罗旭祥基于数据挖掘的产品设计

Tel:+18802185564

产品与数据

—— 基于数据挖掘的产品设计

罗旭祥188 0218 [email protected]

Tel:+18802185564

Tel:+18802185564

引言

同样是搜索土豆，他们想看到的一样么？

Tel:+18802185564

引言

同样是商品，您更愿意向谁

买？

Hi ，我有你想要的

Hi ，我这里什么都

有

Hi ，我的商品是为您准备的

Tel:+18802185564

引言

产品同样是基于数据，谁代

表了未来？

Tel:+18802185564

3. 常用数据挖掘方法 RFM 数据模型用户行为特征数据挖掘

4. 基于数据的交互设计案例案例一：基于数据的交互设计 (1.2.3)

案例二：建设以数据为中心的组织

1. 客户为中心的数据分析框架思想客户为中心的业务规划业务及营销为中心的数据体系建设

2.数据分析框架的主要事件分类（ Classification ）估计（ Estimation ）预测（ Prediction ）数据分组（ Affinity Grouping ）聚类（ Clustering ）描述（ Description ）复杂数据挖掘

Tel:+18802185564

客户为中心的业务规划

• 客户为中心的业务规划大致有三个环节：从客户研究到需求挖掘，从需求信息到数据化的需求管理，从需求文档到业务规划与设计

• 客户为中心的业务规划不仅仅需要考虑业务需求是否能够满足需求的问题，还需要考虑到业务的变化趋势，业务的营销重点

需求信息客户研究竞争对手信息公司战略当前的产品组合技术趋势

IPD

Concept Plan Develop Qualify Launch LifeCycleConcept Plan Develop Qualify Launch Life

CycleConcept Plan Develop Qualify Launch LifeCycle概念计划开发验证发布

生命周期

了解需求

进行需求细分

进行组合分析

制定业务策略和计划

优化业务计划

管理业务计划、评估

任务是

否

• 产品业务计划• 产品组合• 产品路标注：含技术 / 产品

Tel:+18802185564

客户为中心的数据分析框架思想 _ 从客户视角构建业务框架

传统业务规划方式：

Looking for goods Put in basket Payment zone Purchase

大脑风暴构建业务流程，从业务规划者角度而非客户角度出发我们不知道客户需要什么，更糟糕的是客户可能也不知道每个环节都存在客户流失，而我们不知道发生了什么客户每次点击都是营销机会，但是我们错过了每一次机会客户在每一个环节都错过了本来他可能会购买的商品当客户离开时我们永久的失去了该客户，没有留下有价值的信息

Tel:+18802185564

客户为中心的数据分析框架思想 _ 从客户视角构建业务框架

• 以客户为中心的思维方式构建业务框架• 系统需要满足不同类型的客户的个性化需求，其核心为数据挖掘和应用• 系统需要协助客户达成实现客户期望，并帮助客户发现并实现潜在需求• 系统需要智能寻找最佳的帮助时机，智能的进行客户协助• 系统建设需要考虑未来系统的发展方向，其核心为客户需求挖掘

