用户名*
邮箱*
密码*
确认密码*
验证码* 点击图片更换验证码
找回密码
忘记密码了？输入你的注册邮箱，并点击重置，稍后，你将会收到一封密码重置邮件。
天地化育万物, 内心涌现泉源
小组成员：张利娟 工商13-3 201310811331
邵莹莹 工商13-3 201310811330
一、解决的问题：
（1）找出愿意预订有线电视交互服务的用户；
（2）通过分析预测变量，发现变量对预订有线电视交互服务的影响，从而商业竞争中获取最高响应率。
二、解决问题的过程
（1）应用 C&RT 节点和决策树来确定那些愿意预订有线电视交互服务的用户.
（2）首先添加源节点，链接C&RT节点，生成交互树，得出五个层和五个节点；
（3）根据当前树生成模型，将生成的 NEWSCHAN1 模型连接到类型节点；
（4）通过从这些节点中选择找到愿意接受预订的用户。
三、结论
通过分析可知响应率较大的用户有五类
1、AGE>40.5
2、AGE<=40.5，INC>1000，EDUCATE>12.5,ORGS<=0.5
3、AGE<=40.5，INC>1000，EDUCATE>12.5，ORGS>0.5
4、AGE<=40.5，INC>1000，EDUCATE<=12.5
5、AGE<=40.5，INC<=1000
通过树形图可知节点2和节点13为两个响应率最大的群体，所以可知目标客户群为：
（一）AGE > 40.5
（二） AGE <= 40.5 and member(INC, [2, 3, 4, 5, 6]) and EDUCATE > 12.5 and ORGS <= 0.5
小组成员
王统 谢雅楠 吴松林 吴茜
一、解决的问题
1.如何在市场研究中应用 C&RT 节点和决策树来确定那些愿意预订有线电视交互服务的用户
2.通过使用预测变量，例如年龄、性别、教育、收入类别、每天看电视的时间和子女数，如何预测和分类响应以便在商业竞争中获取最高响应率
二、如何解决
通过Clementine软件分析，找出目标客户群
（1）年龄 > 40.5岁
（2）年龄 <= 40.5岁 and member(INC, [2, 3, 4, 5, 6]) and 教育 > 12.5年 and ORGS <= 0.5
小组成员：工商13-3 谢晶晶1258049 向桂花1289074 徐亚兰1258143 严俊榕120106130132
找出愿意预订有线电视交互服务的用户(包括年龄、性别、教育、收入、每天看电视的时间和子女数）
二、过程：
1 打开数据源：NewsChan.sav，导入数据
2 添加源节点，链接C&RT节点，生成交互树
3 通过交互树选择出愿意预订的用户
三、结论：
通过运用决策树分析法，根据节点分析，按照年龄、性别、教育、收入、每天看电视的时间和子女数等特性对顾客预订电信业务的可能性进行预测，得到以下5类响应率比较高顾客群体。
1.AGE>40.5(139.62％)
2.AGE<=40.5,INC>1,EDUCATE>12.5,ORGS<=0.5(124.31％)
3.AGE<=40.5,INC>1,EDUCATE>12.5,ORGS>0.5(80.76％)
4.AGE<=40.5,INC>1,EDUCATE<=12.5（52.16％）
5.AGE<=40.5,INC<=1(40.44％)
6.
