普通高校“十三五”规划教材·营销学系列 数据库营销 顾客分析与管理PDF|Epub|txt|kindle电子书版本网盘下载

普通高校“十三五”规划教材·营销学系列 数据库营销 顾客分析与管理PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1部分 战略问题3

第1章 绪论3

1.1 什么是数据库营销3

1.1.1 数据库营销的定义4

1.1.2 数据库营销、直复营销与顾客关系管理4

1.2 为什么数据库营销越来越重要5

1.3 数据库营销过程6

1.4 本书的组织架构8

第2章 为什么要进行数据库营销10

2.1 提高营销生产率10

2.1.1 基本观点10

2.1.2 营销生产率的深度探讨12

2.1.3 营销生产率观点的证据15

2.1.4 小结17

2.2 建立和巩固顾客关系17

2.2.1 基本观点17

2.2.2 顾客关系和数据库营销的作用18

2.2.3 数据库营销增强顾客关系的证据21

2.2.4 小结24

2.3 创造可持续的竞争优势24

2.3.1 基本观点24

2.3.2 可持续竞争优势观点的演变24

2.3.3 小结33

2.4 总结34

第3章 数据库营销的组织问题35

3.1 以顾客为中心的组织35

3.2 数据库营销战略36

3.2.1 实施数据库营销的战略36

3.2.2 打造竞争优势37

3.2.3 总结38

3.3 顾客管理：以顾客为中心的组织的结构基础38

3.3.1 什么是顾客管理38

3.3.2 顾客管理的动机39

3.3.3 形成顾客群组40

3.3.4 顾客管理是未来趋势吗40

3.3.5 获取和保留部门化41

3.4 信息管理的流程：知识管理42

3.4.1 定义42

3.4.2 有效的知识管理会提高企业业绩吗43

3.4.3 知识创造43

3.4.4 编纂知识44

3.4.5 传递知识45

3.4.6 使用知识45

3.4.7 设计知识管理系统46

3.4.8 问题与挑战47

3.5 薪酬和激励48

3.5.1 理论48

3.5.2 实证研究结果49

3.5.3 总结50

3.6 人员51

3.6.1 提供合适的支持51

3.6.2 公司内部协调51

第4章 顾客隐私与数据库营销54

4.1 背景54

4.1.1 顾客的隐私顾虑及其对数据库营销人员的影响54

4.1.2 历史观点56

4.2 顾客对隐私的态度57

4.2.1 市场细分方法57

4.2.2 态度对数据库营销行为的影响58

4.2.3 隐私顾虑的国际差异59

4.3 关于隐私的现行做法61

4.3.1 隐私政策61

4.3.2 收集数据63

4.3.3 法律环境63

4.4 隐私顾虑的潜在解决方案65

4.4.1 软件解决方案66

4.4.2 监管66

4.4.3 许可营销67

4.4.4 顾客数据所有权69

4.4.5 关注信任70

4.4.6 高层管理者支持70

4.4.7 隐私作为利润最大化的工具71

4.5 总结与未来研究方向71

第2部分 顾客终身价值（LTV）77

第5章 顾客终身价值：基本原理77

5.1 概述77

5.1.1 顾客终身价值的定义77

5.1.2 顾客终身价值计算的简单举例78

5.2 LTV的数学公式79

5.3 两种主要的顾客终身价值模型：简单保留模型和转移模型80

5.3.1 简单保留模型80

5.3.2 转移模型85

5.4 包含不可观测的顾客流失的LTV模型90

5.5 收入估算97

5.5.1 收入恒定模型97

5.5.2 趋势模型97

5.5.3 因果模型97

5.5.4 购买率和购买量的随机模型97

第6章 顾客终身价值的计算问题98

6.1 概述98

6.2 贴现率和时间期限98

6.2.1 资本机会成本99

6.2.2 基于风险来源方法的贴现率103

6.3 顾客投资组合管理104

6.4 成本核算问题107

6.4.1 作业成本法（ABC）107

6.4.2 可变成本和分配固定间接成本109

6.5 对营销活动的反应115

6.6 外部效应118

第7章 顾客终身价值的应用120

7.1 使用LTV获取目标顾客120

7.2 使用LTV指导顾客赢回策略121

7.3 使用SCM模型确定顾客价值122

7.4 LTV模型应用案例125

7.5 使用LTV相似形式的市场细分方法128

