普通高校“十三五”规划教材·营销学系列 数据库营销 顾客分析与管理PDF电子书下载

第1部分 战略问题 3

第1章 绪论 3

1.1 什么是数据库营销 3

1.1.1 数据库营销的定义 4

1.1.2 数据库营销、直复营销与顾客关系管理 4

1.2 为什么数据库营销越来越重要 5

1.3 数据库营销过程 6

1.4 本书的组织架构 8

第2章 为什么要进行数据库营销 10

2.1 提高营销生产率 10

2.1.1 基本观点 10

2.1.2 营销生产率的深度探讨 12

2.1.3 营销生产率观点的证据 15

2.1.4 小结 17

2.2 建立和巩固顾客关系 17

2.2.1 基本观点 17

2.2.2 顾客关系和数据库营销的作用 18

2.2.3 数据库营销增强顾客关系的证据 21

2.2.4 小结 24

2.3 创造可持续的竞争优势 24

2.3.1 基本观点 24

2.3.2 可持续竞争优势观点的演变 24

2.3.3 小结 33

2.4 总结 34

第3章 数据库营销的组织问题 35

3.1 以顾客为中心的组织 35

3.2 数据库营销战略 36

3.2.1 实施数据库营销的战略 36

3.2.2 打造竞争优势 37

3.2.3 总结 38

3.3 顾客管理：以顾客为中心的组织的结构基础 38

3.3.1 什么是顾客管理 38

3.3.2 顾客管理的动机 39

3.3.3 形成顾客群组 40

3.3.4 顾客管理是未来趋势吗 40

3.3.5 获取和保留部门化 41

3.4 信息管理的流程：知识管理 42

3.4.1 定义 42

3.4.2 有效的知识管理会提高企业业绩吗 43

3.4.3 知识创造 43

3.4.4 编纂知识 44

3.4.5 传递知识 45

3.4.6 使用知识 45

3.4.7 设计知识管理系统 46

3.4.8 问题与挑战 47

3.5 薪酬和激励 48

3.5.1 理论 48

3.5.2 实证研究结果 49

3.5.3 总结 50

3.6 人员 51

3.6.1 提供合适的支持 51

3.6.2 公司内部协调 51

第4章 顾客隐私与数据库营销 54

4.1 背景 54

4.1.1 顾客的隐私顾虑及其对数据库营销人员的影响 54

4.1.2 历史观点 56

4.2 顾客对隐私的态度 57

4.2.1 市场细分方法 57

4.2.2 态度对数据库营销行为的影响 58

4.2.3 隐私顾虑的国际差异 59

4.3 关于隐私的现行做法 61

4.3.1 隐私政策 61

4.3.2 收集数据 63

4.3.3 法律环境 63

4.4 隐私顾虑的潜在解决方案 65

4.4.1 软件解决方案 66

4.4.2 监管 66

4.4.3 许可营销 67

4.4.4 顾客数据所有权 69

4.4.5 关注信任 70

4.4.6 高层管理者支持 70

4.4.7 隐私作为利润最大化的工具 71

4.5 总结与未来研究方向 71

第2部分 顾客终身价值（LTV） 77

第5章 顾客终身价值：基本原理 77

5.1 概述 77

5.1.1 顾客终身价值的定义 77

5.1.2 顾客终身价值计算的简单举例 78

5.2 LTV的数学公式 79

5.3 两种主要的顾客终身价值模型：简单保留模型和转移模型 80

5.3.1 简单保留模型 80

5.3.2 转移模型 85

5.4 包含不可观测的顾客流失的LTV模型 90

5.5 收入估算 97

5.5.1 收入恒定模型 97

5.5.2 趋势模型 97

5.5.3 因果模型 97

5.5.4 购买率和购买量的随机模型 97

第6章 顾客终身价值的计算问题 98

6.1 概述 98

6.2 贴现率和时间期限 98

6.2.1 资本机会成本 99

6.2.2 基于风险来源方法的贴现率 103

6.3 顾客投资组合管理 104

6.4 成本核算问题 107

6.4.1 作业成本法（ABC） 107

6.4.2 可变成本和分配固定间接成本 109

6.5 对营销活动的反应 115

6.6 外部效应 118

第7章 顾客终身价值的应用 120

7.1 使用LTV获取目标顾客 120

7.2 使用LTV指导顾客赢回策略 121

7.3 使用SCM模型确定顾客价值 122

7.4 LTV模型应用案例 125

7.5 使用LTV相似形式的市场细分方法 128

7.5.1 顾客金字塔 128

7.5.2 使用LTV方法建立顾客组合 129

7.6 LTV组成部分的驱动力 130

7.7 预测潜在LTV 131