客户为中心的业务规划：

Product Design Market

Buyer PurchaseCustomer Research

数据中心

WhoWhatWhyWhenWhereHow Put in basket Payment zone

Tel:+18802185564

客户为中心的数据分析框架思想 _ 业务及营销为中心的数据体系建设

数据中心

业务框架

数据

产品

营销客户中心

Tel:+18802185564






Tel:+18802185564

数据分析框架的主要事件

主要事件事件描述

分类根据业务的需要进行必要的分类，比如对客户评级的分类， AA 等级或 AAA

等级

估计根据业务数据判断的需要定义需要估计的数据和数据区间值，对业务进行补充和协助，例如根据客户储蓄和投资行为估计客户投资风格

预测根据数据的变化趋势预测数据的发展方向，例如根据历史投资数据帮助客户预测投资行情等

数据分组根据业务需要对数据进行分组，例如购买 A 类的客户通常也会购买 B 类，购买 A 的客户后有一个 B 周期会产生 C 行为

聚类数据集合的逻辑关系，比如同时拥有 A 特征和 B 特征的数据，可以推断出其也拥有 C 特征

描述描述性数据有助于提取关键要素进行数据归纳，例如从数据关键词中进行近似业务营销，备忘录等

复杂数据挖掘例如 Video ， Audio ，图形图像等等

Tel:+18802185564

数据分析框架的主要事件 _ 分类（ Classification ）

• 在业务构建中，最重要的分类一般是对客户数据的分类，主要用于精准营销• 通常分类数据最大的问题在于分类区间的规划，例如分类区间的颗粒度以及分类区间的

区间界限等，分类区间的规划需要根据业务流来设定，而业务流的设计必须以客户需要为核心，因此分类的核心思想在于能够完成满足客户需要的业务

• 由于市场需求是变化的，分类通常也是变化的，例如银行业务中 VIP 客户的储蓄区间

银行信用卡客户分类案例

cluster-3 ：优质客户

cluster-2 ：潜力优质客户

cluster-1 ：一般客户

cluster-4 ：劣质客户

Tel:+18802185564

数据分析框架的主要事件 _ 估计（ Estimation ）

• 通常数据估计是互动营销的基础，基于客户行为进行数据估计为基础进行互动营销已经被证实具有较高的业务转化率，银行业中通常通过客户数据估计客户对金融产品的偏好，电信业务和互联网业务则通常通过客户数据估计客户需要的相关服务或者估计客户的生命周期

• 数据估计必须基于数据的细分和数据逻辑关联性，数据估计需要有较高的数据挖掘和数据分析水平

潜在客户认

知度提升

经常性收

入

服务现金

成本

话务量

流失交叉销售

/向上销

售

坏帐折扣调整

优惠计

划更新

客户赢

回

客户获取

成本（

SAC）

客户离网

客户入网（再入网）载体客户离网载体

Mth 1

Mth 2

Mth 3

Mth 4

Mth 10

Mth 11

Mth 12

Mth 13

Mth 14

1

11

2

3

4

5

6

8

7

9

10

Tel:+18802185564

数据分析框架的主要事件 _ 预测（ Prediction ）

• 根据数据变化趋势进行未来预测通常是非常有力的产品推广方式，例如证券业通常会推荐走势良好的股票，银行会根据客户的资本情况协助客户投资理财以达到某个未来预期，电信行业通常以服务使用的增长来判断业务扩张和收缩以及营销等。

• 数据预测通常是多个变量的共同结果，每组变量之间一般会存在某个相互联系的数值，我们根据每个变量的关系通常可以计算出数据预测值，并以此作为业务决策的依据展开后续行动

股价连续打底三次，没有再创下新低价格，反而向上突破颈线

买进股票

Tel:+18802185564

数据分析框架的主要事件 _ 数据分组（ Affinity Grouping ）

• 数据分组是精准营销的基础。当数据分组以客户特征为主要维度时，通常可以用于估计下一次行为的基础，例如通过客户使用的服务特征的需要来营销配套服务和工具，购买了 A 类产品的客户一般会有 B 行为等等。

• 数据分组的难点在于分组维度的合理性，通常其精确性取决于分组逻辑是否与客户行为特征一致。

购买了 A 商品的客户

组合购买比例

对 B 感兴趣对 C 感兴趣对 D 感兴趣对 E 感兴趣

Tel:+18802185564

数据分析框架的主要事件 _ 聚类（ Clustering ）

• 数据聚类是数据分析的重点项目之一。例如在健康管理系统中通过症状组合可以大致估计病人的疾病，在电信行业产品创新中客户使用的业务组合通常是构成服务套餐的重要依据，在银行业产品创新中客户投资行为聚合也是其金融产品创新的重要依据。

• 数据聚类的要点在于聚类维度选取的正确性，需要不断的实践来验证其可行性

投资者乙投资者甲投资者丙

理智稳健型保守谨慎型投机冒险型个性：理财方式：理财工具：

风险容忍度：投资目标：投资组合管理：

• 稳健• 理智• 蓝筹股票、平衡型基金、万能保险

• 适中• 稳健成长• 综合平衡保守

型与投机型的做法

• 谨慎• 保守• 银行存款、收益型基金、高

等级债券、传统型保险、分红保险

• 较低• 稳健保本• 定期定额投资法、分散投资法

• 冒险• 投机• 成长型股票、对冲型基金、期货、垃圾债券、投资连结保险

• 较高• 积极成长• 低吸高抛法、集中投资法

投资者的类型

Tel:+18802185564

数据分析框架的主要事件 _ 描述（ Description ）

• 描述性数据的最大效用在于可以对事件进行详细归纳，通常很多细微的机会发现和灵感启迪来自于一些描述性的客户建议，同时客户更愿意通过描述性的方法来查询搜索等，这时就需要技术上通过较好的数据关联方法来协助客户。

