大数据时代及数据挖掘的应用 最终版
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
√每天会有 2.88 万个小时的视频上传到Youtube， 足够一个人昼夜不息的观看3.3年…
√推特上每天发布 5 千万条消息，10 秒钟浏览一条信息， 足够一个人昼夜不息的浏览16年…
√每天亚马逊上将产生 6.3 百万笔订单… √每个月网民在Facebook 上要花费7 千亿分钟，
被移动互联网使用者发送和接收的数据高达1.3EB… √ Google 上每天需要处理24PB的数据…
BIG dATA
数据挖掘分析流程
——了解用户，才能更精准的挖掘。
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
根据用户特性，制定关键词群。
1.产品关键词：
挖掘对产品有直接需求的用户：他们本身对 产品有需求，想要购买，他们需要的是更好的 推荐。
2.行为关键词：
挖掘对产品有潜在需求的用户：他们的行 为有极大可能对产品产生需求，我们需要更好 的刺激需求，也可借此扩大品牌影响力。
文本挖掘借助于数据挖掘算法对文本信息进行分析，通过统计分析，聚类分析，规 则发现，模式探索与识别对文本信息进行探索分析，发现其潜在的规律规则。
情绪识别和分析技术 关键词关联度发现技术 文本挖掘与规则发现技术
BIG dATA
数据挖掘分析流程
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
数据挖掘分析流程
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
海量数据库
新浪每日微博数据1亿条。
通过API接口，根据挖掘策略，
获取基础数据：约6万条
——初步数据挖掘，是对所有相关用户的整合。
BIG dATA
数据挖掘分析流程
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
克鲁斯，原地不动，球门右下角。 阿亚拉，低平球，左下角。马克 西，右侧死角。坎比亚索，等待， 原地不动，左下角。
✓ 这便是教练拥有的一个非常 详尽的私人数据库，收集了 13000个点球录像，进行了 详细的分析，通过记录和分 析去了解阿根廷球员的习惯， 最后浓缩成了这张纸条。
BIG dATA
数据，带来的是实打实的效果！
产品特征 人群特点
分类话术
阶段任务：
1.根据用户给出的资料，给产品消费者“画轮廓”（群体描述）； 2.根据数据挖掘师的报告，给潜在用户“涂颜色”（属性分类）；
注意事项：
1.群体描述时，尽量在大范围内精准，不要有过分细节的描述； 2.属性分类时，先选取有价值的属性，然后尽可能细致的进行分类。
BIG dATA
主要包括：
• 总体呈现 • 关键词呈现 • 用户类型 • 性别分析 • 年龄分析 • 地域分析 • 发言时间 • 微博等级
•网购激励因素分析 •用户对网络广告/活动的参与情况 •用户网购的时间段 •用户触媒习惯 •用户浏览购物网站的地点 •潜客收入分析 •消费群体的划分与定位 •消费群体的喜好及网络行为特征
10
掘金大数据时代
✓ 一小伙应聘上海（均价4万高档 小区）的物业管理，自己配了扫 描枪，每天盯着小区垃圾堆，看 见有条形码就扫描，晚上回家把 数据整理出来，得出这小区的人 喜欢喝什么水、吃什么油、买什 么衣服，他对整个小区的消费品 类偏好和品牌偏好一清二楚，最 终，形成报告卖给大公司，报告 价值数十万。
难点：如何准确识别潜客？ 应对：行业切词+语义分析
执行产出之三：互动报告
月互动总数约6000条
自动回复→带来的二次回复
4193条
1842条
人工回复→带来的二次回复
1807条
1088条
给消毒蒸锅页面带去1820次的高精准点击。
BIG dATA
如何设置自动回复话术？
1
内容分配
产品特征 人群特点
分类话术
BIG dATA
数据挖掘基本流程
1 • 用户分析 • 挖掘策略 • 基础数据 • 数据清洗 • 语义分析
BIG dATA
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
