第1部分战 略 问 题第1章绪论31.1什么是数据库营销31.1.1数据库营销的定义41.1.2数据库营销、直复营销与顾客关系管理41.2为什么数据库营销越来越重要51.3数据库营销过程61.4本书的组织架构8第2章为什么要进行数据库营销102.1提高营销生产率102.1.1基本观点102.1.2营销生产率的深度探讨122.1.3营销生产率观点的证据152.1.4小结172.2建立和巩固顾客关系172.2.1基本观点172.2.2顾客关系和数据库营销的作用182.2.3数据库营销增强顾客关系的证据212.2.4小结242.3创造可持续的竞争优势242.3.1基本观点242.3.2可持续竞争优势观点的演变242.3.3小结332.4总结34第3章数据库营销的组织问题353.1以顾客为中心的组织35〖2〗〖4〗数据库营销——顾客分析与管理〖4〗〖3〗〖1〗目录3.2数据库营销战略363.2.1实施数据库营销的战略363.2.2打造竞争优势373.2.3总结383.3顾客管理： 以顾客为中心的组织的结构基础383.3.1什么是顾客管理383.3.2顾客管理的动机393.3.3形成顾客群组403.3.4顾客管理是未来趋势吗403.3.5获取和保留部门化413.4信息管理的流程： 知识管理423.4.1定义423.4.2有效的知识管理会提高企业业绩吗433.4.3知识创造433.4.4编纂知识443.4.5传递知识453.4.6使用知识453.4.7设计知识管理系统463.4.8问题与挑战473.5薪酬和激励483.5.1理论483.5.2实证研究结果493.5.3总结503.6人员513.6.1提供合适的支持513.6.2公司内部协调51第4章顾客隐私与数据库营销544.1背景544.1.1顾客的隐私顾虑及其对数据库营销人员的影响544.1.2历史观点564.2顾客对隐私的态度574.2.1市场细分方法574.2.2态度对数据库营销行为的影响584.2.3隐私顾虑的国际差异594.3关于隐私的现行做法614.3.1隐私政策614.3.2收集数据634.3.3法律环境634.4隐私顾虑的潜在解决方案654.4.1软件解决方案664.4.2监管664.4.3许可营销674.4.4顾客数据所有权694.4.5关注信任704.4.6高层管理者支持704.4.7隐私作为利润最大化的工具714.5总结与未来研究方向71第2部分顾客终身价值(LTV)第5章顾客终身价值： 基本原理775.1概述775.1.1顾客终身价值的定义775.1.2顾客终身价值计算的简单举例785.2LTV的数学公式795.3两种主要的顾客终身价值模型： 简单保留模型和转移模型805.3.1简单保留模型805.3.2转移模型855.4包含不可观测的顾客流失的LTV模型905.5收入估算975.5.1收入恒定模型975.5.2趋势模型975.5.3因果模型975.5.4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986.1概述986.2贴现率和时间期限986.2.1资本机会成本996.2.2基于风险来源方法的贴现率1036.3顾客投资组合管理1046.4成本核算问题1076.4.1作业成本法(ABC)1076.4.2可变成本和分配固定间接成本1096.5对营销活动的反应1156.6外部效应118第7章顾客终身价值的应用1207.1使用LTV获取目标顾客1207.2使用LTV指导顾客赢回策略1217.3使用SCM模型确定顾客价值1227.4LTV模型应用案例1257.5使用LTV相似形式的市场细分方法1287.5.1顾客金字塔1287.5.2使用LTV方法建立顾客组合1297.6LTV组成部分的驱动力1307.7预测潜在LTV1317.8评价企业的顾客整体132第3部分数据库营销工具： 基础第8章数据的来源1378.1概述1378.2描述顾客的数据分类1388.2.1顾客身份数据1388.2.2人口统计数据1398.2.3心理特质或生活方式数据1398.2.4交易数据1408.2.5营销活动数据1418.2.6其他类型的数据1428.3顾客信息的来源1428.3.1内部(二手)的数据1438.3.2外部(二手)数据1448.3.3原始数据1598.4终极营销企业160第9章测试设计与分析1619.1测试的重要性1619.2测试还是不测试1629.2.1信息价值法1629.2.2评估误命中成本(assessing mistargeting costs)1659.3抽 样 技 术1679.3.1概率抽样VS.