聚类-广东工业大学.ppt

数据挖掘
滕少华
广东工业大学
协同计算与知识工程
第一章概述
滕少华
Tel:**********
E-mail:******@gdut.
12 九月 2018
2
协同计算与知识工程
内容提要
引例
数据挖掘产生的背景
数据挖掘方法及过程
数据挖掘应用
数据挖掘技术的前景与研究热点
12 九月 2018
3
协同计算与知识工程
引例
超市货架的组织
广告精准投放
客户细分
客户流失分析
入侵检测
12 九月 2018
4
协同计算与知识工程
12 九月 2018
超市货架的组织——“啤酒与尿布”(关联分析)
货架的组织会影响商品的销售!
超市商品按什么原则摆放?
尿布与啤酒被摆在一起。为什么?
原来,美国妇女通常在家照顾孩子,所以她们经常会嘱咐丈夫在下班回家的路上为孩子买尿布,而丈夫在买尿布的同时又会顺手购买自己爱喝的啤酒。这种现象就是卖场中商品之间的关联性,研究“啤酒与尿布”关联的方法就是购物篮分析,购物篮分析可以帮助超市在销售过程中找到具有关联关系的商品,并以此获得销售收益的增长!
关联销售!
5
协同计算与知识工程
12 九月 2018
网上购物——“定向营销”(广告投放)
,网络社区服务SNS(work Service)已成为互联网关注的热点。通过挖掘网络服务,数据处理,企业可以更好地搜索潜在消费者和传播对象,将分散的目标顾客精准地聚集在一起,精确地把广告投放给目标客户,这不但有效降低费用,而且可以减少对非目标客户的干扰,提高广告的满意度,最终实现网络广告投放策略的真正价值。(聚类)
6
协同计算与知识工程
客户细分是有效实施市场策略的第一步。企业通过客户细分,一方面能够识别出具有价值的客户,并针对他们做个性化的营销服务;另一方面可以有效地识别企业的潜在客户,并有针对性地开展新客户的获取工作。
客户细分是将一个大的消费群体划分成多个小类别的操作,同属于一个细分类别的客户彼此相似,而隶属于不同细分类别的消费者彼此之间的消费行为存在较大差异。例如对电信业而言,不同的客户群对企业创造的价值会有所不同,其消费特征也有所区别,这就需要将不同的群体分别对待。
客户细分(聚类)
12 九月 2018
7
协同计算与知识工程
12 九月 2018
客户流失分析(分类)
客户流失分析是以客户的历史消费行为、客户的基础信息、客户拥有的产品信息为基础数据,通过这些数据,发现客户流失的特点及与之相关的多种因素,建立可以在一定时间范围内预测客户流失倾向的模型,并对流失的后果进行评估,以便制定恰当的营销策略,挽留客户。
在激烈竞争的市场,往往采取名目繁多的促销活动和层出不穷的广告宣传来吸引新客户、留住老客户;
研究发现:发展一个新客户比保持一个老客户的费用要高出5倍以上。
8
协同计算与知识工程
12 九月 2018
入侵检测
入侵检测通常采用误用检测和异常检测两种策略。
大多数商业入侵检测系统主要使用误用检测策略,这种策略对通过数据分析,建立已知类型的攻击模型,通过规则可以较好地检测已知类型的攻击,但对新的未知攻击或已知攻击的变种则难以检测。(分类)
异常检测通过构建正常网络行为模型(称为特征描述),来检测与特征描述严重偏离的新的模式(孤立点分析)
9
协同计算与知识工程
引例
数据挖掘产生的背景
数据挖掘方法及过程
数据挖掘应用
数据挖掘技术的前景与研究热点
内容提要
12 九月 2018
10
协同计算与知识工程