从图可知，节点2和节点13这两类顾客的响应率最高，是我们的目标顾客。
在节点2这一类目标顾客群的特征为：AGE>40.5％，收益率为59.07％，响应率为67.91％，指数为139.62％
在节点13这一类目标顾客群的特征为：节点AGE<=40.5,INC>1,EDUCATE>12.5,ORGS<=0.5,收益率为12.09％，响应率为60.47％，指数为124.31％
小组成员：刘璐，黄晓艳，陈庆，宋莉，魏敏，岑倩，陈美澐
回答：
一、解决问题：通过分析找出企业的客户群。
二、怎样解决：
步骤：
小组成员：欧前丽、孙婷婷、王燕（工商13-2）
一、解决的问题：找出愿意预订有线电视交互服务的用户
三、是怎样解决地
（一）利用C&RT节点和决策树来确定那些愿意预订有线电视交互服务的用户
（二）通过交互树确定需要的目标客户群
四、结论
获得5个客户群体如下
由此可得：愿意预订有线电视交互服务的目标客户为：
1、年龄 > 40.5岁
2、年龄 <= 40.5岁 和收入〉1000，及教育年限> 12.5年 和ORGS <= 0.5。
有线电视服务案例
小组成员：蔺静、罗健、 王玉珠、 李佳桧、陈玉敏、彭湘媛 、顾祖芬
一：解决问题
找出最有可能对预订做出积极的响应的用户。通过使用预测变量，例如年龄、性别、教育、收入类别、每天看电视的时间和子女数，预测和分类响应以便在商业竞争中获取最高响应率。
二：解决步骤
1、导入数据，并进行分类类型。
2、使用GRI模型，建立交互树。为了找出最有可能作出积极响应的子组提高匹配率，需要生出树和修剪（按变量进一步分割），最后形成五层和五个终端节点。从中可以看出节点 2，只要将样本限制在年龄超过 40.5 岁的用户，就可以将响应率增加到近 68%。对于年龄低于 40 岁的用户，响应率较之非常低，但可以将其分割成若干个响应率提高了 34%的子组。例如，节点 13 的匹配率为 60%。
3、检查此树的收益，得出收益指数百分比（=该节点给定目标类别的比率/总体比率），并绘制提升图表。 节点 2 具有最高可能的指数值 139%（=67.91%/48.64%）这表示获得积极响应的可能性几乎是随机选择的 1.4 倍。节点13的指数值是124%（=60.47%/48.64%）
4、根据当前树生成模型，执行表格。其中显示了可能接受有线电视服务预订的用户的记录。
5、生成选择节点。根据在交互树窗口中为节点 2 和 13 选择的标准来构建表达式。使用具有新数据的选择节点确定哪些用户最有可能对预订做出积极的响应，并得出结论。
最有可能对预订做出积极的响应的用户是
第一类：年龄 > 40.5岁
第二类：年龄 <= 40.5岁 and member(INC, [2, 3, 4, 5, 6]) and 教育 > 12.5年 and ORGS <= 0.5
李琦 工商13-2 201310811215
吴婷 工商13-2 201310811216
张琴 工商13-2 201310811217
陈宸 工商13-2 201310811218
为了分析给出数据的相关性，通过对有线电视服务销售的分析，我们能够通过决策树建模得知客户对有限电视服务响应度的比例，以及对有限电视响应度与客户的收入、年龄等之间的关系，为企业寻找到目标客户群，通过对目标客户群的分析为企业寻求更大的利益。
二、过程
1、首先对小组成员进行分工；
2、其次一个成员主做，一个成员负责步骤分析，一个成员负责协调做与看之间的工作，一个成员负责外援技术输入；
3、然后我们成员按照自己的任务根据步骤通过讲解和理解摸索根据要求完成任务；
4、最后根据我们做出的结果进行深入分析，形成最终的PPT。
三、分析
根据决策树第一层分析
最初，仅显示根节点。统计显示训练数据中有 442 个记录。因为尚未分割树，因此所有的记录 (100%) 都落在此节点中。在整个示例中，有 215 个记录对预订的响应为是，其总响应率为 48.6%。使用树模型，我们可以尝试是否能够通过找到最有可能作出积极响应的子组来提高此匹配率。我们首先对客户的年龄进行分析，如下
结论一
查看节点 2，可以看到只要将样本限制在年龄超过 40.5 岁的用户，就可以将响应率增加到近 68%，人数高达127人；对于年龄低于 40 岁的用户，响应率较之非常低。