非概率抽样1679.3.2简单随机抽样1679.3.3系统随机抽样1689.3.4其他抽样技术1689.4确定样本量1699.4.1确定样本量的统计方法1699.4.2决策理论方法1719.5测试设计1759.5.1单因素实验设计1759.5.2多因素实验： 全因子(full factorials)1779.5.3多因素实验： 正交设计1809.5.4准实验设计183第10章预测建模过程18410.1预测建模与对营销生产率的需要18410.2预测建模过程： 总述18610.3过程详述18710.3.1定义问题18710.3.2准备数据18710.3.3估计模型19210.3.4模型评价19510.3.5选择目标顾客20310.4一个预测建模的例子20910.5长期考虑21410.5.1”向唱诗班传道”21410.5.2模型适用期和选择性偏差21510.5.3理解预测模型的结果21810.5.4预测建模过程需要管理21810.6未来的研究方向219第4部分数据库营销工具: 统计技术第11章预测建模中的统计问题22311.1构建统计模型的经济判断22311.2变量与模型的选择22511.2.1变量选择22511.2.2变量转换22911.3缺失值处理23011.3.1个案删除23011.3.2成对删除23111.3.3单一插值法23111.3.4多重插值法23111.3.5数据融合23311.3.6缺失变量哑变量23411.4统计模型的评价23511.4.1将样本分为校准样本和验证样本23511.4.2评价标准23711.5总结: 演化模型建立243第12章RFM分析24412.1概述24412.2RFM模型的基础24512.2.1Recency、Frequency和Monetary的定义24512.2.2RFM在细分市场预测中的应用24612.3盈亏平衡点分析: 确定分界点24712.3.1利润最大化的分界点回应率24812.3.2有差异的订单额24912.4RFM模型扩展25012.4.1将RFM模型当成方差分析处理25012.4.2非离散的替代回应模型25312.4.3Colombo和Jiang(1999)开发的一个随机RFM模型255第13章购物篮分析25713.1概述25713.2对营销人员的益处25813.3推导购物篮关联规则25813.3.1确认一个购物篮问题25913.3.2推导”有趣”的关联规则25913.3.3Zhang(2000)关于关联和不关联的测量26113.4购物篮分析中的问题26213.4.1使用分类法克服维度问题26213.4.2两个以上商品的关联规则26313.4.3添加虚拟项目以提高购物篮分析的质量26313.4.4在购物篮分析中添加时间要素26413.5结论265第14章协同过滤26714.1概述26714.2基于记忆的方法26814.2.1计算用户之间的相似性26914.2.2评价标准27214.3基于模型的方法27414.3.1聚类模型27514.3.2基于项目的协同过滤27514.3.3Chien & George的贝叶斯混合模型(1999)27614.3.4Ansari等的分层贝叶斯模型(2000)27614.4协同过滤存在的问题27714.4.1将基于内容的信息过滤与协同过滤结合起来27714.4.2内隐评价28014.4.3选择偏差28214.4.4跨类别推荐283第15章离散因变量与时间存续模型28415.1二元回应模型28415.1.1线性概率模型28515.1.2二元Logit(或Logistic 回归)和Probit模型28515.1.3罕见事件数据的Logistic回归28715.1.4判别分析28915.2多项反应模型29015.3计数数据模型29215.3.1泊松回归29215.3.2负二项回归29215.4删失回归(Tobit)模型及扩展29315.5时间存续(风险)模型29515.5.1存续数据的特征29515.5.2运用经典线性回归模型分析存续数据29615.5.3风险模型29715.5.4在风险函数中加入协变量299第16章聚类分析30116.1概述30116.2聚类过程30216.2.1选择聚类变量30216.2.2相似性测量30316.2.3聚类方法30616.2.4聚类的群组数量31316.3聚类分析的应用31316.3.1解释结果31316.3.2选择目标群组315第17章决策树31617.1概述31617.2决策树原理31717.3选择最优划分规则31917.3.1多样性基尼(Gini)系数31917.3.2熵(Entropy)与基于信息论的度量32117.3.3卡方(Chi\|Square)检验32217.3.4其他划分规则32317.4确定决策树的大小32317.4.1决策树的剪枝方法32317.4.2确定决策树大小的其他方法32517.5决策树方法的其他问题32617.5.1多元变量划分32617.5.2成本问题32617.5.3确定最优树32617.6直邮广告的应用32717.7决策树方法的优势与劣势329第18章人工神经网络33018.1概述33018.1.1发展历史33018.1.2人工神经网络在数据库营销中的应用33118.1.3优势与劣势33118.2神经元模型33318.3多层感知器33618.3.1网络架构33618.3.2反向传播算法(back