專利名稱：一種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法
技術(shù)領(lǐng)域：
本發(fā)明涉及ー種營銷推薦方法，特別是涉及ー種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法。
背景技術(shù)：
隨著科技的進(jìn)步和競爭環(huán)境的變化，越來越多企業(yè)通過數(shù)據(jù)挖掘、組合優(yōu)化、聯(lián)合分析等分析工具開展精準(zhǔn)營銷活動。精準(zhǔn)營銷的核心是數(shù)據(jù)驅(qū)動或知識驅(qū)動，其效果的優(yōu)劣取決于高質(zhì)量的數(shù)據(jù)“驅(qū)動”推薦營銷，最終達(dá)成“精準(zhǔn)”的營銷決策。然而，由于數(shù)據(jù)挖掘、組合優(yōu)化、聯(lián)合分析等方法的操作對象僅僅是抽象數(shù)據(jù)，因 此，即使完全不相關(guān)的數(shù)據(jù)也會被“挖掘”出所謂的“規(guī)律”，而這些規(guī)律在現(xiàn)實(shí)的市場活動中是毫無意義的，因此我們稱這些數(shù)據(jù)為不完善數(shù)據(jù)。為了避免此類無效數(shù)據(jù)被盲目的應(yīng)用于數(shù)據(jù)挖掘、組合優(yōu)化、聯(lián)合分析，從而進(jìn)一步將分析結(jié)果用來知道公司決策，需要從技術(shù)層面和戰(zhàn)略層面關(guān)注數(shù)據(jù)質(zhì)量對企業(yè)營銷的影響。由于造成數(shù)據(jù)質(zhì)量問題的原因錯(cuò)綜復(fù)雜，目前企業(yè)基于建立和運(yùn)營的管理信息系統(tǒng)以及研究機(jī)構(gòu)的分析模型和技木工具，均沒有提出針對不完善數(shù)據(jù)的系統(tǒng)解決方案。根據(jù)加特納集團(tuán)、普華永道、數(shù)據(jù)倉庫研究所等著名國際咨詢公司的調(diào)研結(jié)果，由于不完善數(shù)據(jù)而造成的管理危機(jī)給企業(yè)造成了巨大的損失美國企業(yè)給錯(cuò)誤的客戶郵寄或投遞完全不會帶來營業(yè)的資料所造成的浪費(fèi)高達(dá)6110億美元?dú)澳辏?8%的數(shù)據(jù)整合項(xiàng)目完全失敗或預(yù)算嚴(yán)重超支；33%的企業(yè)因?yàn)椴煌晟茢?shù)據(jù)而推遲或取消信息系統(tǒng)運(yùn)作；客戶數(shù)據(jù)質(zhì)量每年顯著下降25%。數(shù)據(jù)不完善是導(dǎo)致企業(yè)不愿意選擇營銷學(xué)術(shù)研究成果的重要原因。數(shù)據(jù)不完善，即使用再好的統(tǒng)計(jì)、分析工具也無法得出有價(jià)值的結(jié)果。因此，大量的基于嚴(yán)格數(shù)據(jù)基礎(chǔ)假設(shè)的科學(xué)研究成果均難以滿足企業(yè)的現(xiàn)實(shí)需要，從而失去了對營銷業(yè)者的參考和指導(dǎo)價(jià)值。由于精準(zhǔn)營銷方法是ー種涉及經(jīng)濟(jì)學(xué)、營銷學(xué)、運(yùn)籌學(xué)、信息科學(xué)、人工智能等學(xué)科的ー種跨學(xué)科，容易導(dǎo)致學(xué)術(shù)研究和解決方案局限于少數(shù)學(xué)科領(lǐng)域，缺乏綜合性的戰(zhàn)略視角和整體框架。因此，營銷業(yè)界、數(shù)據(jù)挖掘業(yè)界和信息技術(shù)業(yè)界均急需ー種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法。

發(fā)明內(nèi)容
