探宇科技的UniMarketing
UniMarketing 3.5
記者 / iThome採購情報 2004-04-12
探宇科技的UniMarketing，以資料採礦（Data Mining）技術為基礎，藉著分析資料庫、資料倉儲等各種資料來源，產生產品差異化行銷分析，而且提供預測客戶購買行為的套裝功能。
以資料採礦技術分析銷售客戶的相關資訊，進而根據購物習性預測出合適的商品組合
探宇科技的UniMarketing，以資料採礦（Data Mining）技術為基礎，藉著分析資料庫、資料倉儲等各種資料來源，產生產品差異化行銷分析，而且提供預測客戶購買行為的套裝功能。
UniMarketing的參考客戶以金融保險和百貨零售業為主，金融商品銷售需要掌握客戶的風險評估、信用評等、資產與貢獻度，以及利率額度分析；百貨零售業者應用的理由是販賣品項繁多，需要策畫特賣活動，寄送DM通知顧客，吸引人潮到賣場購物，需要準確的會員管理。
UniMarketing的分析流程
UniMarketing以Java開發，使用主從式架構，使用者透過網路連線，至伺服器端操作UniMarketing分析系統，也可以根據企業需求調整成應用伺服器的延伸架構，在資料分析前，須先匯入相關資料，轉換成具有資料綱要（Data Schema）的DSC檔，如果要進行有關購物習性的協銷分析和序銷分析，資料源需要再次轉換成二進位格式的BTF檔，以及用來對照產品代號、名稱的MAP檔。UniMarketing在用戶端程式的使用者介面，提供客戶價值和購物習性兩種分析資料準備的功能，作為系統資料分析的基礎。
資料匯入系統後，根據預設參數，會重新定義資料，區分出過濾欄位、新增欄位、資料取樣等系統欄位，產生成DSC格式的純文字資料物件，執行分析處理後，系統會建構對應的資料模型，將結果以圖表呈現。資料模型出爐後，接著可以進一步預測未來後續的新進資料將會歸屬的分類。
由於每一次分析處理的資料準備，需要的檔案通常包括資料源、DSC檔、BTF檔、MAP檔，因此分析處理以專案檔的方式囊括這些資料檔，方便管理，這些資料檔根據屬性不同，又分成系統資料共用區和使用者個人區，系統共用區是全體使用者共享的，擁有管理權限的人才能修改或新匯入資料到這個區域；使用者個人區的資料只能供登入使用者存取與管理，其他使用者無法檢視。與其他商業智慧系統相比，資料呈現與共享的權限控管方面相當有限，只有一般、進階和管理員3種，無法依照部門或群組控管資料權限，使用者少時，或許不需要控管得太仔細，如果應用在使用者眾多的大型企業，就會很需要與階層職務相關的資料或應用程式權限功能。
資料處理作業
外部資料匯入分成純文字檔和資料庫兩種處理方式，純文字檔的資料需要一定順序的排列，才能夠轉換成有意義的資料；資料庫的存取透過ODBC取得資料源連結，匯入功能可以支援資料表相互參照（Join）的處理，轉換成SQL指令執行，習慣SQL指令的使用者，可以在SQL視窗直接鍵入指令，執行資料庫處理。
匯入資料後，要進行資料準備，轉換成系統需要的各式檔案，UniMarketing特別提供「漏失值處理」的功能，在轉換過程中根據預先設定的資料值，自動補登錄，以便提高資料採礦的有效性。
分析作業的速度取決於資料量與處理能力，初期幾次使用之後，就可以確定例行的處理作業，UniMarketing的作業管理員提供分析工作排程與管理功能，即使想臨時中斷分析作業，可以從作業管理員中停止或暫停該項工作。
分析作業
分析作業設定時，除了初步呈現匯入後的資料，可以增加衍生欄位，增加資料呈現的彈性，並且支援記錄篩選的設定，只呈現使用者需要的區間資料或取樣資料。衍生欄位是指將某些欄位配合運算式或常數做特殊需求的處理，例如我們可以設定薪資除以小孩數目等於消費能力的公式，以便自動產生消費能力這個原先資料表沒有的欄位；記錄篩選可以設定區間資料，透過設定大於、小於等判斷式篩選特定欄位的資料。
客戶行為分析管理包括分群、行為與貢獻度分析，UniMarketing採用群集化（clustering）和分類（classification）的方法分析。分群可以將每一群的特徵整理後，根據這些屬性（例如性別、職業、居住地區）的密集程度，進行分群，歸納出現後，使得現有顧客與潛在顧客所屬的族群，能夠以聚焦的方式浮現，便於企業研擬相關行銷策略。行為分析會採用目標式客戶區隔分析法，記錄特定的消費習性（例如有些顧客特別熱中折價券、來店禮、高價精品），之後將客戶區隔（segmentation），以決策樹方式展開這些區隔，建立模型，操作者可以很清楚地看到每一群對象隨著階層的累積而持續遞增的各項特徵。貢獻度用量化屬性（例如消費金額與次數）作為分析目標，也採用目標區隔方式，用決策樹歸結出哪一群客戶的貢獻價值最高，提供操作者檢視推論分析出的資料因素。
購物習性分析可分成協銷（association）和序銷（sequential）的規則分析。商業智慧廠商經常會引用威名百貨（Wal-Mart）的例子，購物籃分析（market basket analysis）能夠找到顧客在週末同時購買啤酒與尿布的關聯性，這個例子正好也充分說明協銷和序銷的重要性。協銷是從相同時間的購物明細資料中，找出關聯程度最高的商品組合，適用在交叉銷售（Cross Selling）；序銷則可以長期分析顧客在不同時間購買產品的先後關係，會應用在向上銷售（Up Selling），目的也是找出關聯程度高的商品組合。
客戶價值分析UniMarketing提供期間、頻率、金額、客戶忠誠度（Customer Loyalty Value）的分析，以圖表方式呈現客戶流失的原因、來店頻率、累計消費金額，推算出顧客的忠誠度。期間分析透過計算客戶最後一次來店時間距離現在時間的長短，分出等級，企業可視顧客來店的周期區分顧客價值。頻率分析，是來店次數另一種計算方式，頻率越高，可能代表顧客的認同與滿意越高，假如發現顧客來店頻率明顯降低，能夠立即研擬對策，開始著手發現問題的根源。忠誠度會使用RFM數值法進行運算，RFM是指前次購物時間（Recency）、購物頻率（Frequency）、購買金額（Monetary）。
預測分析上述所有的分析作業背後皆會產生預測模型，根據預測的信賴度，可以只檢視信賴度高的分析結果。資料隨著每天的營運不斷增長，UniMarketing讓新進的資料也能用來驗證預測模型的準確度，在客戶行為分析預測的功能，提供Gain Chart、Lift Chart和Effect Gain三種圖表的檢視，作為參考。
目前的商業智慧絕大多數屬於歷史資料的分析，關於資料採礦領域的延伸，以資料分析技術為主的產品，也不一定熟悉各行業專屬領域的需求，UniMarketing的長處，在於功能很固定，而且具有與金融保險、百貨零售業者合作的經驗，操作上雖然不夠直覺，經過適當的教育訓練之後，可以很快上手，對中小型的金融與零售業相當適合。文⊙李宗翰
fr.: http://shoppingguide.ithome.com.tw/review/review2004-04-12-001.html
0 Comments:
Post a Comment
<< Home