propagation)33818.3.3在信用评分中的应用33918.3.4隐藏层单元的最优个数、最优学习速率及最优动量参数34018.3.5停止规则34118.3.6特征(输入变量)选择34118.3.7评估输入变量的重要性34218.4径向基函数网络34318.4.1背景34318.4.2曲线拟合(逼近)问题34318.4.3应用举例345第19章机器学习34619.1概述34619.21  规 则34719.3利用覆盖算法的规则归纳34919.3.1覆盖算法与决策树34919.3.2PRISM35119.3.3评价规则的概率指标及INDUCT算法35419.4基于实例的学习35719.4.1优势与劣势35719.4.2基于实例的学习算法的简要介绍35719.4.3范例的选择35819.4.4属性权重35919.5遗 传 算 法36019.6贝叶斯网络36119.7支持向量机36419.8多种方法的结合: 委员会机器36619.8.1Bagging36619.8.2Boosting36719.8.3其他委员会机器368第5部分顾 客 管 理第20章获取顾客37120.1概述37120.2顾客资产的基本方程37220.3获取成本37220.4增加获取顾客数量的策略37420.4.1扩大市场规模37420.4.2增加获取营销支出37420.4.3改变获取曲线的形状37520.4.4使用先导产品37720.4.5获取定价与促销37720.5开发顾客获取项目规划37820.5.1框架37820.5.2市场细分、目标市场选择和定位(STP)37920.5.3产品/服务38020.5.4顾客获取的目标市场选择38020.5.5顾客获取的目标市场选择方法38220.6获取营销的研究问题385第21章交叉销售与升级销售38721.1策略38721.2交叉销售模型38821.2.1下一件购买产品模型38821.2.2考虑购买时机的下一件购买产品模型39921.2.3包含时机与回应的下一件购买产品模型40221.3升级销售40521.3.1一个数据包络分析模型40521.3.2随机前沿模型40721.4开发持续的交叉销售活动40821.4.1流程概述40821.4.2战略40821.4.3收集数据41021.4.4分析41021.4.5实施41021.4.6评估41121.5研究需要412第22章累积奖励计划41322.1定义和动机41322.2累积奖励计划如何影响顾客行为41322.2.1增加销售的作用机制41322.2.2顾客对累积奖励计划的反馈41422.3在竞争环境中的累积奖励计划是否会增加利润42222.4累积奖励计划的设计42522.4.1决策设计42522.4.2基础设施42522.4.3注册程序42522.4.4奖励计划42622.4.5奖励42822.4.6个性化营销42922.4.7伙伴关系43022.4.8监控和评价43022.5累积奖励计划案例43122.5.1Harrah’s 娱乐公司43122.5.2英国超市行业: Nectar计划与Clubcard计划43122.5.3Cingular公司的通话时长延期使用计划43322.5.4希尔顿酒店43322.6研究需要434第23章顾客分级计划43623.1定义和动机43623.2设计顾客分级计划43723.2.1概述43723.2.2审查目标43823.2.3创建顾客数据库43823.2.4定义等级43823.2.5确定每一等级的获取可能性44023.2.6每一等级的发展可能性44123.2.7顾客等级资金分配44323.2.8设计特定等级计划44823.2.9实施与评估44923.3顾客分级计划案例45023.3.1Bank One(Hartfeil，1996)45023.3.2加拿大皇家银行(Rasmusson，1999)45023.3.3Thomas Cook旅行(Rasmusson，1999)45023.3.4加拿大杂货店连锁(Grant ＆ Schlesinger，1995)45123.3.5Major US 银行(Rust et al.