2、下期关系营销费用3、对下期的毛利率和费用手工修正三、完整客户关系生命周期内的客户价值三、完整客户关系生命周期内的客户价值