数据库营销培训

精准营销狙击式服务数据库营销培训公司营销管理者思考的商业问题…Customer.如何更好地保留住现有客户?通过客户特征分析了解现有客户的特征,细分成不同的客户群体.对每个细分群体制定有针对性的的客户管理和营销策略Prospect.怎样找到有潜力消费的新客户?可根据高利润客户的特征匹配潜在新客户的特征Cross&Up.怎样提高现有客户的销售收入?交叉销售和垂直销售分析可以提高现有客户的利润Loyalty.如何挽回可能会流失的客户?客户流失分析可以识别很可能降低或停止购买的客户,在流失前识别出来,就可以采取行动来保留他们数据库营销的理念已经为业界所熟知，但鲜有企业系统化地运用几乎没有企业愿意投入专职力量从事客户信息的管理工作很少的企业拥有整合的客户信息数据库，大量的客户信息分布在企业不同的业务单元很少的企业为数据库营销规划专门的年度预算采用数据库营销的企业，往往抱有不切实际的幻想，过多的销售结果导向精准的客户信息收集力量薄弱，客户信息收集难度巨大大部分IT产品（B2B)的市场特性及商业信息的实用性，促使IT企业愿意选择直复式营销主流的IT厂商均设置专门的团队，管理和分析客户信息，用以进行关系营销和直复式营销很多主流IT厂商（例如IBM,HP,MS,Dell,CISCO,Oracle)均为潜在客户数据,数据清理和直复式营销方面投入巨资一些主流IT厂商正在建设公司级的整合客户数据管理系统，并开始广泛采用数据库营销整体市场处在萌芽阶段IT行业成熟度较高中国的数据库营销市场状况数据管理数据分析数据挖掘商业策略营销策略直复式营销销售线索挖掘直接销售数据（仓）库数据库管理系统数据库数据管理系统呼叫中心营销管理系统数据规范化数据匹配数据合并数据查删重数据更新决策树聚类分析时间序列人工神经网络客户细分购买预测客户忠诚度流失预警DMEDMTMwebcastEvents客户定位挖掘策划挖掘实施线索分配跟进数据内容数据租赁数据采购数据定制家庭树INFORMA-TION.INTEGRITY.MULTICHANNELCOMMUNICATION.TARGETING.数据库营销全景略图机构数据购买租赁定制家庭树整合丰富的内外部数据资源：中国制造企业数据库中国政府机构数据库批发零售企业数据库中国外商投资企业数据库中国IT企业数据库中国金融机构数据库中国卫生机构数据库中国教育机构数据库中国科研机构数据库《财富Fortune》500强在华机构…………………数据内容服务(B2B)数据内容服务(B2C)中国富裕人群数据租赁整合丰富的内外部数据资源大中型国企总裁/董事长/总经理数据库外籍管理人员女性管理人员私营企业主数据库财务经理数据库人力资源经理数据库IT经理数据库制造企业总经理数据库采购经理数据库销售与市场经理数据库…………………•包括数据的导入、导出，数据的合并与查询统计等功能•提供个性化的权限管理功能数据管理•通过全方位的数据质量分析，精确定位数据质量问题所在，为数据源头的质量控制提供有力依据•可以提供质检分析报告数据质量分析•简洁易用的数据标准化工具、高效的查重工具帮助您节省更多的时间与人力物力•可进行多种数据标准化处理数据处理•丰富的数据知识库提升数据质量•轻松实现您所想要的数据共享与优化数据优化数据管理工具数据应用工具数据库管理员(DBA)数据库系统用户计算机及硬件系统操作系统数据库数据库管理系统数据库开发工具数据库应用系统数据源管理数据集成元数据管理查询引擎模型引擎多维分析工具报表引擎商务应用平台数据库管理系统数据管理数据导入数据导出数据合并查询统计数据质量分析数据完备率检查数据纵向质量检查数据横向质量检查全方位数据质量分析报告数据处理数据标准化数据精确查重数据模糊查重数据优化数据提升数据匹配数据填充数据管理工具基本功能要求ETL业务模型运行中央数据仓库/数据集市多维分析报表数据挖掘专题分析活动制定活动执行/跟踪/反馈生产数据销售数据售后数据财务数据客户数据数据应用工具基本功能要求数据仓库是支持管理决策过程的、面向主题的、集成的、不可更新的、并且随着时间变化的数据集合。