数据挖掘技术在寿险业精准营销中的研究与应用

8
7 6 5 4 3 2 1
7
6 5
6
5
0
0 1 2 3 4 5 6 7 8 9 10
将每个 样本点 分配到 最相似 的类中
4
3
2 1 0 0 1 2 3 4 5 6 7 8 9 10
重新计 算各类 中心 （均 值）
4
3 2
1
0 0 1 2 3 4 5 6 7 8 9 10
重新分配
10 9
重新分配
10 9 8 7 6 5
模型构建
基于关联规则的二次销售模型
数据源
数据 准备
数据挖掘
分析结果
团险核心数 据库 确定关联产品 变量
数据 采集
数据仓库
数据 输入
输出 结果
二次销售产品 组合预测结果
ECIF数据库
关联规则 Apriori算法 个险核心数 据库
BEIHANG UNIVERSITY SEM-MBA-MB1108404
3
4 5
BEIHANG UNIVERSITY SEM-MBA-MB1108404
模型构建 案例研究 总结与展望
17
H公司简介
H公司成立于2005年，是一家由国内外实力雄厚的金融保险 集团和知名企业发起设立的全国性寿险公司，经营人寿保险、
健康保险、意外伤害保险等业务。
经营业绩
600000 规模保费（万元）
数据收集
利 用 kettle 进 行 数 据
BEIHANG UNIVERSITY SEM-MBA-MB1108404
ETL
24
数据收集
数据收集后宽表信息
BEIHANG UNIVERSITY SEM-MBA-MB1108404
25
建模与分析
客户细分变量选取过程
1
• 从80个客 户指标按 照和本次 营销目标 无关的客 户指标进 行中初步 筛选，剩 下50个认 为相关变 量。
开始 读取数据库 读取、存储类信息
读取属性信息 是连续属性
忽略或用最多的 属性值来替代 存储样本表 将数据集划分成K个子集 Y 取K-1个子集用C5.0算法建构树
Ｋ次迭代交叉验证
划分区域
Ｎ 存储至属性哈希表中
读取训练样本
规则提取 Y N
13
对生成的树进行测试后打印分类信息 结束
有缺失数据
BEIHANG UNIVERSITY SEM-MBA-MB1108404
数据挖掘技术在寿险业精准营销中 研究与应用
学生姓名： 指导教师：
答辩日期：2013-12
1
内容提纲
1 2
选题背景和意义 理论研究
3
4 5
BEIHANG UNIVERSITY SEM-MBA-MB1108404
模型构建 案例研究 总结与展望
2
选题背景及意义
保险业告别 快速增长， 投资回报低， 营销成本持 续上升
BEIHANG UNIVERSITY SEM-MBA-MB1108404
7
内容提纲
1 2
选题背景和意义 理论研究 模型构建 案例研究 总结与展望
8
3
4 5
BEIHANG UNIVERSITY SEM-MBA-MB1108404
模型构建
1 2 3
刻画目标客户群的特征 从客户角度进行客户价值提升挖掘 从产品角度实现产品组合预测挖掘
2
• 邀请市 场、精 算、运 营、IT部 门的专 家，利用 德尔菲法 确定和本 次营销目 标相关的 变量12个
3
• 对12个变 量进行相 关性分 析，对于 相关性大 于0.7的作 为建模变 量。最终 选择了8个 细分变 量。
客户细分变量 ① ② ③ ④ ⑤ ⑥ 年龄 性别 是婚姻状况 否有子女 客户层级 实际缴纳保 费之和 ⑦ 有效保单总 数 ⑧ 有效件均保 费
15
模型算法（Aprior）
支持度 S(%) 2 3
3 3
第一次迭代
1-项目集C1 {A} {C} {D} {B} {E}
1-项集C1 计数 {A} {C} {D} {B} {E} 2 3 1 3 3
支持度 S(%) 50 75 25 75 75
频繁集1-项集L1 计数 {A} {C}
{B} {E}
BEIHANG UNIVERSITY SEM-MBA-MB1108404
31
建模与分析
购买了爱家卡客户可能还会购买如下产品,这些产品将成为二次营销模型的输入变 量：
10
模型算法（K-means）
k-means算法，也被称为k-平均或k-均值。 它将各个聚类子集内的所有数据样本的 均值作为该聚类的代表点，通过迭代过程把数据集划分为不同的类别，使得评价聚类 性能的准则函数达到最优，从而使生成的每个聚类内紧凑，类间独立,聚类过程如下：
