外呼销售精准营销数据挖掘模型由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“数据挖掘精准营销”。
• OB实现精准营销需要建立的数据挖掘模型
第一：模型横向
1、会员定性：通过对会员姓名，性别，年龄，购买商品，购买时间，购买金额，商品品类等数据。得出客户的购买习惯，购买能力，会员粘稠度。得出会员属性列表。
2、商品定位：通过同纬度得出商品销售生命周期，商品毛利，商品消费群等。通过此信息策划OB商品。建立商品地图。
3、行销：根据现有销售数据库，分析各维度数据。得出针对不同时间，客户，商品使用不同行销活动对营销的影响，参考此模型制定行销策略并预估营销效果。
第二：纵向：
1、业务需求分析：分析客户购买特性和购买记录，支撑营销策划。根据现有公司销售要求，针对什么客户进行营销。包括“促销方案分析及评估”，“个性化商品”，“营销方案及有效化”，“促销敏感性和目标”等
2、数据准备和转化：为支撑相关业务要求，销售和客户数据能准确，全面精准与业务匹配；另外能将相关数据按照数据库要求及时归类。
3、会员属性选择：根据业务要求能精准找到会员属性。符合相关方案要求。
4、建立会员模型：按照会员姓名，性别，年龄，购买商品，购买时间，购买金额，商品品类，行销活动使用等数据等维度建立会员模型。包括客户模型，客单模型，积分模型，销售明细模型，商品模型，付款模型。
5、模型评估：在建立会员模型之后需要测试业务需求分析，数据转化，会员属性定义，商品和行销模型匹配。能进行精准的市场定位,包括“客户价值及趋势”，“客户潜在价值及忠诚度”，“客户流失倾向”，“行销活动敏感度”，“客户消费倾向及消费周期”，“客户基本信息”评估。
第三：数据挖掘逻辑
1、分类问题：对数据进行分类，预测问题类别。通过对多个数据源进行分类，能够将数据进行归类，并能通过数据分析发现问题同时对问题也能进行分类。
2、聚类问题：解决一群对象划分不同类别的问题。通过对不同的类型数据能统一和整理成一个类别。这是分总概念，通过汇总不同类别数据和问题找到集中式解决方案。
3、关联性问题：upsell中的upsell和cro-sell。通过模型分析，帮助客户寻找商品，为商品寻找合适客户。分析出客户的购买周期和购买特点找出客户潜在需求针对性做关联销售和交叉销售。
4、预测问题：预测变量数据是否为连续型的情况。通过分类和聚类，能将数据模型中的数据和相关问题进行串联。找到问题的发展和变化趋势，预测问题以帮助改进销售方案最终实现精准营销。
OB-TEAM
