資料庫行銷-顧客分析與管理

《資料庫行銷-顧客分析與管理》是2018年10月清華大學出版社出版的圖書，作者是[美]羅伯特·C·布來伯格、[韓]金炳德、[美]斯柯特·A·耐思林。

基本介紹

• 中文名：資料庫行銷-顧客分析與管理
• 作者：[美]羅伯特·C.布來伯格、[韓]金炳德、[美]斯柯特·A.耐思林
• 出版時間：2018年10月
• 出版社：清華大學出版社
• ISBN：9787302513704
• 定價：98 元

內容簡介

大數據時代的市場行銷與顧客管理之道，眾多理論及實用模型的集合，你的書桌上就缺這一本了！

圖書目錄

第1部分戰 略 問 題

第1章緒論3

1.1什麼是資料庫行銷3

1.1.1資料庫行銷的定義4

1.1.2資料庫行銷、直復行銷與顧客關係管理4

1.2為什麼資料庫行銷越來越重要5

1.3資料庫行銷過程6

1.4本書的組織架構8

第2章為什麼要進行資料庫行銷10

2.1提高行銷生產率10

2.1.1基本觀點10

2.1.2行銷生產率的深度探討12

2.1.3行銷生產率觀點的證據15

2.1.4小結17

2.2建立和鞏固顧客關係17

2.2.1基本觀點17

2.2.2顧客關係和資料庫行銷的作用18

2.2.3資料庫行銷增強顧客關係的證據21

2.2.4小結24

2.3創造可持續的競爭優勢24

2.3.1基本觀點24

2.3.2可持續競爭優勢觀點的演變24

2.3.3小結33

2.4總結34

第3章資料庫行銷的組織問題35

3.1以顧客為中心的組織35〖2〗〖4〗資料庫行銷——顧客分析與管理〖4〗〖3〗〖1〗3.2資料庫行銷戰略36

3.2.1實施資料庫行銷的戰略36

3.2.2打造競爭優勢37

3.2.3總結38

3.3顧客管理： 以顧客為中心的組織的結構基礎38

3.3.1什麼是顧客管理38

3.3.2顧客管理的動機39

3.3.3形成顧客群組40

3.3.4顧客管理是未來趨勢嗎40

3.3.5獲取和保留部門化41

3.4信息管理的流程： 知識管理42

3.4.1定義42

3.4.2有效的知識管理會提高企業業績嗎43

3.4.3知識創造43

3.4.4編纂知識44

3.4.5傳遞知識45

3.4.6使用知識45

3.4.7設計知識管理系統46

3.4.8問題與挑戰47

3.5薪酬和激勵48

3.5.1理論48

3.5.2實證研究結果49

3.5.3總結50

3.6人員51

3.6.1提供合適的支持51

3.6.2公司內部協調51

第4章顧客隱私與資料庫行銷54

4.1背景54

4.1.1顧客的隱私顧慮及其對資料庫行銷人員的影響54

4.1.2歷史觀點56

4.2顧客對隱私的態度57

4.2.1市場區隔方法57

4.2.2態度對資料庫行銷行為的影響58

4.2.3隱私顧慮的國際差異59

4.3關於隱私的現行做法61

4.3.1隱私政策61

4.3.2收集數據63

4.3.3法律環境63

4.4隱私顧慮的潛在解決方案65

4.4.1軟體解決方案66

4.4.2監管66

4.4.3許可行銷67

4.4.4顧客數據所有權69

4.4.5關注信任70

4.4.6高層管理者支持70

4.4.7隱私作為利潤最大化的工具71

4.5總結與未來研究方向71

第2部分顧客終身價值(LTV)

