1. 程式人生 > >資料探勘在生活上的應用

資料探勘在生活上的應用

640?wx_fmt=gif

隨著資訊科技的進步,資料的收集變得十分便利。各式各樣(手機、信用卡、瀏覽網頁及部落格等)的資訊,從不同的資料來源,湧入我們預先設計好的資料倉儲。這些資訊透過資料探勘的技術組合在一起,就可快速地勾勒出每個人對生活的品味、特徵,並進一步影響我們的生活。

未來資料化世界的一個場景

下面顯示未來資料化世界的一個場景。

客服:「xx披薩店您好!請問有什麼需要我為您服務?」

顧客:「妳好,我想要………」

客服:「先生,請先告訴我您的會員卡號碼!」

顧客:「我的會員卡號碼是xxxxxxxx」

客服:「林先生您好,您是住在莊敬路一段…..,您家電話是xxxxxxxx,您的公司電話是xxxxxxxx,您的行動電話是xxxxxxxxxx(1.連結客戶資料倉儲)。請問這些資訊是否有需要更新?」

顧客:「為什麼妳知道我所有的電話號碼?」

客服:「林先生,因為我們聯機我們公司的顧客關係管理系統!」

顧客:「我想要一個海鮮披薩……」

客服:「林先生,海鮮披薩不適合您!」

顧客:「為什麼?」

客服:「根據您的醫療紀錄(2.連結醫療資料倉儲),您有高血壓和膽固醇偏高的問題」

顧客:「那……妳們有什麼可以推薦的?」

客服:「您可以試試我們的低脂健康披薩!」

顧客:「妳怎麼知道我會喜歡吃這種的?」

客服:「喔!因為您上星期一在中央圖書館借了一本《低脂健康食譜》(3.連結圖書借閱資料倉儲)」

顧客:「好…我要一個家庭號特大披薩,要多少錢?」

客服:「嗯?這個足夠您一家十口吃,六百九十九元!」

顧客:「可以刷卡嗎?」

客服:「林先生,對不起,請您付現!因為您的信用卡已經刷爆了。您現在還欠銀行十萬四千八百零七元,而且還不包括房貸利息(4.連結金融資料倉儲-信用卡)!」

顧客:「喔!那我先去附近的提款機領錢!」

客服:「林先生,根據您的記錄,您已經超過今日提款機提款限額(5.連結金融資料倉儲-現金卡)!」

顧客:「算了!妳們直接把披薩送來吧!我這裡有現金。妳們多久會送到?」

客服:「大約三十分鐘,如果您不想等,可以自己騎車來!」

顧客:「什麼?」

客服:「根據我們公司顧客關係管理系統的記錄,您有一輛摩托車,車號是x-xxxxx.」(1.連結客戶資料倉儲)

顧客:「……#@$%^&$%^&※!」

客服:「林先生,請您說話小心一點。您在20xx年x月x日用髒話侮辱警察,被判了十日拘役(6.連結刑事刑案資料庫)!」

顧客:「………………」

客服:「請問還需要什麼嗎?」

顧客:「沒有了!是不是有送三罐可樂?」

客服:「是的!不過根據記錄(2.連結醫療資料倉儲),您有糖尿病…………」

由以上的例子可以看到,資料化整合世界所帶給我們思考上的衝擊。同時,這樣的場景並非遙不可及,而是逐漸、逐漸的在發生。以下將從大賣場的手推車開始告訴你,利用資料探勘的資料化營銷方式,將如何顛覆許多傳統的營銷模式。

神奇的大賣場手推車

傳統我們到大賣場(如大潤發、家樂福等)購物時,因為要買的東西很多,免不了要推一輛手推車。目前手推車的運作方式是你必需先投10元硬幣,才能取出一輛手推車。當你將手推車推至定點歸還時,就會退還你原先投的那個10元硬幣。這樣的方式方便手推車的管理,不會到處都有手推車。但手推車除了裝載貨物外,不能有其他的用途?新一代智慧型手推車的出現,改變了我們的想法?

