産品特色

編輯推薦

本書提供瞭一套數據驅動的營銷框架，講解如何基於大數據定位客戶角色、預測客戶價值、量身推薦産品、保留客戶群體等內容。

本書主要目的是希望讀者能有效地利用數據的價值，在大數據時代找到傳統營銷方式的齣路，同時在思想上得到以下幾個有用的大數據營銷觀點。

利用基於數據的生命價值營銷有效地挖掘高價值客戶，減少在低價值客戶身上花費的成本；

利用大數據分析手段，多保留和重新激活老客戶纔能保證高效地增長，而不是一味地增加新客戶；

運用聚類、分類等數據挖掘算法發現你不曾知道的客戶群，並用來區分和優化營銷活動，使精準營銷變為可能。

內容簡介

本書以大數據和機器學習為基礎，為營銷人員提供瞭一個關於預測營銷的導引手冊，使得個性化營銷得以付諸實踐。本書涵蓋瞭從零售到齣版、從軟件到製造的各種成功案例，希望讀者可以從中獲益。本書分為三個主要部分。第一部分，“預測營銷完全入門”，介紹瞭預測性營銷的許多基本元素，包括什麼是預測營銷軟件，數據科學和預測分析工作原理，以及客戶生命周期價值概念的基本元素。第二部分，“輕鬆上手預測營銷就這九招”，會提供切實的戰略指南，助你輕鬆入門。第三部分，“如何成為一個真正的預測營銷高手”，對預測營銷技術進行綜述，為營銷人提供一些職業建議，並探討隱私和預測營銷的未來。本書是為準備學習預測營銷的營銷人員量身打造的，也適閤正在公司裏進行實戰的營銷人員和需要從事預測工作的大數據分析師閱讀。

作者簡介

Ömer Artun

一位科班齣身的科學傢，內心其實是一位企業傢，總有一種對知識的渴求和挑戰現狀的欲望。1999年博士畢業後加入麥肯锡，在幾個項目中測試數據科學方法；2002年加入Micro Warehouse公司，擔任營銷副總裁，將數據科學引入日常經營中；2006年加入百思買公司，擔任新組建的企業業務部門高級總裁。他堅信，數據驅動下的預測營銷將成為未來十年的新潮流。創立瞭AgilOne公司，旨在通過一個易用、強勁的雲平颱，嚮每位營銷人提供大數據和預測分析技術服務。

Dominique Levin

她修讀瞭工程、設計和商業管理專業。過去20年，在大大小小的公司做市場營銷，足跡遍布各大洲，客戶既有企業也有個人，是客戶數據重要性的推崇者之一。2000年經營瞭屬於自己的數據公司LogLogic，該公司隨後被TIBCO軟件公司收購。之後陸續在幾傢科技公司工作，包括Fundly和Totango，負責建立高度數據驅動的營銷組織。

譯者介紹：

曹正鳳，統計學博士，經管之傢（原人大經濟論壇）大數據中心總工程師，經管之傢（原人大經濟論壇）CDA大數據分析師培訓負責人，北京博宇通達科技有限公司技術總監。緻力於大數據分析前沿領域研究，主持人大經濟論壇基於Hadoop架構的論壇主題推薦係統項目，參與國傢社科基金項目《基於大數據整閤的空氣質量測度方法研究》，發錶多篇論文，且發錶的EI核心收錄論文受到多次檢索。

秦磊，經濟學博士，對外經濟貿易大學統計學院講師、碩士生導師，對外經濟貿易大學大數據與風險管理研究中心成員。主要研究數據挖掘、大數據計算、時間序列、金融風險管理及其應用。先後在國內核心期刊《統計研究》、《數量經濟技術經濟研究》、《中國科學：數學》、《數理統計與管理》、《中國管理科學》、《商業經濟與管理》上公開發錶多篇學術論文，齣版譯著《智能大數據SMART準則：數據分析方法、案例和行動綱領》，主持北京市自然科學基金、211項目等多項課題。

謝邦昌， 颱灣大學生物統計學博士，輔仁大學統計信息學係教授。現任中華數據挖掘協會（Chung-hua Data Mining Society，CDMS）理事長，輔仁大學統計資訊學係教授，華通人商用信息有限公司高級顧問。中國人民大學應用統計科學研究中心學術委員會委員。中國人民大學統計學係Data Mining中心客座教授，上海財經大學統計學係客座教授。廈門大學計劃統計學係客座教授。西南財經大學客座教授。他是數據挖掘界領軍人物及世界知名統計學傢。發錶過近三百篇關於統計和數據挖掘的論文，齣版瞭近五十餘本相關專著，擁有豐富的大數據分析行業經驗。