7.8 评价企业的顾客整体 132

第3部分 数据库营销工具：基础 137

第8章 数据的来源 137

8.1 概述 137

8.2 描述顾客的数据分类 138

8.2.1 顾客身份数据 138

8.2.2 人口统计数据 139

8.2.3 心理特质或生活方式数据 139

8.2.4 交易数据 140

8.2.5 营销活动数据 141

8.2.6 其他类型的数据 142

8.3 顾客信息的来源 142

8.3.1 内部（二手）的数据 143

8.3.2 外部（二手）数据 144

8.3.3 原始数据 159

8.4 终极营销企业 160

第9章 测试设计与分析 161

9.1 测试的重要性 161

9.2 测试还是不测试 162

9.2.1 信息价值法 162

9.2.2 评估误命中成本（assessing mistargeting costs） 165

9.3 抽样技术 167

9.3.1 概率抽样VS.非概率抽样 167

9.3.2 简单随机抽样 167

9.3.3 系统随机抽样 168

9.3.4 其他抽样技术 168

9.4 确定样本量 169

9.4.1 确定样本量的统计方法 169

9.4.2 决策理论方法 171

9.5 测试设计 175

9.5.1 单因素实验设计 175

9.5.2 多因素实验：全因子（full factorials） 177

9.5.3 多因素实验：正交设计 180

9.5.4 准实验设计 183

第10章 预测建模过程 184

10.1 预测建模与对营销生产率的需要 184

10.2 预测建模过程：总述 186

10.3 过程详述 187

10.3.1 定义问题 187

10.3.2 准备数据 187

10.3.3 估计模型 192

10.3.4 模型评价 195

10.3.5 选择目标顾客 203

10.4 一个预测建模的例子 209

10.5 长期考虑 214

10.5.1 “向唱诗班传道” 214

10.5.2 模型适用期和选择性偏差 215

10.5.3 理解预测模型的结果 218

10.5.4 预测建模过程需要管理 218

10.6 未来的研究方向 219

第4部分 数据库营销工具：统计技术 223

第11章 预测建模中的统计问题 223

11.1 构建统计模型的经济判断 223

11.2 变量与模型的选择 225

11.2.1 变量选择 225

11.2.2 变量转换 229

11.3 缺失值处理 230

11.3.1 个案删除 230

11.3.2 成对删除 231

11.3.3 单一插值法 231

11.3.4 多重插值法 231

11.3.5 数据融合 233

11.3.6 缺失变量哑变量 234

11.4 统计模型的评价 235

11.4.1 将样本分为校准样本和验证样本 235

11.4.2 评价标准 237

11.5 总结：演化模型建立 243

第12章 RFM分析 244

12.1 概述 244

12.2 RFM模型的基础 245

12.2.1 Recency、Frequency和Monetary的定义 245

12.2.2 RFM在细分市场预测中的应用 246

12.3 盈亏平衡点分析：确定分界点 247

12.3.1 利润最大化的分界点回应率 248

12.3.2 有差异的订单额 249

12.4 RFM模型扩展 250

12.4.1 将RFM模型当成方差分析处理 250

12.4.2 非离散的替代回应模型 253

12.4.3 Colombo和Jiang（1999）开发的一个随机RFM模型 255

第13章 购物篮分析 257

13.1 概述 257

13.2 对营销人员的益处 258

13.3 推导购物篮关联规则 258

13.3.1 确认一个购物篮问题 259

13.3.2 推导“有趣”的关联规则 259

13.3.3 Zhang（2000）关于关联和不关联的测量 261

13.4 购物篮分析中的问题 262

13.4.1 使用分类法克服维度问题 262

13.4.2 两个以上商品的关联规则 263

13.4.3 添加虚拟项目以提高购物篮分析的质量 263

13.4.4 在购物篮分析中添加时间要素 264

13.5 结论 265

第14章 协同过滤 267

14.1 概述 267

14.2 基于记忆的方法 268

14.2.1 计算用户之间的相似性 269

14.2.2 评价标准 272

14.3 基于模型的方法 274

14.3.1 聚类模型 275