新一代的智慧型手推車結合了無線射頻識別(Radio Frequency Identification, RFID)技術、室內定位(Indoor Positioning System, IPS)及資料探勘(Data Mining)技術,將手推車的功能除了購物外,還能準確地預測你對產品的喜好,適時提供相關的優惠資訊給你,以提高產品的交叉銷售率(Cross-Selling Rate),並提升顧客的價值(Customer Value)。

當你要使用智慧型手推車時,首先你需要先插入會員卡,以便辨認你的身份。利用無線射頻識別技術,當你從貨架上取得產品並放入手推車後,你購物的資訊便已儲存在大賣場的資料庫中。大賣場的管理人員,也可隨時並輕鬆地掌握整個賣場貨物的銷售量及庫存量,並適時訂購即將缺貨的商品。當你完成購物時,僅需直接至櫃檯繳款,並索取購物明細,即可完成交易,大大地簡化整個管理及購物的流程。

利用室內定位技術,則賣場的管理者可隨時掌握每個顧客/手推車的購物動線。可瞭解大多數顧客的購物路徑,在每個區域的停留時間。哪些區域是熱門區,哪些乏人問津,哪些部分的動線設計不良,哪些貨品擺設的位置不對,都可透過這項技術發掘出來,大大地改善整個購物的動線及商品的擺設。

有了以上兩項技術,僅能改善整體的購物流程及商品管理。若要準確地預測顧客對產品的喜好,並適時提供相關的優惠資訊,以提高產品的交叉銷售率,則需透過資料探勘技術。資料探勘中的序列型樣(Sequential Patterns)技術,會發掘出產品購買的先後關係及時間間隔。根據一項調查顯示,購物者原本想要購買的東西,通常會漏掉11%忘了買。因此,當你將會員卡插入手推車的同時,利用此項技術即可於手推車的液晶顯示屏上顯示,你可能需要購買的商品列表及擺放的位置,並提供給你部份的折扣,以刺激你的購買興趣。資料探勘中的關聯規則(Association Rules)技術,則會發掘出產品間同時購買的可能性。因此,當你將某商品放入手推車的同時,利用此項技術可於手推車的液晶顯示屏上顯示,通常購買此種商品的人,也會同時購買那些搭配的商品,以提高產品的交叉銷售率。

除了上述兩項技術外,資料探勘中的分類(Classification)技術,會發掘出購買某特定商品的顧客特徵(Characteristics),以便推薦商品給有此特徵,但還未購買此特定商品的顧客。資料探勘中的分群(Clustering)技術,則會將顧客根據他們所購買的金額及購買商品的型別,區分成幾個族群(Clusters),並提供不同的營銷手法。例如,有一個族群的客戶是屬於有固定採購預算的客戶(可從過去數月的購買金額可以推算出)。則針對此種客戶,我們是否應給他們一些優惠及折扣,以刺激購買?我想答案應該是否定的。因為他們的預算是固定的,所以每花一塊錢來購買促銷品,則會少一塊錢來購買其他的商品,就會損害到公司的利潤。另一個可能會發掘出的族群,是一些只會購買促銷商品,而不會購買其他商品的精算型客戶。針對這種會拉低公司獲利的客戶,我們可以故意提供一些他們不願意購買的商品型別,並提供折扣。對他們希望購買的商品,卻一點折扣也沒有。讓他們覺得公司的服務非常差,以至於想換到別家賣場去。

顛覆傳統的營銷測試

新一代的智慧型手推車除了上述令人驚豔的功能外,它還能進行不同於以往的營銷測試。舉例來說,假如我們想要測試購買產品A使用者的產品忠誠度。傳統的方式,你可能需在路邊詢問路人是否有購買過產品A。然後經過一連串的問卷調查、統計檢定,才能歸納出那種人對產品A的忠誠度高。有了智慧型手推車後,這樣的工作就顯得簡單許多。

我們可以由無線射頻識別技術,知道目前賣場購買產品A的確實人數,假設100人。假如這100人分屬我們由資料探勘技術所發掘出的3個族群,且分別為族群1(30人)、族群2(40人)、族群3(30人)。由於我們想要利用產品B(是產品A最大的競爭對手)去測試顧客對產品A的忠誠度,所以我們將族群1隨機平分成3個小族群:一群去促銷產品B,並給與5%的優惠;一群去促銷產品B,並給與10%的優惠;一群去促銷產品B,但只有通知,沒有優惠。其它兩群也是以相同的方式去產生小族群。整體的營銷測試,如圖1所示。

