罗旭祥 基于数据挖掘的产品设计， 在第二届产品经理大会上的演讲

1. 产品与数据
—— 基于数据挖掘的产品设计
罗旭祥
188 0218 5564
Saxon.luo@gmail.com
Tel:+18802185564

2. Tel:+18802185564

3. 引言
同样是搜索土
豆，他们想看
到的一样么？
Tel:+18802185564

4. 引言
同样是商品，
您更愿意向谁
买？
Hi，我这里
什么都有
Hi，我有你
想要的
Hi，我的商
品是为您
准备的
Tel:+18802185564

5. 引言
产品同样是基
于数据，谁代
表了未来？
Tel:+18802185564

6. 1. 客户为中心的数据分析框架思想
 3. 常用数据挖掘方法

 客户为中心的业务规划  RFM数据模型
 业务及营销为中心的数据体系建设  用户行为特征数据挖掘
4. 基于数据的交互设计案例
2.数据分析框架的主要事件

 案例一：基于数据的交互设计(1.2.3)
 分类（Classification）
 案例二：建设以数据为中心的组织
 估计（Estimation）
 预测（Prediction）
 数据分组（Affinity Grouping）
 聚类（Clustering）
 描述（Description）
 复杂数据挖掘
Tel:+18802185564

7. 客户为中心的业务规划
需求信息
客户研究
优化
竞争对手信息 了解 进行需 进行组 制定业
业务 管理业务计划、评估
公司战略 需求 求细分 合分析 务策略
和计划 计划
当前的产品组合
技术趋势 •产品业务计划
•产品组合
•产品路标 IPD
注：含技术/产品
是
任务 Concept Plan Develop Qualify Launch Life
Concept Plan Develop Qualify Launch Cycle Life
Concept Plan Develop Qualify Launch Cycle Life
生命
Cycle
否 概念 计划 开发 验证 发布 周期
• 客户为中心的业务规划大致有三个环节：从客户研究到需求挖掘，从需求信息到数据化
的需求管理，从需求文档到业务规划与设计
• 客户为中心的业务规划不仅仅需要考虑业务需求是否能够满足需求的问题，还需要考虑
到业务的变化趋势，业务的营销重点
Tel:+18802185564

8. 客户为中心的数据分析框架思想_从客户视角构建业务框架
传统业务规划方式：
Looking for goods Put in basket Payment zone Purchase
 大脑风暴构建业务流程，从业务规划者角度而非客户角度出发
 我们不知道客户需要什么，更糟糕的是客户可能也不知道
 每个环节都存在客户流失，而我们不知道发生了什么
 客户每次点击都是营销机会，但是我们错过了每一次机会
 客户在每一个环节都错过了本来他可能会购买的商品
 当客户离开时我们永久的失去了该客户，没有留下有价值的信息
Tel:+18802185564

9. 客户为中心的数据分析框架思想_从客户视角构建业务框架
客户为中心的业务规划： 数据中心
Customer Research Buyer Purchase
Who
What
Why
When
Where
How Product Design Market Put in basket Payment zone
• 以客户为中心的思维方式构建业务框架
• 系统需要满足不同类型的客户的个性化需求，其核心为数据挖掘和应用
• 系统需要协助客户达成实现客户期望，并帮助客户发现并实现潜在需求
• 系统需要智能寻找最佳的帮助时机，智能的进行客户协助
• 系统建设需要考虑未来系统的发展方向，其核心为客户需求挖掘
Tel:+18802185564

10. 客户为中心的数据分析框架思想_业务及营销为中心的数据体系建设
业务框架
营销
客户中心
产品
数据
数据中心
Tel:+18802185564

11. 1. 客户为中心的数据分析框架思想
 3. 常用数据挖掘方法

 客户为中心的业务规划  RFM数据模型
 业务及营销为中心的数据体系建设  用户行为特征数据挖掘
4. 基于数据的交互设计案例
2.数据分析框架的主要事件

 案例一：基于数据的交互设计(1.2.3)
 分类（Classification）
 案例二：建设以数据为中心的组织
 估计（Estimation）
 预测（Prediction）
 数据分组（Affinity Grouping）
 聚类（Clustering）
 描述（Description）
 复杂数据挖掘
Tel:+18802185564