由此可知，年龄超过40.4岁的人就是我们的主要目标客户群。
结论二
根据树状图节点13，我们可以看到年龄小于等于40.5岁，收入大于1000元，教育年限大于12.5年，orgs小于等于1.5的人也是我们的目标客户群，响应率高达60%，这也是我们的目标客户群。
解决问题：找出有意预订有限电视交互服务的客户群体。
解决途径：运用clementine,决策树分析，根据数据库使用分类和回归树节点（C&RT），将总的客户群体按其特性进行分类，获得5个客户群体。分别是
1：AGE>40.5 （139.62%）
2:AGE<=40.5,INC>1,EDUCATE>12.5,ORGS<=0.5 （124.31%）
3:AGE<=40.5,INC>1,EDUCATE>12.5,ORGS>0.5 （80.76%）
4:AGE<=40.5,INC>1,EDUCATE<=12.5（52.16%）
5:AGE<=40.5,INC<=1 （40.44%）
决策树：其中：群体1在整个实例中具有最高指数139%，这表示从这个群体中获得积极响应的可能性几乎是随机选择的1.4倍。群体2在整个实例中指数为第2，124%，这表示从这个群体中获得积极响应的可能性几乎是随机选择的1.2倍。
结论：目标客户群为—1、AGE>40.5 & 2、AGE<=40.5,INC>1,EDUCATE>12.5,ORGS<=0.5
小组成员:黄丹 成刘柳 欧涛 万芳
问题：
•如何在市场研究中确定那些愿意预订有线电视交互服务的用户。通过使用预测变量，例如年龄、性别、教育、收入类别、每天看电视的时间和子女数，预测和分类响应以便在商业竞争中获取最高响应率。
途径：
•导入原始数据NewsChan.sav 。
•将最小绝对临界值更改为 25 和 10，忽略样本数据过小的分支。
•在整个示例中，有 215 个记录对预订的响应为“是”，其总响应率为 48.6%。
•生成决策树，在生成的交互树中可看出，节点2（年龄超过 40.5 岁）和节点13（年龄小于40.5岁且收入在一万美元以上、受教育时间在12.5年以上、Orgs小于等于0.5）的响应率最高，分别为68%和60%。
•检查此树的收益表。
收益指数检验
收益表
有收益表可知有5个客户群体，但其中最优的有两个分别为节点2和节点13所属的两类客户群 。
最优目标客户群
•节点2：
AGE>40.5,收益率为59.07%，响应率为 67.91%，指数为139.62%
•节点13：
AGE<=40.5,INC>1,EDUCATE>12.5,ORGS>0.5，收益率为12.09%，响应率为60.47%，指数为124.31%
结论：
•在市场研究中应用 C&RT 节点和决策树来确定那些愿意预订有线电视交互服务的用户。通过使用预测变量，例如年龄、性别、教育、收入类别、每天看电视的时间和子女数，我们可以预测和分类响应以便在商业竞争中获取最高响应率。
•根据最优目标客户群特征制定营销策略。
小组成员：郭勇，万利思，魏敏
1 找出最有可能对预订做出积极的响应的用户。通过使用预测变量，例如年龄、性别、教育、收入类别.
2 预测和分类响应以便在商业竞争中获取最高响应率。
2添加节点
3、使用GRI模型，建立交互树。为了找出最有可能作出积极响应的子组提高匹配率，需要生出树和修剪（按变量进一步分割），最后形成五层和五个终端节点。从中可以看出节点 2，只要将样本限制在年龄超过 40.5 岁的用户，就可以将响应率增加到近 68%。对于年龄低于 40 岁的用户，响应率较之非常低，但可以将其分割成若干个响应率提高了 34%的子组。例如，节点 13 的匹配率为 60%。
年龄>40.5
年龄<=40.5 and member(INC, [2, 3, 4, 5, 6]) and EDUCATE > 12.5 and ORGS <= 0.5
昵称*
E-Mail*
回复内容*
回复 ( 10 )
小组成员：张利娟 工商13-3 201310811331
邵莹莹 工商13-3 201310811330
一、解决的问题：
（1）找出愿意预订有线电视交互服务的用户；
（2）通过分析预测变量，发现变量对预订有线电视交互服务的影响，从而商业竞争中获取最高响应率。
二、解决问题的过程
（1）应用 C&RT 节点和决策树来确定那些愿意预订有线电视交互服务的用户.
