數據挖掘技術：應用于市場營銷、銷售與客戶關系管理（第3版）

定　價：￥79.80

作　者：	（美）林那夫（Gordon S. Linoff）（美）貝里（Michael J.A.Berry）著巢文涵，張小明，王芳譯
出版社：	清華大學出版社
叢編項：
標　簽：	管理市場營銷

購買這本書可以去

ISBN：	9787302310143	出版時間：	2013-03-01	包裝：	平裝
開本：	16開	頁數：	620	字數：

內容簡介

　　誰將是忠實的客戶？誰將不是呢？哪些消息對哪些客戶細分最有效？如何最大化客戶的價值？如何將客戶的價值最大化？本書提供了強大的工具，可以從上述和其他重要商業(yè)問題所在的公司數據庫中提取它們的答案。自本書第1版問世以來，數據挖掘已經日益成為現代商業(yè)不可缺少的工具。在這個最新版本中，作者對每個章節(jié)都進行了大量的更新和修訂，并且添加了幾個新的章節(jié)。本書保留了早期版本的重點，指導市場分析師、業(yè)務經理和數據挖掘專家利用數據挖掘方法和技術來解決重要的商業(yè)問題。在不犧牲準確度的前提下，為了簡單起見，即使是復雜的主題，作者也進行了簡潔明了的介紹，并盡量減少對技術術語或數學公式的使用。每個技術主題都通過案例研究和源自作者經驗的真實案例進行說明，每章都包含了針對從業(yè)者的寶貴提示。書中介紹的新技術和更為深入的技術包括：線性和邏輯回歸模型、增量響應（提升）建模、樸素貝葉斯模型、表查詢模型、相似度模型、徑向基函數網絡、期望值最大化（EM）聚類和群體智慧。新的章節(jié)專門討論了數據準備、派生變量、主成分分析和其他變量減少技術，以及文本挖掘。在建立了全面的數據挖掘應用業(yè)務環(huán)境，并介紹了所有數據挖掘項目通用的數據挖掘方法論的各個方面之后，本書詳細介紹了每個重要的數據挖掘技術?！稊祿诰蚣夹g（第3版）——應用于市場營銷、銷售與客戶關系管理》的主題包括：◆ 如何創(chuàng)建穩(wěn)定、持久的預測模型◆ 數據準備和變量選擇◆用諸如回歸、決策樹、神經網絡、基于記憶的推理之類的有指導技術來建模特定目標◆用諸如聚類、關聯規(guī)則和鏈接分析之類的無指導技術來發(fā)現模式◆建模業(yè)務的事件發(fā)生時間問題，如下一次購買時間和預期的剩余生存期等◆ 挖掘非結構化文本

作者簡介

　　Gordon S.Linoff和Michael J.A.Berry在數據挖掘領域的知名度眾所周知。他們是Data Miners公司——一家從事數據挖掘的咨詢公司——的創(chuàng)始人，而且他們已經共同撰寫了一些在該領域有影響力和得到廣泛閱讀的書籍。他們共同撰寫的第一本書是Data Mining Techniques的第一個版本，于1997年出版。自那時起，他們就一直積極地挖掘各種行業(yè)的數據。持續(xù)的實踐分析工作使得兩位作者能夠緊跟數據挖掘、預測以及預測分析領域的快速發(fā)展。Gordon和Michael嚴格地獨立于供應商。通過其咨詢工作，作者接觸了所有主要軟件供應商（以及一些小的供應商）的數據分析軟件。他們相信好的結果不在于是采用專用的還是開源的軟件，命令行的還是點擊的軟件，而是在于創(chuàng)新思維和健全的方法。Gordon和Michael專注于數據挖掘在營銷和客戶關系管理方面的應用——例如，為交叉銷售和向上銷售改進推薦，預測未來的用戶級別，建?？蛻羯嫫趦r值，根據用戶行為對客戶進行劃分，為訪問網站的客戶選擇最佳登錄頁面，確定適合列入營銷活動的候選者，以及預測哪些客戶處于停止使用軟件包、服務或藥物治療的風險中。Gordon和Michael致力于分享他們的知識、技能以及對這個主題的熱情。當他們自己不挖掘數據時，他們非常喜歡通過課程、講座、文章、現場課堂，當然還有你要讀的這本書來教其他人。經常可以發(fā)現他們在會議上發(fā)言和在課堂上授課。作者還在blog.data-miners.com維護了一個數據挖掘的博客。Gordon生活在曼哈頓。在本書之前，他最近的一本書是Data Analysis Using SQL and　Excel，已經由Wiley于2008年出版。Michael生活在馬薩諸塞州劍橋市。他除了在Data Miners從事咨詢工作之外，還在波　士頓大學卡羅爾管理學院講授市場營銷分析（Marketing Analytics）課程。