第5章顧客終身價值： 基本原理77

5.1概述77

5.1.1顧客終身價值的定義77

5.1.2顧客終身價值計算的簡單舉例78

5.2LTV的數學公式79

5.3兩種主要的顧客終身價值模型： 簡單保留模型和轉移模型80

5.3.1簡單保留模型80

5.3.2轉移模型85

5.4包含不可觀測的顧客流失的LTV模型90

5.5收入估算97

5.5.1收入恆定模型97

5.5.2趨勢模型97

5.5.3因果模型97

5.5.4購買率和購買量的隨機模型97

第6章顧客終身價值的計算問題98

6.1概述98

6.2貼現率和時間期限98

6.2.1資本機會成本99

6.2.2基於風險來源方法的貼現率103

6.3顧客投資組合管理104

6.4成本核算問題107

6.4.1作業成本法(ABC)107

6.4.2可變成本和分配固定間接成本109

6.5對行銷活動的反應115

6.6外部效應118

第7章顧客終身價值的套用120

7.1使用LTV獲取目標顧客120

7.2使用LTV指導顧客贏回策略121

7.3使用SCM模型確定顧客價值122

7.4LTV模型套用案例125

7.5使用LTV相似形式的市場區隔方法128

7.5.1顧客金字塔128

7.5.2使用LTV方法建立顧客組合129

7.6LTV組成部分的驅動力130

7.7預測潛在LTV131

7.8評價企業的顧客整體132

第3部分資料庫行銷工具： 基礎

第8章數據的來源137

8.1概述137

8.2描述顧客的數據分類138

8.2.1顧客身份數據138

8.2.2人口統計數據139

8.2.3心理特質或生活方式數據139

8.2.4交易數據140

8.2.5行銷活動數據141

8.2.6其他類型的數據142

8.3顧客信息的來源142

8.3.1內部(二手)的數據143

8.3.2外部(二手)數據144

8.3.3原始數據159

8.4終極行銷企業160

第9章測試設計與分析161

9.1測試的重要性161

9.2測試還是不測試162

9.2.1信息價值法162

9.2.2評估誤命中成本(assessing mistargeting costs)165

9.3抽 樣 技 術167

9.3.1機率抽樣VS.非機率抽樣167

9.3.2簡單隨機抽樣167

9.3.3系統隨機抽樣168

9.3.4其他抽樣技術168

9.4確定樣本量169

9.4.1確定樣本量的統計方法169

9.4.2決策理論方法171

9.5測試設計175

9.5.1單因素實驗設計175

9.5.2多因素實驗： 全因子(full factorials)177

9.5.3多因素實驗： 正交設計180

9.5.4準實驗設計183

第10章預測建模過程184

10.1預測建模與對行銷生產率的需要184

10.2預測建模過程： 總述186

10.3過程詳述187

10.3.1定義問題187

10.3.2準備數據187

10.3.3估計模型192

10.3.4模型評價195

10.3.5選擇目標顧客203

10.4一個預測建模的例子209

10.5長期考慮214

10.5.1“向唱詩班傳道”214

10.5.2模型適用期和選擇性偏差215

10.5.3理解預測模型的結果218

10.5.4預測建模過程需要管理218

10.6未來的研究方向219

第4部分資料庫行銷工具: 統計技術

第11章預測建模中的統計問題223

11.1構建統計模型的經濟判斷223

11.2變數與模型的選擇225

11.2.1變數選擇225

11.2.2變數轉換229

11.3缺失值處理230

11.3.1個案刪除230

11.3.2成對刪除231

11.3.3單一插值法231

11.3.4多重插值法231

11.3.5數據融合233

11.3.6缺失變數啞變數234

11.4統計模型的評價235

11.4.1將樣本分為校準樣本和驗證樣本235

11.4.2評價標準237

11.5總結: 演化模型建立243

第12章RFM分析244

12.1概述244

12.2RFM模型的基礎245

12.2.1Recency、Frequency和Monetary的定義245

12.2.2RFM在細分市場預測中的套用246

12.3盈虧平衡點分析: 確定分界點247

12.3.1利潤最大化的分界點回應率248

12.3.2有差異的訂單額249

12.4RFM模型擴展250

12.4.1將RFM模型當成方差分析處理250

