一个成功的数据挖掘项目，首先要有准确的业务需求描述，之后则要求项目相关人员自始至终对业务有正确的理解和判断 对业务的理解和思考，永远高于项目的分类和分析技术的选择
1目标客户的特征分析
目的：找准目标客户，目标受众，才能进行精细化运营
在目标客户的典型特征分析中，有两种业务场景：
试运营前：没有真实的业务环境，没有真实的用户数据，需要寻找类似的业务场景中的历史数据来进行模拟和推断。根据产品设计理念、产品定位、经验推测等因素来输出期望的目标客户典型特征，后续根据试运营后的真实数据再作调整。
试运营后：基于真实的业务场景中的用户数据进行数据分析，提取出的目标用户特征更准确更可行，也更贴近业务。最终输出该产品的核心目标用户特征分析报告，为运营团队的精准营销提供支撑。
2目标客户的预测（相应、分类）模型
包括：
目的：预测个体相应的概率，展示变量之间的关系
例：建立预测响应模型，判断特定时间段发生交易的概率
输入变量：近一个月曝光，店铺评分，…
输出变量：是否在线交易
最终发现近一个月曝光，店铺评分两个变量和输出变量最大正相关，则有理由相信，提高曝光，提高评分可以促进交易量。
3运营群体活跃度定义
活跃度的定义没有统一标准，一般是根据特定的业务场景和运营需求来量身定做的。其中定义活跃度最常见的两个基本点是：
例：某产品可以向卖家提供与买家洽谈功能，免费版提供基本功能，付费版提供所有功能。现在需要为该产品定义一个用户活跃度，来促进用户从免费版转化为付费版。
关键指标：用户登陆次数，用户使用核心功能次数
评判该定义是否合适，需要看按照该定义出来的活跃用户中，覆盖了多少实际付费的用户。覆盖率越高，则该定义越好。也可以理解为该定义是否有效的分离了免费用户和付费用户。
4用户路径分析
主要分析用户在网页/app上流转的规律和特点，发现频繁访问的路径模式，这些路径的发现可以有很多业务用途，包括提炼特定用户群体的主流路径、网页设计的优化和改版、特定群体的浏览特征等。
路径分析的目的：
5交叉销售模型
理论依据：客户付费后，企业会想办法保留或延长客户对企业的生命周期和利润贡献
两个运营方向：
第一个方向，通常是客户流失预警模型发挥作用，利用流失预警模型，提前锁定可能会流失的有价值客户，通过各种手段挽留客户，降低流失率
第二个方向，通过数据挖掘，找出客户的潜在消费需求，从而更好引导、满足、迎合客户需求，最终促使客户更多的消费。其中主要用到交叉销售模型
交叉销售模型通过对用户历史消费数据的分析挖掘，找出有明显关联性质的商品组合，然后用不同的建模方法，去构建消费者购买这些关联商品组合的可能性模型，再用其中优秀的模型去预测新客户中购买特定组合商品的可能性。
4种思路：
其中的建模技术包括
6信息质量模型
举个例子：在同等条件下，一个要素齐备，布局合理，界面友好的店铺或商品详情页一定比不具备核心要素，布局不合理，界面不友好的更加容易达成交易，更容易获得买家的好感。这其中就体现了信息质量的重要价值。
信息质量模型主要应用场合包括：
策略：专家打分，模型拟合
信息质量模型师电子商务和网上交易的基本保障，其主要目的是确保商品基本信息的优质和高效，让买家更容易全面、清楚、高效的了解商品主要细节，让卖家更容易，更高效的展示自己的商品。
7服务保障模型
作用：为卖家提供有价值的服务去支持、保障卖家生意的发展
例：
模型：预测（响应、分类）模型
8用户（买家、卖家）分层模型
分层模型是介于粗放式运营与基于个体概率预测模型之间的一种折中和过渡模型，其既兼顾了（相比较粗放运营而言）精细化的需要，又不需要（太多资源）投入到预测模型的搭建和维护中
常用场景：
这些分层模型既可以为管理层、决策层提供基于特定目的的的统一进化视图，又可以给业务部门做具体的数据化运营提供分群（分层）依据和参考
分层模型的关键：根据实际业务经验定义不同层级的含义，根据实际经验及数据划分不同层级间的阈值
比较常见的分层模型：RFM
9卖家（买家）交易模型
目的：为买卖双方服务，帮助卖家获得更多的买家反馈，促进卖家完成更多的交易、获得持续的商业利益
其中涉及的主要分析类型包括：
10信用风险模型
包括：
一般的信用风险模型由专门的风控团队负责，但从数据挖掘的角度来看，信用风险模型搭建和常规的数据挖掘没有太大区别，算法思路基本相同，其中的区别在于业务背景。相比与常规的数据挖掘，信用风险分析有以下特点：
关注微信