7.5.1 顾客金字塔128

7.5.2 使用LTV方法建立顾客组合129

7.6 LTV组成部分的驱动力130

7.7 预测潜在LTV131

7.8 评价企业的顾客整体132

第3部分 数据库营销工具：基础137

第8章 数据的来源137

8.1 概述137

8.2 描述顾客的数据分类138

8.2.1 顾客身份数据138

8.2.2 人口统计数据139

8.2.3 心理特质或生活方式数据139

8.2.4 交易数据140

8.2.5 营销活动数据141

8.2.6 其他类型的数据142

8.3 顾客信息的来源142

8.3.1 内部（二手）的数据143

8.3.2 外部（二手）数据144

8.3.3 原始数据159

8.4 终极营销企业160

第9章 测试设计与分析161

9.1 测试的重要性161

9.2 测试还是不测试162

9.2.1 信息价值法162

9.2.2 评估误命中成本（assessing mistargeting costs）165

9.3 抽样技术167

9.3.1 概率抽样VS.非概率抽样167

9.3.2 简单随机抽样167

9.3.3 系统随机抽样168

9.3.4 其他抽样技术168

9.4 确定样本量169

9.4.1 确定样本量的统计方法169

9.4.2 决策理论方法171

9.5 测试设计175

9.5.1 单因素实验设计175

9.5.2 多因素实验：全因子（full factorials）177

9.5.3 多因素实验：正交设计180

9.5.4 准实验设计183

第10章 预测建模过程184

10.1 预测建模与对营销生产率的需要184

10.2 预测建模过程：总述186

10.3 过程详述187

10.3.1 定义问题187

10.3.2 准备数据187

10.3.3 估计模型192

10.3.4 模型评价195

10.3.5 选择目标顾客203

10.4 一个预测建模的例子209

10.5 长期考虑214

10.5.1 “向唱诗班传道”214

10.5.2 模型适用期和选择性偏差215

10.5.3 理解预测模型的结果218

10.5.4 预测建模过程需要管理218

10.6 未来的研究方向219

第4部分 数据库营销工具：统计技术223

第11章 预测建模中的统计问题223

11.1 构建统计模型的经济判断223

11.2 变量与模型的选择225

11.2.1 变量选择225

11.2.2 变量转换229

11.3 缺失值处理230

11.3.1 个案删除230

11.3.2 成对删除231

11.3.3 单一插值法231

11.3.4 多重插值法231

11.3.5 数据融合233

11.3.6 缺失变量哑变量234

11.4 统计模型的评价235

11.4.1 将样本分为校准样本和验证样本235

11.4.2 评价标准237

11.5 总结：演化模型建立243

第12章 RFM分析244

12.1 概述244

12.2 RFM模型的基础245

12.2.1 Recency、Frequency和Monetary的定义245

12.2.2 RFM在细分市场预测中的应用246

12.3 盈亏平衡点分析：确定分界点247

12.3.1 利润最大化的分界点回应率248

12.3.2 有差异的订单额249

12.4 RFM模型扩展250

12.4.1 将RFM模型当成方差分析处理250

12.4.2 非离散的替代回应模型253

12.4.3 Colombo和Jiang（1999）开发的一个随机RFM模型255

第13章 购物篮分析257

13.1 概述257

13.2 对营销人员的益处258

13.3 推导购物篮关联规则258

13.3.1 确认一个购物篮问题259

13.3.2 推导“有趣”的关联规则259

13.3.3 Zhang（2000）关于关联和不关联的测量261

13.4 购物篮分析中的问题262

13.4.1 使用分类法克服维度问题262

13.4.2 两个以上商品的关联规则263

13.4.3 添加虚拟项目以提高购物篮分析的质量263

13.4.4 在购物篮分析中添加时间要素264

13.5 结论265

第14章 协同过滤267

14.1 概述267

14.2 基于记忆的方法268

14.2.1 计算用户之间的相似性269

14.2.2 评价标准272

14.3 基于模型的方法274

