不知道你說的是不是交叉銷售,，購買和銷售都是相對的，你說的交叉購買應該跟下面的情況相似


什么是交叉銷售,？簡單說來,，就是向擁有本公司A產品的客戶推銷本公司B產品。它有兩大功能：

其一,，可以增強客戶忠誠度,。如果客戶購買本公司的產品和服務越多，客戶流失的可能性就越小。來自銀行的數據顯示：購買兩種產品的客戶的流失率是55%,，而擁有4個或更多產品或服務的流失率幾乎是0,。

其二，交叉銷售也可以增加利潤,。實踐證明,，將一種產品和服務推銷給一個現有客戶的成本遠低于吸收一個新客戶的成本。來自信用卡公司的數據顯示：平均說來,，信用卡客戶要到第三年才能開始有利潤,。由此可見，吸收新客戶的成本是非常高的,，而對現有客戶進行交叉銷售,，也自然成為許多公司增加投資回報的捷徑。

什么是交叉銷售?

什么是交叉銷售,？簡單說來,，就是向擁有本公司A產品的客戶推銷本公司B產品。它有兩大功能：其一,，可以增強客戶忠誠度,。如果客戶購買本公司的產品和服務越多，客戶流失的可能性就越小,。來自銀行的數據顯示：購買兩種產品的客戶的流失率是55%,，而擁有4個或更多產品或服務的流失率幾乎是0。其二,，交叉銷售也可以增加利潤,。實踐證明，將一種產品和服務推銷給一個現有客戶的成本遠低于吸收一個新客戶的成本,。來自信用卡公司的數據顯示：平均說來,，信用卡客戶要到第三年才能開始有利潤。由此可見,，吸收新客戶的成本是非常高的,，而對現有客戶進行交叉銷售，也自然成為許多公司增加投資回報的捷徑,。找產品如何有效地進行交叉銷售,？尋找合適的產品自然是第一步。目前有兩種方法：業(yè)務靈感和數據挖掘,。有些時候,，業(yè)務靈感可以告訴公司，哪些產品需要進行交叉銷售,。比如,，房屋貸款自然是向抵押貸款者推銷的下一個產品,。再比如，一個公司最近新開發(fā)了一個具有戰(zhàn)略意義的產品,，那么該產品本身就是一個交叉銷售的好選擇,。業(yè)務靈感的確是一個快速確定交叉銷售產品的方法。但是,，僅僅依賴業(yè)務靈感可能會喪失許多商機,，因為在某些情況下，一些好的交叉銷售產品并不是直觀可見的,。因此,，如果要尋找那些潛在的交叉銷售商機，有一個最好用的工具――數據挖掘,。鏈接分析是數據挖掘中的一種方法,，它可以從歷史數據中找到產品和產品之間的相關關系，從而產生出最恰當的交叉銷售產品或服務,。但是,，鏈接分析的結果必須依賴業(yè)務知識來審核其準確性和價值，因此,，在實際應用中,，又常常將業(yè)務靈感和數據挖掘結合起來，以確定合適的交叉銷售產品,。尋下家一旦確定了要推銷的產品,，下面的問題是――推銷給誰？數據挖掘有很多方法都能幫助解決這個問題,。而采用鏈接準則來進行客戶定位,，便是其中之一。鏈接分析主要是了解不同產品之間同時或前后發(fā)生的購買關系,，從而為捆綁銷售或交叉銷售提供有價值的建議,。鏈接分析起源于零售業(yè)，它的一個典型例子就是啤酒和尿布的故事,。數據挖掘人員通過對交易數據的分析，發(fā)現啤酒和尿布同時購買的相關程度很高,。再經進一步的調查發(fā)現,，原來是有孩子的父親在給自己購買啤酒時，也常會給自己剛出生不久的子女購買尿布,。根據以上信息,，超市人員便及時調整了物品的擺放結構，從而讓客戶的購買更加方便,。目前,，類似的數據挖掘技術也已在國外許多銀行中廣泛使用,，針對既有客戶推銷不同的產品和服務。一個鏈接準則通常包括“準則體”,、“準則頭”,、“支持度”、“置信度”以及“提升度”,。下表便是一個采用IBM Intelligent Miner進行數據挖掘的案例：置信度(%)類型 提升度 準則體 準則頭0.85 28.5 + 10.7 VISA金卡 = > 房屋貸款這個準則說明：有28.5%的VISA金卡用戶購買了房屋貸款,，它的購買率是平均的10.7倍。