Modèle de marketing précis basé sur l'exploitation de données importante inclut des couches de données, des classes d'entreprise et des classes d'applications, dans lesquelles la classe d'entreprise se compose de deux parties: Portrait de clients et de tissus. Ce modèle construit un portrait en trois dimensions de l'utilisateur des propriétés de la population, des crédits financiers, de la communication, de la communication, de la priorité des applications, de la zone de résidence, etc sur la base de fonctionnalités typiques basées sur les données historiques des utilisateurs de mémoire, le modèle de prédiction sera Construit pour exporter le groupe d'utilisateurs cible parmi les produits et le modèle est corrigé par la confiance du modèle et des effets prédictifs, et finalement obtenir un soutien efficace pour les stratégies de marketing pour fournir des stratégies de marketing.

1. Collecte de données

La collecte de données est la base de la plate-forme de marketing de données élevée, la variété des types de données et des différences de sources de données affectent la qualité des données ou même la creusement. Un facteur important dans l'effetg. Du point de vue des données, le type de données peut être divisé en:

Données statiques, y compris les propriétés de la population, les propriétés commerciales, etc principalement pour analyser les propriétés de base des utilisateurs et des catégories d'étiquettes intelligentes. Grâce au sexe, à l'âge, à la carrière, à l'éducation, aux revenus, à l'analyse connexe, à savoir quel type de personne est utilisateur.

Les données récentes sont principalement des données de comportement réseau pendant une période de temps et ont gagné la priorité des taux d'intérêt des utilisateurs en analysant des applications actives, accédant à des utilisateurs de contenu récents, de comportements de communication, de domaines de résidence, etc Sachez quels utilisateurs se soucient.

Les données en temps réel sont principalement des données de comportement réseau, y compris des informations de recherche, des informations de magasinage, une localisation géographique en temps réel, un utilisateur cible, etc. Où?

Lundi, portraits des clients

Portrait de clients est la priorité absolue de son modèle de marketing précis et de son noyauUtilisez les caractéristiques élevées subtiles afin que les utilisateurs jouent des étiquettes ~, telles que l'âge, le sexe, la géographie, la priorité des utilisateurs, la consommation, etc. Portrait de clients peuvent absréner abstraitement des utilisateurs hors de l'information, fournit une plate-forme de données complète pour une prédiction plus précise et rapide de Comportement des utilisateurs, consommation, etc fournissant une base de données complète, qui constitue le fondement de la commercialisation des données élevées exactement. Sur la base de cela, l'auteur recommande de construire des portraits des clients basés sur une analyse de données importante à partir de six dimensions, notamment des propriétés de la population, des options de contenu, des options de demande, des comportements de communication, des crédits financiers, des résidents / en temps réel.

Mardi, bâtiment modèle
Les méthodes d'exploration de données générales sont principalement basées sur les systèmes de portraits des clients et les résultats, choisissent une grande caractéristique variable de variable supplémentaire, à travers des modèles de classification, des classes de poly, de la régression. Modèles, réseaux nerveux et règles d'association de machines TMettre en œuvre une excavation profonde. Le contenu de base de l'algorithme général est le suivant:
1, classification et cluster
L'algorithme de classification est une méthode d'exploration de données extrêmement utilisée et pense que son noyau est d'identifier les caractéristiques communes de la élément de données cible. Et diviser les éléments de données en différentes catégories en fonction des règles de classification. L'algorithme de cluster est de diviser une donnée définie en un certain nombre de types et de différences similaires, créez des similitudes entre les mêmes données de catégorie que possible et les différents types de données sont aussi petits que possible. L'objectif de classification et de clustering est la classification des éléments de données, mais les deux ont des différences significatives. La classification est une étude de surveillance, ce qui signifie que ces types sont connus. Grâce à la formation et à l'apprentissage des classifications connues, recherchez différentes fonctionnalités de classe, puis classer les données non qualifiées. Le cluster apprend parfaitement, pas besoin de former et d'apprendre des données. Algorithmes de classification générale avec algorithme de classification de l'arbre décidéAlgorithme de classification NEAT, Bayes, V.V.; Les algorithmes de cluster incluent des grappes système, des clusters moyens k-moyens K, V.V.

2, Analyse de régression

L'analyse de rendement est une méthode d'analyse statistique permettant d'identifier deux ou plusieurs variables quantitatives quantitatives inter-quantitatives, et des problèmes de recherche que le sauvetage principal inclut des séquences de données. Caractéristiques, prédictions de séquences de données et relations connexes entre données et similaires. Selon une variable indépendante du modèle, l'algorithme de régression peut être divisé en une analyse de régression à sens unique et une analyse de régression; Selon la relation entre les variables indépendantes et variables, elle peut être divisée en analyse linéaire et analyse de régression non linéaire.

3, NEUR NEURAL
L'algorithme de réseau neurologique est un système de réseau qui développe un mécanisme de traitement de l'information humaine basé sur la recherche neurologique moderne, non seulement des mathématiques générales puissantes. Il y a aussi des pensées, des connaissances d'apprentissage et de mémoire. C'est l'artN L'apprentissage est basé sur le conseiller pour simuler l'entrée et la sortie des systèmes complexes et avoir une cartographie non linéaire très forte. Le processus d'excavation de neurones comprend quatre étapes de la préparation des données, de l'extraction de règles, des applications de règle et des évaluations d'évaluation. Dans l'exploitation minière de données, l'algorithme de réseau de neurones est souvent utilisé.

4, Analyse de l'association

L'analyse de liaison est dans les données de transaction, les données relationnelles ou d'autres fournisseurs d'informations, à trouver la structure de causalité d'association, de corrélation ou de causalité existante, il existe entre les collections de projet ou les collections de destination. C'est une règle qui existe entre différents éléments de données dans la base de données. Par exemple, un changement de données et l'autre change également et il peut y avoir des liens entre les deux éléments de données. L'analyse de l'association est un modèle d'exploration de données très utile pour aider les entreprises à repasser de nombreux portefeuilles de produits utiles proposées, promotion spéciale de portefeuille, peut trouver de nombreux clients plus de biens potentiels, réalisez l'ouvertureDonnées diaboliques dans la réalité.4 Marketing Exploitant d'importantes données dans un marketing précis peut être divisée en deux catégories principales, notamment des applications hors ligne et des applications en ligne.Parmi eux, des applications hors ligne principalement basées sur les portraits des clients pour exploiter des données, différentes activités de marketing dédiées, y compris une exploitation potentielle des clients, des pertes et des clients de la construction fréquentes installations de marketing. Les applications en ligne sont basées sur des résultats miniers en temps réel, promouvoir et marketing des annonces précises , y compris les programmes DMP, DSP et d'achat.