14.3.1 聚类模型275

14.3.2 基于项目的协同过滤275

14.3.3 Chien＆George的贝叶斯混合模型（1999）276

14.3.4 Ansari等的分层贝叶斯模型（2000）276

14.4 协同过滤存在的问题277

14.4.1 将基于内容的信息过滤与协同过滤结合起来277

14.4.2 内隐评价280

14.4.3 选择偏差282

14.4.4 跨类别推荐283

第15章 离散因变量与时间存续模型284

15.1 二元回应模型284

15.1.1 线性概率模型285

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

15.1.3 罕见事件数据的Logistic回归287

15.1.4 判别分析289

15.2 多项反应模型290

15.3 计数数据模型292

15.3.1 泊松回归292

15.3.2 负二项回归292

15.4 删失回归（Tobit）模型及扩展293

15.5 时间存续（风险）模型295

15.5.1 存续数据的特征295

15.5.2 运用经典线性回归模型分析存续数据296

15.5.3 风险模型297

15.5.4 在风险函数中加入协变量299

第16章 聚类分析301

16.1 概述301

16.2 聚类过程302

16.2.1 选择聚类变量302

16.2.2 相似性测量303

16.2.3 聚类方法306

16.2.4 聚类的群组数量313

16.3 聚类分析的应用313

16.3.1 解释结果313

16.3.2 选择目标群组315

第17章 决策树316

17.1 概述316

17.2 决策树原理317

17.3 选择最优划分规则319

17.3.1 多样性基尼（Gini）系数319

17.3.2 熵（Entropy）与基于信息论的度量321

17.3.3 卡方（Chi-Square）检验322

17.3.4 其他划分规则323

17.4 确定决策树的大小323

17.4.1 决策树的剪枝方法323

17.4.2 确定决策树大小的其他方法325

17.5 决策树方法的其他问题326

17.5.1 多元变量划分326

17.5.2 成本问题326

17.5.3 确定最优树326

17.6 直邮广告的应用327

17.7 决策树方法的优势与劣势329

第18章 人工神经网络330

18.1 概述330

18.1.1 发展历史330

18.1.2 人工神经网络在数据库营销中的应用331

18.1.3 优势与劣势331

18.2 神经元模型333

18.3 多层感知器336

18.3.1 网络架构336

18.3.2 反向传播算法（back propagation）338

18.3.3 在信用评分中的应用339

18.3.4 隐藏层单元的最优个数、最优学习速率及最优动量参数340

18.3.5 停止规则341

18.3.6 特征（输入变量）选择341

18.3.7 评估输入变量的重要性342

18.4 径向基函数网络343

18.4.1 背景343

18.4.2 曲线拟合（逼近）问题343

18.4.3 应用举例345

第19章 机器学习346

19.1 概述346

19.2 1-规则347

19.3 利用覆盖算法的规则归纳349

19.3.1 覆盖算法与决策树349

19.3.2 PRISM351

19.3.3 评价规则的概率指标及INDUCT算法354

19.4 基于实例的学习357

19.4.1 优势与劣势357

19.4.2 基于实例的学习算法的简要介绍357

19.4.3 范例的选择358

19.4.4 属性权重359

19.5 遗传算法360

19.6 贝叶斯网络361

19.7 支持向量机364

19.8 多种方法的结合：委员会机器366

19.8.1 Bagging366

19.8.2 Boosting367

19.8.3 其他委员会机器368

第5部分 顾客管理371

第20章 获取顾客371

20.1 概述371

20.2 顾客资产的基本方程372

20.3 获取成本372

20.4 增加获取顾客数量的策略374

20.4.1 扩大市场规模374

20.4.2 增加获取营销支出374

20.4.3 改变获取曲线的形状375

20.4.4 使用先导产品377

20.4.5 获取定价与促销377