圖書目錄

第1章什么是數據挖掘以及為什么要進行數據挖掘
1.1 什么是數據挖掘
1.1.1 數據挖掘是一項業(yè)務流程
1.1.2 大量的數據
1.1.3 有意義的模式和規(guī)則
1.1.4 數據挖掘和客戶關系管理
1.2 為什么是現在
1.2.1 數據正在產生
1.2.2 數據正存在于數據倉庫中
1.2.3 計算能力能夠承受
1.2.4 對客戶關系管理的興趣非常強烈
1.2.5 商業(yè)的數據挖掘軟件產品變得可用
1.3 數據挖掘人員的技能
1.4 數據挖掘的良性循環(huán)
1.5 業(yè)務數據挖掘的案例研究
1.5.1 識別美國銀行的業(yè)務挑戰(zhàn)
1.5.2 應用數據挖掘
1.5.3 對結果采取行動
1.5.4 度量數據挖掘的影響
1.6 良性循環(huán)的步驟
1.6.1 識別業(yè)務機會
1.6.2 將數據轉換為信息
1.6.3 根據信息采取行動
1.6.4 度量結果
1.7 良性循環(huán)上下文中的數據挖掘
1.8 經驗教訓

第2章數據挖掘在營銷和客戶關系管理中的應用
2.1 兩個客戶生存周期
2.1.1 客戶個人生存周期
2.1.2 客戶關系生存周期
2.1.3 基于訂閱的關系和基于事件的關系
2.2 圍繞客戶生存周期組織業(yè)務流程
2.2.1 客戶獲取
2.2.2 客戶激活
2.2.3 客戶關系管理
2.2.4 贏回
2.3 數據挖掘應用于客戶獲取
2.3.1 識別好的潛在客戶
2.3.2 選擇通信渠道
2.3.3 挑選適當的信息
2.4 數據挖掘示例：選擇合適的地方做廣告
2.4.1 誰符合剖析
2.4.2 度量讀者群的適應度
2.5 數據挖掘改進直接營銷活動
2.5.1 響應建模
2.5.2 優(yōu)化固定預算的響應
2.5.3 優(yōu)化活動收益率
2.5.4 抵達最受信息影響的人
2.6 通過當前客戶了解潛在客戶
2.6.1 在客戶成為“客戶”以前開始跟蹤他們
2.6.2 收集新的客戶信息
2.6.3 獲取時間變量可以預測將來的結果
2.7 數據挖掘應用于客戶關系管理
2.7.1 匹配客戶的活動
2.7.2 減少信用風險
2.7.3 確定客戶價值
2.7.4 交叉銷售、追加銷售和推薦
2.8 保留
2.8.1 識別流失
2.8.2 為什么流失是問題
2.8.3 不同類型的流失
2.8.4 不同種類的流失模型
2.9 超越客戶生存周期
2.10 經驗教訓

第3章數據挖掘過程
3.1 會出什么問題
3.1.1 學習的東西不真實
3.1.2 學習的東西真實但是無用
3.2 數據挖掘類型
3.2.1 假設檢驗
3.2.2 有指導數據挖掘
3.2.3 無指導數據挖掘
3.3 目標、任務和技術
3.3.1 數據挖掘業(yè)務目標
3.3.2 數據挖掘任務
3.3.3 數據挖掘技術
3.4 制定數據挖掘問題：從目標到任務再到技術
3.4.1 選擇廣告的最佳位置
3.4.2 確定向客戶提供的最佳產品
3.4.3 發(fā)現分支或商店的最佳位置
3.4.4 根據未來利潤劃分客戶
3.4.5 減少暴露于違約的風險
3.4.6 提高客戶保留
3.4.7 檢測欺詐性索賠
3.5 不同技術對應的任務
3.5.1 有一個或多個目標
3.5.2 目標數據是什么
3.5.3 輸入數據是什么
3.5.4 易于使用的重要性
3.5.5 模型可解釋性的重要性
3.6 經驗教訓

第4章統計學入門：關于數據，你該了解些什么
4.1 奧卡姆（Occam）剃刀
4.1.1 懷疑論和辛普森悖論
4.1.2 零假設（Null Hypothesis）
4.1.3 p-值
4.2 觀察和度量數據
4.2.1 類別值
4.2.2 數值變量
4.2.3 更多的統計思想
4.3 度量響應
4.3.1 比例標準誤差
4.3.2 使用置信區(qū)間比較結果
4.3.3 利用比例差異比較結果
4.3.4 樣本大小
4.3.5 置信區(qū)間的真正含義是什么
4.3.6 實驗中檢驗和對照的大小
4.4 多重比較
4.4.1 多重比較的置信水平
4.4.2 Bonferroni修正
4.5 卡方檢驗
4.5.1 期望值
4.5.2 卡方值
4.5.3 卡方值與比例差異的比較
4.6 示例：區(qū)域和開局卡方
4.7 案例研究：利用A/B檢驗比較兩種推薦系統
4.7.1 第一個指標：參與會話
4.7.2 第二個指標：每個會話的日收益
4.7.3 第三個指標：每天誰取勝
4.7.4 第四個指標：每個會話的平均收益
……
第5章描述和預測：剖析與預測建模
第6章使用經典統計技術的數據挖掘
第7章決策樹
第8章人工神經網絡
第9章最近鄰方法：基于記憶的推理和協同過濾
第10章了解何時應擔憂：使用生存分析了解客戶
第11章遺傳算法與群體智能
第13章發(fā)現相似的島嶼：自動群集檢測
第14章其他的群集檢測方法
第15章購物籃分析和關聯規(guī)則
第16章鏈接分析
第17章數據倉庫、OLAP、分析沙箱和數據挖掘
第18章構建客戶簽名
第19章派生變量：使數據的含義更豐富
第20章減少變量數量的技術
第21章仔細聆聽客戶所述：文本挖掘