当前位置:首页 > 工业技术
Web数据挖掘 将客户数据转化为客户价值
Web数据挖掘 将客户数据转化为客户价值

Web数据挖掘 将客户数据转化为客户价值PDF电子书下载

工业技术

  • 电子书积分:12 积分如何计算积分?
  • 作 者:(美)Gordon S. Linoff,(美)Michael J. A. Berry著;沈钧毅等译
  • 出 版 社:北京:电子工业出版社
  • 出版年份:2004
  • ISBN:750539472X
  • 页数:310 页
图书介绍:Web正在改变着整个业务领域!业务领域的不断改变影响着数据挖掘技术,数据挖掘也在不断地改变着整个业务领域。本书全面地展示了Web对于数据挖掘在业务方面的影响,包含了大量Web数据挖掘的实例,并将数据挖掘放入了一个学习环境中,描述了一些对于任何关注客户的企业都非常重要的概念,以及面向Web的与业务相关的分析类型。
《Web数据挖掘 将客户数据转化为客户价值》目录

第1章 太阳底下没有新事物了吗 1

目录 1

1.1 “新经济”有何新奇之处 2

1.1.1 电子商务 3

1.1.2 电子媒体 4

1.1.3 电子市场 5

1.2 关注客户是奢侈的 6

1.2.1 客户的重要性 7

1.3 数据挖掘的角色 8

1.3.1 将它们合在一起 9

1.4 市场的角色 9

1.4.1 品牌 10

1.4.2 品牌和广告 11

1.4.4 目标市场 12

1.4.3 广告正在改变 12

1.5 超越目标市场 13

1.5.1 定义客户价值 14

1.5.2 实时考虑 14

1.5.3 理解客户和业务流程 15

1.5.4 市场策略的试验性设计 16

小结 16

第2章 Web数据挖掘的方法 18

2.1 从数据挖掘的角度看网络 19

2.2 结构挖掘 21

2.2.1 总体结构 21

2.2.2 局部结构 28

2.3 挖掘客户使用模式 30

2.3.1 点击流分析 31

2.3.2 网络日志 32

2.3.3 应用日志 37

2.3.4 应用挖掘提高网站可用性 38

2.4 内容挖掘 39

2.4.1 信息检索 39

2.4.2 基于内容的分类 40

2.4.3 从纯文本中提取信息 48

小结 49

第3章 在线销售:销售用卡车交付的商品 50

3.1 零售 51

3.1.1 媒介存在的原因 52

3.1.2 管理供应链和存货 56

3.2.1 目录业历史 58

3.2 目录业和网站 58

3.2.2 现状 59

3.2.3 为什么产品目录与电子商务有关 59

3.2.4 目录与Web站点的相似点 61

3.2.5 目录与Web站点的不同点 61

3.3 Web的零售客户 64

3.3.1 从参观者到客户 65

3.3.2 剖析购买行为 66

3.3.3 购买行为 67

3.3.4 浏览行为 69

3.3.5 做推荐 70

3.4 支持Web数据挖掘的基本结构 74

3.4.1 实现不同任务的不同模块 75

3.4.2 电子商务IT体系结构的一个实例 77

小结 80

4.1 什么可以用比特流传输 81

第4章 数字销售:销售用以太网分发的商品 81

4.2 分发音乐 83

4.2.1 Web作为无线电广播 84

4.2.2 Web作为自动唱片点唱机 86

4.2.3 Web作为音乐商店 87

4.2.4 Web作为旧货交易场所 91

4.2.5 Web作为Open Mike Night 95

4.3 分发录像 95

4.4 分发信息 96

4.4.1 基于信息恢复的商业 96

4.5 做推荐 99

4.5.1 合作过滤 99

4.6 分发交互娱乐 102

小结 102

5.1 广告业务模型 104

第5章 吸引广告客户的目光 104

5.1.1 广告商 105

5.1.2 广告客户 106

5.1.3 广告经纪人 108

5.1.4 广告创意人 110

5.2 在线广告的技术 110

5.2.1 帧和窗口 111

5.2.2 Cookies 112

5.3 在线广告基础 119

5.3.1 广告商和广告客户之间的匹配 120

5.3.2 什么是点击价值 124

5.3.3 微转换率 124

5.4 发现合适的客户 126

5.4.1 你的读者适合吗 126

5.4.2 提供广告空间的业务 127

5.4.3 衡量一个读者的适宜度 128

5.4.4 计算读者群的适宜度 129

5.5 跟踪客户行为 132

5.5.1 隐形跟踪设备 133

5.5.2 跟踪电子邮件阅读器 134

5.6 吸引眼球 135

5.6.1 电子媒体 136

5.6.2 门户 138

5.6.3 目录和服务 139

小结 139

第6章 市场:连接着销售者和客户 141

6.1 自由市场的历史 142

6.1.1 自由市场及其单一化假设 142

6.2 商品交易 143

6.2.1 明尼阿波利斯谷物交易所 144

6.2.2 数据挖掘机会:价格预测 148

6.2.3 其他相关的历史性模型 152

6.3 电子化市场 153

6.3.1 多对多,跨行业公众交易 155

6.3.2 多对多交易的数据挖掘机会 159

6.3.3 多对多,单一产业公众交易 163

6.3.4 多对少的公众交易 166