12.4.2非離散的替代回應模型253

12.4.3Colombo和Jiang(1999)開發的一個隨機RFM模型255

第13章購物籃分析257

13.1概述257

13.2對行銷人員的益處258

13.3推導購物籃關聯規則258

13.3.1確認一個購物籃問題259

13.3.2推導“有趣”的關聯規則259

13.3.3Zhang(2000)關於關聯和不關聯的測量261

13.4購物籃分析中的問題262

13.4.1使用分類法克服維度問題262

13.4.2兩個以上商品的關聯規則263

13.4.3添加虛擬項目以提高購物籃分析的質量263

13.4.4在購物籃分析中添加時間要素264

13.5結論265

第14章協同過濾267

14.1概述267

14.2基於記憶的方法268

14.2.1計算用戶之間的相似性269

14.2.2評價標準272

14.3基於模型的方法274

14.3.1聚類模型275

14.3.2基於項目的協同過濾275

14.3.3Chien & George的貝葉斯混合模型(1999)276

14.3.4Ansari等的分層貝葉斯模型(2000)276

14.4協同過濾存在的問題277

14.4.1將基於內容的信息過濾與協同過濾結合起來277

14.4.2內隱評價280

14.4.3選擇偏差282

14.4.4跨類別推薦283

第15章離散因變數與時間存續模型284

15.1二元回應模型284

15.1.1線性機率模型285

15.1.2二元Logit(或Logistic 回歸)和Probit模型285

15.1.3罕見事件數據的Logistic回歸287

15.1.4判別分析289

15.2多項反應模型290

15.3計數數據模型292

15.3.1泊松回歸292

15.3.2負二項回歸292

15.4刪失回歸(Tobit)模型及擴展293

15.5時間存續(風險)模型295

15.5.1存續數據的特徵295

15.5.2運用經典線性回歸模型分析存續數據296

15.5.3風險模型297

15.5.4在風險函式中加入協變數299

第16章聚類分析301

16.1概述301

16.2聚類過程302

16.2.1選擇聚類變數302

16.2.2相似性測量303

16.2.3聚類方法306

16.2.4聚類的群組數量313

16.3聚類分析的套用313

16.3.1解釋結果313

16.3.2選擇目標群組315

第17章決策樹316

17.1概述316

17.2決策樹原理317

17.3選擇最優劃分規則319

17.3.1多樣性基尼(Gini)係數319

17.3.2熵(Entropy)與基於資訊理論的度量321

17.3.3卡方(Chi\|Square)檢驗322

17.3.4其他劃分規則323

17.4確定決策樹的大小323

17.4.1決策樹的剪枝方法323

17.4.2確定決策樹大小的其他方法325

17.5決策樹方法的其他問題326

17.5.1多元變數劃分326

17.5.2成本問題326

17.5.3確定最優樹326

17.6直郵廣告的套用327

17.7決策樹方法的優勢與劣勢329

第18章人工神經網路330

18.1概述330

18.1.1發展歷史330

18.1.2人工神經網路在資料庫行銷中的套用331

18.1.3優勢與劣勢331

18.2神經元模型333

18.3多層感知器336

18.3.1網路架構336

18.3.2反向傳播算法(back propagation)338

18.3.3在信用評分中的套用339

18.3.4隱藏層單元的最優個數、最優學習速率及最優動量參數340

18.3.5停止規則341

18.3.6特徵(輸入變數)選擇341

18.3.7評估輸入變數的重要性342

18.4徑向基函式網路343

18.4.1背景343

18.4.2曲線擬合(逼近)問題343

18.4.3套用舉例345

第19章機器學習346

19.1概述346

19.21  規 則347

19.3利用覆蓋算法的規則歸納349

19.3.1覆蓋算法與決策樹349

19.3.2PRISM351

19.3.3評價規則的機率指標及INDUCT算法354

19.4基於實例的學習357

19.4.1優勢與劣勢357

19.4.2基於實例的學習算法的簡要介紹357

19.4.3範例的選擇358

19.4.4屬性權重359

19.5遺 傳 算 法360

19.6貝葉斯網路361

