《数据时代的顾客关系管理及模型》内容简介

顾客关系管理的前端工作是收集顾客的人口统计数据和动态行为数据，后端工作是分析这些数据，做出支持业务发展的决策。决策实施过程中还需要在组织结构、企业文化等方面做出相应的调整。本书只涉及顾客关系管理的后端工作部分，即如何分析顾客背景和行为数据。结合企业常见顾客数据的形式和内容，深入解读相关计算模型的核心思想，以样本数据为例说明如何预测顾客行为、形成相应的业务决策。除了常见的计量模型，本书也介绍了相关的机器学习方法，解决对应数据的预测和分类问题。
作者以便于企业管理人员理解的方式行文，轻松而不失深邃。希望有助于读者挖掘现有顾客数据的价值，实现数字化转型，保持与数据时代的同步。
韩冀东，工学学士、经济学硕士、管理学博士，中国人民大学商学院市场营销系副教授。在工厂管过生产，在公司做过销售和管理工作。在人大商学院任教后，完成多家公司和政府部门的咨询项目。出版了顾客关系管理、电子商务、新产品开发等方面的著作、教材和译著。
研究领域涉及顾客关系管理、电子商务、医疗改革、健康行为、数字疗法等。熟悉啤酒、电商、医疗等依托品牌、高频次消费的B2C营销，也擅长挖掘机、元器件乃至军工、高技术领域的B2B营销。一直深入企业实践开展学术研究，秉承“数据、理论和趋势三结合”的理念，坚持“基于实际业务数据，改善企业实践，推进理论创新”，致力于“发挥中国企业的数据优势，助力企业高质量发展”。

作品目录

序言一
这是本写什么的书？
序言二
本书的表述方式
第一章：顾客关系管理概述
第一节
顾客关系管理的简要案例
第二节
顾客关系管理的具体应用
第三节
顾客关系管理的典型数据和场景
第四节
顾客关系管理预测方法的核心思想
第五节
顾客关系管理的价值和目标
第六节
顾客关系管理适用的业务类型
第二章：预测重复性行为的基本思想
第一节
重复性行为背后的规律
第二节
用个体的过去行为预测其未来行为
第三节
用顾客群的行为预测顾客个体行为
第三章：预测重复性行为的基本方法
第一节
用个体的过去行为预测其未来购物时间
第二节
预测时各种可采用的概率分布
第三节
用群体的过去行为预测相似个体的购物时间
第四节
预测个体的购物次数
第五节
预测群体的购物次数
第四章：顾客价值的衡量
第一节
衡量顾客价值的核心思想
第二节
预测顾客价值的简化方法
第三节
预测未来的新增顾客数量
第四节
计算顾客价值时考虑顾客流失
第五节
计算顾客价值中的利润贡献
第五章：顾客之间的相互影响
第一节
衡量现有顾客的影响
第二节
优化企业激励顾客相互影响的策略
第三节
衡量相互影响对顾客流失的影响
第四节
通过现有顾客的推荐获取新顾客
第六章：非合约类交易的顾客流失预测
第一节
预测顾客流失常用的数据
第二节
从时间间隔角度预测顾客流失
第三节
根据内外部影响因素预测顾客流失
第四节
采用机器学习的方法预测顾客流失
第五节
特征选择、决策树的生成和剪枝
第六节
判断机器学习算法优劣的方法
第七章：产品推荐和先后购买
第一节
从不同层面泛化理解重复性
第二节
水平推荐：推荐系统的基本逻辑
第三节
垂直推荐：先后购买产品的推荐
第四节
垂直推荐：量化前后购买产品之间的距离
附录1、拟合概率分布的工具
附录2、预测重复性行为和顾客价值的工具