精準營銷、評估方法和參數調整

精準營銷、評估方法和參數調整

作者：明博智創北京）軟體技術公司分析師 胡小燕）

在這段時間的工作過程中，我稍微對以前沒有瞭解的東西有了一點認識。主要是從三個方面來說。

1、精準營銷

以前老是聽到或是說到精準營銷，也知道是採用“資料採礦”技術對客戶進行客戶細分、對產品或服務進行關聯分析、尋找勘探、對庫存或銷量進行預測性分析。但是具體是什麼概念，我還真沒有瞭解過。最近，得寫一個方案，寫著寫著，覺得題目應該是“精準營銷”，但是由於整篇方案都是寫資料採礦及其在CRM中的應用，那麼怎麼樣從“精準營銷”過渡到“資料採礦”上呢？

精準營銷：是在精準定位的基礎上，依託現代資訊技術手段建立個人化的顧客溝通服務體系，實現企業可度量的低成本擴張之路。其以客戶為導向，分析每個客戶的消費行為和偏好，從而實現對客戶的精準定位、對不同客戶不同業務內容精確推薦、以及有針對性對勘探群進行推廣銷售。

瞭解概念後，才發現“精準營銷”是一種新的商業營銷方法，而“資料採礦”是實現該營銷方法必不可少的工具，也可以說是“資料採礦”在“商業營銷”中的應用，很好的促進了營銷的“精準定位”，從而有效地保有客戶、吸引客戶和充分發掘客戶的盈利潛力，實現企業和客戶雙贏。

2、評估方法

以前進行資料分析時，我用SDABAS挖掘工具裡面的評估模型不多。最近學習下，發現裡面在評估模型很好用，能夠很好地評估我們選擇的屬性或者演算法是否最佳。SDABAS包含了各種演算法的效能測定方法，如預測演算法的效能測定，可以驗證預測的準確性，由於預測方法很多，可以多選用幾個預測演算法來看那個預測演算法的精確度高，從而選取最優的模型。在資料量不大的情況下，可以採用各種驗證技術如：折分驗證、自舉驗證、X-驗證）來驗證模型對檢驗資料的預測或分類的能力，如預測或分類的能力不好，可以相應的調整選取的屬性或修正建立的模型，這能夠提高建立的模型對新資料的預測或分類精確度。

3、模型的參數調整

以前使用SDABAS挖掘工具時，除了聚類演算法，其它的演算法我很少調整裡面的參數設定。

最近，由於得做預測性分析方面的工作，採用了神經網路，但是其預測結果好像不太好，後來嘗試調整了裡面的參數，發現結果的預測準確度提高了，主要是調參數“訓練周期”、“應用比率”、“勢頭”的值，其中勢頭的值可能達到0.9之上。應用分類時，ID3演算法的分類效果比決策樹要好，但是ID3演算法只是限於“標稱”屬性，不能用於“數值”屬性。分類演算法可以相應的調整參數“選擇標準”，其它的參數對其分類效果的影響不太大。決策樹由於可以應用於“數值”屬性，所以對不同的資料，其演算法的效能不同，試過了好幾組資料，發現其採用“選擇標準”中的“gini_index”效果較好，而資料不理想時，採用“gain_ratio”可能無法建立分類。

本文出自 “在資料中挖掘價值” 部落格，轉載請與作者聯絡！