為了克服現(xiàn)有營銷方法在不完善數(shù)據(jù)情況下不精準(zhǔn)的缺陷，本發(fā)明提供一種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，技術(shù)方案如下一種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在于，包含以下步驟(I)數(shù)據(jù)收集通過企業(yè)內(nèi)部和企業(yè)外部搜尋客戶的相關(guān)數(shù)據(jù)；(2)數(shù)據(jù)處理將搜集到的數(shù)據(jù)中的信息轉(zhuǎn)化為適合數(shù)據(jù)挖掘、模式發(fā)現(xiàn)等分析エ具需要的分析變量；(3)將分析變量進(jìn)ー步細(xì)分，為建模分析提供依據(jù)；(4)客戶描述將數(shù)據(jù)處理所獲取的數(shù)據(jù)整理形成客戶檔案；(5)建模分析基于統(tǒng)計(jì)學(xué)、計(jì)量經(jīng)濟(jì)學(xué)、消費(fèi)者行為學(xué)理論建立科學(xué)分析模型；(6)將分析變量和客戶檔案放入分析模型中，得出客戶偏好、購買行為、咨詢行為等決策變量；(7)根據(jù)決策變量向客戶進(jìn)行業(yè)務(wù)的營銷推薦。上述ー種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在干，所述通過企業(yè)內(nèi)部搜尋 客戶相關(guān)數(shù)據(jù)的途徑包含企業(yè)聯(lián)絡(luò)中心記錄的客戶交互記錄、營銷部門開展的市場調(diào)研、其它部門通過商業(yè)智能系統(tǒng)傳遞的相關(guān)信息。上述一種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在于，所述通過企業(yè)外部搜尋客戶相關(guān)數(shù)據(jù)的途徑包含從商業(yè)伙伴、競爭對手、渠道商，顧客、供應(yīng)商獲取的相關(guān)數(shù)據(jù)。上述一種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在于，所述數(shù)據(jù)處理的方法包含數(shù)據(jù)選取、數(shù)據(jù)集成、數(shù)據(jù)清理、數(shù)據(jù)歸約。上述一種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在于，所述數(shù)據(jù)選取是從公司的原始數(shù)據(jù)庫中選出與營銷和知識發(fā)現(xiàn)任務(wù)相關(guān)的數(shù)據(jù)表項(xiàng)；數(shù)據(jù)集成指將多個(gè)數(shù)據(jù)源合并成一致的數(shù)據(jù)存儲；數(shù)據(jù)清理解決數(shù)據(jù)庫中的空缺值、錯(cuò)誤數(shù)據(jù)、孤立點(diǎn)和噪聲的問題；數(shù)據(jù)歸約是指通過變換數(shù)據(jù)的表示形式來得到可以保持原有數(shù)據(jù)完整性的相對較小的數(shù)據(jù)集。上述一種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在干，將數(shù)據(jù)進(jìn)ー步細(xì)分為基礎(chǔ)變量、參考變量和概要變量。上述一種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在于，所述基礎(chǔ)變量是基于公司已有數(shù)據(jù)構(gòu)建的基本信息變量；參考變量是基于市場調(diào)研搜集到的數(shù)據(jù)構(gòu)建的變量；概要變量是根據(jù)營銷決策需要生成的有助于進(jìn)一歩深入判斷客戶屬性和行為特征的中間變量。上述一種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在于，所述客戶檔案包含基于客戶人口統(tǒng)計(jì)學(xué)數(shù)據(jù)的基本概況、基于客戶歷史行為的偏好概況以及和關(guān)聯(lián)規(guī)則相關(guān)的規(guī)則概況。上述一種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在于，所述建模分析包括建立預(yù)測模型、聚類和分類模型、偏好模型和其他模型。本發(fā)明的有益效果是有效的優(yōu)化了客戶數(shù)據(jù)庫、產(chǎn)品數(shù)據(jù)庫，新建了具有較好營銷決策參考價(jià)值的業(yè)務(wù)歷史數(shù)據(jù)庫；并通過增強(qiáng)型價(jià)值網(wǎng)絡(luò)數(shù)據(jù)收集系統(tǒng)的實(shí)施，實(shí)現(xiàn)了基于前瞻視野的數(shù)據(jù)規(guī)劃，有效轉(zhuǎn)換和利用企業(yè)已有會員或客戶資源，形成產(chǎn)業(yè)資源整合的戰(zhàn)略優(yōu)勢。