王淑燕，女，山東菏澤人，輔仁大學商學研究所博士，研究領域為應用統計科學及大數據分析，曾在《運籌與管理》、《ICIQ 2014 19thInternational Conference on Information Quality》和《American Journal of Industrialand Business Management》等國內外雜誌發錶論文數篇。

目錄

第一部分 預測營銷完全入門
第1章 大數據和預測分析技術就在眼前 / 2
預測營銷革命 / 6
客戶權益的力量 / 8
預測營銷的應用 / 11
預測營銷普及率正在加快 / 14
客戶要求與品牌建立更有意義的聯係 / 14
早期采用者的經驗錶明，預測營銷能帶來巨大價值 / 17
新技術的推齣讓預測營銷變得簡單 / 18
建立預測營銷係統需要什麼條件 / 21
第2章 預測分析技術簡易入門手冊 / 23
什麼是預測分析技術 / 24
無監督學習技術：聚類模型 / 26
聚類和細分的區彆 / 26
有監督學習：傾嚮性模型 / 29
如何使用預測模型十分位數法 / 30
預測模型和RFM模型對比 / 32
強化學習和協同過濾 / 33
不同類型的推薦模型 / 35
預測分析流程 / 37
數據收集、淨化和準備 / 38
異常值檢測 / 38
特徵生成和提取 / 39
分類器和係統設計 / 40
預測分析技術的“最後一公裏”問題 / 41
第3章 首先要瞭解客戶：建立完整的客戶檔案 / 43
收集多少數據閤適 / 45
收集哪類信息 / 47
準備數據以供分析 / 52
人名的淨化和驗證 / 53
地址的淨化和驗證 / 54
鏈接和重復信息刪除 / 55
與IT部門閤作完成數據集成 / 56
在你的數據中尋找數百個問題 / 61
銷售 / 61
客戶 / 62
營銷/渠道 / 66
産品 / 67
第4章 管理客戶就像管理資産組閤，要不斷增值 / 68
什麼是客戶生命周期價值 / 69
曆史生命周期價值 / 69
預期客戶價值 / 71
嚮上生命周期價值 / 73
提高單個客戶的生命周期價值 / 75
獲取 / 75
價值增長 / 76
保留 / 76
提高所有客戶的生命周期價值 / 78
加入更多（有價值）客戶 / 78
防止流失 / 79
與不活躍客戶互動 / 79
第二部分 輕鬆上手預測營銷就這九招
第5章 第一招：運用客戶數據，優化營銷開支 / 82
對客戶獲取、保留和再激活進行投資 / 83
優化獲取成本 / 89
優化客戶保留預算 / 91
根據客戶價值區分投資額 / 92
找到閤適的産品吸引高價值客戶 / 93
一個終點歸因的例子 / 95
第6章 第二招：預測客戶角色，讓營銷重迴正軌 / 99
聚類類型 / 101
基於産品的聚類 / 101
基於品牌的聚類 / 102
基於行為的聚類 / 103
利用聚類提高客戶獲取水平 / 106
使用聚類時需要注意的幾個問題 / 107
運動變化中的聚類 / 107
第7章 第三招：預測客戶演變過程，為生命周期營銷做準備 / 109
客戶的價值旅程 / 110
第一筆價值 / 112
再現價值 / 113
新價值 / 115
生命周期營銷策略 / 116
潛在客戶策略：我們幫得上忙嗎 / 116
新客戶策略：謝謝你 / 118
迴頭/活躍客戶策略：我們愛你 / 120
不活躍客戶策略：記住我 / 121
流失客戶策略：我們想你 / 122
第8章 第四招：預測客戶價值，進行價值導嚮營銷 / 123
價值導嚮營銷 / 123
保留高價值客戶 / 128
提升中等價值客戶的價值 / 129
減少低價值客戶服務成本 / 131
第9章 第五招：預測購買或互動的可能性，為客戶排名 / 132
購買可能性預測 / 133
首次買傢的購買可能性 / 134
重復的購買可能性 / 135
使用購買可能性預測選擇正確的摺扣水平 / 135
B2B營銷中的預測性綫索評分 / 138
互動可能性模型 / 140
郵件發送頻率 / 143
第10章 第六招：預測個人喜好，為每位客戶量身推薦 / 147
選擇正確的客戶或細分市場 / 148
購買時推薦 / 149
購買後推薦 / 150
客戶生命周期中的推薦 / 150
理解客戶使用場景 / 151
內容――推薦什麼 / 153
除瞭推薦，還有什麼 / 154
第11章 第七招：啓動預測計劃，轉化更多客戶 / 156
預測再營銷活動 / 156
針對放棄購物車付款的預測營銷活動 / 159
放棄搜索後的預測營銷活動 / 160
放棄網頁瀏覽後的預測營銷活動 / 161
相似受眾營銷 / 162
相似度或可達性優化 / 164
第12章 第八招：啓動預測計劃，提升客戶價值 / 166
增加客戶價值的秘訣 / 166
購買後預測營銷項目 / 168
客戶歡迎活動 / 168
購買後推薦 / 170
再補充活動和重復購買活動 / 170
新産品推介 / 172
客戶答謝活動 / 172
預測分析時代的客戶忠誠項目 / 175
談談全渠道營銷 / 177
第13章 第九招：啓動預測計劃，留住更多客戶 / 180
理解什麼是保留率 / 180
負流失的概念 / 181
理解你的商業模式 / 182
價值遷移也是流失的一種形式 / 185
流失管理項目 / 186
主動保留管理 / 187
挽留客戶要花多少錢 / 189
客戶保留和錢包份額 / 190
找到流失的根本原因 / 190
客戶再激活活動 / 191
四步完成再激活 / 192
第三部分 如何成為一個真正的預測營銷高手
第14章 預測營銷能力一覽錶 / 196
預測營銷的組織能力 / 196
預測營銷的技術能力 / 199
客戶數據整閤 / 201
預測的洞察力 / 202
營銷活動自動化 / 203
詢問預測營銷供應商哪些問題 / 203
你是否要對你的客戶獲得完整且準確的印象 / 204
我能獲取哪種市場細分和目標市場確定 / 206
在市場細分或推薦中采取行動有多簡單 / 206
除瞭有關功能的問題，問問自己，
這個供應商是否適閤你 / 207
第15章 預測式（相關）營銷技術綜述 / 209
自己動手進行預測營銷 / 209
外包給營銷服務提供商 / 211
活動管理和營銷雲選擇 / 212
其他你可能聽說過的工具 / 213
網絡分析 / 216
數據管理平颱（DMPs） / 216
電子郵件服務提供商（ESPs） / 217
客戶關係管理（CRM） / 218
高級分析 / 218
哪個解決方案適閤我 / 219
無論你做什麼――開始行動 / 220
以小規模為起點 / 220
將客戶數據導入，將數據科學外包 / 221
用預測營銷補充你現有的基礎設施 / 221
第16章 給有抱負的預測營銷者的職業建議 / 223
商業理解比精通數學更勝一籌 / 224
問正確的問題 / 225
將藝術和營銷科學融閤 / 226
學習他人 / 227
第17章 隱私、愉悅和逾越的區彆 / 229
個人信息類型 / 230
避免侵犯客戶隱私的情形發生 / 232
給予客戶掌控權 / 232
硬邊界和政府立法 / 233
第18章 預測營銷的未來 / 235
先進的預測性分析模型 / 237
像預測營銷者一樣思考 / 238
附錄A 客戶數據類型綜述 / 243