640?wx_fmt=png

圖1 營銷測試圖

然後我們將這些促銷的資訊立即顯示於顧客智慧型手推車的液晶顯示屏上,並告知活動的時間只有30分鐘。由室內定位技術我們可以立即得知顧客對這項活動的熱衷程度(被鎖定的族群可用不同的顏色顯示,並觀察是否有朝產品B的方向移動)。同時我們也可以立即得知,那一個族群的人,對產品A的忠誠度最不足?那一種人,只要略施小惠,即投奔他營?那一種人,需要較大的優惠,才能打動他?那一種人,不動如山,對產品A的忠誠度,矢志不移?這樣的活動,可以隨時做,並實時得到營銷測試的結果,豈不令人讚歎!

來源:經管之家

文章版權歸原作者所有,轉載僅供學習使用,不用於任何商業用途,如有侵權請留言聯絡刪除,感謝合作。

640?wx_fmt=png

640?wx_fmt=gif

相關推薦

資料時代下資料技術的應用

原文連結:https://mp.weixin.qq.com/s/bxSEO4gKQ-BbDWT1BNnwyw 隨著社會資訊化的迅速發展,無論是資料的變化速率,還是資料的新增種類都在不斷更新,資料研究變得越來越複雜,這意味著“大資料時代”到來。2011年,網際網路資料中心(internet dat

在R中使用支援向量機(SVM)進行資料

在R中,可以使用e1071軟體包所提供的各種函式來完成基於支援向量機的資料分析與挖掘任務。請在使用相關函式之前,安裝並正確引用e1071包。該包中最重要的一個函式就是用來建立支援向量機模型的svm()函

資料生活應用

隨著資訊科技的進步,資料的收集變得十分便利。各式各樣(手機、信用卡、瀏覽網頁及部落格等)的資訊,

資料演算法與現實生活中的應用案例

如何分辨出垃圾郵件”、“如何判斷一筆交易是否屬於欺詐”、“如何判斷紅酒的品質和檔次”、“掃描王是如何做到文字識別的”、“如何判斷佚名的著作是否出自某位名家之手”、“如何判斷一個細胞是否屬於腫瘤細胞”等等,這些問題似乎都很專業,都不太好回答。但是,如果瞭解一點點資

資料技術在軌跡資料應用實踐

​![](https://img2020.cnblogs.com/other/1632886/202009/1632886-20200927195536176-2111762314.png) ![](https://img2020.cnblogs.com/other/1632886/202009/163288

資料與資料化運營實戰:思路、方法、技巧與應用》第一章 什麼是資料化運營

《資料探勘與資料化運營實戰:思路、方法、技巧與應用》電子書地址:http://www.chforce.com/books/datamining-om-by-data/index.html 資料化運營實施的前提條件包括企業級海量資料儲存的實現、精細化運營的需求(與傳統的粗放型運營相對比)、資料分析

吳裕雄 資料與分析案例實戰(12)——SVM模型的應用

import pandas as pd # 匯入第三方模組from sklearn import svmfrom sklearn import model_selectionfrom sklearn import metrics # 讀取外部資料letters = pd.read_csv(r'F:\\py

資料建築應用

基於資料探勘的建築能耗評價研究 John  E.  Seem 基於建築能耗逐日資料,通過與歷史用能情況相比,來判別對於特定某一天的建築能耗是否存在異常;並通過歷史能耗資料的平均值和標準差,來確定異常能耗與正常能耗的差異程度 Imran  Khan&n

資料在公共建築能耗分析中的應用研究

本文提出運用資料探勘技術進行公共建築的能耗分析,以提高節能決策的有效性,主要研究內容及方法如下:  ①能量利用效率的量化。針對能量利用效率存在簡單判定的不足,提出能耗分佈率的概念並給出其計算公式。  ②建立公共建築能耗分析的聚類模型。公共建築能耗分析的資料探勘應用主題有能耗預測、

