第一部分：  数据挖掘流程—挖掘步骤篇

1、         数据挖掘概述

2、         数据挖掘的标准流程（CRISP-DM）

‐  商业理解

‐  数据准备

‐  数据理解

‐  模型建立

‐  模型评估

‐  模型应用

案例：客户流失预测及客户挽留

3、         数据集概述

4、         SPSS工具介绍

5、         数据挖掘常用模型

第二部分：  数据挖掘流程—数据预处理

如何整理数据，了解数据，对数据进行预处理？

1、数据预处理的四大任务

‐  数据集成：多个数据集合并

‐  数据清洗：异常值的处理

‐  样本处理：样本筛选、样本抽样、样本平衡

‐  变量处理：变量变换、变量派生、变量精简

2、数据集成（数据集合并）

‐  样本追加（添加数据行）：横向合并

‐  变量合并（添加变量列）：纵向合并

3、数据清洗（异常数据处理）

‐  取值范围限定

‐  重复值处理

‐  无效值/错误值处理

‐  缺失值处理

‐  离群值/极端值处理

‐  数据质量评估

4、样本处理：行处理

‐  样本筛选：指定条件筛选指定样本集（减少样本数量）

‐  样本抽样：随机抽取部分样本集（减少样本数量）

‐  样本平衡：正反样本比例均衡

5、变量处理：列处理

‐  变量变换：原变量取值更新，比如标准化

‐  变量派生：根据旧变量生成新的变量

‐  变量精简：变量删除/降维，减少变量个数

‐  类型转换：数据类型的相互转换

6、变量精简/变量降维常用方法

‐  常用降维方法

‐  如何确定降维后变量个数

‐  特征选择：选择重要变量，剔除不重要变量

◢    基于变量本身特征来选择属性

◢    基于数据间的相关性来选择属性

◢    利用IV值筛选

◢    基于信息增益来选择属性

‐  因子合并：将多个变量进行合并

◢    PCA主成分分析

◢    判别分析

7、类型转换

8、因子合并/主成分分析

‐  因子分析的原因

‐  因子个数选择原则

‐  如何解读因子含义

案例：提取影响电信客户流失的主成分分析

9、数据探索性分析

演练：描述性分析（频数、描述、探索、分类汇总）

10、    数据可视化

演练：各种图形绘制

第三部分：  市场细分模型—聚类模型篇

问题：我们的客户有几类？各类特征是什么？如何实现客户细分，开发符合细分市场的新产品？如何提取客户特征，从而对产品进行市场定位？

1、 市场细分的常用方法

‐  有指导细分

‐  无指导细分

2、 聚类分析

‐  如何更好的了解客户群体和市场细分？

‐  如何识别客户群体特征？

‐  如何确定客户要分成多少适当的类别？

‐  聚类方法原理介绍

‐  聚类方法作用及其适用场景

‐  聚类分析的种类

◢    K均值聚类

◢    层次聚类

◢    两步聚类

‐  K均值聚类（快速聚类）

案例：移动三大品牌细分市场合适吗？

演练：宝洁公司如何选择新产品试销区域？

演练：如何自动评选优秀员工？

演练：中国各省份发达程度分析，让数据自动聚类

‐  层次聚类（系统聚类）：发现多个类别

‐  R型聚类与Q型聚类的区别

案例：中移动如何实现客户细分及营销策略

演练：中国省市经济发展情况分析（Q型聚类）

演练：裁判评分的标准衡量，避免“黑哨”（R型聚类）

‐  两步聚类

3、 客户细分与PCA分析法

‐  PCA主成分分析的原理

‐  PCA分析法的适用场景

演练：利用PCA对汽车客户群进行细分

演练：如何针对汽车客户群设计汽车

第四部分：  客户价值评估—RFM模型篇

营销问题：如何评估客户的价值？不同的价值客户有何区别对待？

1、 如何评价客户生命周期的价值

‐  贴现率与留存率

‐  评估客户的真实价值

‐  使用双向表衡量属性敏感度

‐  变化的边际利润

案例：评估营销行为的合理性

2、 RFM模型（客户价值评估）

‐  RFM模型，更深入了解你的客户价值

‐  RFM模型与市场策略

‐  RFM模型与活跃度分析

演练：“双11”淘宝商家如何选择价值客户进行促销

