975 客户分类和识别潜在客户的方法 在前一章，我们探讨了利用日常收集的客户数据来获取市场细分的方法。但同时存在许多情况，在试图开拓新型市场时，您更有可能将客户归入现有市场细分中或预定义类别。一般来说，这种要求在您已经运用专用客户信息来定义分类，而这些信息只对一小部分客户是可用的（如客户调查数据或客户忠诚卡信息）的情况下是必要的。您现在可能想将所有客户分成这些类别。但问题在于：凭借手上日常收集到的客户信息，您能把这些客户全部归类吗？ 或者，您可能已经依据日常收集的数据将客户进行了分类，现在还有一些能与现有客户或潜在新客户相链接的附加数据（如人口统计学数据）。您能单凭人口统计学数据就能发现潜在、能够创造利润的客户吗？ 本章我们将关注数据挖掘技术，以期能够解决这类问题。 985.1 业务需求 在前几章中，我们探讨了如何从日常收集的数据获得客户细分的问题。凭借分群数据挖掘技术，我们能够明白对不同类型客户没有任何预先认识的情况下也可推断客户细分是如何成为可能的。这是我们在第27 页3.3.1 节 “技术的类型”中所说的探索型数据挖掘的一个例子。 我们还提供了现有业务规则细分，并且我们能够展示这些业务规则，即怎样才能将获得的细分映射到我们所发现的分群上。进行有效的映射需要在数个事务上聚集客户事务数据，通过识别号需要某些链接事务的工具。一个显而易见的问题是，是否能使用其它方法使客户与诸如业务规则细分等预定义类别相匹配？如果匹配，则能否应用于单个事务数据？回答是肯定的，我们用以实现该过程的数据挖掘技术称为分类，它隶属于总标题“预测性数据挖掘”。 在您的零售机构中有大量用于分类的潜在应用。事实上，在任何已对客户进行分类（或您能想到的其它任何事）的情况下，您都可以使用分类来发现怎样用相关数据对其它客户进行分类，将它们归入相同的类别。 有关该过程的示例是通过采用专用信息获得的现有客户细分，如客户调查或焦点人群。收集这种类型的信息往往代价昂贵，并且您可能仅能提供给小部分客户。您也可将对小部分客户有用的日常收集到的数据用于您所有的客户（如事务数据）。如果这些数据能用于决定一个客户从属于哪部分，则毫无疑问您也能用同样的数据为所有的客户进行分类。 或者，您可能已通过使用日常收集的数据获得客户细分，就如我们在前一章所做的那样，但现在您想确定能与最有赢利性的市场细分相匹配的潜在客户。在这种情况下，如果您能获得...
