数据挖掘与数据化运营实战. 3.5 交叉销售模型
3.5 交叉销售模型 交叉销售这个概念在传统行业里其实已经非常成熟了，也已被普遍应用，其背后的理论依据是一旦客户购买了商品（或者成为付费用户），企业就会想方设法保留和延长这些客户在企业的生命周期和客户的利润贡献，一般会有两个运营选择方向，一是延缓客户流失，让客户尽可能长久地留存,在该场景下，通常就是客户流失预警模型发挥作用，利用流失预警模型，提前锁定最可能流失的有价值的用户，然后客户服务团队采用....
数据挖掘与数据化运营实战. 3.4 用户路径分析
3.4 用户路径分析 用户路径分析是互联网行业特有的分析专题，主要是分析用户在网页上流转的规律和特点，发现频繁访问的路径模式，这些路径的发现可以有很多业务用途，包括提炼特定用户群体的主流路径、网页设计的优化和改版、用户可能浏览的下一个页面的预测、特定群体的浏览特征等。从这些典型的用途示例中可以看到，数据化运营中的很多业务部门都需要应用用户路径分析，包括运营部门、产品设计部门（PD）、用户体验设计....
数据挖掘与数据化运营实战. 3.3 运营群体的活跃度定义
3.3 运营群体的活跃度定义 运营群体（目标群体）的活跃度定义，这也是数据化运营基本的普遍的要求。数据化运营与传统的粗放型运营最主要的区别（核心）就是前者是可以准确地用数据衡量，而且这种衡量是自始至终地贯穿于数据化运营的全过程；而在运营全过程的衡量监控中，活跃度作为一个综合的判断指标，又在数据化运营实践中有着广泛的应用和曝光。活跃度的定义没有统一的描述，一般都是根据特定的业务场景和运营需求来量身....
数据挖掘与数据化运营实战. 3.2 目标客户的预测（响应、分类）模型
3.2 目标客户的预测（响应、分类）模型 这里的预测（响应、分类）模型包括流失预警模型、付费预测模型、续费预测模型、运营活动响应模型等。 预测（响应、分类）模型是数据挖掘中最常用的一种模型类型，几乎成了数据挖掘技术应用的一个主要代名词。很多书籍介绍到数据挖掘的技术和应用，首先都会列举预测（响应、分类）模型，主要的原因可能是响应模型的核心就是响应概率，而响应概率其实就是我们在第1章中介绍的数据化运....
数据挖掘与数据化运营实战. 3.1 目标客户的特征分析
3.1 目标客户的特征分析 目标客户的特征分析几乎是数据化运营企业实践中最普遍、频率最高的业务分析需求之一，原因在于数据化运营的第一步（最基础的步骤）就是要找准你的目标客户、目标受众，然后才是相应的运营方案、个性化的产品与服务等。是不加区别的普遍运营还是有目标有重点的精细化运营，这是传统的粗放模式与精细的数据化运营最直接、最显性的区别。 在目标客户的典型特征分析中，业务场景可以是试运营之前的虚拟....
数据挖掘与数据化运营实战. 2.4 互联网行业数据挖掘应用的特点
2.4 互联网行业数据挖掘应用的特点 相对于传统行业而言，互联网行业的数据挖掘和数据化运营有如下的一些主要特点： 数据的海量性。互联网行业相比传统行业第一个区别就是收集、存储的数据是海量的，这一方面是因为互联网的使用已经成为普通人日常生活和工作中不可或缺的一部分，另一方面更是因为用户网络行为的每一步都会被作为网络日志记录下来。海量的数据、海量的字段、海量的信息，尤其是海量的字段，使得分析之前对于....
数据挖掘与数据化运营实战. 2.3 数据挖掘的主要成熟技术以及在数据化运营中的主要应用
2.3 数据挖掘的主要成熟技术以及在数据化运营中的主要应用 2.3.1 决策树 决策树（Decision Tree）是一种非常成熟的、普遍采用的数据挖掘技术。之所以称为树，是因为其建模过程类似一棵树的成长过程，即从根部开始，到树干，到分枝，再到细枝末节的分叉，最终生长出一片片的树叶。在决策树里，所分析的数据样本先是集成为一个树根，然后经过层层分枝，最终形成若干个结点，每个结点代表一个结论。 决策....
数据挖掘与数据化运营实战. 2.2 统计分析与数据挖掘的主要区别
2.2 统计分析与数据挖掘的主要区别 统计分析与数据挖掘有什么区别呢？从实践应用和商业实战的角度来看，这个问题并没有很大的意义，正如“不管白猫还是黑猫，抓住老鼠才是好猫”一样，在企业的商业实战中，数据分析师分析问题、解决问题时，首先考虑的是思路，其次才会对与思路匹配的分析挖掘技术进行筛选，而不是先考虑到底是用统计技术还是用数据挖掘技术来解决这个问题。 从两者的理论来源来看，它们在很多情况下都是同....
数据挖掘与数据化运营实战. 2.1 数据挖掘的发展历史
2.1 数据挖掘的发展历史 数据挖掘起始于20世纪下半叶，是在当时多个学科发展的基础上发展起来的。随着数据库技术的发展应用，数据的积累不断膨胀，导致简单的查询和统计已经无法满足企业的商业需求，急需一些革命性的技术去挖掘数据背后的信息。同时，这期间计算机领域的人工智能（Artificial Intelligence）也取得了巨大进展，进入了机器学习的阶段。因此，人们将两者结合起来，用数据库管理系统....
数据挖掘与数据化运营实战
大数据技术丛书 数据挖掘与数据化运营实战：思路、方法、技巧与应用 卢辉 著 图书在版编目（CIP）数据 数据挖掘与数据化运营实战：思路、方法、技巧与应用 / 卢辉著．—北京：机械工业出版社，2013.6 （大数据技术丛书） ISBN 978-7-111-42650-9 I. 数… II. 卢… III. 数据采集 IV. TP274 中国版本图书馆CIP数据核字（2013）第111...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
瓴羊智能服务
专注于为企业提供数智化转型服务，数据知识挖掘机...方法论、数据技术与产品、最佳行业实践都能聊！
+关注