10 9
10
9 8 7
10
9 8
21
数据收集
客户基本信息指标 客 户 分 析 指 标 体 系
客户价值指标 客户购买行为指标 客户变更行为指标 客户行为指标 客户支付行为指标 客户投资行为指标 客户领取行为指标
BEIHANG UNIVERSITY SEM-MBA-MB1108404
22
数据收集
指标名称 姓名 客户姓名 指标含义
年龄
支持度 S(%) 50 50 75 50
第三次迭代
2-项目集C3 {B,C,E}
2-项集C2 计数 {B,C,E} 2
支持度 S(%)
频繁集3-项集L3 计数
支持度 S(%) 2 50
50
{B,C,E}
BEIHANG UNIVERSITY SEM-MBA-MB1108404
16
内容提纲
1 2
选题背景和意义 理论研究
28
建模与分析
聚 类 结 果 业 务 解 析
BEIHANG UNIVERSITY SEM-MBA-MB1108404
29
建模与分析
利用SPSS Celemetine建立客户交叉销售 模型
模型准确性信息
BEIHANG UNIVERSITY SEM-MBA-MB1108404
30
建模与分析
通过交叉销售模型预测结果信息：
BEIHANG UNIVERSITY SEM-MBA-MB1108404
20
数据收集
Call_Center
个险核心
团险核心
数据读取
数据清 理
数据集成 和转化
数据泛 化
数据质 量探测
目标数据库
ECIF（企业 客户信息 库）
数据源
数据采集
数据仓库
BEIHANG UNIVERSITY SEM-MBA-MB1108404
降
BEIHANG UNIVERSITY SEM-MBA-MB1108404
19
H公司精准营销目标的提出
以购买了爱心家庭产品客户和未购买爱心家庭产品客户 为研究对象，达到： 1、通过分析购买爱心家庭产品客户的特征，预测未购买 此产品但有可能购买实行交叉销售,购买率不低于 30%。 2、分析购买了爱心家庭产品的客户还购买了何种产品， 在购买了爱心家庭产品中寻找二次营销机会，购买率 不低于20%。 客户 细分 交叉 销售 二次 营销 客户 价值 增长
14
模型算法（Aprior）
Aprior算法过程说明
下表是5名顾客某天的购买实物表数据，其中A，B，C，D,E表示 5个商品代码。 TID
100
项集X
A,C,D
200 300 400
B,C,E A,B,C,E B,E
假设用户设计的最小支持度阀值为0.5，其产生频繁集的迭代过程如下：
BEIHANG UNIVERSITY SEM-MBA-MB1108404
500000 400000
300000 200000 100000 0 2005 2006 2007 2008 2009 2010 2011 2012
BEIHANG UNIVERSITY SEM-MBA-MB1108404
18
H公司精准营销目标的提出
新单保费下降
降息导致保险新业务利差减少 资本市场低迷，投资回报降低
50 75
75 75
第二次迭代
2-项目集C2 {A,B} {A,C} {A,E} {B,C} {B,E} {C,E}
2-项集C2 计数 {A,B} {A,C} {A,E} {B,C} {B,E} {C,E}
支持度S(%) 1 25 2 50 1 25 2 50 3 75 2 50
频繁集2-项集L2 计数 {A,C} {B,C} {B,E} {C,E} 2 2 3 2
供应链式的 供给和需求 链的需求矛 盾，渠道面 临巨大困境
客户角度：开 拓新客户、挽 留老客户、激 活沉睡客户， 提升客户价值 产品角度：了 解客户真正需 求，推出合理 产品组合,提 升客户价值
论文选题 背景及意义
选题背景
选题意义
提升客户满意 度，降低营销 成本，提升公 司核心竞争力
保险密度和 深度和发达 国家比有很 大差距，市 场潜力巨大
BEIHANG UNIVERSITY SEM-MBA-MB1108404
26
建模与分析
利用SPSS Celemetine 聚类过程图
