- ホーム
- 戦略ソリューション・受託開発
- TELENGER
TELENGER
2008年9月 5日
データマイニング活用例:TELENGER
電話履歴の分析お手伝いします！分析ツール'TELENGER'
- 将来不良化するデータは予測したいけど...。
- 抽出ルールは考えたけれど、個々のルールでは問題なくても組合わせることで問題となるデータがあり、正しく分類できない。
- データだけはあるけれど、何を見てよいか分からない。
- 同じ不良客でもパターンはバラバラ。データをうまく活用できない！
変遷パターンで分類
電話番号履歴データの変遷パターンを抽出することで、1つのフラグ値だけでは判断の難しい顧客状態を分析します
多重クロス集計で細かく分析
履歴データから得られる4条件を組合せて分析します
※条件を組合わせることで、単純集計では分からなかったデータの偏りを発見することができます
条件1 変化数
電話番号は基本的に変動が少ないデータです。 短期間に何度も状態が変わるということは、通常（正常）ではない可能性が高いと判断することができます。
条件2 フラグの格付けレベル
状態フラグ自体は、良・不良という傾向を持ちません。 そこで状態フラグを不良化傾向の高低でグループ分けし、そのレベルを基準値として使用します。
条件3 フラグの変遷パターン
同じフラグ値であっても出現の仕方によって、不良化傾向の判断材料とみなせる場合と、正常とみな せる場合が考えられます。フラグ情報を点でなく出現順でまとまりとして見ることで、不良と正常を より明確に分類します。
条件4 特定フラグ格付けレベルの占める割合
特定の状態フラグの格付けが全月数中でどれくらい占めているかを示す 割合です。例えば、不良化傾向を高くすると思われるフラグを特定フラグ に設定した場合、割合の増加＝不良化する可能性が高いと判断できます。
簡単カスタマイズ
設定値を変えることで貴社に合わせた基準値で分析できます！
プルダウン形式で簡単選択、難しい設定はいりません。
要チェック電話番号をリスト出力
オプションで貴社特有の不良化傾向も分析できます！
顧客の格付けデータから、貴社特有の顧客傾向も分析できます
●チェックの必要な顧客が半分以下に！（※オプション設定により変化します）
出力形式
全体を簡単に確認するには集計表を。細かく分析したい場合は詳細表を。
ご希望に合わせて使い分けられます
- サイト内検索
- 製品＆ソリューション