大数据+客户激活：助力企业精细化运营，提升市场活动投资回报率

一、业务背景

在市场经济中，客户及其需求一直是决定企业生存与发展的关键因素，客户资源是企业发展的生命线。而现在，产品的生命周期更短，客户的需求也更加个性化，市场的激烈竞争，使得如何吸引客户、保留客户、提高客户的满意度、忠诚度成为企业生存的关键。

在经过了抢占市场份额，“跑马圈地”式的粗放扩张之后，客户质量成为了企业当前普遍面临的一道难题。各企业推出的促销活动往往具有同质性，难以形成客户黏性，客户忠诚度低。伴随着业务周期缩短和成本下降，客户在企业转移成本越来越低，企业对客户无法形成有效阻力。

二、痛点与需求

当前，客户活跃度低，大量“僵尸客户”的存在作为痛点日益显现，成为了制约企业发展的问题之一，值得引起重视。长期来看，企业若不能很好地调动用户的积极性，对激活“僵尸客户”的意愿不强，则意味着企业要支撑太多的“僵尸客户”，而市场营销活动投资成本依然和以前持平，甚至逐年增加，必然造成企业营销和管理资源浪费，企业盈利规模必然日渐萎缩，影响企业活力和企业长远发展。甚至严重情况下，企业自身也会变成“僵尸”企业，而企业僵尸化将更加广泛地抑制整个经济活力，并造成新一轮危机。

从营销的本质来说：营销的对象是客户，把握住了客户就相当于掌握了销售策略。现在，基于企业长期积累的数据，以及大数据应用技术的成熟，我们可以利用大数据解决方案来达到激活客户、提升客户活跃度的目标。

三、解决方案

针对以上问题，我们可以采用基于企业内部客户数据分析的激活客户解决方案。

简单从数据分析的角度，可以用RFM客户管理模型（即最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)）做简单的客户细分，然后通过细分客户来达到提高客户活跃度。但是，在机器学习下面，我们可以把RFM的关键指标作为模型训练的特征参与进来。当我们对该企业客户数据进行分析，就能清晰的刻画客户的特征，就等于掌握了营销的落地方向。我们可以使用基于企业客户数据分析的基础改良营销策略，最后，再通过简单的统计指标（如四分位数），看出营销效果是否得到改良。

1. 数据预处理

对于我们要完成的数据收集而言，我们需要去收集和整理如下方面的数据：基本属性和潜在隐性数据，大致分类如下:

2. 特征工程

对于显性的基本属性和隐性的特征进行向量化，包括去纲量，归一化等等操作。重点的任务是完成客户的模型建立,但是建模过程中涉及的数据以及涉数据难点包括如下内容：

1) 客户的属性和状态

这种显性的特征是对客户基本属性和状态的刻画。 

2) 客户的相关性计算

在我们对目标客户不是很难捕捉到有用特征信息的时候，可以通过相关性的计算，找出相似的客户特征来推断客户特征，如下图：

3) 兴趣模型

通过对兴趣的把握，我们可以抓住客户长期稳定的爱好偏向特征。如下如所示：

4)  圈子标签

圈子标签实现的是对当前状态下，所处圈子的量化描述.如下如所示：

3. 行为建模

整个画像体系采用人工标注+多分类的方式实现打标的过程，对于人工标注都是采用领域知识进行判断。一般都是针对显性的基本属性进行建模，那么对于隐性的标签如何建模呢?例如流失客户的判断、客户生命周期的归属、客户价值属性的评定等等。对这个潜在的标签我们常常采用多分类来做。

以下经验供参考：

如遇到非线性数据量小，则一般采用支持向量机SVM算法。

如遇到非线性数据量大，一般采用逻辑回归模型（LR)。

4. 构建画像

根据输出结果，我们可以有针对性地对客户实施以不同的市场活动。但是，画像永远也无法 100％ 地描述一个人，只能做到不断地去逼近一个人，因此，我们既应根据变化的基础数据不断修正，又要根据已知数据来抽象出新的标签使画像越来越立体。

并且，在进行大规模市场活动前，要根据建立的模型进行小规模验证，在确认验证结果，与模型出来的预估基本吻合后，才能按照预定的方案进行营销活动。并且在营销活动的进行过程中，要不断的根据实际反馈修正模型，并根据修正后的模型进行新一轮的活动，从而使得整个营销活动与之前的预估相比十分精确。

五、效果

训练结果表明，基于企业内部客户数据分析的激活客户解决方案，比起传统的市场活动，在质量与效率上，达到了更高的效果。

1.它通过分析企业的经营数据，帮助企业实现了市场营销活动投放的科学性、及时性、精准性通过辅助决策，让市场营销投放客户更加精准，从而实现投资回报率、营销响应率、资产水平等业务目标的最大化；

2.通过对客户细致的分类和评级，能够有效锁定目标客户，了解客户不同的偏好、购买倾向、利润贡献度、营销成本、接触策略和其它沟通目标，进行有个性化的有针对性服务，最大限度地满足了客户需求，提升了客户满意度。