20.5 开发顾客获取项目规划378

20.5.1 框架378

20.5.2 市场细分、目标市场选择和定位（STP）379

20.5.3 产品／服务380

20.5.4 顾客获取的目标市场选择380

20.5.5 顾客获取的目标市场选择方法382

20.6 获取营销的研究问题385

第21章 交叉销售与升级销售387

21.1 策略387

21.2 交叉销售模型388

21.2.1 下一件购买产品模型388

21.2.2 考虑购买时机的下一件购买产品模型399

21.2.3 包含时机与回应的下一件购买产品模型402

21.3 升级销售405

21.3.1 一个数据包络分析模型405

21.3.2 随机前沿模型407

21.4 开发持续的交叉销售活动408

21.4.1 流程概述408

21.4.2 战略408

21.4.3 收集数据410

21.4.4 分析410

21.4.5 实施410

21.4.6 评估411

21.5 研究需要412

第22章 累积奖励计划413

22.1 定义和动机413

22.2 累积奖励计划如何影响顾客行为413

22.2.1 增加销售的作用机制413

22.2.2 顾客对累积奖励计划的反馈414

22.3 在竞争环境中的累积奖励计划是否会增加利润422

22.4 累积奖励计划的设计425

22.4.1 决策设计425

22.4.2 基础设施425

22.4.3 注册程序425

22.4.4 奖励计划426

22.4.5 奖励428

22.4.6 个性化营销429

22.4.7 伙伴关系430

22.4.8 监控和评价430

22.5 累积奖励计划案例431

22.5.1 Harrah's娱乐公司431

22.5.2 英国超市行业：Nectar计划与Clubcard计划431

22.5.3 Cingular公司的通话时长延期使用计划433

22.5.4 希尔顿酒店433

22.6 研究需要434

第23章 顾客分级计划436

23.1 定义和动机436

23.2 设计顾客分级计划437

23.2.1 概述437

23.2.2 审查目标438

23.2.3 创建顾客数据库438

23.2.4 定义等级438

23.2.5 确定每一等级的获取可能性440

23.2.6 每一等级的发展可能性441

23.2.7 顾客等级资金分配443

23.2.8 设计特定等级计划448

23.2.9 实施与评估449

23.3 顾客分级计划案例450

23.3.1 Bank One（Hartfeil，1996）450

23.3.2 加拿大皇家银行（Rasmusson，1999）450

23.3.3 Thomas Cook旅行（Rasmusson，1999）450

23.3.4 加拿大杂货店连锁（Grant＆Schlesinger，1995）451

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

23.3.6 维京办公产品（Miller，2001）452

23.3.7 瑞典银行（Storbacka ＆ Luukinen，1994；Storbacka，1993）452

23.4 实施顾客分级计划的风险452

23.5 未来的研究需要454

第24章 顾客流失管理456

24.1 问题456

24.2 引起顾客流失的因素460

24.3 预测顾客流失463

24.3.1 单一的未来时期模型464

24.3.2 时间序列模型469

24.4 减少流失的管理方法471

24.4.1 概述471

24.4.2 主动的顾客流失管理框架472

24.4.3 实施主动的顾客流失管理计划475

24.5 未来的研究477

第25章 多渠道顾客管理478

25.1 多渠道顾客管理的出现478

25.1.1 多渠道管理的驱动力478

25.1.2 多渠道管理的拉力479

25.2 多渠道顾客479

25.2.1 顾客渠道选择决策的学习框架479

25.2.2 多渠道顾客的特征480

25.2.3 多渠道选择的决定因素482

25.2.4 顾客渠道转移模型487

25.2.5 研究购物491

25.2.6 渠道使用和顾客忠诚492

25.2.7 获取渠道对顾客行为的影响493

25.2.8 渠道引入对公司绩效的影响494

25.3 发展多渠道战略496

25.3.1 多渠道设计过程的框架496

