客户数据无处不在。在每一次客户互动中，营销人员都在收集大量的信息，这些信息可以用来指导战略决策和塑造未来的行为。评估所有可用数据以推动决策和预测未来业务结果的过程称为预测分析。预测分析不仅仅是报告数据，而是帮助指导未来规划，云服务器价格比较，更自信地预测长期业务成果预测分析有助于营销团队明智地投资他们的资源，并制定与总业务价值一致的KPI。进一步了解营销中使用的不同类型的预测模型，以及这些模型如何应用于您自己的营销活动的示例营销人员应了解三种类型的预测模型：聚类模型（段）倾向模型（预测）协同过滤（推荐）我将逐一介绍并给您一个定义，以及总共13个示例：A、 聚类模型聚类是客户细分的预测分析术语。通过集群，你可以让算法而不是营销人员来创建客户细分。把聚类看作是自动分割。算法能够根据比人类更多的变量来划分客户。两个集群在30个或更多客户维度上存在差异并不罕见。我们称这些维度为簇DNA。请看下面的一个例子，这些因素可能构成一个集群的DNA。最常用的聚类算法有行为聚类、基于产品的聚类（也称为基于类别的聚类）和基于品牌的聚类。预测模型1：行为聚类行为聚类告诉你人们在购买时的行为：他们使用网站还是呼叫中心？他们是打折的瘾君子吗？他们多久买一次？他们花了多少钱？再过多久他们才会再次购买？此算法有助于在联系客户时设置正确的基调。例如，经常购买但订单量较小的客户可能会对诸如"当您花费100美元或更多时可以获得双倍奖励积分"这样的优惠做出反应。预测模型2：基于产品的聚类（也称为基于类别的聚类）从不同的产品群中发现不同的产品群。请参阅下面基于类别（或产品）的细分市场或集群的示例。你可以看到，一个客户群的人只购买毛衣，而另一个客户群的人购买不同类型的运动服产品，如外套、运动服、泳装和手表，但从不购买童装、贴身内衣或珠宝。在决定向每个客户群发送哪些产品或电子邮件内容时，这是非常有用的信息。预测模型3：基于品牌的聚类品牌集群告诉你人们喜欢什么品牌。现在你知道该向某些客户推销哪些特定品牌了。当一个品牌发布新产品时，你知道谁会感兴趣。参见下面的品牌集群示例。如你所知，淘客模板，该算法发现，像Tahari这样的客户也倾向于喜欢Calvin Klein和Nine West，但对Desigual或6126根本不感兴趣。B、 倾向模型当大多数人听到"预测分析"时，他们会想到倾向模型。倾向模型对顾客未来的行为做出真实的预测。有了倾向模型，你可以真正地预测客户未来的行为。模型4：预测寿命值在客户意识到这一点之前，算法可以预测客户将花多少钱和你在一起。在客户第一次购买时，微信淘客，您可能知道的不仅仅是他们最初的交易记录：例如，您可能有电子邮件和网络参与数据，以及人口统计和地理信息。通过将一个顾客与许多其他在他（或她）之前的人进行比较，大数据数据库，你可以很准确地预测他们未来的终身价值。这些信息非常有价值，因为它可以让你做出基于价值的营销决策。例如，在那些能够产生最高预期寿命价值的客户的收购渠道和活动上加大投资是有意义的。模型五：钱包份额预测通过预测钱包份额模型，你可以估计出你目前在某一类消费中所占的百分比。例如，如果一个顾客和你一起在食品杂货上花了100美元，那么这是他们某一年食品杂货支出的10%还是90%？了解了这一点，您可以看到未来的收入潜力在您现有的客户群中的位置，并设计活动来获取这些收入。

，云上