12. 数据分析框架的主要事件
主要事件 事件描述
分类 根据业务的需要进行必要的分类，比如对客户评级的分类，AA等级或AAA等
级
估计 根据业务数据判断的需要定义需要估计的数据和数据区间值，对业务进行补
充和协助，例如根据客户储蓄和投资行为估计客户投资风格
预测 根据数据的变化趋势预测数据的发展方向，例如根据历史投资数据帮助客户
预测投资行情等
数据分组 根据业务需要对数据进行分组，例如购买A类的客户通常也会购买B类，购买
A的客户后有一个B周期会产生C行为
聚类 数据集合的逻辑关系，比如同时拥有A特征和B特征的数据，可以推断出其也
拥有C特征
描述 描述性数据有助于提取关键要素进行数据归纳，例如从数据关键词中进行近
似业务营销，备忘录等
复杂数据挖掘 例如Video，Audio，图形图像等等
Tel:+18802185564

13. 数据分析框架的主要事件_分类（Classification）
银行信用卡客户分类案例
cluster-3：优质客户
cluster-2：潜力优质客户
cluster-1：一般客户
cluster-4：劣质客户
• 在业务构建中，最重要的分类一般是对客户数据的分类，主要用于精准营销
• 通常分类数据最大的问题在于分类区间的规划，例如分类区间的颗粒度以及分类区间的
区间界限等，分类区间的规划需要根据业务流来设定，而业务流的设计必须以客户需要
为核心，因此分类的核心思想在于能够完成满足客户需要的业务
• 由于市场需求是变化的，分类通常也是变化的，例如银行业务中VIP客户的储蓄区间
Tel:+18802185564

14. 数据分析框架的主要事件_估计（Estimation）
客户入网（再入网）载体
客户离网载体
3 5
8 9 11
Mth Mth Mth Mth Mth Mth Mth Mth Mth
1 2 3 4 10 11 12 13 14
1
4 6
2 10
7
• 通常数据估计是互动营销的基础，基于客户行为进行数据估计为基础进行互动营销已经
被证实具有较高的业务转化率，银行业中通常通过客户数据估计客户对金融产品的偏好
，电信业务和互联网业务则通常通过客户数据估计客户需要的相关服务或者估计客户的
生命周期
• 数据估计必须基于数据的细分和数据逻辑关联性，数据估计需要有较高的数据挖掘和数
据分析水平
Tel:+18802185564

15. 数据分析框架的主要事件_预测（ Prediction ）
买进股票 股价连续打底三次，没有再创下新低价格，
反而向上突破颈线
• 根据数据变化趋势进行未来预测通常是非常有力的产品推广方式，例如证券业通常会推
荐走势良好的股票，银行会根据客户的资本情况协助客户投资理财以达到某个未来预期
，电信行业通常以服务使用的增长来判断业务扩张和收缩以及营销等。
• 数据预测通常是多个变量的共同结果，每组变量之间一般会存在某个相互联系的数值，
我们根据每个变量的关系通常可以计算出数据预测值，并以此作为业务决策的依据展开
后续行动
Tel:+18802185564

16. 数据分析框架的主要事件_数据分组（ Affinity Grouping ）
组合购买比例
对B感兴趣
对C感兴趣
对D感兴趣
购买了A商品的客户 对E感兴趣
• 数据分组是精准营销的基础。当数据分组以客户特征为主要维度时，通常可以用于估计
下一次行为的基础，例如通过客户使用的服务特征的需要来营销配套服务和工具，购买
了A类产品的客户一般会有B行为等等。
• 数据分组的难点在于分组维度的合理性，通常其精确性取决于分组逻辑是否与客户行为
特征一致。
Tel:+18802185564

