追求简洁的模型

前段时间hunter曾提及到RFM模型，并解释如下：

Recency, Frequency, Monetary，就是前计算机时代所用的客户模型，原则是，顾客的最近一次交易时间，交易的频繁程度，交易金额，是判断最好顾客/客户价值的指标。 最近刚买东西的，更常来买，买的更多的，就是更好的顾客。

这应该是是在零售行业的客户行为模型，用一种非常简洁的方法来判断客户的价值。我想肯定有人嫌弃它太粗放。但这种简洁形式非常让人羡慕，容易让人理解，被接受，能够用的起来。在电信行业应该也是可以整出这样的模型的。

仅仅从三个角度（或者说维度、变量吧），而且既然已经形成了一种看起来行业认可的模型，应该说，这三个角度是具有代表性的。也许当初在建模考虑的时候，也考虑了成百上千个变量，最终得到这几个。其实只要将这三个维度进行交叉组合，就可以得出若干类别，然后去制定营销策略，是通过直邮去递送产品信息，还是电话拜访。

RFM给出一种启示，让俺们电信行业作BI的对模型是个什么样稍微清晰了一点。

那我们项目组来说，做的工作很多都是建立分析模型，不论是挖掘模型或是经验模型，用于支持市场营销。建模的方法用了不少，聚类、分类、层次分析、关联分析一堆噼里啪啦的，好似炫技一般，可惜的是至今并没有出来一种说得过去，能够被市场部门认可的营销模型。不得不说是挺失败的。当然，客观原因是有地。因为如今这个阶段并没有达到非得精细化营销的地步，虽然提供了看起来很精细的模型。模型和营销的粒度并不匹配。要得到一个形式简洁的营销模型，需要不断进行，不断化繁为简。这又让我想到我们在一年多以前的一个模型，至今仍然在那里运行，没有优化过，所以至今也不能清晰地、肯定地表述那个分析结论。

这应该分析专题项目下一步的目标——化繁为简。

昨天跟同事吃饭的时候，聊到一个话题。就是我们项目到底卖的是什么，是挖掘模型。确实，现在客户认为建了一个挖掘模型就值钱一点，而对于数据分析，仍不是非常重视，因为这不好度量。所以，也不能怪我们将简单的分析忽悠成一个模型。

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友