• 描述性数据的使用难点在于大数据量下数据要素提取和归类，其核心在于要素提取规则以及归类方法。要素提取和归类是其能够被使用的基础。

我比较喜欢稳健性投资

稳健 A基金

稳健 B基金

稳健 C基金

根据描述关联产品或服务

通常有较高的转化率

Tel:+18802185564

数据分析框架的主要事件 _ 复杂数据挖掘

• 复杂数据挖掘比如 Video ， Audio 等，其要素目前依然难以通过技术手段提取，但也可以从上下文与语境中提取一些要素帮助聚类。例如重要客户标记了高度重要性的Video 一般优先权重也应该较高。

• 复杂数据的挖掘目前处理的方式一般通过数据录入的标准化来解决，核心在于数据录入标准体系的规划。建议为了整理的方便，初期规划是尽可能考虑完善，不仅仅适用现在，而且可以适用于未来。

客户研究复杂数据上下文背景Map

Tel:+18802185564






Tel:+18802185564

RFM数据模型

• RFM模型： R(Recency) 表示客户最近一次购买的时间有多远， F(Frequency) 表示客户在最近一段时间内购买的次数， M(Monetary) 表示客户在最近一段时间内购买的金额。一般原始数据为 3 个字段：客户 ID 、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到 RFM得分，进而可以进行客户细分，客户等级分类， Customer Level Value得分排序等

Tel:+18802185564

RFM数据模型

• 假定我们拿到一个月的客户充值行为数据集，我们们先用 IBM Modeler软件构建一个分析流，然后再找出符合 RFM 分析要求的数据：

找出符合 RFM分析要求的数

据

Tel:+18802185564

RFM数据模型

• 现在我们得到了 RFM 模型的Recency_Score 、 Frequency_Score 、 Monetary_Score 和 RFM_Score；这里对RFM得分进行了五等分切割，采用 100 、 10 、 1加权得到 RFM得分表明了 125 个RFM魔方块。

通过加权评分，得到 RFM魔方块

Tel:+18802185564

RFM数据模型

• 输出结果后将数据导入 Excel ，将 R 、 F 、 M 三个字段分类与该字段的均值进行比较，利用 Excel软件的条件格式给出与均值比较的趋势！结合 RFM 模型魔方块的分类识别客户类型：通过 RFM 分析将客户群体划分成重要保持客户、重要发展客户、重要挽留客户、一般重要客户、一般客户、无价值客户等六个级别

借助 RFM 模型魔方块进行客户识别，建立客户模型

基于用户特征展开产品

设计

Tel:+18802185564

RFM数据模型

• 其实原理很简单… .

A B C

RFM 数据模型只是常用的一种，基于业务还有更多模型能够帮助和指导产品

设计和用户体验改进

Tel:+18802185564

用户行为特征数据挖掘

客户行为特征数据获取要点（一）

• Clickstream Data 点击流数据直接访问数量访客来源访客地理位置点击流跟踪

• Outcomes Data 结果型数据访客（初次访问数，访问总数，平均回访数，关注点）页面浏览（平均浏览数，总 PV ，访问超过一页的访客比）时间（全局，人均）关键行为（如：注册，购买）转化率相关（ Keyword ，趋势，网站）