产品特性：某品牌多组合蒸汽消毒锅 HY101W
售价：1299元
面向用户：0-6岁宝宝消毒用具需求者。 主要功能：为奶瓶、奶嘴和儿童餐具消毒。 主要优势：多组合、多功能、强力蒸汽、自动断电。
BIG
dATA 11
数据，带来的是白花花的银子！
马云的判断来自于数据分析
马云对未来的预测，是建立在对用户行为分析的基础上。通常而言， 买家在采购商品前，会比较多家供应商的产品。这些，反应到阿里巴 巴网站的统计数据中，就是——查询点击的数量和购买点击的数量会 保持一个相对的数值，综合各个维度的数据可建立用户行为模型。因 为数据样本巨大，所以保证了用户行为模型的准确性。
BIG dATA
数据挖掘分析流程
——了解产品，才能更好的了解用户。
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
母婴用户群体特性：
孩 子消费者特征：
扮演消费使用者，但由于年龄太小，自身没有判断力和购买能力。 产品使用和购买的最终评价主要来自——父母。
父 母消费者特征：
1.谈论子女的健康（预防，治疗）； 2.谈论自己对子女的付出（精神，体力）； 3.谈论子女的人生阶段（出生，满月，周岁等）。
BIG dATA
每日新增微博数据1亿条+
关键字相关微博数据 约60，000条左右
总体呈现：
具有分析意义的数据 约20，000条左右
时间： 2013.6.10-2013.6.21 潜客数据
约1185条+
0：00
12:00
BIG dATA
数据挖掘结果呈现
难点：如何获取数据？ 应对：API+智能爬虫
难点：如何解读海量微博数据？ 应对：建模清洗
BIG dATA
数据挖掘分析流程
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
海尔多组合蒸汽消毒锅挖掘关键词：
1.产品关键词 2.行为关键词
奶瓶 消毒 玩具 消毒 ……
洗 奶瓶 买 新奶瓶 奶瓶 卫生 一岁 送什么 满月 送什么 ……
——通过关键词群，挖掘出准确的潜在用户。
BIG dATA
BIG dATA
数据的价值到底在哪里？
让我们从案例说起——
BIG dATA
先从身边的案例看起：
✓ 喜欢看足球的人们可能还 记得，06年世界杯上一 场激烈的德国对垒阿根廷 的点球大战，最终以德国 守门员莱曼神勇扑出对方 多个点球而取胜。
✓ 有如神助？ 不如说是：有如数据之助！
BIG dATA
✓ 德国成功的关键，就在赛前守 门员教练科普克塞给了莱曼一 张便筏：
aFocus
大数据时代及数据挖掘的应用
大数据： BIG 创新、竞争和生产力的下一个新领域！
dATA
大数据来了！
✓ 随着信息时代的到来，手机、电子邮箱、互联网搜
索……所有这些都可以用数据的形式表现并记录下来。 ✓ 然而，在这一片看似杂乱无章又毫无规律的数据面前，
很多人没有意识到其背后所蕴藏着的巨大价值。
1.系统清洗
• 蓝V清洗(蓝V认证) ——官微发布，多为产品推广或知识宣传。 • 链接清洗( 带链接 )——产品导流，加链接欲促成销售的账号。 • 字数清洗(字数过多)——草根特性，知识宣传等非快捷表达的大段文字。
……
——系统直接过滤掉绝非潜在用户的群体。
BIG dATA
数据挖掘分析流程
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
如何设置自动回复话术？
4
内容分配
阶段任务：
不但影响产品销量，甚至直接影响产品整体销售策略、定位策略！
BIG dATA
为什么是微博？
“从iPad和微博中，我似乎看到了一点点未来……”
——默多克
BIG dATA
对这些海量数据的存储，新浪微博超过了任何一家传统企
业的能力，但是对于整个互联网平台级的公司，他们每时每刻 都在忙于把这些数据收集、整理、归类、保存。
大数据的4V特性
1. Volume体 量
数据量巨大
3. value 价值密度
沙里淘金，价值密度低
BIG dATA
2. Variety 多样性
结构化、半结构化和非结构化数据
4. Velocity速 度
实时获取需要的信息
大数据有多大？
√全球每秒钟发送 2.9百万封电子邮件，一分钟读一篇的话， 足够一个人昼夜不息的读5.5年…
BIG dATA