14.3.2 基于项目的协同过滤 275

14.3.3 Chien＆George的贝叶斯混合模型（1999） 276

14.3.4 Ansari等的分层贝叶斯模型（2000） 276

14.4 协同过滤存在的问题 277

14.4.1 将基于内容的信息过滤与协同过滤结合起来 277

14.4.2 内隐评价 280

14.4.3 选择偏差 282

14.4.4 跨类别推荐 283

第15章 离散因变量与时间存续模型 284

15.1 二元回应模型 284

15.1.1 线性概率模型 285

15.1.2 二元Logit（或Logistic回归）和Probit模型 285

15.1.3 罕见事件数据的Logistic回归 287

15.1.4 判别分析 289

15.2 多项反应模型 290

15.3 计数数据模型 292

15.3.1 泊松回归 292

15.3.2 负二项回归 292

15.4 删失回归（Tobit）模型及扩展 293

15.5 时间存续（风险）模型 295

15.5.1 存续数据的特征 295

15.5.2 运用经典线性回归模型分析存续数据 296

15.5.3 风险模型 297

15.5.4 在风险函数中加入协变量 299

第16章 聚类分析 301

16.1 概述 301

16.2 聚类过程 302

16.2.1 选择聚类变量 302

16.2.2 相似性测量 303

16.2.3 聚类方法 306

16.2.4 聚类的群组数量 313

16.3 聚类分析的应用 313

16.3.1 解释结果 313

16.3.2 选择目标群组 315

第17章 决策树 316

17.1 概述 316

17.2 决策树原理 317

17.3 选择最优划分规则 319

17.3.1 多样性基尼（Gini）系数 319

17.3.2 熵（Entropy）与基于信息论的度量 321

17.3.3 卡方（Chi-Square）检验 322

17.3.4 其他划分规则 323

17.4 确定决策树的大小 323

17.4.1 决策树的剪枝方法 323

17.4.2 确定决策树大小的其他方法 325

17.5 决策树方法的其他问题 326

17.5.1 多元变量划分 326

17.5.2 成本问题 326

17.5.3 确定最优树 326

17.6 直邮广告的应用 327

17.7 决策树方法的优势与劣势 329

第18章 人工神经网络 330

18.1 概述 330

18.1.1 发展历史 330

18.1.2 人工神经网络在数据库营销中的应用 331

18.1.3 优势与劣势 331

18.2 神经元模型 333

18.3 多层感知器 336

18.3.1 网络架构 336

18.3.2 反向传播算法（back propagation） 338

18.3.3 在信用评分中的应用 339

18.3.4 隐藏层单元的最优个数、最优学习速率及最优动量参数 340

18.3.5 停止规则 341

18.3.6 特征（输入变量）选择 341

18.3.7 评估输入变量的重要性 342

18.4 径向基函数网络 343

18.4.1 背景 343

18.4.2 曲线拟合（逼近）问题 343

18.4.3 应用举例 345

第19章 机器学习 346

19.1 概述 346

19.2 1-规则 347

19.3 利用覆盖算法的规则归纳 349

19.3.1 覆盖算法与决策树 349

19.3.2 PRISM 351

19.3.3 评价规则的概率指标及INDUCT算法 354

19.4 基于实例的学习 357

19.4.1 优势与劣势 357

19.4.2 基于实例的学习算法的简要介绍 357

19.4.3 范例的选择 358

19.4.4 属性权重 359

19.5 遗传算法 360

19.6 贝叶斯网络 361

19.7 支持向量机 364

19.8 多种方法的结合：委员会机器 366

19.8.1 Bagging 366

19.8.2 Boosting 367

19.8.3 其他委员会机器 368

第5部分 顾客管理 371

第20章 获取顾客 371

20.1 概述 371

20.2 顾客资产的基本方程 372

20.3 获取成本 372

20.4 增加获取顾客数量的策略 374

20.4.1 扩大市场规模 374

20.4.2 增加获取营销支出 374

20.4.3 改变获取曲线的形状 375

20.4.4 使用先导产品 377

20.4.5 获取定价与促销 377

