Data Mining Client的Table Tools

　　Data Mining Add-ins for Office 2007包括基于任务的快速和强大的数据挖掘工具以及Excel 中的Table Analysis Tools for Excel。

　　4.1 市场活动有效性

　　在消费者购买的发展过程中，零售商在怎样确定客户方面面临许多困难选择。随着Web购物和移动购物的发展，传统的市场活动，例如邮寄广告、传单和目录不能满足他们的有意象客户。对于传统的固定销售商也是一样;因为目录和邮寄广告一般将这个客户段发送给这个商店，基于Web的广告会为这个人群进行仔细的选择。这个市场问题应该定义为：

　　· 谁将收到这个广告?

　　· 这个广告应该以什么格式表现?

　　· 接到的人会怎样响应这个广告?

　　· 人们接收到这些广告的频率是怎样的——传统的、Web或移动?

　　· 如果客户对这个广告作出响应，那么这潜在的收益是多少?

　　这些是零售商不断在问的问题。随着预算变得更紧张，竞争变得更加激烈，活动不断地变小，零售商必须明确他们的活动目标是对谁以及怎样去做。

　　使用数据挖掘用于这类目的可以帮助确定合适的客户，提高活动的响应率，降低相关费用，以及增加客户满意度。客户不想淹没于无意义的市场活动中。有了数据挖掘，公司就可以对正确的客户提供正确的东西。

　　在图8中的示例数据，是从历史市场活动中获得的，它告诉我们谁对一个特定活动进行了响应和谁没有响应。这个信息可以用来创建一个数据挖掘模型，它预测谁可能对未来相似的活动进行响应。我们想从这个数据生成一个模型，它可以用于一组客户以便我们可以预测未来的行为。使用Data Mining Client for Excel，我们遵循前面提到的步骤——探究、清理和分割数据，然后生成一个模型。

　　

      历史活动数据的示例

在这个过程完成之后，我们可以评定这个模型的性能。图9告诉我们如果我们应用一个预测模型到一个市场活动中去我们可以预期的响应率。在这个例子中，我们看到，通过使用一个预测模型，我们可以只针对60%的客户群达到大约80%的响应率。我们可以在未来的活动中使用这个信息。

　　

      评估模型性能

　　我们可以应用从这个模型生成的信息到一组人群中去以评估他们对一个活动响应的可能性。

　　通过使用插件中模型使用的查询工具，你可以应用一个模型来获得一列客户并评估是否他们是一个特定市场活动的对象。在图10中列出的数据集包含了一列潜在的客户。在对这个数据应用一个模型之后，最后一个字段显示了谁最可能对这个活动作出响应。这个字段是由数据挖掘工具自动生成的。这个信息提供了预测能力，使得可以更好地制定商业决策和财政决策。因为我们是在Excel环境中，我们可以在发现和探究之间轻松地转换，并用预期结果过滤客户，查看谁最可能作出响应，并可能导出这个列表。

　

      查看预测的活动响应

这类知识的财政分支是意义深远的。它可以用来确定活动的频率、哪类活动会是最有效、以及多波段的活动策略。

　　4.2 市场分区

　　通过集群可以使用分割，它提供了分类非结构化数据到具有相似特性、属性组中的功能。在零售环境中，这通常是通过客户数据来完成的，以创建定义了具有相似或独特形式或行为的客户或商店的分割。例如，集群可以用来将客户划分为高花费、中等花费和低花费客户分区。它还可以用来确定商店中产品购买趋势。这会对商店中商品怎样供给或市场人员怎样对客户说话造成影响。

　　分区可以用来帮助零售商更好地理解他们客户的花费模式、沟通设置和销售规划设置，并使用这些特征唯一地将客户分组。这些相同的原则可以用来分割商店、合作商和供应商。这个知识帮助你提高、定位策略和市场活动，并达到和客户、供应商和合作商更好的关系。零售商不能做到对每个商店或渠道一致对待。通过创建分区，零售商具有了对消费者行为更好的观察，并通过对定义的分区说恰当的话使得获得更好的满意度。Table Analysis Tools for Excel使得商业分析师可以创建可确认和可理解的分区，这些分区代表了他们的客户。

　　在图11中的示例数据是统计那些过去购买了一辆自行车的客户统计数据。如果我们将这些客户分区，我们可以更好的了解不同分组的客户谁可能购买自行车。有了这个信息，我们可以给他们提供潜在的交叉购买信息。我们可以更好地了解他们可能会怎样购买，而且我们还可以更好地了解到我们需要在广告的哪方面投入更多。

　　

      用于分区分析的统计数据示例

　　Table Analysis Tools for Excel使得商业用户可以快速而容易地创建可靠客户分区。下面的图表显示了Table Analysis Tools。

　　

      监测分类使得可以创建独特的分区