数据，带来的是前瞻性的眼光！
大数据，大未来
数
✓ 以上的案例向我们解释了，要在浩
据
如烟海的数据中找到它的价值所在，
首要进行的便是数据挖掘的工作。
挖
掘
BIG dATA
数据挖掘：
BIG
大数据的淘金者！
dATA
数据挖掘能给我们带来什么？
BIG dATA
潜客
1
例：【某品牌消毒蒸锅】潜客数据部分预览：
每天，新浪微博产生1亿条数据Βιβλιοθήκη Baidu
BIG dATA
微博数据挖掘能帮助客户解决什么问题？
1. 制定产品策略，优化促销活动！ 2. 挖掘潜在客户，进行个性化推荐！ 3. 增加驻留客户，优化聚类客户！ 4. 降低运营成本，提高企业竞争力！
BIG dATA
aFocus是怎么做的？
BIG dATA
【某品牌蒸汽消毒锅】
不是几百几千个用户的标签，而是成千万、上亿的群体性标签！
BIG dATA
订单
2
例：【某品牌移动硬盘】客户要求：形成直接的天猫旗舰店销售。
BIG dATA
实施效果：
平均每月成单100单以上。
用户受到正向影响 促进，决心下单。
BIG dATA
用户下单，完成购买。
口碑
3
根据潜在用户口碑资料，对产品进行改进。
整体建议：
1. 产品推销（60%）：销售形象，介绍产品、加链接等； 2. 实用窍门（10%）：秘书形象，讲解产品相关知识； 3. 疑难解答（20%）：专家形象，解答网友产品相关困惑； 4. 交流心得（10%）：朋友形象，交流产品使用心得。 注意：具体项目，需根据项目需要和数据挖掘结果，进行具体分配。
BIG dATA
大数据在哪？
✓ 纷繁复杂的数据，就像一个巨 大的矿脉，时时刻刻引诱着对 信息极为敏感的人们。他们依 托电脑为工具，进行着数据挖 掘的工作，希望在其中找到真
正的“金矿”！
BIG dATA
大数据是……？
无法在一定时间内用传统数据库软件工具对其内 容进行抓取、管理和处理的数据集合。
BIG dATA
2.数据分析师建模清洗
• 关键字规则(转让、代购、直购) • 用户数据规则(不常在线的)
……
——通过细致分析，筛掉反向需求用户和隐形需求用户。
BIG dATA
数据挖掘分析流程
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
自然语言识别：Natural Language Processing (NLP)
BIG dATA
如何设置自动回复话术？
2
内容分配
产品特征
人群特点
阶段任务：
1. 了解项目产品的总体定位； 2. 了解项目的主推产品或主推功能；
注意事项：
1. 整体定位对回复话术的设定有很大影响； 2. 主推产品和主推功能，直接决定话术的内容方向。
BIG dATA
分类话术
如何设置自动回复话术？
3
内容分配
自然语言识别特别是中文语义的识别需要基于智能、精准、可靠的切词技术，并能对上下文 语义和语境进行识别，还可根据预设语境抽取语义关键词。
中文切词分词技术
语言分段及结构化技术
自动摘要技术 符号学分析技术 词性识别纠正技术
实体对象识别与抽取技术 上下文语境定义技术
文本挖掘技术：Text Miner & Sentiment Analysis
微博链接
http://weibo.com/2881012711/zekmjeaL u
评论内容
祝你愿望早日实现哦~买DV亲可以关注一下JVC 的哟
网友再次回复内容
谢谢，我会关注了解的，也祝贵公司事业蒸蒸日 上。
回复时间间隔
网友晚上23点15发布，因此系统第二天早上才 回复。
达到效果
对JVC品牌的正面影响。
分析范围：用户最近发布的500条微博。
分析结果：（Excel表格方式呈现）→ →
• 婴儿年龄、生日 • 家电品牌偏好 • 消费水平 • 对促销的敏感度 ……
——分析客户背后的隐性资料。
BIG dATA
数据挖掘分析流程
执行产出之一：用户数据报表
——1万条左右高精准用户数据
BIG dATA
执行产出之二：用户数据报告
BIG dATA
微博颠覆了传统的 信息传播路径 传统：单中心、单向的传播方式
短信、电话、问卷：效率低且数量少。
微博：多中心、网状裂变传播方式
每一条都是直接的用户需求：效率高，且数量大。
更庞大！更快速！更直接！更高效！
BIG dATA
微博上的消费者是 数字化 的