17. 数据分析框架的主要事件_聚类（ Clustering ）
投资者的类型 投资者甲 投资者乙 投资者丙
理智稳健型 保守谨慎型 投机冒险型
个性： •稳健 •谨慎 •冒险
理财方式： •理智 •保守 •投机
理财工具： •蓝筹股票、平衡 •银行存款、收益型基金、高等 •成长型股票、对冲型基金、
型基金、万能保 级债券、传统型保险、分红保 期货、垃圾债券、投资连结
险 险 保险
风险容忍度：
•适中 •较低 •较高
投资目标：
•稳健成长 •稳健保本 • 积极成长
投资组合管理：
•综合平衡保守型 •定期定额投资法、分散投资法 •低吸高抛法、集中投资法
与投机型的做法
• 数据聚类是数据分析的重点项目之一。例如在健康管理系统中通过症状组合可以大致估
计病人的疾病，在电信行业产品创新中客户使用的业务组合通常是构成服务套餐的重要
依据，在银行业产品创新中客户投资行为聚合也是其金融产品创新的重要依据。
• 数据聚类的要点在于聚类维度选取的正确性，需要不断的实践来验证其可行性
Tel:+18802185564

18. 数据分析框架的主要事件_描述（ Description ）
稳健A
我比较喜欢稳
基金
健性投资
稳健B
根据描述关联产品或服务
基金
通常有较高的转化率
稳健C
基金
• 描述性数据的最大效用在于可以对事件进行详细归纳，通常很多细微的机会发现和灵感
启迪来自于一些描述性的客户建议，同时客户更愿意通过描述性的方法来查询搜索等，
这时就需要技术上通过较好的数据关联方法来协助客户。
• 描述性数据的使用难点在于大数据量下数据要素提取和归类，其核心在于要素提取规则
以及归类方法。要素提取和归类是其能够被使用的基础。
Tel:+18802185564

19. 数据分析框架的主要事件_复杂数据挖掘
客户研究
复杂数据上下文背景Map
• 复杂数据挖掘比如Video，Audio等，其要素目前依然难以通过技术手段提取，但也可以
从上下文与语境中提取一些要素帮助聚类。例如重要客户标记了高度重要性的Video一
般优先权重也应该较高。
• 复杂数据的挖掘目前处理的方式一般通过数据录入的标准化来解决，核心在于数据录入
标准体系的规划。建议为了整理的方便，初期规划是尽可能考虑完善，不仅仅适用现在
，而且可以适用于未来。
Tel:+18802185564

20. 1. 客户为中心的数据分析框架思想
 3. 常用数据挖掘方法

 客户为中心的业务规划  RFM数据模型
 业务及营销为中心的数据体系建设  用户行为特征数据挖掘
4. 基于数据的交互设计案例
2.数据分析框架的主要事件

 案例一：基于数据的交互设计(1.2.3)
 分类（Classification）
 案例二：建设以数据为中心的组织
 估计（Estimation）
 预测（Prediction）
 数据分组（Affinity Grouping）
 聚类（Clustering）
 描述（Description）
 复杂数据挖掘
Tel:+18802185564

21. RFM数据模型
• RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户
在最近一段时间内购买的次数，M(Monetary)表示客户在最近一段时间内购买的金额。
一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软
件处理，加权（考虑权重）得到RFM得分，进而可以进行客户细分，客户等级分类，
Customer Level Value得分排序等
Tel:+18802185564

22. RFM数据模型
• 假定我们拿到一个月的客户充值行为数据集，我们们先用IBM Modeler软件构建一个分
析流，然后再找出符合RFM分析要求的数据：
找出符合RFM
分析要求的数
据
Tel:+18802185564

23. RFM数据模型
• 现在我们得到了RFM模型的Recency_Score、Frequency_Score、Monetary_Score和
RFM_Score；这里对RFM得分进行了五等分切割，采用100、10、1加权得到RFM得分
表明了125个RFM魔方块。
通过加权评分，
得到RFM魔方块
Tel:+18802185564

