基于数据挖掘的产品设计课件.pptx

1、Tel:+产品与数据 基于数据挖掘的产品设计Tel:+Tel:+引言同样是搜索土豆，他们想看到的一样么？Tel:+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:+引言产品同样是基于数据，谁代表了未来？Tel:+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（Pr

2、ediction）数据分组（Affinity Grouping）聚类（Clustering）描述（Description）复杂数据挖掘Tel:+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 ConceptPlanDevelop QualifyLaunchLifeCycleConceptPlanDevelopQualifyLaunchLi

3、feCycleConceptPlanDevelop QualifyLaunchLifeCycle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 任务是否产品业务计划产品组合产品路标注：含技术/产品Tel:+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

4、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:+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 DesignMarketBuyerPurchaseCustomer Research数据中心Wh

5、oWhatWhyWhenWhereHowPut in basketPayment zoneTel:+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:+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

6、）聚类（Clustering）描述（Description）复杂数据挖掘Tel:+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特征的数据，可以推断出其也拥有C特征描述描

7、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:+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，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

8、质客户cluster-2：潜力优质客户cluster-1：一般客户cluster-4：劣质客户Tel:+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水平潜在客户认潜在客户认知知度提升度提升经常性收经常性收入入服务现金服务现金成本成本话务量话务量流失流失交叉销售交叉销售/向上

9、销向上销售售坏帐坏帐折扣调整折扣调整优惠计优惠计划更新划更新客户赢客户赢回回客户获取客户获取成本成本（SAC）客户客户离网离网客户入网（再入网）载体客户离网载体Mth 1Mth 2Mth 3Mth 4Mth 10Mth 11Mth 12Mth 13Mth 141112345687910Tel:+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

10、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:+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商品的客户组合购买比例对B感兴趣对C感兴趣对D感兴趣对

11、E感兴趣Tel:+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：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

12、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:+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

13、基金根据描述关联产品或服务通常有较高的转化率Tel:+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MapTel:+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

14、(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:+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

15、、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:+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分析要求的数据：找出符合RFM分析要求的数据Tel:+RFM数据模型现在我们得到了RFM模型的Recency_Score、Frequency_Score、Monetary_Score和RFM_Score；这里对RFM得分进行了五等分切割，采用100、10、1加权得到RFM得分表明了125个R

16、FM魔方块。通过加权评分，得到RFM魔方块Tel:+RFM数据模型输出结果后将数据导入Excel，将R、F、M三个字段分类与该字段的均值进行比较，利用Excel软件的条件格式给出与均值比较的趋势！结合RFM模型魔方块的分类识别客户类型：通过RFM分析将客户群体划分成重要保持客户、重要发展客户、重要挽留客户、一般重要客户、一般客户、无价值客户等六个级别借助RFM模型魔方块进行客户识别，建立客户模型基于用户特征展开产品设计Tel:+RFM数据模型其实原理很简单.ABCRFM数据模型只是常用的一种，基于业务还有更多模型能够帮助和指导产品设计和用户体验改进Tel:+用户行为特征数据挖掘客户行为特征数据

17、获取要点（一）Clickstream Data 点击流数据直接访问数量访客来源访客地理位置点击流跟踪Outcomes Data 结果型数据访客（初次访问数，访问总数，平均回访数，关注点）页面浏览（平均浏览数，总PV，访问超过一页的访客比）时间（全局，人均）关键行为（如：注册，购买）转化率相关（Keyword，趋势，网站）Tel:+用户行为特征数据挖掘（某酒店订购网站点击流数据一）酒店搜索列表页Hotels-SearchVisits:1,076,361酒店详细页Hotels-DetailsVisits:955,555酒店预订确认页Hotels-ConfirmVisits:119,529Entry

18、 Page Visits:474,93344.12%立即退出:305,80728.41%Exit Page Visits:630,69258.59%Visits:42,3733.94%Visits:464,11943.12%Entry Page Visits:453,37647.45%Exit Page Visits:646,12667.62%立即退出:365,64938.27%Visits:64,4606.75%Visits:13,3251.39%35.45%53.93%11.15%Entry Page Visits:15,151.27%立即退出:3510.29%Exit Page Visi

