编辑推荐
看懂各种符号和公式指向的数据和业务实践，把数据和业务联系起来。
内容简介
顾客关系管理的前端工作是收集顾客的人口统计数据和动态行为数据，后端工作是分析这些数据，做出支持业务发展的决策。决策实施过程中还需要在组织结构、企业文化等方面做出相应的调整。
本书只涉及顾客关系管理的后端工作部分，即如何分析顾客背景和行为数据。结合企业常见顾客数据的形式和内容，深入解读相关计算模型的核心思想，以样本数据为例说明如何预测顾客行为、形成相应的业务决策。
除了常见的计量模型，本书也介绍了相关的机器学习方法，解决对应数据的预测和分类问题。
作者以便于企业管理人员理解的方式行文，轻松而不失深邃。希望有助于读者挖掘现有顾客数据的价值，实现数字化转型，保持与数据时代的同步。
作者简介
作者韩冀东，工学学士、经济学硕士、管理学博士，中国人民大学商学院市场营销系副教授。在工厂管过生产，在公司做过销售和管理工作。在人大商学院任教后，完成多家公司和政府部门的咨询项目。出版了顾客关系管理、电子商务、新产品开发等方面的著作、教材和译著。
研究领域涉及顾客关系管理、电子商务、医疗改革、健康行为、数字疗法等。熟悉啤酒、电商、医疗等依托品牌、高频次消费的B2C营销，也擅长挖掘机、元器件乃至军工、高技术领域的B2B营销。一直深入企业实践开展学术研究，秉承“数据、理论和趋势三结合”的理念，坚持“基于实际业务数据，改善企业实践，推进理论创新”，致力于“发挥中国企业的数据优势，助力企业高质量发展”。
章节目录
版权信息
序言一 这是本写什么的书？
序言二 本书的表述方式
第一章 顾客关系管理概述
第一节 顾客关系管理的简要案例
一、顾客关系管理适用的领域
二、顾客关系管理的现实应用
第二节 顾客关系管理的具体应用
一、根据顾客什么时候“来”制定策略
二、根据顾客的长期价值优化营销方案
三、善用顾客的相互影响
四、通过产品推荐吸引和挽留顾客
第三节 顾客关系管理的典型数据和场景
一、最简单的CRM场景
二、更为复杂的CRM场景
第四节 顾客关系管理预测方法的核心思想
一、用过去预测未来
二、用群体预测个体
三、小结
第五节 顾客关系管理的价值和目标
一、提升业绩的两个方面
二、CRM试图影响的变量
三、通过精准投放提高效用费用比
第六节 顾客关系管理适用的业务类型
一、顾客最终购买的是单一产品
二、顾客最终购买的是多种产品
三、小结
第二章 预测重复性行为的基本思想
第一节 重复性行为背后的规律
一、顾客行为本身的重复性是预测的前提
二、必需品存在重复性需求的原因：阈值和消耗量
三、非必需品存在重复性需求的原因：心理阈值和消耗量
四、非重复性行为所蕴含的重复性
第二节 用个体的过去行为预测其未来行为
一、预测顾客下次行为所需的数据
二、预测个体顾客下一次到店会间隔多久
三、间隔天数不是单一的确定值
四、理解现实是最重要的，不要被数学和统计困住
五、可以针对每个顾客预测其相应的间隔天数
六、有多种概率分布可以描述顾客不同类型的行为特征
第三节 用顾客群的行为预测顾客个体行为
一、挑战：顾客个体的过去行为数据不足
二、应对方案：寻找类似群体
三、用例子来说明平均值和方差的差别
第三章 预测重复性行为的基本方法
第一节 用个体的过去行为预测其未来购物时间
一、情境：有顾客个体过去的购物日期记录
二、IT系统中的实际数据
三、预测任务：顾客间隔不同天数来购物的概率
四、预测时常用的基础概率分布：指数分布
第二节 预测时各种可采用的概率分布
一、正态分布
二、伽马分布
三、伽马分布和指数分布的关系
四、贝塔分布
五、各种分布的小结
第三节 用群体的过去行为预测相似个体的购物时间
一、挑战：没有预测对象的过去数据
二、用群体数据预测个体行为的方法
三、预测时的一致性前提
第四节 预测个体的购物次数
一、任务转换：从预测“间隔天数”到预测“购物次数”
二、从日志数据中找出反映购物次数出现频次的概率分布
三、计算相应概率分布的具体参数值
四、预测所用的基础模型：NBD
第五节 预测群体的购物次数
一、挑战：没有个体层面的顾客数据＋需要预测群体行为
