关于用户画像的应用模式问题
0
个人理解，数据营销应该是从客户聚类分析（既用户画像）开始的，后续所有的客户服务和营销活动的展开都应该以聚类分析后的特定人群为目标展开，那么如何用好聚类分析的结果，进行后续的商业活动，又如何评估针对特定客户的服务或营销是否成功呢？ 目前国内外是否有较好的案例？是否有成熟的软件支撑后续的营销活动和结果分析呢？
没有找到相关结果
重要提示：提问者不能发表回复，可以通过评论与回答者沟通，沟通后可以通过编辑功能完善问题描述，以便后续其他人能够更容易理解问题.
2 个回复
SmartMining - 数据挖掘、商业智能、大数据从业者：相关产品设计、项目管理、咨询、培训 2015-11-21 回答
赞同来自: 梁勇 、挽歌 、Elationguy 、lzllovesyl 、TianleCheng
第一：首先，准确的讲，客户营销是从客户分群研究开始的，而不是聚类分析，聚类分析是用户分群的一种方法。还有，聚类分析也不等同于用户画像。其实用户画像更多是给用户定义一些可解释的业务标签，比如这人是80后、爱旅游等，大多的用户标签库都没有包含用户全部的信息，如客户消费金额比例等抽象的信息。这也是传统标签库的一大缺陷，对信息的利用不充足，因为传统的用户标签库主要用来做个性化推荐，而缺乏对客户的深度研究，所以没有把用户的标签反过来作为用户的分析指定进行深度复用。其次，客户的分群研究不仅包括多维度的聚类，还包括一些关键指标的分析，如果建立每个品牌的用户忠诚度，即品牌忠诚度，这样的分群为某个品牌的促销推荐提供的精准的投放对象。所以客户营销针对什么的群体由业务特征决定，进而决定分群方法。
第二：如何用好聚类的结果，又如何评价聚类是否合理呢？在挖掘算法中，聚类分析可谓是最好用的了，因为它是无监督学习算法。但是越是这样简单的，反而越难用好。其实，很多人对评估聚类算法的结果是否合理都是束手无策。本身聚类算法的合理性本来就有两个隐患，一是如何保证选择距离计算算法是合理的，二是如何保证使用的字段是合理的。我只简单的说一下，选择距离算法主要要看字段类型，哪些只能用于纯数值型字段的计算，哪些可以用于字符型字段的距离计算，这基本的要保证无误。另外字段的选择有两个方法，一个是根据业务去确定，把从业务角度认为重要的字段引入模型，二是聚类后可以使用分类预测算法反过来测试变量的重要性。聚类后的结果如何判断是否合理呢？这个其实也不容易解释清楚，至少有一点可以掌握，就是聚类后判断是否真的把相似的分到了一起，这个从各类在各个字段上取值的分布可以看出来，每一类的特征分布特征越有特色越好。
第三：评估营销效果豪华比较简单，你之前可以预测如果不做营销预计会如何，也可以简单的根据经验判断。然后，在营销活动结束后，看看客户响应率及交易量提升、交易额提升等。
第四，工具层。从功能上来说，成熟的数据挖掘产品（如SPSS、Smartbi敏捷挖掘产品、SAS、R）都能满足，但是建议您还是使用SPSS和Smartbi敏捷挖掘这种易用的，无需编程的工具，后者有免费版本。
TianleCheng - 关注数据挖掘，社会计算 2016-01-07 回答
赞同来自: