成功案例-英国电信

存在问题

为了从市场营销预算中获得最大的价值，英国电信需要建立模型来确定潜在客户的购买倾向和他们变为用户之后可能的价值。建立精确的客户特征以后，英国电信打算开发针对于特定客户群的产品。预期结果是：更好的营销活动回应率，增加产品收入，并取得更大的市场份额。

解决方案

英国电信选用了SPSS的数据挖掘产品Clementine，来为其"商业高速公路"活动分析数据和建立探索模型，"商业高速公路"的目标为小型商业客户。如今，英国电信更好地了解了这些客户和他们在电信市场的行为特征。英国电信将继续依赖Clementine快速可视化的建模环境为其未来的营销活动指引道路。

应用效果

曾经是平安无事的电信行业现在已充满了火药味。曾经是垄断寡头的英国电信，现在仍然是英国本地电话、国内长途、国际长途和数据服务的领导者，年销售额290亿美元，但同时也面临着160家电信公司的竞争。为保持其原有客户，获取新的客户并最大化销售，英国电信需要准确知道哪些人在购买它的产品和服务。

为了识别这些客户，英国电信设立了客户和营销活动分析小组，由高级咨询师Stephen O'Brien领导，隶属于商业联系部门。这个小组的第一个任务是为英国电信的"商业高速公路"产品 建立客户特征模型，"商业高速公路"专门服务于一条线有三个电话号码（一个是标准的，两个是数 字的）的小型商业客户。1998年9月进行了一次直邮活动和全国媒体宣传。

数据：收集信息

有关客户、产品、账单和历史数据分散在英国电信的不同部门。这样，分析小组首先在一个新的 数据集市收集用于数据库营销的数据。数据准备需要相当多的时间，因为数据必须从它们所在的系统中抽取出来，然后进行相配、清理和大小排列，才能用Clementine对这些数据进行分析。

工具包：用数据挖掘发现隐含的模式

为对样本数据进行挖掘并从中发现潜在的模式和趋势，英国电信选择了SPSS的高速建模环境 Clementine。O'Brien把Clementine称作"数据挖掘工具包"，因为它提供了大量的分析方法，如聚 类、神经网络、联合规则和决策树。Clementine也可以轻松地处理常规数据问题，如异常值、缺失值 和取值较小的数值。

过程：分析数据并建立模型

分析小组用Clementine作为首选产品进行数据分析和试验建模。在数据分析过程中，分析小组用Clementine识别出数据质量问题，熟悉数据和数据分布，排除与购买"商业高速公路"关系不太密切的数据属性。然后，对和客户购买产品的倾向相关的单个数据属 性的预示力度进行测量。如，二位区号，作为地理指示器，清楚地和回应和购买数据相联系。

进行这些分析以后，分析小组用Clementine的决策树快速地建立和检验了一系列试验模型。O'Brien形容，"Clementine最大的优势在于在数据挖掘过程中不会遗漏信息。Clementine让你快速地试验多种想法，排除不合适的，这样就减少了失败造成的费用。你可以在几天内建立很多试验模型。"

向销售人员和营销活动提供了"最佳客户"清单

"Clementine的主要输出结果是对数据的洞察 - 那是数据挖掘的全部所在 - 和这些洞察结果的可视化展示。"O'Brien说。"我们提供给销售人员和营销活动的是客户清单和图形，并表明了为什么他们应该向这些客户推 荐商业高速公路。"

"商业高速公路项目的成功说明了如何在商业活动中通过数据挖掘获利。有了Clementine， 先前所作的探索性数据分析和可视化使我们可以开发出满意的客户选择标准。甚至在完成最终模型之前， 我们就已经可以超越原始目标，并使活动的回应率提高了100%。"O'Brien说。

还有更多的事情要做。下一步，分析小组计划使用Clementine识别有最大潜在利润的客户和查询了很多但不会购买的客户。未来他们或许会尝试确定客户背叛的模式。

建模：投资回报

成功地建立客户特征需要商业知识、合适的数据和合适的产品。英国电信新的建模方案使之可以在产品和活动的整个生命周期中定位目标客户，确定不断变化的市场的发展趋势并加强在不同市场领域的渗透。Clementine，SPSS的数据挖掘工作平台，将为营销活动提供快速、可靠的统计分析。而回报呢？就像英国电信的商业高速公路案例所表明的：更好的客户和更高的销售。