25.3.2 分析顾客496

25.3.3 渠道设计497

25.3.4 实施方式501

25.3.5 革命503

25.4 行业案例505

25.4.1 零售“最佳实践”（Crawford，2002）505

25.4.2 Waters公司（《CRM ROI评论》，2003）506

25.4.3 制药行业（Boehm，2002）506

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

25.4.5 总结507

第26章 顾客获取与保留的管理508

26.1 概述508

26.2 获取和保留模型509

26.2.1 Blattberg和Deighton（1996）的模型509

26.2.2 队列模型513

26.2.3 Ⅱ型Tobit模型513

26.2.4 竞争模型517

26.2.5 总结：如何建立顾客获取和顾客保留模型519

26.3 最佳的顾客获取和顾客保留支出520

26.3.1 在没有预算约束的条件下优化Blattberg/Deighton模型520

26.3.2 获取成本、保留成本、LTV和最优支出的关系：如果获取成本超过保留成本，企业是否应该专注于顾客保留524

26.3.3 优化预算限制的Blattberg/Deighton模型527

26.3.4 多阶段有预算约束的队列模型优化530

26.3.5 Reinartz等人（2005）的Tobit模型优化533

26.3.6 总结：我们什么时候应该在获取与保留上投入更多533

26.4 顾客获取与保留的预算计划535

26.4.1 顾客管理营销预算（CMMB）535

26.4.2 执行问题536

26.5 获取与保留策略：一个整体框架537

第6部分 管理营销组合541

第27章 数据库营销沟通设计541

27.1 计划过程541

27.2 设立总体规划542

27.2.1 目标542

27.2.2 战略542

27.2.3 预算542

27.2.4 总结543

27.3 文案开发543

27.3.1 创造性战略543

27.3.2 促销547

27.3.3 产品549

27.3.4 多要素营销沟通组合的个性化557

27.4 媒体选择558

27.4.1 最优选择558

27.4.2 整合营销沟通559

27.5 评价营销沟通计划559

第28章 多项活动管理562

28.1 概述562

28.2 动态回应现象562

28.2.1 磨合、耗尽和遗忘562

28.2.2 重叠568

28.2.3 购买加速，忠诚度以及价格敏感性的影响568

28.2.4 同时考虑磨合、耗尽、遗忘、重叠、加速和忠诚度569

28.3 最优接触模型571

28.3.1 促销模型（Ching et al.，2004）572

28.3.2 应用决策树回应模型（Simester et al.，2006）573

28.3.3 风险回应模型（Gonül et al.，2000）574

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

28.3.5 考虑顾客和企业的动态理性的模型（Gonül and Shi，1998）577

28.3.6 纳入库存管理（Bitran＆Mondschein，1996）579

28.3.7 考虑多个不同目录的模型（Campbell et al.，2001）581

28.3.8 多个目录的邮寄（Elsner et al.，2003，2004）584

28.3.9 增加在线固定样本组调查的回应率（Neslin et al.，2007）585

28.4 总结588

第29章 定价策略592

29.1 概述——基于顾客的定价策略592

29.2 顾客购买多种产品时的基于顾客的定价594

29.2.1 情况1：仅有产品1被购买595

29.2.2 情况2：以产品1为主打产品的两种产品购买模型596

29.3 顾客在两个时期购买产品或服务时的针对顾客的定价597

29.3.1 悲观的情况：R＜q——对质量的期望低于真实的质量598

29.3.2 乐观的情况：R＞q——对质量的期望高于真实的质量599

29.3.3 研究问题599

29.4 使用顾客资产模型的获取顾客定价及保留顾客定价599

29.5 赢回顾客定价602

29.6 追加销售定价603

29.7 通过数据库目标市场选择模型进行歧视定价604