BEIHANG UNIVERSITY SEM-MBA-MB1108404
27
建模与分析
聚 类 结 果 图
BEIHANG UNIVERSITY SEM-MBA-MB1108404
是否有孩子 2、男性已婚 30 岁以上或女性 已婚 27 岁以上一定有子女，补 'Y';
是否吸烟 是否有驾照
住址 学历 电话
根据健康告知判断 根据客户财务告知判断
泛化为城区和郊区 客户教育程度 客户联系电话
BEIHANG UNIVERSITY SEM-MBA-MB1108404
工作电话 23
客户工作电话
收入 下降
支出 上升
准备金不断上调 客户获取和挽留成本大 运营成本持续上升
客户价值 增长
营销困 境 现有资 源
新客户获取成本居高不下
营销活动成本 新产品频出，业绩不好 客户粘度下降，客户满意度下
公司2013年的战略 开业八年积累大量的客户数
据，单个客户价值有很大的提
升空间 现有的ECIF和数据仓库支持
K=2 确定初始类中心
8
7
6 5 4 3
2
1 0 0 1 2 3 4 5 6 7 8 9 10
BEIHANG UNIVERSITY SEM-MBA-MB1108404
重新计 算各类 中心 （均 值）
4 3
2
1 0 0 1 2 3 4 5 6 7 8 9 10
11
模型构建
基于决策树分类预测的交叉销售模型
研究目的
以数据为洞 察,利用数据 挖掘技术 进 行精准营销
BEIHANG UNIVERSITY SEM-MBA-MB1108404
3
内容提纲
1 2
选题背景和意义 理论研究 模型构建 案例研究 总结与展望
4
3
4 5
BEIHANG UNIVERSITY SEM-MBA-MB1108404
理论研究
精准营销理论 精准营销是以客户为中心，以数据为洞察， 在正确的时间、正确的地点、用正确的方式 传递正确的信息。
预期目标
BEIHANG UNIVERSITY SEM-MBA-MB1108404
9
模型构建
基于聚类算法的客户分群模型
数据源
数据准备
数据挖掘
分析结果
团险核心数 据库
确定细分变量
数据 采集
数据 输入 输出 结果
数据仓库
客户群体特征 识别
ECIF数据库
聚类 K-Means 算法 个险核心数 据库
BEIHANG UNIVERSITY SEM-MBA-MB1108404
1
6
活动 评估
5
4
客户名单发放 营销活动推进和监控
营销活动分析 营销活动总结
BEIHANG UNIVERSITY SEM-MBA-MB1108404
6
理论研究
数据挖掘（Data Mining）又称为数据中的知识发现(Knowledge Discover in Database，KDD).简单来说就是从大量数据中提取或”挖掘”知识，行业内公认的 跨行业数据挖掘标准（CRISP-DM）如下图所示：
BEIHANG UNIVERSITY SEM-MBA-MB1108404
源自文库
5
理论研究
精准营销的过程
要什 么
3
从哪 收
确定细 分变量
构建模型
用啥 收
收集 数据
如何 规范
结果分析
2
4
识别营销机会、设计营销活动
客户 获取
客户 价值 增长 客户 激活 执行 营销 战役
1 2 3
活动流程设计
客户 挽留
营销工具准备 精准营销培训
客户年龄
N1：≤18，N2：19～ 35，N3．36～50， N4：50--60；N5≥60 客户性别
客 户 基 本 信 息 指 标 表
年龄区间
性别 年收入 职业 是否结婚 客户基本信息指标
客户告知的年收入 如果没有告知建议 按照年缴保费*5估算
客户职业类别 根据告知判断 通过婚姻状况来判断：
1、单身的肯定没有子女，补'N'；
数据源
数据准备
数据挖掘
分析结果
团险核心数 据库
确定输入变量
数据 采集 数据 输入 输出 结果
数据仓库
交叉销售预测 结果
ECIF数据库
决策树C5.0算 法
个险核心数 据库
BEIHANG UNIVERSITY SEM-MBA-MB1108404
12
模型算法（C5.0）
C5.0算法采用信息增益率作为对选择分枝属性的分枝准则，计算各属性的 信息增益率，然后选取信息增益率最大的属性作为结点，自顶向下生成决策 树,算法给的工作 流程图如下：