20.5 开发顾客获取项目规划 378

20.5.1 框架 378

20.5.2 市场细分、目标市场选择和定位（STP） 379

20.5.3 产品／服务 380

20.5.4 顾客获取的目标市场选择 380

20.5.5 顾客获取的目标市场选择方法 382

20.6 获取营销的研究问题 385

第21章 交叉销售与升级销售 387

21.1 策略 387

21.2 交叉销售模型 388

21.2.1 下一件购买产品模型 388

21.2.2 考虑购买时机的下一件购买产品模型 399

21.2.3 包含时机与回应的下一件购买产品模型 402

21.3 升级销售 405

21.3.1 一个数据包络分析模型 405

21.3.2 随机前沿模型 407

21.4 开发持续的交叉销售活动 408

21.4.1 流程概述 408

21.4.2 战略 408

21.4.3 收集数据 410

21.4.4 分析 410

21.4.5 实施 410

21.4.6 评估 411

21.5 研究需要 412

第22章 累积奖励计划 413

22.1 定义和动机 413

22.2 累积奖励计划如何影响顾客行为 413

22.2.1 增加销售的作用机制 413

22.2.2 顾客对累积奖励计划的反馈 414

22.3 在竞争环境中的累积奖励计划是否会增加利润 422

22.4 累积奖励计划的设计 425

22.4.1 决策设计 425

22.4.2 基础设施 425

22.4.3 注册程序 425

22.4.4 奖励计划 426

22.4.5 奖励 428

22.4.6 个性化营销 429

22.4.7 伙伴关系 430

22.4.8 监控和评价 430

22.5 累积奖励计划案例 431

22.5.1 Harrah's娱乐公司 431

22.5.2 英国超市行业：Nectar计划与Clubcard计划 431

22.5.3 Cingular公司的通话时长延期使用计划 433

22.5.4 希尔顿酒店 433

22.6 研究需要 434

第23章 顾客分级计划 436

23.1 定义和动机 436

23.2 设计顾客分级计划 437

23.2.1 概述 437

23.2.2 审查目标 438

23.2.3 创建顾客数据库 438

23.2.4 定义等级 438

23.2.5 确定每一等级的获取可能性 440

23.2.6 每一等级的发展可能性 441

23.2.7 顾客等级资金分配 443

23.2.8 设计特定等级计划 448

23.2.9 实施与评估 449

23.3 顾客分级计划案例 450

23.3.1 Bank One（Hartfeil，1996） 450

23.3.2 加拿大皇家银行（Rasmusson，1999） 450

23.3.3 Thomas Cook旅行（Rasmusson，1999） 450

23.3.4 加拿大杂货店连锁（Grant＆Schlesinger，1995） 451

23.3.5 Major US银行（Rust et al.，2000） 451

23.3.6 维京办公产品（Miller，2001） 452

23.3.7 瑞典银行（Storbacka ＆ Luukinen，1994；Storbacka，1993） 452

23.4 实施顾客分级计划的风险 452

23.5 未来的研究需要 454

第24章 顾客流失管理 456

24.1 问题 456

24.2 引起顾客流失的因素 460

24.3 预测顾客流失 463

24.3.1 单一的未来时期模型 464

24.3.2 时间序列模型 469

24.4 减少流失的管理方法 471

24.4.1 概述 471

24.4.2 主动的顾客流失管理框架 472

24.4.3 实施主动的顾客流失管理计划 475

24.5 未来的研究 477

第25章 多渠道顾客管理 478

25.1 多渠道顾客管理的出现 478

25.1.1 多渠道管理的驱动力 478

25.1.2 多渠道管理的拉力 479

25.2 多渠道顾客 479

25.2.1 顾客渠道选择决策的学习框架 479

25.2.2 多渠道顾客的特征 480

25.2.3 多渠道选择的决定因素 482

25.2.4 顾客渠道转移模型 487

25.2.5 研究购物 491

25.2.6 渠道使用和顾客忠诚 492

25.2.7 获取渠道对顾客行为的影响 493

25.2.8 渠道引入对公司绩效的影响 494

25.3 发展多渠道战略 496