下面結(jié)合附圖和具體實(shí)施方式
來詳細(xì)說明本發(fā)明圖I是本發(fā)明方法的流程示意圖。圖2是數(shù)據(jù)收集的示意圖。
圖3是精準(zhǔn)營銷常用的建模變量表。圖4是常用的客戶檔案屬性表。圖5是現(xiàn)有的精準(zhǔn)營銷建模及典型應(yīng)用。
具體實(shí)施例方式為了使本發(fā)明實(shí)現(xiàn)的技術(shù)手段、創(chuàng)作特征、達(dá)成目的與功效易于明白了解，下面結(jié)合具體圖示，進(jìn)ー步闡述本發(fā)明。參看圖1，一種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，包含以下步驟
步驟1，數(shù)據(jù)收集。收集方法請參看圖2，通過企業(yè)內(nèi)部和企業(yè)外部搜尋客戶的相關(guān)數(shù)據(jù)。通過企業(yè)內(nèi)部搜尋客戶相關(guān)數(shù)據(jù)的途徑包含企業(yè)聯(lián)絡(luò)中心記錄的客戶交互記錄、營銷部門開展的市場調(diào)研、其它部門通過商業(yè)智能系統(tǒng)(企業(yè)資源計(jì)劃系統(tǒng)和客戶關(guān)系管理系統(tǒng))傳遞的相關(guān)信息。通過企業(yè)外部搜尋客戶相關(guān)數(shù)據(jù)的途徑包含從商業(yè)伙伴、競爭對手、渠道商，顧客、供應(yīng)商獲取的相關(guān)數(shù)據(jù)。例如與商業(yè)伙伴的長期合作，實(shí)現(xiàn)客戶數(shù)據(jù)資源的共享和轉(zhuǎn)化；通過收集對手的產(chǎn)品、價(jià)格、渠道、促銷數(shù)據(jù)；由渠道商、顧客、供應(yīng)商處得到的反饋數(shù)據(jù)。( 2 )數(shù)據(jù)處理將搜集到的數(shù)據(jù)中的信息轉(zhuǎn)化為適合數(shù)據(jù)挖掘、模式發(fā)現(xiàn)等分析エ具需要的分析變量；由于信息來源的不同和衡量口徑的差異，收集的數(shù)據(jù)可能是分散、冗余或非結(jié)構(gòu)化的，甚至可能是不準(zhǔn)確、不完全或不一致的“臟數(shù)據(jù)”。此類數(shù)據(jù)可以分為兩類一類是某方面異常的數(shù)據(jù)，一類是適用范圍異常或業(yè)務(wù)價(jià)值缺陷的數(shù)據(jù)。對于第一種數(shù)據(jù)，通過分解、轉(zhuǎn)換、完整性約束強(qiáng)制、重復(fù)消除和統(tǒng)計(jì)方法等數(shù)據(jù)清理手段，處理形成相對完整的內(nèi)部數(shù)據(jù)庫；對于第二類數(shù)據(jù)，則需要引入商業(yè)規(guī)則、系統(tǒng)標(biāo)準(zhǔn)，結(jié)合外部數(shù)據(jù)源進(jìn)行更深入的數(shù)據(jù)處理。商業(yè)規(guī)則是指控制商業(yè)行為的條例；系統(tǒng)標(biāo)準(zhǔn)是各方面均認(rèn)可的一種公認(rèn)準(zhǔn)貝1J。數(shù)據(jù)處理包括去除與商業(yè)規(guī)則不符合的數(shù)據(jù)、去除與系統(tǒng)標(biāo)準(zhǔn)不符合的數(shù)據(jù)和引入外部數(shù)據(jù)庫數(shù)據(jù)。數(shù)據(jù)處理的方法包含數(shù)據(jù)選取、數(shù)據(jù)集成、數(shù)據(jù)清理、數(shù)據(jù)歸約。數(shù)據(jù)選取是在公司的原始數(shù)據(jù)庫中檢索相關(guān)信息，從中選出與營銷和知識發(fā)現(xiàn)任務(wù)相關(guān)的數(shù)據(jù)表項(xiàng)；數(shù)據(jù)集成指將多個(gè)檢索出的用于營銷推薦方法的數(shù)據(jù)源合并成一致的數(shù)據(jù)存儲；數(shù)據(jù)清理主要解決數(shù)據(jù)庫中的空缺值、錯(cuò)誤數(shù)據(jù)、孤立點(diǎn)和噪聲等問題；數(shù)據(jù)歸約是指通過變換數(shù)據(jù)的表示形式來得到可以保持原有數(shù)據(jù)完整性的相對較小的數(shù)據(jù)集，使得數(shù)據(jù)在小范圍內(nèi)更精準(zhǔn)，提高挖掘模式的質(zhì)量，降低時(shí)間復(fù)雜度。