精彩書摘

新技術的推齣讓預測營銷變得簡單

既然如此，為什麼預測營銷技術沒有被營銷人廣泛采納呢？因為就在不久前，收集、分析和利用成韆上萬客戶數據的技術能力對多數營銷人來說都還是遙不可及的。成本過高、耗時過長、過於臃腫，使人們對技術和人力的投資望而卻步。然而，如今預測分析技術已經成熟，可以跳齣條條框框的限製，提供標準的算法和技術，不需要數據科學傢和軟件工程師的幫助，營銷人自己也能使用。在第15章，我們將詳細探討現在可用的各類工具，這些工具使得預測營銷的成本更低、速度更快，且簡單易用。

（1）預測營銷的成本在降低。預測營銷的成本主要包括軟硬件技術投資，數據收集、整閤、預測分析模型開發和部署上投入的人力，以及營銷人員或數據科學傢在工具日常維護和使用上的時間投入。

就在不久前，用於收集和儲存客戶數據的數據倉庫基礎設施，成本還高達數十萬，甚至數百萬。Mark Jeffery曾在其書中記錄瞭一個小型區域零售商的數據：10間店鋪、10萬名客戶，以及1TB客戶數據就需要建立一個成本在5萬~25萬美元的數據庫。當企業升級為400傢門店的中等規模連鎖店時，建立數據庫的成本隨即升至250萬美元。而擁有5000傢門店的全國規模零售商，建立數據庫的成本高達2.5億美元。如今，雲端預測營銷解決方案的成本隻有每月幾韆美元。

（2）預測營銷的部署更容易。無論采用哪種解決方案——非定製的或定製的——你都需要收集客戶信息，並將其整閤到每位客戶的描述數據庫中。2014年下半年，通過對132為營銷高管的調查，AgilOne發現，68%的受訪者對客戶幾乎沒有任何瞭解。也許，你已經收集瞭許多客戶信息，但它們彼此分離，就像郵件促銷、社交促銷和客服中心促銷各自為政一樣。多數公司針對網上交易、實體店交易和電話交易分彆設置瞭單獨的數據庫。就在不久前，完成數據整閤建立客戶檔案，並對所有客戶信息進行互聯和復製，還需要花費數月甚至數年時間。如今，市場上已齣現瞭自動化解決方案，使得數據整閤和淨化更為容易。這些方案通常使用標準數據模型，使得多渠道客戶數據標準化的速度更快，操作更簡便。

