專案背景
XX公司為領先的居家購物品牌，從消費者的消費習慣和需求出發，提供以家庭生活為核心的日常用品、生活家電、數位電子、美容護膚、服裝飾品、營養保健、文化禮品等優質精選的商品。 XX公司擁有多管道的服務體系-電視、網路、電話，通過多元管道的銷售服務體系滿足廣大消費者的購物需求。
隨著多媒體商務的發展，越來越多客戶能接受新型購物模式，XX公司面臨更大的市場，也同時面臨著更多的挑戰。如何提高市場佔有率，保持獲利能力，發揮多管道之間的互補成為了XX公司亟待解決的問題。
業務目標
1. 發揮 Call-Out 中心主動行銷的優勢和能力
2. 在現有配置下提高行銷的精準度
3. 提高商品編排的科學性
4. 主動把握客戶的動態
解決方案
模型開發
該公司選擇了 IBM SPSS Modeler 作為精準行銷專案的工具。通過充分把握XX公司 Call-Out 的行銷模式和發展方向，在現有業務模式中增加了五類主要模型實現其精緻化行銷，分別包括：潛力客戶評分模型、客戶區隔模型、商品推薦模型、銷售量預測模型以及客戶流失模型。
- 潛力客戶評分模型：
潛力客戶評分模型將客戶進行分級，識別購買可能性高的潛在客戶群特徵，在資源有限的情況下優先對高潛力客戶進行行銷。 - 客戶區隔模型：
以客戶消費特徵為主的細分模型，不僅僅對高貢獻度的客戶特徵進行了勾勒，同時也為進一步的產品推薦行銷奠定了基礎，保證了同一類型消費習慣相似性的特點。 - 商品推薦模型：
根據客戶過往的購買經歷，建立產品間的交叉銷售規則。針對不同的客戶給予相關產品的有限推薦順序。 - 銷售量預測模型：
通過歷史的商品銷售情況，對商品的大類、小類和單品進行預測，預測週期長達12個月。 - 客戶流失模型：
根據客戶的購買情況判斷客戶的未來流失/休眠情況，找出影響流失的關鍵因素，並進行了流失/休眠預測評分，給予明確的流失可能性預警，促使客服回訪任務。
系統部署
為了更方面、更快捷、更有效的使用模型分析的結果，將上述模型與XX公司新一代回訪系統直接連線。根據業務需要，模型按照每天/每週/每月或即時的方式運作，將分析結果嵌入業務系統中，充分發揮其指揮作用。
推薦引擎的作用在於幫助公司，據會員喜好推薦可能購買商品，亦對會員減少討厭的廣告信件，形成一個雙贏的局面。