（2）首先添加源节点，链接C&RT节点，生成交互树，得出五个层和五个节点；
（3）根据当前树生成模型，将生成的 NEWSCHAN1 模型连接到类型节点；
（4）通过从这些节点中选择找到愿意接受预订的用户。
三、结论
通过分析可知响应率较大的用户有五类
1、AGE>40.5
2、AGE<=40.5，INC>1000，EDUCATE>12.5,ORGS<=0.5
3、AGE<=40.5，INC>1000，EDUCATE>12.5，ORGS>0.5
4、AGE<=40.5，INC>1000，EDUCATE<=12.5
5、AGE<=40.5，INC<=1000
（一）AGE > 40.5
（二） AGE <= 40.5 and member(INC, [2, 3, 4, 5, 6]) and EDUCATE > 12.5 and ORGS <= 0.5
小组成员
王统 谢雅楠 吴松林 吴茜
一、解决的问题
1.如何在市场研究中应用
C&RT
节点和决策树来确定那些愿意预订有线电视交互服务的用户
2.通过使用预测变量，例如年龄、性别、教育、收入类别、每天看电视的时间和子女数，如何预测和分类响应以便在商业竞争中获取最高响应率
二、如何解决
（1）年龄 > 40.5岁
（2）年龄 <= 40.5岁 and member(INC, [2, 3, 4, 5, 6]) and 教育 > 12.5年 and ORGS <= 0.5
小组成员：工商13-3 谢晶晶1258049 向桂花1289074 徐亚兰1258143 严俊榕120106130132
一、解决的问题：
找出愿意预订有线电视交互服务的用户(包括年龄、性别、教育、收入、每天看电视的时间和子女数）
二、过程：
1 打开数据源：NewsChan.sav，导入数据
2 添加源节点，链接C&RT节点，生成交互树
3 通过交互树选择出愿意预订的用户
三、结论：
通过运用决策树分析法，根据节点分析，按照年龄、性别、教育、收入、每天看电视的时间和子女数等特性对顾客预订电信业务的可能性进行预测，得到以下5类响应率比较高顾客群体。
1.AGE>40.5(139.62％)
2.AGE<=40.5,INC>1,EDUCATE>12.5,ORGS<=0.5(124.31％)
3.AGE<=40.5,INC>1,EDUCATE>12.5,ORGS>0.5(80.76％)
4.AGE<=40.5,INC>1,EDUCATE<=12.5（52.16％）
5.AGE<=40.5,INC<=1(40.44％)
6.![]()
在节点2这一类目标顾客群的特征为：AGE>40.5％，收益率为59.07％，响应率为67.91％，指数为139.62％
在节点13这一类目标顾客群的特征为：节点AGE<=40.5,INC>1,EDUCATE>12.5,ORGS<=0.5,收益率为12.09％，响应率为60.47％，指数为124.31％
小组成员：刘璐，黄晓艳，陈庆，宋莉，魏敏，岑倩，陈美澐
回答：
一、解决问题：通过分析找出企业的客户群。
二、怎样解决：
步骤：
小组成员：欧前丽、孙婷婷、王燕（工商13-2）
一、解决的问题：找出愿意预订有线电视交互服务的用户
二、解决问题的过程
三、是怎样解决地
（一）利用C&RT节点和决策树来确定那些愿意预订有线电视交互服务的用户
（二）通过交互树确定需要的目标客户群
四、结论
获得5个客户群体如下
由此可得：愿意预订有线电视交互服务的目标客户为：
1、年龄 > 40.5岁
2、年龄 <= 40.5岁 和收入〉1000，及教育年限> 12.5年 和ORGS <= 0.5。