(3)將分析變量進(jìn)ー步細(xì)分，為建模分析提供依據(jù)；本發(fā)明基于變量設(shè)計(jì)和拓展的戰(zhàn)略視角，將精準(zhǔn)營銷分析變量的構(gòu)建過程分為基礎(chǔ)數(shù)據(jù)的構(gòu)建、業(yè)務(wù)數(shù)據(jù)的構(gòu)建和分析變量的構(gòu)建三個(gè)階段。前兩階段主要是收集上述相關(guān)數(shù)據(jù)信息，形成構(gòu)建分析變量所需的基礎(chǔ)數(shù)據(jù)庫和業(yè)務(wù)數(shù)據(jù)庫；第三階段將分析變量細(xì)分為基礎(chǔ)變量、參考變量、概要變量三類，以更好的為預(yù)測目標(biāo)客戶行為提供建模依據(jù)。
具體而言，基礎(chǔ)變量是基于公司已有數(shù)據(jù)構(gòu)建的相關(guān)變量，如產(chǎn)品和客戶的基本信息，客戶交互行為變量等；參考變量是基于市場調(diào)研等手段搜集到的數(shù)據(jù)構(gòu)建的變量，可以用來詳細(xì)了解客戶深度特征(如客戶反饋、品牌認(rèn)知、媒體偏好等)和市場競爭情況(如主要競爭對手、產(chǎn)品差異等)；概要變量是基于業(yè)務(wù)數(shù)據(jù)和其它變量，根據(jù)營銷決策需要生成的有助于進(jìn)一歩深入判斷客戶屬性和行為特征的中間變量。概要變量是拓展精準(zhǔn)營銷分析變量的重要環(huán)節(jié)一方面，概要變量包含并綜合了已有數(shù)據(jù)、業(yè)務(wù)規(guī)劃(營銷導(dǎo)向)和其它變量的有效信息，已經(jīng)初歩具有對客戶特征的推斷能力；另一方面，概要變量是精準(zhǔn)營銷建模分析的重要輸入變量，決策價(jià)值高，信息規(guī)范性強(qiáng)，不但拓展了數(shù)據(jù)和變量來源，而且可以有效解決模型應(yīng)用前提條件不滿足等瓶頸現(xiàn)象。具體情況參看表一，如圖3所示精準(zhǔn)營銷常用的建模變量表。(4)客戶描述將數(shù)據(jù)處理所獲取的數(shù)據(jù)整理形成客戶檔案；客戶檔案包含基于客戶人口統(tǒng)計(jì)學(xué)數(shù)據(jù)的基本概況、基于客戶歷史行為的偏好概 況以及和關(guān)聯(lián)規(guī)則相關(guān)的規(guī)則概況。參看圖4，表ニ 客戶檔案屬性表?；靖艣r包括基本信息，地理信息，文化、種族、家庭背景信息，經(jīng)濟(jì)條件、收入情況或購買能力信息；基本信息包括姓名、年齡和性別；地理信息包括居住區(qū)域和聯(lián)系方式；文化、種族、家庭背景信息包括文化程度、民族背景和家庭結(jié)構(gòu)；經(jīng)濟(jì)條件、收入情況或購買能力信息包括職業(yè)情況、收入水平和購買カ。偏好概況包括購買行為、態(tài)度認(rèn)知、產(chǎn)品認(rèn)知、信息認(rèn)知和購買行為；購買行為包括消費(fèi)頻率、購買周期和購買金額；態(tài)度認(rèn)知包括抱怨頻率、滿意度和傾向性；產(chǎn)品認(rèn)知包括對產(chǎn)品、服務(wù)或品牌的認(rèn)知度；信息認(rèn)知包括媒體偏好和信息來源；購買行為包括會員注冊方式等。規(guī)則狀況包括生活方式和購買規(guī)律；生活方式包括消費(fèi)習(xí)慣和消費(fèi)傾向；購買規(guī)律包括消費(fèi)品位和企業(yè)消費(fèi)。(5)建模分析基于統(tǒng)計(jì)學(xué)、計(jì)量經(jīng)濟(jì)學(xué)、消費(fèi)者行為學(xué)理論建立科學(xué)分析模型，推斷客戶偏好、購買行為、咨詢行為；建模分析包括建立預(yù)測模型、聚類和分類模型、偏好模型和其他模型。見圖5，表三精準(zhǔn)營銷建模及典型應(yīng)用。預(yù)測模型包括回歸分析模型、Logit和Probit模型、神經(jīng)網(wǎng)絡(luò)等人工智能模型、貝葉斯網(wǎng)絡(luò)模型和危險(xiǎn)率模型?；貧w分析模型用于預(yù)測客戶對公司產(chǎn)品或服務(wù)的反應(yīng)；Logit和Probit模型用于預(yù)測客戶對公司特定營銷活動的反應(yīng)；神經(jīng)網(wǎng)絡(luò)等人工智能模型用于預(yù)測公司預(yù)測活動或定價(jià)策略效果；貝葉斯網(wǎng)絡(luò)模型用于預(yù)測不同因素對客戶行為的影響；危險(xiǎn)率模型用于預(yù)測客戶流失概率。