Tel:+18802185564

用户行为特征数据挖掘（某酒店订购网站点击流数据一）

酒店搜索列表页Hotels-SearchVisits:1,076,361

酒店详细页Hotels-DetailsVisits:955,555

酒店预订确认页Hotels-ConfirmVisits:119,529

Entry Page Visits:474,93344.12%

立即退出 :305,80728.41%

Exit Page Visits:630,69258.59%

Visits: 42,3733.94%

Visits: 464,11943.12%



立即退出 :365,64938.27%

Visits: 64,4606.75% Visits: 13,325

1.39%

35.45%

53.93%

11.15%


立即退出 :3510.29%


Visits: 58,26048.7%

Visits: 62,56652.3%

Visits: 371,23838.9%

Tel:+18802185564

用户行为特征数据挖掘（某酒店订购网站点击流数据二）

酒店预订确认页Hotels-ConfirmVisits:119,529

登陆 /直接预订页Myelong/LoginVisits:205,344

酒店订单填写页Hotels-OrderVisits:41,460



Visits: 36,80330.79%

Visits: 28,77714.01%

联盟登陆页Mytrip/LoginVisits:57,585

Visits: 22,98819.23%

Visits: 2,1953.81%

Visits: 9,7568.16%

23.53%

69.41%

5.29%


Visits: 13,23431.9%

Tel:+18802185564

用户行为特征数据挖掘（某酒店订购网站点击流数据三）

酒店订单填写页Hotels-OrderVisits:41,460

酒店订单确认页Hotels-EnsureVisits:33,396

酒店订单提交页Hotels-ReserveVisits:31,036




Visits: 29,04670.06%

Visits: 30,34090.85%

Visits: 8,79826.3%

Visits: 6,33120.33%

Tel:+18802185564


客户行为特征数据获取要点（二）

• Research Data 研究性数据客户研究启发式评估，客户体验测试客户属性（数据库分析）客户期望分析（从数据到服务）

• Competitive Data 竞争性数据“面”数据测量（大众分析）网络服务数据测量（行业分析）搜索引擎测量（舆情分析）

Tel:+18802185564


调研产品背景客户招募文化探寻深度访谈数据整理分析客户研究报告撰写

客户筛选标准确认

客户招募执行

访谈筛选标准

客户文化背景数据

访谈记录文档

发现点客户角色

访谈方案制作

现场实施

数据整理与分

析

设计原则

机会分析

功能设置场景

客户研究过程示例

Tel:+18802185564


客户研究案例——客户深访 :

在对客户进行的开放式访谈中 , 探寻参与的客户的 :

当前使用情况需求痛点差距心理态度渴望选择产品品牌及型号时的偏好和原因

驱动角色深访 :

访问的目的是为了收集以下数据 :

市场中不同品牌的认可度以及为什么某些品牌比其他品牌更好卖点和客户需求选择品牌和的准则制定价格的准则

除了提供销售策略开发方面的见解之外 , 这部分客户研究还将从卖家的角度提供消费者的心态 .

Tel:+18802185564


1.完成基础需求：转账，支付，查询2.电脑安全性分析3.个性化需求（功能，布局，呈现）4.理财，缴费，信用卡

她想要做的她想要知道的

1.了解广发网银有什么功能2.了解如何安全使用广发网银3.了解个人的财务状况4.了解每个业务的相关手续费

李婷 27岁

公司职员月薪 4k

经常上网，网龄 4年以上使用 Nokia N93 手机喜欢网上购物，逛论坛，看新闻等各种网上活动拥有储蓄卡和信用卡，正准备使用网银

客户建模研究案例

Tel:+18802185564


Hmm, what does this do? I’ll try it… Ooops, now what

happened?

Now, why did it do

that?

Oh, I think you clicked

on the wrong icon

Do you know why you never

tried that option?

I didn’t see it. Why don’t you

make it look like a button?

Tell me about the last big

problem you had with Word

I can never get my figures in the right place. Its

really annoying. I spent hours on it and I had to…

客户体验测试案例

Tel:+18802185564



Tel:+18802185564



Tel:+18802185564






Tel:+18802185564

案例一：其它案例应客户保密

Tel:+18802185564

案例二：产品的持续改进案例

Tel:+18802185564

业务规划阶段业务和产品设计营销执行全面优化

产品的持续改进实践案例

业务规划

业务运营中心会议

数据规划

运营规划

数据库建设

业务流设计以及相应的产品设计

营销点挖掘以及营销机会分析

营销策划

互动营销执行数据库不能满足营销需要时，升级数据库

营销方案转化为销售额

产品或服务逐渐不能满足客户需求的变化

客户需求数据挖掘与分析

Tel:+18802185564

产品的持续改进实践案例

起始计划

领导会议

相关部门动员

项目启动

数据体系建设包含配套的培训

数据体系方法

标准

数据仓库

组织结构

培训和训练

项目项目

项目项目

示范项目

持续改进

组织建设启动基础建设团队建设优化阶段

Tel:+18802185564

THANKS与信息产业共成长

Technology

罗旭祥 基于数据挖掘的产品设计

罗旭祥基于数据挖掘的产品设计