• 在网络中，他们不会直接告诉你需求，企业必须自己去收集、分析、跟踪、 对比。谁先在海量数据中沙里淘金，谁将在这轮技术变革中，脱颖而出。
√推特上每天发布 5 千万条消息，10 秒钟浏览一条信息， 足够一个人昼夜不息的浏览16年…
√每天亚马逊上将产生 6.3 百万笔订单… √每个月网民在Facebook 上要花费7 千亿分钟，
被移动互联网使用者发送和接收的数据高达1.3EB… √ Google 上每天需要处理24PB的数据…
BIG dATA
数据挖掘分析流程
——了解用户，才能更精准的挖掘。
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
根据用户特性，制定关键词群。
1.产品关键词：
挖掘对产品有直接需求的用户：他们本身对 产品有需求，想要购买，他们需要的是更好的 推荐。
2.行为关键词：
挖掘对产品有潜在需求的用户：他们的行 为有极大可能对产品产生需求，我们需要更好 的刺激需求，也可借此扩大品牌影响力。
文本挖掘借助于数据挖掘算法对文本信息进行分析，通过统计分析，聚类分析，规 则发现，模式探索与识别对文本信息进行探索分析，发现其潜在的规律规则。
情绪识别和分析技术 关键词关联度发现技术 文本挖掘与规则发现技术
BIG dATA
数据挖掘分析流程
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
数据挖掘分析流程
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
海量数据库
新浪每日微博数据1亿条。
通过API接口，根据挖掘策略，
获取基础数据：约6万条
——初步数据挖掘，是对所有相关用户的整合。
BIG dATA
数据挖掘分析流程
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
克鲁斯，原地不动，球门右下角。 阿亚拉，低平球，左下角。马克 西，右侧死角。坎比亚索，等待， 原地不动，左下角。
✓ 这便是教练拥有的一个非常 详尽的私人数据库，收集了 13000个点球录像，进行了 详细的分析，通过记录和分 析去了解阿根廷球员的习惯， 最后浓缩成了这张纸条。
BIG dATA
数据，带来的是实打实的效果！
产品特征 人群特点
分类话术
阶段任务：
1.根据用户给出的资料，给产品消费者“画轮廓”（群体描述）； 2.根据数据挖掘师的报告，给潜在用户“涂颜色”（属性分类）；
注意事项：
1.群体描述时，尽量在大范围内精准，不要有过分细节的描述； 2.属性分类时，先选取有价值的属性，然后尽可能细致的进行分类。
BIG dATA
主要包括：
• 总体呈现 • 关键词呈现 • 用户类型 • 性别分析 • 年龄分析 • 地域分析 • 发言时间 • 微博等级
•网购激励因素分析 •用户对网络广告/活动的参与情况 •用户网购的时间段 •用户触媒习惯 •用户浏览购物网站的地点 •潜客收入分析 •消费群体的划分与定位 •消费群体的喜好及网络行为特征
10
掘金大数据时代
✓ 一小伙应聘上海（均价4万高档 小区）的物业管理，自己配了扫 描枪，每天盯着小区垃圾堆，看 见有条形码就扫描，晚上回家把 数据整理出来，得出这小区的人 喜欢喝什么水、吃什么油、买什 么衣服，他对整个小区的消费品 类偏好和品牌偏好一清二楚，最 终，形成报告卖给大公司，报告 价值数十万。
难点：如何准确识别潜客？ 应对：行业切词+语义分析
执行产出之三：互动报告
月互动总数约6000条
自动回复→带来的二次回复
4193条
1842条
人工回复→带来的二次回复
1807条
1088条
给消毒蒸锅页面带去1820次的高精准点击。
BIG dATA
如何设置自动回复话术？
1
内容分配
产品特征 人群特点
分类话术
BIG dATA
数据挖掘基本流程
1 • 用户分析 • 挖掘策略 • 基础数据 • 数据清洗 • 语义分析
BIG dATA
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
产品特性：某品牌多组合蒸汽消毒锅 HY101W
售价：1299元