資料在商用建築領域的應用

 能源與環境是當今世界的兩大熱點問題, 越來越受到世人的矚目。我國是 能源消費大國, 能源利用率低,人均能源儲備很少, 節能工作成為了國家當務 之急的重任。本文藉助新興的資料探勘技術來研究和預測建築能耗, 為本專業 在建築能耗領域的研究提供新方法和新思路, 做出跨學科研究

資料應用案例】摩拜騎行資料違章停車

案例來源:@機器之心 作者:Tianfu He、Jie Bao、Ruiyuan Li、Sijie Ruan、Yanhua Li、Chao Tian、Yu Zheng 0. 背景: 隨著汽車保有量增加,停車位供不應求,違章停車現象增加。傳統的檢測違停的方式是交警巡

看完“最老程式設計師創業札記:全文檢索、資料、推薦引擎應用” 有感

         今天早起,看完這篇文章,頗有感,想記錄一些關鍵點,以期後用! 這篇文章很不錯,但是卻讓讀者完整的經歷了在網際網路領域從草根idea到產品上線盈利的完整過程。 1、技術積累很重要。文章

專注於資料演算法研究和應用

開宗明義,B樹是為磁碟或其他直接存取輔助裝置而設計的一種平衡查詢樹。一般設計的簡單資料結構都是面向主存而設計的,主存讀取速度快但容量小;而磁碟讀取速度慢而容量大,於是針對磁碟而設計的資料結構就不同於為主存而設計的。就樹結構上來說,紅黑樹的二叉性質和高深度適合主存,而B樹正是

萌新向Python資料分析及資料 第一章 Python基礎 ()未排版

因word和部落格編輯器格式不能完全對接,正在重新排版,2019年1月1日發出第一章完整版     本文將參考《Python程式設計 從入門到實踐》的講述順序和例子,加上自己的理解,讓大家快速瞭解Python的基礎用法,並將拓展內容的連結新增在相關內容之後,方便大家閱讀。

資料的的超級應用資料之推薦系統

資料探勘——推薦系統   大資料可以認為是許多資料的聚合,資料探勘是把這些資料的價值發掘出來,比如有過去10年的氣象資料,通過資料探勘,幾乎可以預測明天的天氣是怎麼樣的,有較大概率是正確的。 機器學習是人工智慧的核心,對大資料進行發掘,靠人工肯定是做不來的,那就得靠機器代替

網際網路和金融 在資料究竟存在什麼區別

轉自:http://www.chinacloud.cn/show.aspx?id=21991&cid=22 (一)“分析”和“演算法”   在網際網路中,“分析”和“演算法”,分得非常開,對應著“資料分析師”和“演算法工程師”兩種角色。前者更多側重資料提取、加工、

資料在金融行業十大應用

目前資料探勘在各行各業應用廣泛,尤其在金融、保險、電子商務和電信方面得到了很好的效果,本文對金融行業資料探勘應用做了一個簡單的總結,目的是想起到拋磚引玉的作用,歡迎各位大牛拍磚。 一:風險控制(貸款償還預測和客戶信用評價) 有很多因素會對貨款償還效能和客戶信用等級計算

在Jupyter notebook和spyder用python做資料,安裝使用簡介和常見錯誤

這裡借知乎使用者的幾句對Jupyter notebook評價: 我很喜歡Jupyter,使用的過程就好比拿紙和筆,還有計算器做數學演算. 而且可以把草稿輕鬆擦掉。比如,要寫個小Paper,完全可以用Jupyter來做,程式碼和論述完美的結合了,而且直接還

資料—LDA,PCA特徵提取降維與SVM多分類在人臉識別中的應用資料集ORL

@vision 3 @author:馬旭 @tel:13952522076 @email:[email protected] 執行:執行predict.m檔案; 結果:時間一般為0.2秒左右,正確率100%;(因為測試集比較少) 預處理資料preprocess

詳細解釋資料中的 10 大演算法(

在一份調查問卷中,三個獨立專家小組投票選出的十大最有影響力的資料探勘演算法,今天我打算用簡單的語言來解釋一下。 一旦你知道了這些演算法是什麼、怎麼工作、能做什麼、在哪裡能找到,我希望你能把這篇博文當做一個跳板,學習更多的資料探勘知識。 還等什麼?這就開始吧! 1.