，2000)45123.3.6维京办公产品(Miller，2001)45223.3.7瑞典银行(Storbacka ＆ Luukinen，1994；Storbacka，1993)45223.4实施顾客分级计划的风险45223.5未来的研究需要454第24章顾客流失管理45624.1问题45624.2引起顾客流失的因素46024.3预测顾客流失46324.3.1单一的未来时期模型46424.3.2时间序列模型46924.4减少流失的管理方法47124.4.1概述47124.4.2主动的顾客流失管理框架47224.4.3实施主动的顾客流失管理计划47524.5未来的研究477第25章多渠道顾客管理47825.1多渠道顾客管理的出现47825.1.1多渠道管理的驱动力47825.1.2多渠道管理的拉力47925.2多渠道顾客47925.2.1顾客渠道选择决策的学习框架47925.2.2多渠道顾客的特征48025.2.3多渠道选择的决定因素48225.2.4顾客渠道转移模型48725.2.5研究购物49125.2.6渠道使用和顾客忠诚49225.2.7获取渠道对顾客行为的影响49325.2.8渠道引入对公司绩效的影响49425.3发展多渠道战略49625.3.1多渠道设计过程的框架49625.3.2分析顾客49625.3.3渠道设计49725.3.4实施方式50125.3.5革命50325.4行业案例50525.4.1零售”最佳实践”(Crawford，2002)50525.4.2Waters公司(《CRM ROI评论》，2003)50625.4.3制药行业(Boehm，2002)50625.4.4Circuit City公司(Smith，2006;Wolf，2006)50725.4.5总结507第26章顾客获取与保留的管理50826.1概述50826.2获取和保留模型50926.2.1Blattberg和Deighton(1996)的模型50926.2.2队列模型51326.2.3Ⅱ型Tobit模型51326.2.4竞争模型51726.2.5总结: 如何建立顾客获取和顾客保留模型51926.3最佳的顾客获取和顾客保留支出52026.3.1在没有预算约束的条件下优化Blattberg/Deighton模型52026.3.2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52426.3.3优化预算限制的Blattberg/Deighton模型52726.3.4多阶段有预算约束的队列模型优化53026.3.5Reinartz等人(2005)的Tobit模型优化53326.3.6总结: 我们什么时候应该在获取与保留上投入更多53326.4顾客获取与保留的预算计划53526.4.1顾客管理营销预算(CMMB)53526.4.2执行问题53626.5获取与保留策略: 一个整体框架537第6部分管理营销组合第27章数据库营销沟通设计54127.1计划过程54127.2设立总体规划54227.2.1目标54227.2.2战略54227.2.3预算54227.2.4总结54327.3文案开发54327.3.1创造性战略54327.3.2促销54727.3.3产品54927.3.4多要素营销沟通组合的个性化55727.4媒体选择55827.4.1最优选择55827.4.2整合营销沟通55927.5评价营销沟通计划559第28章多项活动管理56228.1概述56228.2动态回应现象56228.2.1磨合、耗尽和遗忘56228.2.2重叠56828.2.3购买加速，忠诚度以及价格敏感性的影响56828.2.4同时考虑磨合、耗尽、遗忘、重叠、加速和忠诚度56928.3最优接触模型57128.3.1促销模型(Ching et al.，2004)57228.3.2应用决策树回应模型(Simester et al.，2006)57328.3.3风险回应模型(Gnül et al.，2000)57428.3.4分层Bayes模型(Rust & Verhoef, 2005)57628.3.5考虑顾客和企业的动态理性的模型(Gnül and Shi, 1998)57728.3.6纳入库存管理(Bitran&Mondschein，1996)57928.3.7考虑多个不同目录的模型 (Campbell et al.，2001)58128.3.8多个目录的邮寄(Elsner et al.,2003，2004)58428.3.9增加在线固定样本组调查的回应率(Neslin et al.，2007)58528.4总结588第29章定价策略59229.1概述——基于顾客的定价策略59229.2顾客购买多种产品时的基于顾客的定价59429.2.1情况1: 仅有产品1被购买59529.2.2情况2: 以产品1为主打产品的两种产品购买模型59629.3顾客在两个时期购买产品或服务时的针对顾客的定价59729.3.1悲观的情况: R29.3.2乐观的情况: R>q ——对质量的期望高于真实的质量59929.3.3研究问题59929.4使用顾客资产模型的获取顾客定价及保留顾客定价59929.5赢回顾客定价60229.6追加销售定价60329.7通过数据库目标市场选择模型进行歧视定价604