中文XML论坛--[原创]挑战书

姓名：(无权查看)
城市：(无权查看)
院校：(无权查看)

挑战书
在信息“爆炸”时代，数据呈指数方式的递增，如何从数据中挖掘出有价值的信息，成为当今企业中技术人员，尤其管理人员关注的重点。于是各种数据挖掘软件适时而生，各种数据挖掘算法得到长足发展。数据挖掘技术日渐流行，为了比较各种挖掘软件的性能，各种挖掘算法的优劣，特此以Unica的Model为挑战目标，其目的在于相互学习，相互交流，共同发展。
内容范围：
1 响应：可预测客户对某个产品或服务的认知度，客户流失或兴趣迁移等。比如：寻找对某一特定的服务与产品最可能感兴趣的消费群体。
2 交叉销售：比如预测现有客户的新的购买趋向，或组合购买模式。比如：如果一个客户已经购买产品A与D，他最可能下一步购买什么：拨号、ISDN、专线、VPN、全球漫游、宽带？
3 客户分类：按照已有客户的消费数据对客户按一定属性分组。确定细分市场的定义属性。细致地分析客户的群组模式
4 客户价值评估：客户的忠诚度评估，利润贡献度评估。多方位地定量评估客户的价值，并根据许多特征属性预测特定客户群组的价值
数据源：分为训练集和测试集，一般为7：3左右。训练集用于建立模型，测试集用于检验模型。最好提供变量表，说明变量的名称，描述，属性。
算法：可以包括各种数据挖掘算法。可以提供您认为最好的算法和相应的数据。
结果评估：以最好地拟合测试集的模型为最优。如结果能以图形，尤其以提升图表示为佳。结果将在论坛上公布。
欢迎各个行业的数据分析和数据挖掘专家和技术人员，为共同提高数据的价值积极参与，共同进步。
联系人：wxg319@126.com, QQ:185727577

这里提供一些数据和背景资料。现最好的模型以后再在论坛上公布。

姓名：(无权查看)
城市：(无权查看)
院校：(无权查看)

响应分析
1 本案例的背景：
VIC（Veteran’s Clearinghouse,Inc.）是美国的一家国内机构，接受来自社会各个层次的捐助，以帮助退役老兵.
现开展一项捐助活动，不过数据库中有350万个捐助者信息，需要对他们进行逐个发EMIAL进行联络。但VIC公司想提高他们的响应率。尽可能地对潜在的捐助者发送信息。

2 数据库中变量描绘

变量名称变量描绘
ID 捐助者的标识号－号码
DOB 捐助者出生日期
DOMAIN 捐助者出生地，用代码表示
CLUSTER 捐助者从第一次捐助到现在的年数
AGE 捐助者年龄
HOMEVAL 对捐助者家庭状况的评估值（分数）
RFA1－RFA10 对过去已经开展活动1－活动10的个人反应态度代码
CARDPROM 收到的卡片回馈次数
REC_PROMO_DT 最近收到的回馈日期
NUMPROM 一生中收到的回馈总次数
CARDPM12 最近12个月收到的卡片回馈次数
NUMPRM12 最近12个月收到的回馈总次数
DON_ATM12－DON_ATM19 从第１２次捐助活动到第１９次捐助活动的捐助额度。
DON_ATM——LIFE 一生捐助的次数
NUMGIEF_LIFE 一生中捐助获得礼物的次数
CARDGIFT_LIFE 捐助后，收到的从卡片回馈中，礼物的总次数
MIN_DON_AMT 最小的一笔捐助额度，单位：元
MIN_DON_DT 最小的一笔捐助日期
MAX_DON_AMT 最大的一笔捐助额度，单位：元
MAX_DON_DT 最大的一笔捐助日期
REC_DON_AMT 最近的捐助额度，
AVG_DON 客户的平均捐助额度，单位：元
CLUSTER_2 礼物类别代码
RESPONSE 客户是否响应的标识码 0表示不响应 1 表示响应

为了更好地命中潜在的客户，VIC的管理者从数据库中随机抽取5388个捐助者信息，并逐一发送EMAIL，并根据反馈情况予以登记，以变量RESPONSE标识，0表示不响应 1 表示响应，利用这5388个捐助者信息进行建模，得出模型。
本例子给出的一个数据表（＊。dat），另一个是数据字典(*.dct)，说明字段名称，属性等等。（都可以以记事本打开）。您可以随机抽样建立训练集合和测试集合。比例大致7：3，建立和检验模型。


	W 3 C h i n a ( since 2003 ) 旗下站点苏ICP备05006046号《全国人大常委会关于维护互联网安全的决定》《计算机信息网络国际联网安全保护管理办法》	62.500ms