19、ts:19,41116.24%Visits:58,26048.7%Visits:62,56652.3%Visits:371,23838.9%Tel:+用户行为特征数据挖掘（某酒店订购网站点击流数据二）酒店预订确认页Hotels-ConfirmVisits:119,529登陆/直接预订页Myelong/LoginVisits:205,344酒店订单填写页Hotels-OrderVisits:41,460Exit Page Visits:19,41116.24%Exit Page Visits:20,3509.91%Visits:36,80330.79%Visits:28,77714.01%联盟登

20、陆页Mytrip/LoginVisits:57,585Visits:22,98819.23%Visits:2,1953.81%Visits:9,7568.16%23.53%69.41%5.29%Exit Page Visits:14,51225.20%Visits:13,23431.9%Tel:+用户行为特征数据挖掘（某酒店订购网站点击流数据三）酒店订单填写页Hotels-OrderVisits:41,460酒店订单确认页Hotels-EnsureVisits:33,396酒店订单提交页Hotels-ReserveVisits:31,036Exit Page Visits:4,54210.96

21、%Exit Page Visits:1,6454.93%Exit Page Visits:8,07226.01%Visits:29,04670.06%Visits:30,34090.85%Visits:8,79826.3%Visits:6,33120.33%Tel:+用户行为特征数据挖掘客户行为特征数据获取要点（二）Research Data 研究性数据客户研究启发式评估，客户体验测试客户属性（数据库分析）客户期望分析（从数据到服务）Competitive Data 竞争性数据“面”数据测量（大众分析）网络服务数据测量（行业分析）搜索引擎测量（舆情分析）Tel:+用户行为特征数据挖掘调研产品背

22、景客户招募文化探寻深度访谈数据整理分析客户研究报告撰写客户筛选标准确认客户招募执行访谈筛选标准客户文化背景数据访谈记录文档发现点客户角色访谈方案制作现场实施数据整理与分析设计原则机会分析功能设置场景客户研究过程示例Tel:+用户行为特征数据挖掘客户研究案例客户深访:在对客户进行的开放式访谈中,探寻参与的客户的:当前使用情况需求痛点差距心理态度渴望选择产品品牌及型号时的偏好和原因驱动角色深访:访问的目的是为了收集以下数据:市场中不同品牌的认可度以及为什么某些品牌比其他品牌更好卖点和客户需求选择品牌和的准则制定价格的准则除了提供销售策略开发方面的见解之外,这部分客户研究还将从卖家的角度提供消费者的

23、心态.Tel:+用户行为特征数据挖掘1.完成基础需求：转账，支付，查询2.电脑安全性分析3.个性化需求（功能，布局，呈现）4.理财，缴费，信用卡她想要做的她想要知道的1.了解广发网银有什么功能2.了解如何安全使用广发网银3.了解个人的财务状况4.了解每个业务的相关手续费李婷 27岁公司职员 月薪4k经常上网，网龄4年以上使用Nokia N93手机喜欢网上购物，逛论坛，看新闻等各种网上活动拥有储蓄卡和信用卡，正准备使用网银客户建模研究案例Tel:+用户行为特征数据挖掘Hmm,what does this do?Ill try it Ooops,now what happened?Now,why

24、did it do that?Oh,I think you clicked on the wrong iconDo you know why you never tried that option?I didnt see it.Why dont you make it look like a button?Tell me about the last big problem you had with WordI can never get my figures in the right place.Its really annoying.I spent hours on it and I ha

25、d to客户体验测试案例Tel:+用户行为特征数据挖掘客户体验测试案例Tel:+用户行为特征数据挖掘客户体验测试案例Tel:+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（Clustering）描述（Description）复杂数据挖掘Tel:+案例一：其它案例应客户保密Tel:+案例二：产品的持续改进案例Tel:+业务规划阶段业务和产品设计营销执行全面优化产品的持续改进实践案例业务规划业务运营中心会议数据规划运营规划数据库建设业务流设计以及相应的产品设计营销点挖掘以及营销机会分析营销策划互动营销执行数据库不能满足营销需要时，升级数据库营销方案转化为销售额产品或服务逐渐不能满足客户需求的变化客户需求数据挖掘与分析Tel:+产品的持续改进实践案例起始计划领导会议相关部门动员项目启动数据体系建设包含配套的培训数据体系方法标准数据仓库组织结构培训和训练项目项目项目项目示范项目持续改进组织建设启动基础建设团队建设优化阶段