面向用户：0-6岁宝宝消毒用具需求者。 主要功能：为奶瓶、奶嘴和儿童餐具消毒。 主要优势：多组合、多功能、强力蒸汽、自动断电。
BIG
dATA 11
数据，带来的是白花花的银子！
马云的判断来自于数据分析
马云对未来的预测，是建立在对用户行为分析的基础上。通常而言， 买家在采购商品前，会比较多家供应商的产品。这些，反应到阿里巴 巴网站的统计数据中，就是——查询点击的数量和购买点击的数量会 保持一个相对的数值，综合各个维度的数据可建立用户行为模型。因 为数据样本巨大，所以保证了用户行为模型的准确性。
BIG dATA
数据挖掘分析流程
——了解产品，才能更好的了解用户。
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
母婴用户群体特性：
孩 子消费者特征：
扮演消费使用者，但由于年龄太小，自身没有判断力和购买能力。 产品使用和购买的最终评价主要来自——父母。
父 母消费者特征：
1.谈论子女的健康（预防，治疗）； 2.谈论自己对子女的付出（精神，体力）； 3.谈论子女的人生阶段（出生，满月，周岁等）。
BIG dATA
每日新增微博数据1亿条+
关键字相关微博数据 约60，000条左右
总体呈现：
具有分析意义的数据 约20，000条左右
时间： 2013.6.10-2013.6.21 潜客数据
约1185条+
0：00
12:00
BIG dATA
数据挖掘结果呈现
难点：如何获取数据？ 应对：API+智能爬虫
难点：如何解读海量微博数据？ 应对：建模清洗
BIG dATA
数据挖掘分析流程
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
海尔多组合蒸汽消毒锅挖掘关键词：
1.产品关键词 2.行为关键词
奶瓶 消毒 玩具 消毒 ……
洗 奶瓶 买 新奶瓶 奶瓶 卫生 一岁 送什么 满月 送什么 ……
——通过关键词群，挖掘出准确的潜在用户。
BIG dATA
BIG dATA
数据的价值到底在哪里？
让我们从案例说起——
BIG dATA
先从身边的案例看起：
✓ 喜欢看足球的人们可能还 记得，06年世界杯上一 场激烈的德国对垒阿根廷 的点球大战，最终以德国 守门员莱曼神勇扑出对方 多个点球而取胜。
✓ 有如神助？ 不如说是：有如数据之助！
BIG dATA
✓ 德国成功的关键，就在赛前守 门员教练科普克塞给了莱曼一 张便筏：
aFocus
大数据时代及数据挖掘的应用
大数据： BIG 创新、竞争和生产力的下一个新领域！
dATA
大数据来了！
✓ 随着信息时代的到来，手机、电子邮箱、互联网搜
索……所有这些都可以用数据的形式表现并记录下来。 ✓ 然而，在这一片看似杂乱无章又毫无规律的数据面前，
很多人没有意识到其背后所蕴藏着的巨大价值。
1.系统清洗
• 蓝V清洗(蓝V认证) ——官微发布，多为产品推广或知识宣传。 • 链接清洗( 带链接 )——产品导流，加链接欲促成销售的账号。 • 字数清洗(字数过多)——草根特性，知识宣传等非快捷表达的大段文字。
……
——系统直接过滤掉绝非潜在用户的群体。
BIG dATA
数据挖掘分析流程
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
如何设置自动回复话术？
4
内容分配
阶段任务：
不但影响产品销量，甚至直接影响产品整体销售策略、定位策略！
BIG dATA
为什么是微博？
“从iPad和微博中，我似乎看到了一点点未来……”
——默多克
BIG dATA
对这些海量数据的存储，新浪微博超过了任何一家传统企
业的能力，但是对于整个互联网平台级的公司，他们每时每刻 都在忙于把这些数据收集、整理、归类、保存。
大数据的4V特性
1. Volume体 量
数据量巨大
3. value 价值密度
沙里淘金，价值密度低
BIG dATA
2. Variety 多样性
结构化、半结构化和非结构化数据
4. Velocity速 度
实时获取需要的信息
大数据有多大？
√全球每秒钟发送 2.9百万封电子邮件，一分钟读一篇的话， 足够一个人昼夜不息的读5.5年…
BIG dATA
数据，带来的是前瞻性的眼光！
大数据，大未来
数
✓ 以上的案例向我们解释了，要在浩
据
如烟海的数据中找到它的价值所在，