6.3.5 私有市场 168

小结 170

第7章 客户价值 172

7.1 计算客户价值的基础 173

7.2 使用客户价值的事例 173

7.2.1 事例1:客户价值帮助我们定位最好的客户 173

7.2.3 事例3:客户价值决定在客户关系上的投资 175

7.2.2 事例2:客户价值等于总体赢利 175

7.2.4 事例4:客户价值标识了我们应该摆脱的不良客户 176

7.3 老客户的价值 177

7.4 客户价值计算中的几个元素 179

7.4.1 客户的定义 179

7.4.2 度量单位 179

7.4.3 客户价值的时间框架 182

7.4.4 客户价值组成 183

7.4.5 下钻和聚集 184

7.4.6 从驱动到组成 185

7.5 收入 185

7.5.1 一个简单案例 185

7.5.2 间接收入 186

7.5.3 其他价值源 189

7.6.1 固定成本和可变成本 190

7.6 成本 190

7.6.2 客户价值中的成本 191

7.6.3 市场成本计算 191

7.6.4 获取客户 192

7.7 预期价值的转移 195

小结 195

第8章 知道何时开始担忧:市场营销中的风险函数和幸存分析法 197

8.1 客户保持力 198

8.1.1 存在曲线告诉我们什么 198

8.1.2 把保持力看做衰变 203

8.2 风险函数 206

8.2.1 基本思想 207

8.2.2 应用风险函数 209

8.2.3 审查的重要性 210

8.3.2 浴缸型风险 213

8.3 风险函数的例子 213

8.3.1 固定风险 213

8.3.3 来自真实世界的一个例子 214

8.4 从风险到幸存率 215

8.4.1 保持力 215

8.4.2 幸存率 216

8.5 均衡风险 218

8.5.1 均衡风险的一些例子 219

8.5.2 时间依赖因素 220

8.6 实际中的风险函数 221

8.6.1 自发和非自发的损耗 221

8.6.2 客户什么时候会回来 222

8.6.3 保持力之外的应用 223

小结 224

第9章 群组分析:使用群组跟踪客户 225

9.1 一个简单的例子 226

9.1.1 背景 226

9.1.2 解决问题的途径 227

9.1.3 结果 227

9.1.4 方法概述 228

9.2 基于存储的推理 229

9.2.1 多近才算近呢 230

9.2.2 联合函数 232

9.2.3 根据距离选择字段 233

9.3 单元和群组 235

9.3.1 客户初始行为 236

9.3.2 客户的几个重要属性 237

9.4 使用群组来评估和计划市场活动 242

9.3.3 把他们放在一起 242

9.4.1 定义群组 243

9.4.2 使用群组来理解保持力 245

9.4.3 量化保持力的好处 250

9.4.4 合并客户的价值 251

小结 252

第10章 用营销学分析来理解客户 253

10.1 营销学 254

10.1.1 营销科学 254

10.1.2 营销学和科学方法 256

10.2 多大才算足够大 258

10.2.1 一个营销学例子 258

10.2.2 什么是我们真正,真正需要的 259

10.2.3 可信的回应率 259

10.2.4 样本该多大 261

10.2.5 最终结果 263

10.3 什么时候起的变化 264

10.3.1 消费者分类 264

10.3.2 使用群体的例子 265

10.3.3 关于比较很多不同群体的警告 266

10.4 设计市场调查时需考虑的因素 267

10.4.1 目前的情况 267

10.4.2 计划测试 269

10.4.3 高级测试 270

10.4.4 分析结果 273

10.4.5 设计一次比较测试的指导 274

10.5 哪一个因素重要?测试结果的比较 274

10.5.1 如果它没有用该怎么办 274

10.5.2 建立市场调节 275

10.5.3 获得渠道是重要的因素吗 276

10.5.4 承兑的优先级是重要因素吗 278

10.5.5 应用结果 280

10.5.6 使用Chi-平方的说明 280

小结 281

第11章 生活(测试)和学习 282

11.1 数据挖掘如何对学习做贡献 283

11.1.1 建立数据挖掘小组 283

11.1.2 潜在的易得的果实 283

11.1.3 解决问题 285

11.1.4 用数据挖掘来救援 286

11.2 乐意去学习 287

11.3 市场分割 288

11.3.1 市场研究方法 289

11.3.2 在数据库中寻找分类 295

11.3.3 可操作分类的好处 296

11.3.4 寻找可操作分类的方法 296

11.4 学习计划 301

11.4.1 学习是正在进行的过程 302

11.4.2 作为正在进行的过程客户 303

11.4.3 计划高级分析 304

11.5 学习和记忆 305

11.5.1 要求1:创建客户签名 306

11.5.2 要求2:创建过去的签名 306

11.5.3 要求3:深入细节 307

11.5.4 要求4:长期跟踪客户 308

11.5.5 要求5:长期跟踪活动 308

小结 309

相关图书
作者其它书籍
返回顶部