這個準則的客戶數目占總客戶群的0.85%(關于準則的詳細定義請參考IBM Intelligent Miner的說明書),。根據這個準則我們可以知道,，將房屋貸款交叉銷售給VISA金卡用戶是一個很好的選擇。第二種方法就是應用分類模型對所有客戶購買該指定產品的可能性進行預測,，從而發(fā)現誰最有可能購買該產品,。第三種方法可以結合鏈接分析和分類預測，對準則體所篩選出來的客戶進行預測,。每一種數據挖掘方案都各有所長,，至于什么方案最優(yōu)，要根據實際應用和模型結果來確定,。銷售過程通常來講,，如果具備客戶的產品購買信息，就可以應用鏈接分析的方法來了解產品和產品之間的相關程度,，從而確定交叉銷售的對象,。鏈接分析將產生許多鏈接準則，如何從眾多的準則中挑選出有意義的部分,，這就需要業(yè)務知識和數據挖掘的結合,。從數據挖掘角度看，主要是選擇那些提升度,、置信度,、和支持度都比較高的準則；從業(yè)務角度看,，主要是對數據挖掘挑選出的準則進行評估,，從而挑選出正確的和有價值的一些交叉銷售鏈接準則。在挑選完以后,，那些在“準則體”中沒有購買“準則頭”的客戶,，就是潛在的客戶。接下來,，可以選擇全部的潛在客戶進行交叉銷售,，也可以采用數據挖掘中分類的方法進行評分，以便找出購買性大的客戶,，從而進一步提高購買率,。但是在有些情況下,，我們可能不用去關心產品和產品之間的相關程度，而只需要從現有的客戶中找出最有可能購買某指定產品的客戶,，并不限定這些客戶是什么產品的客戶,。對于這種情形，我們直接應用分類模型就可以了,。對于指定產品A,，我們將收集客戶在購買A之前的背景信息和其它產品的交易數據。對于購買A的客戶,，可以將其賦值為1,，而沒有買A的客戶，則可以將其賦值為0,。賦值完后,，還要生成一系列的“集”，如：用于建模的訓練集,、用于測試的測試集以及用于應用的應用集,。集合的生成可以采用時間窗口移動法或者隨機采樣法。之后,，便可以采用不同的分類方法(邏輯回歸,、神經網絡、徑向基函數,、決策樹等)進行建模,，再由提升圖來衡量模型的質量，最終來選擇最佳預測模型進行實際應用,。在零售行業(yè),，因為利潤和產品數量的密切相關，購買產品越多利潤就越大,，所以對于這類行業(yè)的交叉銷售,，只要采用上面的過程就可以了。但是對于一些服務行業(yè),，比如銀行業(yè),，由于有較大的日常維護和服務的開銷，因此不是每個客戶的每件產品都會有利潤,。如果銀行在實施交叉銷售一些產品后導致該客戶的利潤減少,，將是一件“吃力不討好”的事。如何避免這類事情的發(fā)生,，一個好辦法就是在挖掘過程中增加利潤分析。利潤分析有很多思路,。對于采用鏈接分析的方案,，可以采用統(tǒng)計的方法來比較在購買產品前,、后的利潤變化情況，去掉那些在購買新產品后出現利潤下降的交叉銷售模式,。對于分類模型,，則可以在建模的時候只對那些購買了產品后出現利潤增長的客戶賦值為1，從而實現預測的目標導向有利潤增長的交叉銷售,。再或者,，可以另外建立一個利潤預測模型，并將購買該產品的可能性和利潤結合起來,，從而選擇那些可能性和利潤都高的客戶進行交叉銷售,。參見什么是交叉銷售？簡單說來,，就是向擁有本公司A產品的客戶推銷本公司B產品,。它有兩大功能：其一，可以增強客戶忠誠度,。如果客戶購買本公司的產品和服務越多,，客戶流失的可能性就越小。來自銀行的數據顯示：購買兩種產品的客戶的流失率是55%,，而擁有4個或更多產品或服務的流失率幾乎是0,。其二，交叉銷售也可以增加利潤,。實踐證明,，將一種產品和服務推銷給一個現有客戶的成本遠低于吸收一個新客戶的成本。來自信用卡公司的數據顯示：平均說來,，信用卡客戶要到第三年才能開始有利潤,。由此可見，吸收新客戶的成本是非常高的,，而對現有客戶進行交叉銷售,，也自然成為許多公司增加投資回報的捷徑。找產品如何有效地進行交叉銷售,？