应用案例
Verizon公司
背景描述
Verizon公司是美国最大的无线通讯运营商，在美国拥有2800万客户。由于高流失率，给 Verizon公司每年都带来巨额的收入损失。它们按照行业平均水平作了这样一个估算：
流失一个老客户给公司带来的收入减少为200美元；
每个月客户流失率大约在2.5%左右；
每个月大致有70万左右的客户流失；
每年因流失使Verizon公司减少收入约为16.8亿美元。
鉴于流失给Verizon公司带来如此大的收入损失，Verizon公司迫切需要通过分析手段来确定哪些客户将要流失，并采取相应手段减少客户流失。
解决方案
Verizon采用SPSS公司提供的数据挖掘解决方案，建立客户流失分析模型。每个月根据客户流失倾向的高低为客户进行评分
，并根据评分对流失可能性高的客户采取适当的市场策略进行挽留。对那些ARPU值高、流失倾向高的客户还建立了电话挽留的方案。
英国电信
面临问题
为了从市场营销预算中获得最大的价值，英国电信需要建立模型来确定潜在客户的购买倾向和他们变为用户之后可能的价值。建立精确的客户特征以后，英国电信打算开发针对于特定客户群的产品。其预期实现目标为：更好的营销活动回应率，增加产品收入，并取得更大的市场份额。
解决方案
英国电信选用了SPSS的数据挖掘产品Clementine，来为其"商业高速公路"活动分析数据和建立探索模型，"商业高速公路"的目标为小型商业客户。如今
，英国电信更好地了解了这些客户和他们在电信市场的行为特征。英国电信将继续依赖 Clementine快速可视化的建模环境为其未来的营销活动指引道路。
过程：分析数据并建立模型
为了识别这些客户，英国电信设立了客户和营销活动分析小组，由高级咨询师Stephen O'Brien领导，隶属于商业联系部门。这个小组的第一个任务是为英国电信的"商业高速公路"
产品建立客户特征模型，"商业高速公路"专门服务于一条线有三个电话号码（一个是标准的，两个是数字的）的小型商业客户。1998年9月进行了一次直邮活动和全国媒体宣传。
在数据分析过程中，分析小组用Clementine识别出数据质量问题，熟悉数据和数据分布，排除与购买"商业高速公路"关系不太密切的数据属性。然后，对和客户购买产品的倾向相关的单个数据属性的预示力度进行测量。如，二位区号，作为地理指示器，清楚地与回应和购买数据相联系。
进行这些分析以后，分析小组用Clementine的决策树快速地建立和检验了一系列试验模型。O'Brien形容，"Clementine最大的优势在于在数据挖掘过程中不会遗漏信息。Clementine让你快速地试验多种想法，排除不合适的，这样就减少了失败造成的费用。
你可以在几天内建立很多试验模型。"
应用结果
① 向销售人员和营销活动提供了"最佳客户"清单。" Clementine的主要输出结果是对数据的洞察
- 那是数据挖掘的全部所在 - 和这些洞察结果的可视化展示。"O'Brien说。"我们提供给销售人员和营销活动的是客户清单和图形，并表明了为什么他们应该向这些客户推荐商业高速公路。"
② 直邮活动回应率提高了100%。"商业高速公路项目的成功说明了如何在商业活动中通过数据挖掘获利。有了Clementine ，先前所作的探索性数据分析和可视化使我们可以开发出满意的客户选择标准。
甚至在完成最终模型之前，我们就已经可以超越原始目标，并使活动的回应率提高了100%。"O'Brien说。
Vodafone（埃及）公司