数据仓库的基本特征：数据仓库的数据是面向主题的。主题是在较高层次上将企业信息中的数据综合、归类并进行分析利用的抽象数据仓库的数据是集成的。数据在进入数据仓库之前，要经过加工与集成，对不同来源的数据进行统一数据结构和编码，将原始数据由面向应用转向面向主题。数据仓库的数据是可更新的。数据仓库中的数据主要供企业决策分析之用，所涉及的数据操作主要是数据查询，一般情况下不进行修改操作。数据极少更新。数据仓库的数据是随时间变化的。数据仓库要随时地收集和整理数据，以适应决策支持系统。DB2、Informix、Oracle、Sybase、SQLServer、Teredata、OleDB、SAS、Text、Excel、SAP、MySql、Access、Peoplesoft、IMS、VSAM、QSAMon390、FTP、XML、MessageQueue、Weblog数据仓库/数据集市OLAP(On-LineAnalyticalProcessing)为满足基于大型数据库的复杂查询、决策分析等需求，弥补OLTP（On-LineTransactionProcessing,在线事务处理）在功能上的不足90年代初出现了OLAP技术（E.F.Codd，1993），目前OLAP已经成为大部数据仓库的重要分析工具。描述OLTPOLAP用户操作人员,低层管理人员决策人员,高级管理人员功能日常操作处理分析决策DB设计面向应用面向主题数据当前的,最新的细节的,二维的分立的历史的,聚集的,多维的集成的,统一的存取读/写数十条记录读上百万条记录工作单位简单的事务复杂的查询用户数上千个上百个OLTP联机事务处理，是公司日常运营的基础，是业务流程信息化的关键，基于生产数据库。OLAP联机分析处理，基于数据仓库的数据分析，以供决策所需，面向管理层，面向未来。满足决策支持或多维环境特定的查询和报表需求，它的技术核心是这个概念，因此OLAP也可以说是多维资料分析工具的集合。分析引擎通过数据挖掘捕捉客户流失特征分析和测算出潜在流失客户数据预警自动化动态标识流失预警客户客户流失预警数学模型校验和调优一般（正常）较重（预防）严重（维系）特别严重（挽回）客客客客客客客客客客客客客客客客客客客客客客客客客客客客客客客客客客客客客客模型引擎客户信息分散在销售、经销商,客户服务、市场、财务、库存等多个部门和机构,形成信息孤岛数据格式多种多样,无法进行信息合并客户信息不完整,无法进行有效沟通客户信息不准确,大多已经失去实效性缺乏完善的客户数据管理流程,数据不能实现滚动管理整合的客户数据（惟一性、单一视角）规范的客户数据完整的客户数据准确的客户数据动态更新的客户数据（完善的滚动数据管理流程）客户数据管理的常见现象造成无法完整地了解客户特征及客户行为,粗放营销,客户满意度低理想的客户数据管理为以客户为中心的客户关系管理和营销管理策略提供坚实的数据基础客户数据管理服务的目标1数据整合服务数据分析服务客户数据标准化、规范化客户数据匹配、查删重信息匹配与补充代码匹配精确查删重模糊查删重人工查删重数据整合数据合并/分割数据更新数据更正客户数据核实挖掘新联系人增加新字段核实数据全面准确的数据库2日常管理维护服务新数据补充、更新批量数据装载企业新客户数据整理/规范内部数据的录入外部数据的录入市场活动的反馈信息数据定期清洗/更新/删除删除非列名的客户删除消失企业/个人更新变更企业/个人信息标识高信用风险客户标识总询价却不订货客户数据源规范标准制定相关部门的数据流设计(销售,市场,渠道,客服等)数据质量监控体系数据管理流程的制定与执行动态更新的数据库3有商业价值的数据库静态分析例：某个时间点的客户数据分布状况(如本财年年第一季度末)动态分析例：某个时间段的客户数据分布状况,客户动态变化状况及趋势(如全年变化或去年同比分析等)金融电力烟草制造电信客户的行业类型分布比