二、新情境的数据：时间和销量
三、群体行为的概率分布基础：泊松分布
四、通过泊松分布预测不同销量的概率
五、通过泊松过程预测一段时间的销量
第四章 顾客价值的衡量
第一节 衡量顾客价值的核心思想
一、单一顾客、首期的价值衡量
二、单一顾客、以往多期的价值衡量
三、单一顾客、未来多期的价值衡量
四、单一顾客、全周期的价值衡量
五、多个顾客、多期的价值衡量
六、衡量顾客价值要考虑的因素
第二节 预测顾客价值的简化方法
一、反映顾客贡献的多种指标
二、采用跨期固定值，预测顾客的长期价值
三、采用固定的跨期保留率数值，预测顾客群的保留情况
第三节 预测未来的新增顾客数量
一、结果是0或1的变量的建模
二、预测单一顾客的获取
三、预测获取的新顾客的数量
四、其他预测新顾客数量的模型
第四节 计算顾客价值时考虑顾客流失
一、顾客和企业交易关系的类型
二、合约类交易的顾客流失
三、非合约类交易的顾客流失
第五节 计算顾客价值中的利润贡献
一、计算各期的销售额（或收入）
二、计算各期的成本
第五章 顾客之间的相互影响
第一节 衡量现有顾客的影响
一、衡量现有顾客单期影响力大小的概念模型
二、衡量现有顾客单期影响力大小的实际模型
三、衡量现有顾客多期影响力的变化
第二节 优化企业激励顾客相互影响的策略
一、判断两人之间是否存在直接联系
二、判断信息是否送达或者被接收者看到
三、预测接收信息者的行为概率
四、优化激励相互影响策略的思路
第三节 衡量相互影响对顾客流失的影响
一、衡量用户是否接触到流失或满意用户的变量
二、衡量用户之间交往强度的变量
三、衡量用户之间相似性的变量
四、利用行为数据计算用户满意度
五、引入多种影响因素预测顾客流失
第四节 通过现有顾客的推荐获取新顾客
一、顾客购买产品的概率
二、顾客向他人推荐产品的概率
三、激励推荐对企业利润的影响
四、优化企业激励推荐的策略
第六章 非合约类交易的顾客流失预测
第一节 预测顾客流失常用的数据
一、记录事件的表
二、汇总单一用户数据后的表
三、把用户和状态对应起来的表
第二节 从时间间隔角度预测顾客流失
一、直接预测顾客下一次购物的时间
二、增加考虑购物时间间隔随时间变化
三、预测顾客可变购物时间间隔下的活跃概率
四、考虑到顾客活跃和流失状态交替计算的顾客生命周期价值
第三节 根据内外部影响因素预测顾客流失
一、考虑各种因素对顾客流失概率的影响
二、考虑各种因素在已知流失概率上叠加影响
第四节 采用机器学习的方法预测顾客流失
一、机器学习简述
二、简化的决策树例子
三、用决策树进行分类的基本思想
第五节 特征选择、决策树的生成和剪枝
一、衡量纯度变化的指标及算法
二、生成决策树
三、决策树剪枝
四、以决策树为基础的随机森林方法
第六节 判断机器学习算法优劣的方法
一、评判模型优劣的核心思想
二、评判模型优劣依赖的数据
三、评判模型优劣的具体指标
四、采用机器学习进行预测的主要问题
第七章 产品推荐和先后购买
第一节 从不同层面泛化理解重复性
一、判断重复性的不同视角
二、不同视角看待重复性的例子
三、判断重复性的不同视角
第二节 水平推荐：推荐系统的基本逻辑
一、水平推荐针对的三种顾客类型
二、顾客反馈的量化
三、计算相似性的基本思想
四、实践中的复杂情况
第三节 垂直推荐：先后购买产品的推荐
一、有购买顺序的产品类型
二、独立预测顾客要购买的下一个产品
三、已购买产品对未来购买产品的影响
四、把前一个产品的购买时间纳入考虑
第四节 垂直推荐：量化前后购买产品之间的距离
一、购买产品先后之间存在距离的简化例子
二、量化购买产品先后距离的核心思想
三、量化购买顺序之间距离的常用数据
四、先后距离思想的应用拓展
附录1 拟合概率分布的工具
附录2 预测重复性行为和顾客价值的工具
数据时代的顾客关系管理及模型是2022年由中国人民大学出版社出版,作者韩冀东 编著。
得书感谢您对《数据时代的顾客关系管理及模型》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