25.3.1 多渠道设计过程的框架 496

25.3.2 分析顾客 496

25.3.3 渠道设计 497

25.3.4 实施方式 501

25.3.5 革命 503

25.4 行业案例 505

25.4.1 零售“最佳实践”（Crawford，2002） 505

25.4.2 Waters公司（《CRM ROI评论》，2003） 506

25.4.3 制药行业（Boehm，2002） 506

25.4.4 Circuit City公司（Smith，2006；Wolf，2006） 507

25.4.5 总结 507

第26章 顾客获取与保留的管理 508

26.1 概述 508

26.2 获取和保留模型 509

26.2.1 Blattberg和Deighton（1996）的模型 509

26.2.2 队列模型 513

26.2.3 Ⅱ型Tobit模型 513

26.2.4 竞争模型 517

26.2.5 总结：如何建立顾客获取和顾客保留模型 519

26.3 最佳的顾客获取和顾客保留支出 520

26.3.1 在没有预算约束的条件下优化Blattberg/Deighton模型 520

26.3.2 获取成本、保留成本、LTV和最优支出的关系：如果获取成本超过保留成本，企业是否应该专注于顾客保留 524

26.3.3 优化预算限制的Blattberg/Deighton模型 527

26.3.4 多阶段有预算约束的队列模型优化 530

26.3.5 Reinartz等人（2005）的Tobit模型优化 533

26.3.6 总结：我们什么时候应该在获取与保留上投入更多 533

26.4 顾客获取与保留的预算计划 535

26.4.1 顾客管理营销预算（CMMB） 535

26.4.2 执行问题 536

26.5 获取与保留策略：一个整体框架 537

第6部分 管理营销组合 541

第27章 数据库营销沟通设计 541

27.1 计划过程 541

27.2 设立总体规划 542

27.2.1 目标 542

27.2.2 战略 542

27.2.3 预算 542

27.2.4 总结 543

27.3 文案开发 543

27.3.1 创造性战略 543

27.3.2 促销 547

27.3.3 产品 549

27.3.4 多要素营销沟通组合的个性化 557

27.4 媒体选择 558

27.4.1 最优选择 558

27.4.2 整合营销沟通 559

27.5 评价营销沟通计划 559

第28章 多项活动管理 562

28.1 概述 562

28.2 动态回应现象 562

28.2.1 磨合、耗尽和遗忘 562

28.2.2 重叠 568

28.2.3 购买加速，忠诚度以及价格敏感性的影响 568

28.2.4 同时考虑磨合、耗尽、遗忘、重叠、加速和忠诚度 569

28.3 最优接触模型 571

28.3.1 促销模型（Ching et al.，2004） 572

28.3.2 应用决策树回应模型（Simester et al.，2006） 573

28.3.3 风险回应模型（Gonül et al.，2000） 574

28.3.4 分层Bayes模型（Rust＆Verhoef，2005） 576

28.3.5 考虑顾客和企业的动态理性的模型（Gonül and Shi，1998） 577

28.3.6 纳入库存管理（Bitran＆Mondschein，1996） 579

28.3.7 考虑多个不同目录的模型（Campbell et al.，2001） 581

28.3.8 多个目录的邮寄（Elsner et al.，2003，2004） 584

28.3.9 增加在线固定样本组调查的回应率（Neslin et al.，2007） 585

28.4 总结 588

第29章 定价策略 592

29.1 概述——基于顾客的定价策略 592

29.2 顾客购买多种产品时的基于顾客的定价 594

29.2.1 情况1：仅有产品1被购买 595

29.2.2 情况2：以产品1为主打产品的两种产品购买模型 596

29.3 顾客在两个时期购买产品或服务时的针对顾客的定价 597

29.3.1 悲观的情况：R＜q——对质量的期望低于真实的质量 598

29.3.2 乐观的情况：R＞q——对质量的期望高于真实的质量 599

29.3.3 研究问题 599

29.4 使用顾客资产模型的获取顾客定价及保留顾客定价 599

29.5 赢回顾客定价 602

29.6 追加销售定价 603

29.7 通过数据库目标市场选择模型进行歧视定价 604