三周知识串讲思维导图

碧海扬帆

2025-05-16

浏览量: 80

客户价值类型

计算用户相似性矩阵

多重共线性

三周知识串讲内容详述

树图思维导图提供《三周知识串讲》在线思维导图免费制作，点击“编辑”按钮，可对《三周知识串讲》进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：77ef473eeba6a1118f59e39e25c0d28b

思维导图大纲

明确和拆解问题

明确问题

问题：现实和理想的差距

明确问题的步骤：理解问题点是什么明确希望达到的目标明确可以利用的资源

拆解问题

MECE原则

逻辑树法、公式法、业务流程法、成熟模型法等

假设驱动

确定变量和数据获取

原则：安全、全面、经济、准确、相关等

大数据特点与思维

数据探索和预处理

数据的类型划分

连续与离散

数值型和类别型

定性和定量

定类、定序、定距、定比

数据的描述性统计

集中趋势

均值、中位数、众数及适用条件

离散程度

方差、标准差和四分位差

四分位差判断异常值

箱线图及应用

缺失值和异常值

箱线图判断异常值

数据形态

正态分布与偏态分布

偏度系数额峰度系数

直方图

量纲

检验测量的单位和尺度是否一致

变量单位是否一致

变量取值数量级是否一致

连续变量的预处理

缺失值和异常值处理

缺失值处理

异常值处理

数据形态变换-BOXCOX

标准化和归一化

最大最小值归一化

零均值标准化

离散化

等距离散

等频离散

离散变量的预处理

缺失值处理

名义化转换

标签编码

独热编码变换

哑变量变换

变量间的关系探索

连续变量之间的关系

皮尔逊相关系数

离散变量之间的关系

卡方检验

离散变量与连续变量之间的关系

方差分析

数据降维

因子分析

子主题 1

主成分分析

数据分析

描述性/探索性分析方法

描述性统计分析

指标对比分析

指标趋势分析

指标分群分析

相关性分析

略

聚类分析

聚类算法评价指标

轮廓系数

簇内误方差

聚类谱系图（层次聚类）

基于实际情况的判断

常见聚类算法

AGNES算法

方法

凝聚法

分裂法

AGNES算法优缺点

K-means算法

重要参数

k，把n个对象分成k个簇

初始中心点的选择次数

最大迭代次数

K-means的改进算法

K-Medians算法

DBSCAN算法

聚类算法注意事项

数据清洗

数据变换

数据归约

客户画像

客户信息标签化

客户信息标签分级

客户画像商业应用的重难点

用户画像的颗粒度问题注意低交叉率标签的权重采用强相关信息，忽略弱相关信息将定量的信息归类为定性的信息

RFM模型

客户价值类型

RFM客户细分流程

客户价值细分；抓取用户R、F、M三个维度下的原始数据；根据原始数据转化为用户的R、F、M值；定义R、F、M的中值，对用户进行细分；针对不同层级用户制定运营策略；

RFM模型应用扩展

KANO模型

KANO模型的分析流程

提高企业产品/服务的满意度收集数据：定性+定量分析方法数据整理：根据KANO 模型分类表，对产品5类属性的人数进行统计计算Better-Worse系数：根据Better-Worse计算公式进行计算可视化：参照Better-Worse系数均值进行属性细分，划分四象限针对不同类型的属性制定运营策略

KANO模型的注意事项

用户的差异性用户需求的发展性

PSM模型

PSM模型的分析流程

为新产品定价收集数据：四个问题，太便宜、较便宜、较贵和太贵数据整理：根据4个问题对人数进行统计计算人数百分比、累计人数百分比、可接受、可保留接受和不接受的人数百分比可视化：累计人数百分比折线图，可接受和可保留接受的堆积面积图太便宜和太贵的交叉点为最优价格点，太便宜和较贵的交点，太贵与较便宜的交点对应的价格范围是可接受的价格区间

PSM模型的注意事项

忽视了对消费者购买能力忽视消费者真实的购买行为没有考虑价格变化导致的销量变化

关联分析

基本概念

项集、支持度、频繁项集、置信度、期望置信度、提升度

关联规则分析流程

收集拟探索的可能有关联的一系列特征将所有字段处理成0/1字段给出最小支持度和最小置信度的参考值，计算项集之间的支持度、置信度、提升度等结果选择支持度、置信度都显著大于参考值，且提升度显著大于1的项集，作为具有有效的强关联规则的项集，对据此提出相关建议

协同过滤

计算用户相似性矩阵

为用户推荐产品

漏斗模型

收集分析场景各环节的转化人数制作漏斗图展示每个流程的转化情况对单个或多个漏斗进行趋势分析、比较分析或细分分析