24. RFM数据模型
• 输出结果后将数据导入Excel，将R、F、M三个字段分类与该字段的均值进行比较，利
用Excel软件的条件格式给出与均值比较的趋势！结合RFM模型魔方块的分类识别客户
类型：通过RFM分析将客户群体划分成重要保持客户、重要发展客户、重要挽留客户、
一般重要客户、一般客户、无价值客户等六个级别
基于用户特
征展开产品
借助RFM模型魔方 设计
块进行客户识别，
建立客户模型
Tel:+18802185564

25. RFM数据模型
RFM数据模型只是常用的
一种，基于业务还有更多
• 其实原理很简单…. 模型能够帮助和指导产品
设计和用户体验改进
A B C
Tel:+18802185564

26. 用户行为特征数据挖掘
客户行为特征数据获取要点（一）
• Clickstream Data 点击流数据
直接访问数量
访客来源
访客地理位置
点击流跟踪
• Outcomes Data 结果型数据
访客（初次访问数，访问总数，平均回访数，关注点）
页面浏览（平均浏览数，总PV ，访问超过一页的访客比）
时间（全局，人均）
关键行为（如：注册，购买）
转化率
相关（Keyword，趋势，网站）
Tel:+18802185564

27. 用户行为特征数据挖掘（某酒店订购网站点击流数据一）
Visits: 371,238
Exit Page Visits:630,692 38.9%
Entry Page Visits:474,933 58.59%
44.12%
酒店搜索列表页 Entry Page Visits:453,376
Hotels-Search 47.45%
Visits:1,076,361
立即退出:305,807 立即退出:365,649
28.41% Visits: 464,119
43.12% 38.27%
酒店详细页
Visits: 42,373 Hotels-Details
3.94% Visits:955,555
Exit Page Visits:646,126
Visits: 64,460 67.62%
6.75% Visits: 13,325
1.39%
Visits: 62,566
52.3% 35.45%
53.93%
Entry Page Visits:15,15
1.27% 11.15%
酒店预订确认页 Visits: 58,260
Hotels-Confirm 48.7%
立即退出:351 Visits:119,529
0.29%
Exit Page Visits:19,411
16.24%
Tel:+18802185564

28. 用户行为特征数据挖掘（某酒店订购网站点击流数据二）
Exit Page Visits:19,411
16.24%
Visits: 22,988
19.23%
Exit Page Visits:20,350 Exit Page Visits:14,512
9.91% 25.20%
酒店预订确认页
Hotels-Confirm
Visits:119,529
Visits: 36,803 登陆/直接预订页 联盟登陆页
30.79% Myelong/Login Mytrip/Login
Visits:205,344 Visits:57,585
Visits: 9,756
8.16%
Visits: 28,777
14.01%
Visits: 2,195
3.81%
69.41%
Visits: 13,234 23.53%
31.9% 酒店订单填写页 5.29%
Hotels-Order
Visits:41,460
Tel:+18802185564

29. 用户行为特征数据挖掘（某酒店订购网站点击流数据三）
Exit Page Visits:4,542
10.96%
酒店订单填写页
Hotels-Order
Visits:41,460
Visits: 29,046 Exit Page Visits:1,645
70.06% 4.93%
酒店订单确认页
Hotels-Ensure
Visits:33,396
Visits: 30,340
90.85%
Visits: 8,798 Exit Page Visits:8,072
26.3% 26.01%
酒店订单提交页
Hotels-Reserve
Visits: 6,331
Visits:31,036
20.33%
Tel:+18802185564

30. 用户行为特征数据挖掘
客户行为特征数据获取要点（二）
• Research Data 研究性数据
客户研究
启发式评估，客户体验测试
客户属性（数据库分析）
客户期望分析（从数据到服务）
• Competitive Data 竞争性数据
“面”数据测量（大众分析）
网络服务数据测量（行业分析）
搜索引擎测量（舆情分析）
Tel:+18802185564