19.7支持向量機364

19.8多種方法的結合: 委員會機器366

19.8.1Bagging366

19.8.2Boosting367

19.8.3其他委員會機器368

第5部分顧 客 管 理

第20章獲取顧客371

20.1概述371

20.2顧客資產的基本方程372

20.3獲取成本372

20.4增加獲取顧客數量的策略374

20.4.1擴大市場規模374

20.4.2增加獲取行銷支出374

20.4.3改變獲取曲線的形狀375

20.4.4使用先導產品377

20.4.5獲取定價與促銷377

20.5開發顧客獲取項目規劃378

20.5.1框架378

20.5.2市場區隔、目標市場選擇和定位(STP)379

20.5.3產品/服務380

20.5.4顧客獲取的目標市場選擇380

20.5.5顧客獲取的目標市場選擇方法382

20.6獲取行銷的研究問題385

第21章交叉銷售與升級銷售387

21.1策略387

21.2交叉銷售模型388

21.2.1下一件購買產品模型388

21.2.2考慮購買時機的下一件購買產品模型399

21.2.3包含時機與回應的下一件購買產品模型402

21.3升級銷售405

21.3.1一個數據包絡分析模型405

21.3.2隨機前沿模型407

21.4開發持續的交叉銷售活動408

21.4.1流程概述408

21.4.2戰略408

21.4.3收集數據410

21.4.4分析410

21.4.5實施410

21.4.6評估411

21.5研究需要412

第22章累積獎勵計畫413

22.1定義和動機413

22.2累積獎勵計畫如何影響顧客行為413

22.2.1增加銷售的作用機制413

22.2.2顧客對累積獎勵計畫的反饋414

22.3在競爭環境中的累積獎勵計畫是否會增加利潤422

22.4累積獎勵計畫的設計425

22.4.1決策設計425

22.4.2基礎設施425

22.4.3註冊程式425

22.4.4獎勵計畫426

22.4.5獎勵428

22.4.6個性化行銷429

22.4.7夥伴關係430

22.4.8監控和評價430

22.5累積獎勵計畫案例431

22.5.1Harrah’s 娛樂公司431

22.5.2英國超市行業: Nectar計畫與Clubcard計畫431

22.5.3Cingular公司的通話時長延期使用計畫433

22.5.4希爾頓酒店433

22.6研究需要434

第23章顧客分級計畫436

23.1定義和動機436

23.2設計顧客分級計畫437

23.2.1概述437

23.2.2審查目標438

23.2.3創建顧客資料庫438

23.2.4定義等級438

23.2.5確定每一等級的獲取可能性440

23.2.6每一等級的發展可能性441

23.2.7顧客等級資金分配443

23.2.8設計特定等級計畫448

23.2.9實施與評估449

23.3顧客分級計畫案例450

23.3.1Bank One(Hartfeil，1996)450

23.3.2加拿大皇家銀行(Rasmusson，1999)450

23.3.3Thomas Cook旅行(Rasmusson，1999)450

23.3.4加拿大雜貨店連鎖(Grant & Schlesinger，1995)451

23.3.5Major US 銀行(Rust et al.，2000)451

23.3.6維京辦公產品(Miller，2001)452

23.3.7瑞典銀行(Storbacka & Luukinen，1994；Storbacka，1993)452

23.4實施顧客分級計畫的風險452

23.5未來的研究需要454

第24章顧客流失管理456

24.1問題456

24.2引起顧客流失的因素460

24.3預測顧客流失463

24.3.1單一的未來時期模型464

24.3.2時間序列模型469

24.4減少流失的管理方法471

24.4.1概述471

24.4.2主動的顧客流失管理框架472

24.4.3實施主動的顧客流失管理計畫475

24.5未來的研究477

第25章多渠道顧客管理478

25.1多渠道顧客管理的出現478

25.1.1多渠道管理的驅動力478

25.1.2多渠道管理的拉力479

25.2多渠道顧客479

25.2.1顧客渠道選擇決策的學習框架479

25.2.2多渠道顧客的特徵480

25.2.3多渠道選擇的決定因素482