首要进行的便是数据挖掘的工作。
挖
掘
BIG dATA
数据挖掘：
BIG
大数据的淘金者！
dATA
数据挖掘能给我们带来什么？
BIG dATA
潜客
1
例：【某品牌消毒蒸锅】潜客数据部分预览：
每天，新浪微博产生1亿条数据Βιβλιοθήκη Baidu
BIG dATA
微博数据挖掘能帮助客户解决什么问题？
1. 制定产品策略，优化促销活动！ 2. 挖掘潜在客户，进行个性化推荐！ 3. 增加驻留客户，优化聚类客户！ 4. 降低运营成本，提高企业竞争力！
BIG dATA
aFocus是怎么做的？
BIG dATA
【某品牌蒸汽消毒锅】
不是几百几千个用户的标签，而是成千万、上亿的群体性标签！
BIG dATA
订单
2
例：【某品牌移动硬盘】客户要求：形成直接的天猫旗舰店销售。
BIG dATA
实施效果：
平均每月成单100单以上。
用户受到正向影响 促进，决心下单。
BIG dATA
用户下单，完成购买。
口碑
3
根据潜在用户口碑资料，对产品进行改进。
整体建议：
1. 产品推销（60%）：销售形象，介绍产品、加链接等； 2. 实用窍门（10%）：秘书形象，讲解产品相关知识； 3. 疑难解答（20%）：专家形象，解答网友产品相关困惑； 4. 交流心得（10%）：朋友形象，交流产品使用心得。 注意：具体项目，需根据项目需要和数据挖掘结果，进行具体分配。
BIG dATA
大数据在哪？
✓ 纷繁复杂的数据，就像一个巨 大的矿脉，时时刻刻引诱着对 信息极为敏感的人们。他们依 托电脑为工具，进行着数据挖 掘的工作，希望在其中找到真
正的“金矿”！
BIG dATA
大数据是……？
无法在一定时间内用传统数据库软件工具对其内 容进行抓取、管理和处理的数据集合。
BIG dATA
2.数据分析师建模清洗
• 关键字规则(转让、代购、直购) • 用户数据规则(不常在线的)
……
——通过细致分析，筛掉反向需求用户和隐形需求用户。
BIG dATA
数据挖掘分析流程
1.用户分析 2.挖掘策略 3.基础数据 4.数据清洗 5.语义分析
自然语言识别：Natural Language Processing (NLP)
BIG dATA
如何设置自动回复话术？
2
内容分配
产品特征
人群特点
阶段任务：
1. 了解项目产品的总体定位； 2. 了解项目的主推产品或主推功能；
注意事项：
1. 整体定位对回复话术的设定有很大影响； 2. 主推产品和主推功能，直接决定话术的内容方向。
BIG dATA
分类话术
如何设置自动回复话术？
3
内容分配
自然语言识别特别是中文语义的识别需要基于智能、精准、可靠的切词技术，并能对上下文 语义和语境进行识别，还可根据预设语境抽取语义关键词。
中文切词分词技术
语言分段及结构化技术
自动摘要技术 符号学分析技术 词性识别纠正技术
实体对象识别与抽取技术 上下文语境定义技术
文本挖掘技术：Text Miner & Sentiment Analysis
微博链接
http://weibo.com/2881012711/zekmjeaL u
评论内容
祝你愿望早日实现哦~买DV亲可以关注一下JVC 的哟
网友再次回复内容
谢谢，我会关注了解的，也祝贵公司事业蒸蒸日 上。
回复时间间隔
网友晚上23点15发布，因此系统第二天早上才 回复。
达到效果
对JVC品牌的正面影响。
分析范围：用户最近发布的500条微博。
分析结果：（Excel表格方式呈现）→ →
• 婴儿年龄、生日 • 家电品牌偏好 • 消费水平 • 对促销的敏感度 ……
——分析客户背后的隐性资料。
BIG dATA
数据挖掘分析流程
执行产出之一：用户数据报表
——1万条左右高精准用户数据
BIG dATA
执行产出之二：用户数据报告
BIG dATA
微博颠覆了传统的 信息传播路径 传统：单中心、单向的传播方式
短信、电话、问卷：效率低且数量少。
微博：多中心、网状裂变传播方式
每一条都是直接的用户需求：效率高，且数量大。
更庞大！更快速！更直接！更高效！
BIG dATA
微博上的消费者是 数字化 的
• 在网络中，他们不会直接告诉你需求，企业必须自己去收集、分析、跟踪、 对比。谁先在海量数据中沙里淘金，谁将在这轮技术变革中，脱颖而出。