有线电视服务案例
小组成员：蔺静、罗健、 王玉珠、 李佳桧、陈玉敏、彭湘媛 、顾祖芬
一：解决问题
找出最有可能对预订做出积极的响应的用户。通过使用预测变量，例如年龄、性别、教育、收入类别、每天看电视的时间和子女数，预测和分类响应以便在商业竞争中获取最高响应率。
二：解决步骤
1、导入数据，并进行分类类型。
2、使用GRI模型，建立交互树。为了找出最有可能作出积极响应的子组提高匹配率，需要生出树和修剪（按变量进一步分割），最后形成五层和五个终端节点。从中可以看出节点 2，只要将样本限制在年龄超过 40.5 岁的用户，就可以将响应率增加到近 68%。对于年龄低于 40 岁的用户，响应率较之非常低，但可以将其分割成若干个响应率提高了 34%的子组。例如，节点 13 的匹配率为 60%。
3、检查此树的收益，得出收益指数百分比（=该节点给定目标类别的比率/总体比率），并绘制提升图表。 节点 2 具有最高可能的指数值 139%（=67.91%/48.64%）这表示获得积极响应的可能性几乎是随机选择的 1.4 倍。节点13的指数值是124%（=60.47%/48.64%）
4、根据当前树生成模型，执行表格。其中显示了可能接受有线电视服务预订的用户的记录。
5、生成选择节点。根据在交互树窗口中为节点 2 和 13 选择的标准来构建表达式。使用具有新数据的选择节点确定哪些用户最有可能对预订做出积极的响应，并得出结论。
三、结论
最有可能对预订做出积极的响应的用户是
第一类：年龄 > 40.5岁
第二类：年龄 <= 40.5岁 and member(INC, [2, 3, 4, 5, 6]) and 教育 > 12.5年 and ORGS <= 0.5
小组成员
李琦 工商13-2 201310811215
吴婷 工商13-2 201310811216
张琴 工商13-2 201310811217
陈宸 工商13-2 201310811218
一、解决的问题
为了分析给出数据的相关性，通过对有线电视服务销售的分析，我们能够通过决策树建模得知客户对有限电视服务响应度的比例，以及对有限电视响应度与客户的收入、年龄等之间的关系，为企业寻找到目标客户群，通过对目标客户群的分析为企业寻求更大的利益。
二、过程
1、首先对小组成员进行分工；
2、其次一个成员主做，一个成员负责步骤分析，一个成员负责协调做与看之间的工作，一个成员负责外援技术输入；
3、然后我们成员按照自己的任务根据步骤通过讲解和理解摸索根据要求完成任务；
4、最后根据我们做出的结果进行深入分析，形成最终的PPT。
三、分析
根据决策树第一层分析
最初，仅显示根节点。统计显示训练数据中有 442 个记录。因为尚未分割树，因此所有的记录
(100%) 都落在此节点中。在整个示例中，有 215 个记录对预订的响应为是，其总响应率为 48.6%。使用树模型，我们可以尝试是否能够通过找到最有可能作出积极响应的子组来提高此匹配率。我们首先对客户的年龄进行分析，如下
四、结论
结论一
查看节点 2，可以看到只要将样本限制在年龄超过 40.5 岁的用户，就可以将响应率增加到近 68%，人数高达127人；对于年龄低于 40 岁的用户，响应率较之非常低。
由此可知，年龄超过40.4岁的人就是我们的主要目标客户群。
结论二
根据树状图节点13，我们可以看到年龄小于等于40.5岁，收入大于1000元，教育年限大于12.5年，orgs小于等于1.5的人也是我们的目标客户群，响应率高达60%，这也是我们的目标客户群。
解决问题：找出有意预订有限电视交互服务的客户群体。