尋找合適的產品自然是第一步,。目前有兩種方法：業(yè)務靈感和數據挖掘。有些時候,，業(yè)務靈感可以告訴公司,，哪些產品需要進行交叉銷售。比如,，房屋貸款自然是向抵押貸款者推銷的下一個產品,。再比如，一個公司最近新開發(fā)了一個具有戰(zhàn)略意義的產品,，那么該產品本身就是一個交叉銷售的好選擇,。業(yè)務靈感的確是一個快速確定交叉銷售產品的方法,。但是，僅僅依賴業(yè)務靈感可能會喪失許多商機,，因為在某些情況下,，一些好的交叉銷售產品并不是直觀可見的。因此,，如果要尋找那些潛在的交叉銷售商機,，有一個最好用的工具――數據挖掘。鏈接分析是數據挖掘中的一種方法,，它可以從歷史數據中找到產品和產品之間的相關關系,，從而產生出最恰當的交叉銷售產品或服務。但是,，鏈接分析的結果必須依賴業(yè)務知識來審核其準確性和價值,，因此，在實際應用中,，又常常將業(yè)務靈感和數據挖掘結合起來,，以確定合適的交叉銷售產品。尋下家一旦確定了要推銷的產品,，下面的問題是――推銷給誰,？數據挖掘有很多方法都能幫助解決這個問題。而采用鏈接準則來進行客戶定位,，便是其中之一,。鏈接分析主要是了解不同產品之間同時或前后發(fā)生的購買關系，從而為捆綁銷售或交叉銷售提供有價值的建議,。鏈接分析起源于零售業(yè),，它的一個典型例子就是啤酒和尿布的故事。數據挖掘人員通過對交易數據的分析,，發(fā)現啤酒和尿布同時購買的相關程度很高,。再經進一步的調查發(fā)現，原來是有孩子的父親在給自己購買啤酒時,，也常會給自己剛出生不久的子女購買尿布,。根據以上信息，超市人員便及時調整了物品的擺放結構,，從而讓客戶的購買更加方便,。目前，類似的數據挖掘技術也已在國外許多銀行中廣泛使用,，針對既有客戶推銷不同的產品和服務,。一個鏈接準則通常包括“準則體”、“準則頭”、“支持度”,、“置信度”以及“提升度”,。下表便是一個采用IBM Intelligent Miner進行數據挖掘的案例：置信度(%)類型 提升度 準則體 準則頭0.85 28.5 + 10.7 VISA金卡 = > 房屋貸款這個準則說明：有28.5%的VISA金卡用戶購買了房屋貸款，它的購買率是平均的10.7倍,。這個準則的客戶數目占總客戶群的0.85%(關于準則的詳細定義請參考IBM Intelligent Miner的說明書)。根據這個準則我們可以知道,，將房屋貸款交叉銷售給VISA金卡用戶是一個很好的選擇,。第二種方法就是應用分類模型對所有客戶購買該指定產品的可能性進行預測，從而發(fā)現誰最有可能購買該產品,。第三種方法可以結合鏈接分析和分類預測,，對準則體所篩選出來的客戶進行預測。每一種數據挖掘方案都各有所長,，至于什么方案最優(yōu),，要根據實際應用和模型結果來確定。銷售過程通常來講,，如果具備客戶的產品購買信息,，就可以應用鏈接分析的方法來了解產品和產品之間的相關程度，從而確定交叉銷售的對象,。鏈接分析將產生許多鏈接準則,，如何從眾多的準則中挑選出有意義的部分，這就需要業(yè)務知識和數據挖掘的結合,。從數據挖掘角度看,，主要是選擇那些提升度、置信度,、和支持度都比較高的準則,；從業(yè)務角度看，主要是對數據挖掘挑選出的準則進行評估,，從而挑選出正確的和有價值的一些交叉銷售鏈接準則,。在挑選完以后，那些在“準則體”中沒有購買“準則頭”的客戶,，就是潛在的客戶,。接下來，可以選擇全部的潛在客戶進行交叉銷售,，也可以采用數據挖掘中分類的方法進行評分,，以便找出購買性大的客戶，從而進一步提高購買率,。但是在有些情況下,，我們可能不用去關心產品和產品之間的相關程度，而只需要從現有的客戶中找出最有可能購買某指定產品的客戶，并不限定這些客戶是什么產品的客戶,。對于這種情形,，我們直接應用分類模型就可以了。