聚類和分類模型包括聚類模型、潛在等級細(xì)節(jié)、分類回歸樹、自動交互探測模型和最近臨技木。用于確定客戶屬于何種市場細(xì)分、分析細(xì)分客戶群體特征和分析公司應(yīng)如何細(xì)分客戶。偏好模型包括期望價(jià)值模型、聯(lián)合分析、理想點(diǎn)模型、層次貝葉斯分析和協(xié)同過濾。用于分析不同屬性客戶的價(jià)值、備選屬性效用對客戶的價(jià)值和應(yīng)該向客戶推薦何種產(chǎn)品和服務(wù)。本發(fā)明的建模還可以應(yīng)用如下模型遺傳算法、粗糙集、可視化分析和文本挖掘。(6)將分析變量和客戶檔案放入分析模型中，得出客戶偏好、購買行為、咨詢行為
等決策變量；(7)根據(jù)決策變量向客戶進(jìn)行業(yè)務(wù)的營銷推薦。本發(fā)明有效的優(yōu)化了客戶數(shù)據(jù)庫、產(chǎn)品數(shù)據(jù)庫，新建了具有較好營銷決策參考價(jià)值的業(yè)務(wù)歷史數(shù)據(jù)庫；并通過增強(qiáng)型價(jià)值網(wǎng)絡(luò)數(shù)據(jù)收集系統(tǒng)的實(shí)施，實(shí)現(xiàn)了基于前瞻視野的數(shù)據(jù)規(guī)劃，有效轉(zhuǎn)換和利用企業(yè)已有會員或客戶資源，形成產(chǎn)業(yè)資源整合的戰(zhàn)略優(yōu)勢。本發(fā)明以國內(nèi)多個(gè)大型企業(yè)的精準(zhǔn)營銷實(shí)踐為出發(fā)點(diǎn)，深入分析不完善數(shù)據(jù)的根源與影響，通過構(gòu)建明確的以客戶為中心的數(shù)據(jù)總線架構(gòu)，貫徹實(shí)施基于增強(qiáng)型價(jià)值網(wǎng)絡(luò) 的數(shù)據(jù)收集戰(zhàn)略，并在數(shù)據(jù)分析過程中引入創(chuàng)新性的變量拓展，從戰(zhàn)略理念角度探索困擾現(xiàn)有企業(yè)營銷決策的數(shù)據(jù)不完善問題。以上顯示和描述了本發(fā)明的基本原理、主要特征和本發(fā)明的優(yōu)點(diǎn)。本行業(yè)的技術(shù)人員應(yīng)該了解，本發(fā)明不受上述實(shí)施例的限制，上述實(shí)施例和說明書中描述的只是說明本發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下本發(fā)明還會有各種變化和改進(jìn)，這些變化和改進(jìn)都落入要求保護(hù)的本發(fā)明范圍內(nèi)。本發(fā)明要求保護(hù)范圍由所附的權(quán)利要求書及其等同物界定。
權(quán)利要求
1.一種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在于，包含以下步驟 (1)數(shù)據(jù)收集通過企業(yè)內(nèi)部和企業(yè)外部搜尋客戶的相關(guān)數(shù)據(jù)； (2)數(shù)據(jù)處理將搜集到的數(shù)據(jù)中的信息轉(zhuǎn)化為適合數(shù)據(jù)挖掘、模式發(fā)現(xiàn)等分析工具需要的分析變量； (3)將分析變量進(jìn)ー步細(xì)分，為建模分析提供依據(jù)； (4)客戶描述將數(shù)據(jù)處理所獲取的數(shù)據(jù)整理形成客戶檔案； (5)建模分析基于統(tǒng)計(jì)學(xué)、計(jì)量經(jīng)濟(jì)學(xué)、消費(fèi)者行為學(xué)理論建立科學(xué)分析模型； (6)將分析變量和客戶檔案放入分析模型中，得出客戶偏好、購買行為、咨詢行為等決策變量； (7)根據(jù)決策變量向客戶進(jìn)行業(yè)務(wù)的營銷推薦。
2.根據(jù)權(quán)利要求I所述ー種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在于，所述通過企業(yè)內(nèi)部搜尋客戶相關(guān)數(shù)據(jù)的途徑包含企業(yè)聯(lián)絡(luò)中心記錄的客戶交互記錄、營銷部門開展的市場調(diào)研、其它部門通過商業(yè)智能系統(tǒng)傳遞的相關(guān)信息。