25.2.4顧客渠道轉移模型487

25.2.5研究購物491

25.2.6渠道使用和顧客忠誠492

25.2.7獲取渠道對顧客行為的影響493

25.2.8渠道引入對公司績效的影響494

25.3發展多渠道戰略496

25.3.1多渠道設計過程的框架496

25.3.2分析顧客496

25.3.3渠道設計497

25.3.4實施方式501

25.3.5革命503

25.4行業案例505

25.4.1零售“最佳實踐”(Crawford，2002)505

25.4.2Waters公司(《CRM ROI評論》，2003)506

25.4.3製藥行業(Boehm，2002)506

25.4.4Circuit City公司(Smith，2006;Wolf，2006)507

25.4.5總結507

第26章顧客獲取與保留的管理508

26.1概述508

26.2獲取和保留模型509

26.2.1Blattberg和Deighton(1996)的模型509

26.2.2佇列模型513

26.2.3Ⅱ型Tobit模型513

26.2.4競爭模型517

26.2.5總結: 如何建立顧客獲取和顧客保留模型519

26.3最佳的顧客獲取和顧客保留支出520

26.3.1在沒有預算約束的條件下最佳化Blattberg/Deighton模型520

26.3.2獲取成本、保留成本、LTV和最優支出的關係: 如果獲取

成本超過保留成本，企業是否應該專注於顧客保留524

26.3.3最佳化預算限制的Blattberg/Deighton模型527

26.3.4多階段有預算約束的佇列模型最佳化530

26.3.5Reinartz等人(2005)的Tobit模型最佳化533

26.3.6總結: 我們什麼時候應該在獲取與保留上投入更多533

26.4顧客獲取與保留的預算計畫535

26.4.1顧客管理行銷預算(CMMB)535

26.4.2執行問題536

26.5獲取與保留策略: 一個整體框架537

第6部分管理行銷組合

第27章資料庫行銷溝通設計541

27.1計畫過程541

27.2設立總體規劃542

27.2.1目標542

27.2.2戰略542

27.2.3預算542

27.2.4總結543

27.3文案開發543

27.3.1創造性戰略543

27.3.2促銷547

27.3.3產品549

27.3.4多要素行銷溝通組合的個性化557

27.4媒體選擇558

27.4.1最優選擇558

27.4.2整合行銷溝通559

27.5評價行銷溝通計畫559

第28章多項活動管理562

28.1概述562

28.2動態回應現象562

28.2.1磨合、耗盡和遺忘562

28.2.2重疊568

28.2.3購買加速，忠誠度以及價格敏感性的影響568

28.2.4同時考慮磨合、耗盡、遺忘、重疊、加速和忠誠度569

28.3最優接觸模型571

28.3.1促銷模型(Ching et al.，2004)572

28.3.2套用決策樹回應模型(Simester et al.，2006)573

28.3.3風險回應模型(Gnül et al.，2000)574

28.3.4分層Bayes模型(Rust & Verhoef, 2005)576

28.3.5考慮顧客和企業的動態理性的模型(Gnül and Shi, 1998)577

28.3.6納入庫存管理(Bitran&Mondschein，1996)579

28.3.7考慮多個不同的模型 (Campbell et al.，2001)581

28.3.8多個的郵寄(Elsner et al.,2003，2004)584

28.3.9增加線上固定樣本組調查的回應率(Neslin et al.，2007)585

28.4總結588

第29章定價策略592

29.1概述——基於顧客的定價策略592

29.2顧客購買多種產品時的基於顧客的定價594

29.2.1情況1: 僅有產品1被購買595

29.2.2情況2: 以產品1為主打產品的兩種產品購買模型596

29.3顧客在兩個時期購買產品或服務時的針對顧客的定價597

29.3.1悲觀的情況: R＜q ——對質量的期望低於真實的質量598

29.3.2樂觀的情況: R＞q ——對質量的期望高於真實的質量599

29.3.3研究問題599

29.4使用顧客資產模型的獲取顧客定價及保留顧客定價599

29.5贏回顧客定價602

29.6追加銷售定價603

29.7通過資料庫目標市場選擇模型進行歧視定價604