证券投资意识调查分析 —基于数据挖掘的视角

 证券公司对于客户的挖掘和分类有利于挖掘潜在客户和做出适当的营销决策。本文将决策树、逻辑斯蒂回归和贝氏机率分类算法用于判断被访者是否购买股票,以此挖掘潜在客户,用K-means聚类法将股票购买者划分不同的类型,并建议采取不同的服务和营销方式,提高客户的忠诚度。     

数据挖掘在理财产品营销中的应用——以CATI数据为例

金融机构对客户分类和特征识别的分析将有助于它们挖掘出潜在的客户,并做好相应的营销政策.利用聚类分析、决策树等常见的数据挖掘方法,对台湾投资者的投资意向进行详细的分析,归纳出投资者的偏好,为金融机构的营销政策提供参考依据.     

生命周期意义下的客户资源价值挖掘研究

客户资源是企业最宝贵的资源之一,对其价值进行充分挖掘是企业实现盈利和发展的保障和前提。文章详细分析了生命周期意义下的客户行为模式,利用数据挖掘技术从客户再购买行为、关联购买行为、盈利能力和客户保持四个方面对客户资源价值挖掘进行研究,为企业的客户资源价值挖掘工作提供了一种新思路和方法。     

基于RFM模型的商业银行营销决策分析

客户关系管理(CRM)的应用帮助商业银行建立起现代化经营理念,打造其核心竞争力.文章的重点为CRM的核心问题:客户分类以及以客户为中心的营销体系.以解决商业银行营销决策问题为目的,首先利用RFM模型对客户进行分类,然后将营销问题转化为组合优化的($)0/1($)背包问题,最后利用遗传算法对该问题进行求解.     

基于Logistic回归模型的会员制营销客户分类方法

文章研究了会员制营销中会员分类的问题,建立了基于1ogistic回归模型的会员制营销客户分类方法,该方法可以充分利用会员数据库中信息,找出影响会员忠诚度的因素并加以量化.该分类方法不仅可以用来对老会员进行客观准确的分类,而且可以用来预测新会员能否成为忠诚客户,为决策者制订个性化服务策略提供了重要参考依据.     

营销数据库的建立与管理

数据库营销是九十年代以来发展最快的营销方式,与传统的大众营销方式相比,数据库营销具有准确定位客户、短回应周期、方便测算营销效果的特点,可以极为便捷深度地追踪、了解和预测客户行为,开辟了交叉销售、重复销售、客户维系与客户挽回等一系列传统营销不能到达的新领域,企业的营销在深度和广度上都有了巨大的飞跃。中国大陆越来越多的企业开始发展数据库营销,可无一例外地会首先面临没有营销数据库的问题。虽然没有自己的营销数据库,但也能借助其它的数据资源开展数据库营销,     

客户需求挖掘在B2B营销中的应用

最近两年,客户需求挖掘（Demand Generation）成为了B2B企业营销里最热的词语,不仅营销经理们把自己做的项目叫“Demand Generation”或“Lead Generation”（销售线索挖掘）,而且很多大公司干脆直接把营销部门里负责客户营销的团队改名叫“Demand Generation Team”。     

数据挖掘技术在保险客户理赔分析中的应用

利用数据挖掘技术对海量保险业务数据进行风险分析,通过交叉频数分析确定保单中风险较大的因素,为管理决策提供依据;将决策树、支持向量机、逻辑斯蒂回归和贝叶斯网络四种数据挖掘算法用于保户分类,提取高风险保户的潜在特征,挖掘理赔概率较高的保户群,以指导保险公司的营销工作。     

商业银行客户细分模型的建立与应用

文章尝试利用层次分析法(AHP)建立商业银行基于客户价值的客户细分模型,通过对已有客户数据分析、挖掘,将客户进行细分,从而确定银行的核心客户和主要客户群体,并制定相应的营销策略。     

引入营销效应的文本情感挖掘研究

大量的在线评论文本数据,对汽车制造业的产品创新、精准营销具有重要的实用价值.传统的文本挖掘多关注情感极性强度而忽视了情感营销效应,挖掘结果与企业需求差异较大.文章利用大连理工、中国知网等情感词典和丰富的汽车语料库,采取了基于CRF机器学习的情感词自动获取方法,构建了情感营销效应词库,并运用MATLAB对该词库情感营销效应进行了全面的统计分析,分类优化情感营销效应值,最后采用中科院ICTCLAS中文分词技术进行测试,结果表明,考虑情感营销效应的文本挖掘召回率达到80％以上,能较好地满足汽车厂商的应用需求.