数据挖掘的效用
　 作为一个“伪”数据挖掘从业人员这久的时间，一直没想清楚很多问题，趁今天休息，写点关于数据挖掘效用的粗浅文字。

　　从如今行业中的运用来看，数据挖掘最终的目的是为了拓展市场，从已有客户中发现新的增长点，从过去的数据中发现某种规则，并依此拓展新的市场。

　　数据挖掘可以用于广告和定向市场营销，用来识别真正的客户、选择最佳的销售渠道和甄选最恰当的信息。据此就可以得出潜在客户的特点论文范文http://www.chuibin.com/，将推广群体与已有客户群体进行比对，匹配度高的即为最有潜力的客户，如果不知道推广群体的信息，首先也可以利用国家统计局、行业协会等机构发布的数据信息进行初步匹配工作，做出得分模型。

　　数据挖掘在建模方面很重要的一个应用是响应建模。响应率是判定定向营销的效果的重要指标，而通过响应建模能够得出潜在客户响应定向市场营销活动可能性的分值，这个数据信息能够用于改善活动的响应率，比较遗憾的是这还不能判定活动的收益，评估收益需要依靠对未来活动的潜在响应率的估计、与响应相联系的平均订购数量估计、执行活动以及活动本身的成本估计。

　　一个模型可能有识别对某个产品或服务感兴趣的人的能力，也可能具有识别由于被某个特定的营销活动或优惠吸引而进行购买的能力，把模型的这两种识别能力区分开来是非常重要的。而响应的差别分析就提供了一个方法，可用于识别活动将有最好效果的市场群体，差别分析的目标是在目标群和对照群之间，寻求差别的最大化，而不是将响应模型本身最大化。

　　如何进行匹配比较呢？从当前客户成为客户之前的已知信息中找出目标结果的预测值，利用新收集到的客户信息识别出可能的潜在客户，这种分析对于选择获取渠道和联系的策略以及筛选潜在客户列表是有价值的。这样公司能够通过从客户第一次做出响应，就能够实现在他们成为客户之前进行跟踪，并在成为客户之后收集和存储更多的附加信息，提高客户数据信息的价值。

　　获取新的客户之后，工作重点就转换为客户关系管理。现有客户的可用数据相对比较丰富，由于这些数据本质上比单纯的地理信息、人口统计等信息更具有实用性，因此它有更好的预测性。基于当前的客户消费模式，数据挖掘就可以用于发现应当给客户提供哪些附加的产品和服务，也能对交叉销售和提升销售的最佳时机提出建议。

　　客户关系管理的目标之一是留住有价值的客户，而数据挖掘能够建立流失模型，帮助决策者识别哪些客户最有价值，以及评估与每一客户相关联的自发性流失风险或强制流失风险。掌握了这些信息，决策者能够将优惠服务锁定于既有价值又具有流失风险的客户，并采取相应措施避开可能违约的客户，降低风险。

　　流失模型的建立既可以作为二元结局预测问题，也可以通过生存分析来解决。而这两种方法各有利弊：前一种方法对于短期内作用良好，而后者可用于对于未来远景的预测，并提供对客户忠诚度以及客户价值的评估。

　　总之，数据挖掘在如今的市场决策中充当着越来越重要的角色，在电信、金融行业使用已经比较成熟，在新兴市场尤其是网络市场发挥着越来越大的作用，也为相关行业的从业人员提供了巨大的就业空间。