例客户数据管理服务的目标确定商业目标检查数据质量确定所需数据制定挖掘计划人工神经网路商业理解BusinessUnderstanding数据理解DataUnderstanding数据清理规范数据格式数据准备DataPreparation时间序列分析决策树模型聚类分析和分类建立模型Modeling结论综合与评价新数据预测模型评价Evaluation应用数据应用策略结构发布Delivery通过数据挖掘和分析服务，帮助您回答客户是谁、他们在哪里、他们怎样购买等问题，使您针对不同细分市场进行精细化营销，实现营销价值最大化各个环节不断地循环往复，进行数据探索和模型的调优数据分析挖掘和商业决策基本流程分析模块分析内容分析方法商业意义客户特征分析1.社会特征2.客户行为特征3.了解客户的生命周期分布描述性分析频数分析交叉分析实现对现有客户的充分了解制定对潜在客户的定位策略客户细分1.客户细分群体特征2.客户细分群体的相同点和不同点方差分析聚类分析交叉分析针对不同细分群体,制定不同的市场战略,客户关系管理战略购买预测1.潜在客户购买预测2.交叉销售与垂直销售3.流失预警分析联合分析决策树产品特征的定位销售产品的绑定组合实现现有客户价值的最大化市场活动分析1.客户活动参与倾向预测2.营销方案执行效果分析描述分析分类回归分析市场营销活动的最优化客户流失分析(原因/结果/方向）客户价值分析客户满意度研究151020201520保养快修事故维修总成维修5%8%15%2%2%%%%%数据分析与挖掘的模块、方法和工具数据分析与挖掘在客户生命周期中的应用客户细分潜力客户预测•激活•初次购买数据分析•客户反馈未来潜在客户感兴趣客户已确定客户以前的客户•客户价值细分•交叉销售•垂直销售流失分析忠诚度计划•不再使用营销活动分析目标客户回应客户新增客户流失客户高价值中价值低价值客户价值细分模型一（成熟模型）客户价值分类综合价值指数客户当前贡献度客户未来贡献度客户忠诚度客户信用度客户成长潜力说明比率系数系数系数系数系数高价值客户高高高高中高中价值客户中低高低中高低价值客户低低低低中低客户成长潜力客户忠诚度客户未来贡献度客户信用度客户当前贡献度客户综合价值客户综合价值=weight_1*客户当前贡献度+weight_2*客户未来贡献度+weight_3*客户信用度+weight_4*客户忠诚度+weight_5*及客户成长潜力12345因子分析：找到变量之间的关系，并优化变量组合聚类分析：群间差距最大，群内差距最小的原则进行分析客户价值细分模型二（数据挖掘）物质性价值费用贡献：时间段的总费用单次的平均费用单个项目的平均费用……经销店忠诚：按时到店多店变换活动参与：积极参与经销店活动……情感性价值客户价值细分指标客户价值细分模型总体3类方案4类方案5类方案•1•3•2•2•3•1•4•1•2•3•4同类共性：同类消费者具有类似的特征异类差别性：异类消费者之间有明显的特征差异价值类别钻石级客户白金级客户黄金级客户……客户价值细分方法基于客户价值分析的客户价值提升1寻找新客户向上销售(Up-selling)提升新客户价值2交叉销售(Cross-selling)提升老客户价值3提升老客户价值客户价值细分匹配客户特征信息根据特征信息挖掘线索客户特征信息分析静态产品关联性购物篮分析产品组合确定各商品销售几率交易占有率分析几率决定规则信心水平增益确定N种组合方式动态产品关联性序列分析产品组合确定各商品销售几率交易占有率分析几率决定规则信心水平确定N种组合方式价值高已流失,着重通过客户赢回方案促进再次入网消费亟待保留的客户，已处于摇摆状态,最需要投入营销预算，鼓励延长消费的群体已流失,不需要投入售后营销预算客户忠诚度计划挽回流失客户价值流失预警指标体系流失预警指数客户基本信息生活方式基本信息……购买产品属性售后服务数据产品型号故障代码客户流失建模分析传统统计方法决策树神经网络关联规则偏差分析价值细分和流失状态ASBDAGAD