對于指定產品A,，我們將收集客戶在購買A之前的背景信息和其它產品的交易數據,。對于購買A的客戶，可以將其賦值為1,，而沒有買A的客戶,，則可以將其賦值為0。賦值完后,，還要生成一系列的“集”,，如：用于建模的訓練集、用于測試的測試集以及用于應用的應用集,。集合的生成可以采用時間窗口移動法或者隨機采樣法,。之后，便可以采用不同的分類方法(邏輯回歸,、神經網絡,、徑向基函數、決策樹等)進行建模,，再由提升圖來衡量模型的質量,，最終來選擇最佳預測模型進行實際應用。在零售行業(yè),，因為利潤和產品數量的密切相關,，購買產品越多利潤就越大，所以對于這類行業(yè)的交叉銷售,，只要采用上面的過程就可以了,。但是對于一些服務行業(yè)，比如銀行業(yè),，由于有較大的日常維護和服務的開銷,，因此不是每個客戶的每件產品都會有利潤。如果銀行在實施交叉銷售一些產品后導致該客戶的利潤減少,，將是一件“吃力不討好”的事,。如何避免這類事情的發(fā)生，一個好辦法就是在挖掘過程中增加利潤分析,。利潤分析有很多思路,。對于采用鏈接分析的方案，可以采用統(tǒng)計的方法來比較在購買產品前,、后的利潤變化情況,，去掉那些在購買新產品后出現利潤下降的交叉銷售模式,。對于分類模型，則可以在建模的時候只對那些購買了產品后出現利潤增長的客戶賦值為1,，從而實現預測的目標導向有利潤增長的交叉銷售,。再或者，可以另外建立一個利潤預測模型,，并將購買該產品的可能性和利潤結合起來,，從而選擇那些可能性和利潤都高的客戶進行交叉銷售。什么是交叉銷售,？簡單說來,，就是向擁有本公司A產品的客戶推銷本公司B產品。它有兩大功能：其一,，可以增強客戶忠誠度。如果客戶購買本公司的產品和服務越多,，客戶流失的可能性就越小,。來自銀行的數據顯示：購買兩種產品的客戶的流失率是55%，而擁有4個或更多產品或服務的流失率幾乎是0,。其二,，交叉銷售也可以增加利潤。實踐證明,，將一種產品和服務推銷給一個現有客戶的成本遠低于吸收一個新客戶的成本,。來自信用卡公司的數據顯示：平均說來，信用卡客戶要到第三年才能開始有利潤,。由此可見,，吸收新客戶的成本是非常高的，而對現有客戶進行交叉銷售,，也自然成為許多公司增加投資回報的捷徑,。找產品如何有效地進行交叉銷售？尋找合適的產品自然是第一步,。目前有兩種方法：業(yè)務靈感和數據挖掘,。有些時候，業(yè)務靈感可以告訴公司,，哪些產品需要進行交叉銷售,。比如，房屋貸款自然是向抵押貸款者推銷的下一個產品,。再比如,，一個公司最近新開發(fā)了一個具有戰(zhàn)略意義的產品，那么該產品本身就是一個交叉銷售的好選擇,。業(yè)務靈感的確是一個快速確定交叉銷售產品的方法,。但是,，僅僅依賴業(yè)務靈感可能會喪失許多商機，因為在某些情況下,，一些好的交叉銷售產品并不是直觀可見的,。因此，如果要尋找那些潛在的交叉銷售商機,，有一個最好用的工具――數據挖掘,。鏈接分析是數據挖掘中的一種方法，它可以從歷史數據中找到產品和產品之間的相關關系,，從而產生出最恰當的交叉銷售產品或服務,。但是，鏈接分析的結果必須依賴業(yè)務知識來審核其準確性和價值,，因此,，在實際應用中，又常常將業(yè)務靈感和數據挖掘結合起來,，以確定合適的交叉銷售產品,。尋下家一旦確定了要推銷的產品，下面的問題是――推銷給誰,？數據挖掘有很多方法都能幫助解決這個問題,。而采用鏈接準則來進行客戶定位，便是其中之一,。鏈接分析主要是了解不同產品之間同時或前后發(fā)生的購買關系,，從而為捆綁銷售或交叉銷售提供有價值的建議。鏈接分析起源于零售業(yè),，它的一個典型例子就是啤酒和尿布的故事,。數據挖掘人員通過對交易數據的分析，發(fā)現啤酒和尿布同時購買的相關程度很高,。再經進一步的調查發(fā)現,，原來是有孩子的父親在給自己購買啤酒時，也常會給自己剛出生不久的子女購買尿布,。