數據挖掘技術-應用於市場營銷銷售與客戶關係管理(第3版)(Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management, 3/e) 数据挖掘技术:应用于市场营销、销售与客户关系管理(第3版)

林那夫 (Gordon S.Linoff), 貝里 (Michael J.A.Berry)

買這商品的人也買了...

商品描述

<內容簡介>

誰將是忠實的客戶?誰將不是呢?哪些消息對哪些客戶細分最有效?如何最大化客戶的價值?如何將客戶的價值最大化?林那夫、貝里所著的《數據挖掘技術(3版應用於市場營銷、銷售與客戶關係管理)》提供了強大的工具,可以從上述和其他重要商業問題所在的公司數據庫中提取它們的答案。自本書第1版問世以來,數據挖掘已經日益成為現代商業不可缺少的工具。在這個最新版本中,作者對每個章節都進行了大量的更新和修訂,並且添加了幾個新的章節。本書保留了早期版本的重點,指導市場分析師、業務經理和數據挖掘專家利用數據挖掘方法和技術來解決重要的商業問題。在不犧牲準確度的前提下,為了簡單起見,即使是複雜的主題,作者也進行了簡潔明瞭的介紹,並盡量減少對技術術語或數學公式的使用。每個技術主題都通過案例研究和源自作者經驗的真實案例進行說明,每章都包含了針對從業者的寶貴提示。書中介紹的新技術和更為深入的技術包括:線性和邏輯回歸模型、增量響應(提升)建模、樸素貝葉斯模型、表查詢模型、相似度模型、徑向基函數網絡、期望值最大化(EM)聚類和群體智慧。新的章節專門討論了數據準備、派生變量、主成分分析和其他變量減少技術,以及文本挖掘。
    在建立了全面的數據挖掘應用業務環境,並介紹了所有數據挖掘項目通用的數據挖掘方法論的各個方面之後,本書詳細介紹了每個重要的數據挖掘技術。
    《數據挖掘技術(3版應用於市場營銷、銷售與客戶關係管理)》的主題包括:
    如何創建穩定、持久的預測模型
    數據準備和變量選擇
    用諸如回歸、決策樹、神經網絡、基於記憶的推理之類的有指導技術來建模特定目標
    用諸如聚類、關聯規則和鏈接分析之類的無指導技術來發現模式
    建模業務的事件發生時間問題,如下一次購買時間和預期的剩餘生存期等
    挖掘非結構化文本