公众号后台回复 “2024” 即可领取最新全套数据分析资料包！”
一个成功的数据挖掘项目，首先要有准确的业务需求描述，之后则要求项目相关人员自始至终对业务有正确的理解和判断 对业务的理解和思考，永远高于项目的分类和分析技术的选择。
本文为《数据挖掘与数据化运营实战：思路、方法、技巧与应用》一书第三章的笔记与总结。
正文开始前，老李先给大家推荐一个《帆软行业场景建设白皮书》，总结了覆盖制造、金融、国资央企、消费零售、物流交通、电力水务、建筑地产、医药健康、医疗卫生、高校教育等10大行业、24个细分行业的解决方案。旨在为各行各业的IT、数据从业者提供在其所属的业务场景下，现成的解决方案和蓝图参考，从而帮助他们快速落地数据分析和展示平台。扫描下方二维码或点击阅读原文链接即可下载完整PDF！
目标客户的特征分析
目的
在目标客户的典型特征分析中，有两种业务场景
试运营前的虚拟特征探索 试运营后的真实数据探索
试运营前
试运营后
基于真实的业务场景中的用户数据进行数据分析，提取出的目标用户特征更准确更可行，也更贴近业务。最终输出该产品的核心目标用户特征分析报告，为运营团队的精准营销提供支撑。
目标客户的预测模型
包括
流失预警模型 付费预测模型 续费预测模型 运营活动相应模型
目的
输入变量
输出变量
活跃度组成指标应该是该业务场景中最核心的行为因素 衡量活跃度的定义合适与否的重要判断依据是其能否有效回答业务需求的终极目标
关键指标
用户路径分析
主要分析用户在网页/app上流转的规律和特点，发现频繁访问的路径模式，这些路径的发现可以有很多业务用途，包括提炼特定用户群体的主流路径、网页设计的优化和改版、特定群体的浏览特征等。
路径分析的目的
交叉销售模型
延缓客户流失 提高顾客消费
4种思路
购物篮分析（有针对性的促销和捆绑） 对重要商品建立预测响应模型，向可能性最高的前5%顾客进行精准营销和推广 让重要商品两两组合，建立预测响应模型，找出最有可能消费的潜在客户进行推广 决策树
其中的建模技术包括
关联分析（Apriori） 序列分析（在关联分析基础上增加先后顺序） 预测（响应、分类）模型：逻辑回归，决策树
信息质量模型
信息质量模型主要应用场合包括
商品Offer优化 网店质量优化 论坛发帖质量优化 违禁信息的过滤优化 其他设计信息质量监控和优化的场景
策略
作用
让卖家购买合适的增值产品 让卖家续费合适的增值产品 卖家商业信息的违禁过滤 卖家社区发帖的冷热判断
模型
预测（响应、分类）模型
常用场景：
客户服务团队需要根据分层模型来针对不同的群体提供不同的说辞和相应的服务套餐 企业管理层需要基于在线交易卖家数量来形成以其为核心的卖家分层进化视图 运营团队用客户分层模型指导相应运营方案的制定和执行，从而提高运营效率和付费转化率
比较常见的分层模型：RFM
信用风险模型
包括
欺诈预警 纠纷预警 高位用户判断
相比与常规的数据挖掘，信用风险分析有以下特点
你点的每一个在看，都汇聚成数据之光！