31. 用户行为特征数据挖掘
客户研究过程示例
客户 数据
客户 访谈
筛选 现场 整理
招募 方案
标准 实施 与分
执行 制作
确认 析
调研产品背 数据整理分 客户研究报
客户招募 文化探寻 深度访谈
景 析 告撰写
客户
访谈 访谈
文化 发现 客户
筛选 记录
背景 点 角色
标准 文档
数据
功能 设计 机会
场景
设置 原则 分析
Tel:+18802185564

32. 用户行为特征数据挖掘
客户研究案例——客户深访:
在对客户进行的开放式访谈中, 探寻参与的客户的 :
 当前使用情况
 需求
 痛点
 差距
 心理
 态度
 渴望
 选择产品品牌及型号时的偏好和原因
驱动角色深访:
访问的目的是为了收集以下数据:
 市场中不同品牌的认可度以及为什么某些品牌比其他品牌更好
 卖点和客户需求
 选择品牌和的准则
 制定价格的准则
除了提供销售策略开发方面的见解之外, 这部分客户研究还将从卖家的角度提供消
费者的心态.
Tel:+18802185564

33. 用户行为特征数据挖掘
客户建模研究案例
李婷 27岁
公司职员 月薪4k
经常上网，网龄4年以上
使用Nokia N93手机
喜欢网上购物，逛论坛，看新闻等各种网上活动
拥有储蓄卡和信用卡，正准备使用网银
她想要知道的 她想要做的
1. 了解广发网银有什么功能 1. 完成基础需求：转账，支付，查询
2. 了解如何安全使用广发网银 2. 电脑安全性分析
3. 了解个人的财务状况 3. 个性化需求（功能，布局，呈现）
4. 了解每个业务的相关手续费 4. 理财，缴费，信用卡
Tel:+18802185564

34. 用户行为特征数据挖掘
客户体验测试案例
Hmm, what does Oh, I think
this do? I’ll try it… Now, why you clicked
Ooops, now what did it do on the
happened? that? wrong icon
Tell me about the
Do you know last big problem
why you never you had with
tried that I can never get my figures
I didn’t see it. Why in the right place. Its Word
don’t you make it option?
really annoying. I spent
look like a hours on it and I had to…
button?
Tel:+18802185564

35. 用户行为特征数据挖掘
客户体验测试案例
Tel:+18802185564

36. 用户行为特征数据挖掘
客户体验测试案例
Tel:+18802185564

37. 1. 客户为中心的数据分析框架思想
 3. 常用数据挖掘方法

 客户为中心的业务规划  RFM数据模型
 业务及营销为中心的数据体系建设  用户行为特征数据挖掘
4. 基于数据的交互设计案例
2.数据分析框架的主要事件

 案例一：基于数据的交互设计(1.2.3)
 分类（Classification）
 案例二：建设以数据为中心的组织
 估计（Estimation）
 预测（Prediction）
 数据分组（Affinity Grouping）
 聚类（Clustering）
 描述（Description）
 复杂数据挖掘
Tel:+18802185564

38. 案例一：其它案例应客户保密
Tel:+18802185564

39. 案例二：产品的持续改进案例
Tel:+18802185564

40. 产品的持续改进实践案例
业务规划阶段 业务和产品设计 营销执行 全面优化
业务规划
业务运营中心会议
数据规划 业务流设计以及 营销点挖掘以及 营销方案转化为
相应的产品设计 营销机会分析 销售额
运营规划
营销策划
产品或服务逐渐
数据库建设 不能满足客户需
求的变化
互动营销执行
数据库不能满足营销需要时，升级数据库
客户需求数据挖
掘与分析
Tel:+18802185564

41. 产品的持续改进实践案例
组织建设启动 基础建设 团队建设 优化阶段
起始计划
领导会议
相关部门动员 数据体系建设 组织结构 示范项目
包含配套的培训
项目启动 培训和训练 持续改进
数据体系方法
标准
项目
项目
数据仓库
项目
项目
Tel:+18802185564

42. 与信息产业共成长
THANKS
Tel:+18802185564