根據以上信息,，超市人員便及時調整了物品的擺放結構，從而讓客戶的購買更加方便,。目前,，類似的數據挖掘技術也已在國外許多銀行中廣泛使用，針對既有客戶推銷不同的產品和服務,。一個鏈接準則通常包括“準則體”,、“準則頭”、“支持度”,、“置信度”以及“提升度”,。下表便是一個采用IBM Intelligent Miner進行數據挖掘的案例：置信度(%)類型 提升度 準則體 準則頭0.85 28.5 + 10.7 VISA金卡 = > 房屋貸款這個準則說明：有28.5%的VISA金卡用戶購買了房屋貸款,，它的購買率是平均的10.7倍。這個準則的客戶數目占總客戶群的0.85%(關于準則的詳細定義請參考IBM Intelligent Miner的說明書),。根據這個準則我們可以知道,，將房屋貸款交叉銷售給VISA金卡用戶是一個很好的選擇。第二種方法就是應用分類模型對所有客戶購買該指定產品的可能性進行預測,，從而發(fā)現誰最有可能購買該產品,。第三種方法可以結合鏈接分析和分類預測，對準則體所篩選出來的客戶進行預測,。每一種數據挖掘方案都各有所長,，至于什么方案最優(yōu)，要根據實際應用和模型結果來確定,。銷售過程通常來講,，如果具備客戶的產品購買信息，就可以應用鏈接分析的方法來了解產品和產品之間的相關程度,，從而確定交叉銷售的對象,。鏈接分析將產生許多鏈接準則，如何從眾多的準則中挑選出有意義的部分,，這就需要業(yè)務知識和數據挖掘的結合。從數據挖掘角度看,，主要是選擇那些提升度,、置信度、和支持度都比較高的準則,；從業(yè)務角度看,，主要是對數據挖掘挑選出的準則進行評估，從而挑選出正確的和有價值的一些交叉銷售鏈接準則,。在挑選完以后,，那些在“準則體”中沒有購買“準則頭”的客戶，就是潛在的客戶,。接下來,，可以選擇全部的潛在客戶進行交叉銷售，也可以采用數據挖掘中分類的方法進行評分,，以便找出購買性大的客戶,，從而進一步提高購買率。但是在有些情況下,，我們可能不用去關心產品和產品之間的相關程度,，而只需要從現有的客戶中找出最有可能購買某指定產品的客戶，并不限定這些客戶是什么產品的客戶,。對于這種情形,，我們直接應用分類模型就可以了,。對于指定產品A，我們將收集客戶在購買A之前的背景信息和其它產品的交易數據,。對于購買A的客戶,，可以將其賦值為1，而沒有買A的客戶,，則可以將其賦值為0,。賦值完后，還要生成一系列的“集”,，如：用于建模的訓練集,、用于測試的測試集以及用于應用的應用集。集合的生成可以采用時間窗口移動法或者隨機采樣法,。之后,，便可以采用不同的分類方法(邏輯回歸、神經網絡,、徑向基函數,、決策樹等)進行建模，再由提升圖來衡量模型的質量,，最終來選擇最佳預測模型進行實際應用,。在零售行業(yè)，因為利潤和產品數量的密切相關,，購買產品越多利潤就越大,，所以對于這類行業(yè)的交叉銷售，只要采用上面的過程就可以了,。但是對于一些服務行業(yè),，比如銀行業(yè)，由于有較大的日常維護和服務的開銷,，因此不是每個客戶的每件產品都會有利潤,。如果銀行在實施交叉銷售一些產品后導致該客戶的利潤減少，將是一件“吃力不討好”的事,。如何避免這類事情的發(fā)生,，一個好辦法就是在挖掘過程中增加利潤分析。利潤分析有很多思路,。對于采用鏈接分析的方案,，可以采用統(tǒng)計的方法來比較在購買產品前、后的利潤變化情況,，去掉那些在購買新產品后出現利潤下降的交叉銷售模式,。對于分類模型，則可以在建模的時候只對那些購買了產品后出現利潤增長的客戶賦值為1,，從而實現預測的目標導向有利潤增長的交叉銷售,。再或者,，可以另外建立一個利潤預測模型，并將購買該產品的可能性和利潤結合起來,，從而選擇那些可能性和利潤都高的客戶進行交叉銷售,。參見