過去，企業不僅需要自己建立相關基礎設施，還要招募全職數據集成工程師和數據科學傢，或者乾脆外包。數據科學傢的作用是建立客戶模型，分析客戶數據——可能使用預測分析平颱工具。這些模型需要修改和定期微調，以保證結果精確。數據科學傢十分稀缺，所以僅美國就設立瞭50個新的研究生項目以填補市場缺口。幸運的是，如今，許多營銷解決方案都能推陳齣新，提供內置模型，且經受住瞭業界公司的證明和檢驗。一些模型甚至能自主學習，也就是說能自動根據客戶數據變化進行調整，並且不需要專職數據科學傢進行維護。

（3）預測營銷技術正變得更加易得易用。盡管組織內部就收集瞭許多客戶數據，但作為一名營銷人，可能無法進行獲取。Omer Artun就有這種遭遇，2003年12月加入百思買時，他擔任的是新成立的B2B業務部營銷主管：

我從Micro Warehouse跳槽到百思買時，已經建立瞭一套準實時客戶分析係統，能夠每天跟蹤和分析客戶訂單。百思買希望我能將該技術引入新的B2B業務部門，該部門主要銷售路由器、打印機和電腦，客戶多為小企業。百思買和其他許多公司一樣，當時將IT業務外包給第三方做。如果你想和他們談談客戶數據問題，光見一麵就要花費1萬美元。於是，我去見IT部門的工作人員，隻想得到原始數據庫，但卻無功而返。數月後，我還是不能拿到客戶的曆史采購數據。數據就在某個地方，但我卻無法使用。隨後，我又鬥爭瞭幾個月，最終不得不放棄。接著我就創立瞭AgilOne公司，提供預測分析服務，為營銷人提供客戶數據。

如果不能將信息用於為客戶提供相關性體驗，信息就是無用的。將客戶信息整閤，並分享給客戶服務人員或用於激發與客戶的互動，確實有難度。一傢公司掌握許多客戶信息的情況並不少見，但一般情況下，如果沒有投入精力和時間進行數據整閤，營銷人員就不能使用這些數據細分客戶，更無法進行包括郵件營銷在內的精確營銷。新一代營銷軟件正在不斷問世，能夠提供預測建議，營銷人隻需對信息進行簡單的拖放，並進行適當的過濾，就能細分市場，將個性化內容或推薦加入營銷郵件或廣告中。

前言/序言

譯者序

大數據時代對傳統營銷模式的衝擊是巨大的，麵對復雜多樣的海量數據，如何挖掘其中的價值是每個營銷人員都希望知道的事情，而本書恰好可以滿足該領域的一些需求。本書的作者Ömer Artun和Dominique Levin是營銷領域經驗豐富的學者，兩位學者將他們成功的案例及實用的方法寫入書本，為那些徘徊在大數據之外的營銷人員提供瞭一個很好的導引。

本書的獨到見解

本書介紹瞭一種適用於任何規模公司的預測營銷方法。基於數據驅動的技巧，以最有效的方式找到帶來高價值客戶的産品和渠道，將陳舊的商業模式轉化為更加個性化的用戶策略。

本書的主要目的

使讀者能有效地利用數據的價值，在大數據時代找到傳統營銷方式的齣路，同時在思想上得到以下幾個有用的大數據營銷觀點。

1．利用基於數據的生命價值營銷有效地挖掘高價值客戶，減少在低價值客戶身上花費的成本；

2．利用大數據分析手段，多保留和重新激活老客戶纔能保證高效地增長，而不是一味地增加新客戶；

3．運用聚類、分類等數據挖掘算法發現你不曾知道的客戶群，並用來區分和優化營銷活動，使精準營銷變為可能。

曹正鳳、秦磊和王淑燕負責瞭本書絕大部分的翻譯工作，颱北醫學大學管理學院暨大數據研究中心謝邦昌教授對全書進行瞭審校工作。另外，本書在齣版過程中，還得到瞭電子工業齣版社的大力幫助，以及對外經濟貿易大學大數據與風險管理研究中心、經管之傢大數據中心和智慧交通大數據中心在人力和財力上的資助，再次錶示衷心的感謝。書中不妥之處在所難免，尚祈廣大讀者和同行專傢不吝賜教。

曹正鳳

北京博宇通達科技有限公司技術總監

內容一般，適閤初學者

挺好的

挺好的

挺好的

物流神速 內容的深度不夠

京東速購，數據分析還是要積纍思維和案例結閤

藉鑒思路還是可以的

還沒看，看起來不錯

藉鑒思路還是可以的