演练：结合响应模型，宜家IKE实现最大化营销利润

案例：重购用户特征分析

第五部分：  产品设计优化—随机效用理论

1、 产品专题分析主要任务

‐  产品设计分析

‐  市场占有分析

‐  累计销量分析

‐  定价策略分析

2、 产品设计优化（联合分析法）

问题：如何设计最优的功能特征？

‐  评估功能特征的重要性

‐  评估功能特征的价值

案例：产品开发与设计分析

3、 产品评估模型（随机效用理论）

‐  属性重要性评估

‐  市场占有率评估

‐  产品价格弹性评估

‐  评估产品的品牌价值

‐  动态调价（纳会均衡价格）

案例：品牌价值与价格敏感度分析

案例：纳什均衡价格

第六部分：  产品定价策略—最优定价篇

营销问题：产品如何实现最优定价？套餐价格如何确定？采用哪种定价策略可达到利润最大化？

1、 常见的定价方法

2、 产品定价的理论依据

‐  需求曲线与利润最大化

‐  如何求解最优定价

案例：产品最优定价求解

3、 如何评估需求曲线

‐  价格弹性

‐  曲线方程（线性、乘幂）

4、 如何做产品组合定价

5、 如何做产品捆绑/套餐定价

‐  最大收益定价（演进规划求解）

‐  避免价格反转的套餐定价

案例：电信公司的宽带、IPTV、移动电话套餐定价

6、 非线性定价原理

‐  要理解支付意愿曲线

‐  支付意愿曲线与需求曲线的异同

案例：双重收费如何定价（如会费+按次计费）

7、 阶梯定价策略

案例：电力公司如何做阶梯定价

8、 数量折扣定价策略

案例：如何通过折扣来实现薄利多销

9、 定价策略的评估与选择

案例：零售公司如何选择最优定价策略

10、     航空公司的收益管理

‐  收益管理介绍

‐  如何确定机票预订限制

‐  如何确定机票超售数量

‐  如何评估模型的收益

案例：FBN航空公司如何实现收益管理（预订/超售）

第七部分：  产品推荐算法—推荐模型篇

问题：购买A产品的顾客还常常要购买其他什么产品？应该给客户推荐什么产品最有可能被接受？

1、 从搜索引擎到推荐引擎

2、 常用产品推荐模型及算法

3、 基于流行度的推荐

‐  基于排行榜的推荐，适用于刚注册的用户

‐  优化思路：分群推荐

4、 基于内容的推荐CBR

‐  关键问题：如何计算物品的相似度

‐  优缺点

‐  优化：Rocchio算法、基于标签的推荐、基于兴趣度的推荐

5、 基于用户的推荐

‐  关键问题：如何对用户分类/计算用户的相似度

‐  算法：按属性分类、RFM模型、PCA、聚类、按偏好分类、按地理位置

6、 协同过滤的推荐

‐  基于用户的协同过滤

‐  基于物品的协同过滤

‐  冷启动的问题

案例：计算用户相似度、计算物品相似度

7、 基于关联分析的推荐

‐  如何制定套餐，实现交叉/捆绑销售

案例：啤酒与尿布、飓风与蛋挞

‐  关联分析模型原理（Association）

‐  关联规则的两个关键参数

◢   支持度

◢   置信度

‐  关联分析的适用场景

案例：购物篮分析与产品捆绑销售/布局优化

案例：通信产品的交叉销售与产品推荐

8、 基于分类模型的推荐

9、 其它推荐算法

‐  LFM基于隐语义模型

‐  按社交关系

‐  基于时间上下文

10、     多推荐引擎的协同工作

第八部分：  银行信用评估—信用评分卡模型

1、 信用评分卡模型简介

2、 评分卡的关键问题

3、 信用评分卡建立过程

‐  筛选重要属性

‐  数据集转化

‐  建立分类模型

‐  计算属性分值

‐  确定审批阈值

4、 筛选重要属性

‐  属性分段

‐  基本概念：WOE、IV

‐  属性重要性评估

5、 数据集转化

‐  连续属性最优分段

‐  计算属性取值的WOE

6、 建立分类模型

‐  训练逻辑回归模型

‐  评估模型

‐  得到字段系数

7、 计算属性分值

‐  计算补偿与刻度值

‐  计算各字段得分

‐  生成评分卡

8、 确定审批阈值

‐  画K-S曲线

‐  计算K-S值

‐  获取最优阈值

案例：构建银行小额贷款的用户信用模型

结束：课程总结与问题答疑。