3.根據(jù)權(quán)利要求I所述ー種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在于，所述通過企業(yè)外部搜尋客戶相關(guān)數(shù)據(jù)的途徑包含從商業(yè)伙伴、競爭對手、渠道商，顧客、供應(yīng)商獲取的相關(guān)數(shù)據(jù)。
4.根據(jù)權(quán)利要求I所述ー種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在于，所述數(shù)據(jù)處理的方法包含數(shù)據(jù)選取、數(shù)據(jù)集成、數(shù)據(jù)清理、數(shù)據(jù)歸約。
5.根據(jù)權(quán)利要求I所述ー種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在于，所述數(shù)據(jù)選取是從公司的原始數(shù)據(jù)庫中選出與營銷和知識發(fā)現(xiàn)任務(wù)相關(guān)的數(shù)據(jù)表項(xiàng)；數(shù)據(jù)集成指將多個(gè)數(shù)據(jù)源合并成一致的數(shù)據(jù)存儲；數(shù)據(jù)清理解決數(shù)據(jù)庫中的空缺值、錯(cuò)誤數(shù)據(jù)、孤立點(diǎn)和噪聲的問題；數(shù)據(jù)歸約是指通過變換數(shù)據(jù)的表示形式來得到可以保持原有數(shù)據(jù)完整性的相對較小的數(shù)據(jù)集。
6.根據(jù)權(quán)利要求I所述ー種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在于，將數(shù)據(jù)進(jìn)一歩細(xì)分為基礎(chǔ)變量、參考變量和概要變量。
7.根據(jù)權(quán)利要求I所述ー種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在于，所述基礎(chǔ)變量是基于公司已有數(shù)據(jù)構(gòu)建的基本信息變量；參考變量是基于市場調(diào)研搜集到的數(shù)據(jù)構(gòu)建的變量；概要變量是根據(jù)營銷決策需要生成的有助于進(jìn)一歩深入判斷客戶屬性和行為特征的中間變量。
8.根據(jù)權(quán)利要求I所述ー種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在于，所述客戶檔案包含基于客戶人口統(tǒng)計(jì)學(xué)數(shù)據(jù)的基本概況、基于客戶歷史行為的偏好概況以及和關(guān)聯(lián)規(guī)則相關(guān)的規(guī)則概況。
9.根據(jù)權(quán)利要求I所述ー種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，其特征在于，所述建模分析包括建立預(yù)測模型、聚類和分類模型、偏好模型和其他模型。
全文摘要
一種基于不完善數(shù)據(jù)的精準(zhǔn)推薦方法，包含以下步驟(1)數(shù)據(jù)收集；(2)數(shù)據(jù)處理；(3)將分析變量進(jìn)一步細(xì)分，為建模分析提供依據(jù)；(4)客戶描述；(5)建模分析；(6)將輸入變量和客戶概括檔案放入分析模型中，得出客戶偏好、購買行為、咨詢行為等分析結(jié)果；(7)根據(jù)分析的結(jié)果向客戶進(jìn)行業(yè)務(wù)推薦。本發(fā)明的有益效果是有效的優(yōu)化了客戶數(shù)據(jù)庫、產(chǎn)品數(shù)據(jù)庫，新建了具有較好營銷決策參考價(jià)值的業(yè)務(wù)歷史數(shù)據(jù)庫；并通過增強(qiáng)型價(jià)值網(wǎng)絡(luò)數(shù)據(jù)收集系統(tǒng)的實(shí)施，實(shí)現(xiàn)了基于前瞻視野的數(shù)據(jù)規(guī)劃，有效轉(zhuǎn)換和利用企業(yè)已有會員或客戶資源，形成產(chǎn)業(yè)資源整合的戰(zhàn)略優(yōu)勢。
文檔編號G06Q30/02GK102693498SQ20121015337
公開日2012年9月26日 申請日期2012年5月16日 優(yōu)先權(quán)日2012年5月16日
發(fā)明者曲俊杰, 杜汶璐, 潘善霜 申請人:上海卓達(dá)信息技術(shù)有限公司