解决途径：运用clementine,决策树分析，根据数据库使用分类和回归树节点（C&RT），将总的客户群体按其特性进行分类，获得5个客户群体。分别是
1：AGE>40.5 （139.62%）
2:AGE<=40.5,INC>1,EDUCATE>12.5,ORGS<=0.5 （124.31%）
3:AGE<=40.5,INC>1,EDUCATE>12.5,ORGS>0.5 （80.76%）
4:AGE<=40.5,INC>1,EDUCATE<=12.5（52.16%）
5:AGE<=40.5,INC<=1 （40.44%）
决策树：
其中：群体1在整个实例中具有最高指数139%，这表示从这个群体中获得积极响应的可能性几乎是随机选择的1.4倍。群体2在整个实例中指数为第2，124%，这表示从这个群体中获得积极响应的可能性几乎是随机选择的1.2倍。
结论：目标客户群为—1、AGE>40.5
& 2、AGE<=40.5,INC>1,EDUCATE>12.5,ORGS<=0.5
小组成员:黄丹 成刘柳
欧涛 万芳
问题：
•如何在市场研究中确定那些愿意预订有线电视交互服务的用户。通过使用预测变量，例如年龄、性别、教育、收入类别、每天看电视的时间和子女数，预测和分类响应以便在商业竞争中获取最高响应率。
途径：
•导入原始数据NewsChan.sav 。
•将最小绝对临界值更改为 25 和 10，忽略样本数据过小的分支。
•在整个示例中，有 215 个记录对预订的响应为“是”，其总响应率为 48.6%。
•生成决策树，在生成的交互树中可看出，节点2（年龄超过 40.5
岁）和节点13（年龄小于40.5岁且收入在一万美元以上、受教育时间在12.5年以上、Orgs小于等于0.5）的响应率最高，分别为68%和60%。
•检查此树的收益表。
有收益表可知有5个客户群体，但其中最优的有两个分别为节点2和节点13所属的两类客户群
。
最优目标客户群
•节点2：
AGE>40.5,收益率为59.07%，响应率为 67.91%，指数为139.62%
•节点13：
AGE<=40.5,INC>1,EDUCATE>12.5,ORGS>0.5，收益率为12.09%，响应率为60.47%，指数为124.31%
结论：
•在市场研究中应用 C&RT 节点和决策树来确定那些愿意预订有线电视交互服务的用户。通过使用预测变量，例如年龄、性别、教育、收入类别、每天看电视的时间和子女数，我们可以预测和分类响应以便在商业竞争中获取最高响应率。
•根据最优目标客户群特征制定营销策略。
有线电视服务案例
小组成员：郭勇，万利思，魏敏
一：解决问题
1 找出最有可能对预订做出积极的响应的用户。通过使用预测变量，例如年龄、性别、教育、收入类别.
2 预测和分类响应以便在商业竞争中获取最高响应率。
二：解决步骤
1、导入数据，并进行分类类型。
2添加节点
3、使用GRI模型，建立交互树。为了找出最有可能作出积极响应的子组提高匹配率，需要生出树和修剪（按变量进一步分割），最后形成五层和五个终端节点。从中可以看出节点 2，只要将样本限制在年龄超过 40.5 岁的用户，就可以将响应率增加到近 68%。对于年龄低于 40 岁的用户，响应率较之非常低，但可以将其分割成若干个响应率提高了 34%的子组。例如，节点 13 的匹配率为 60%。
3、检查此树的收益，得出收益指数百分比（=该节点给定目标类别的比率/总体比率），并绘制提升图表。 节点 2 具有最高可能的指数值 139%（=67.91%/48.64%）这表示获得积极响应的可能性几乎是随机选择的 1.4 倍。节点13的指数值是124%（=60.47%/48.64%）
4、根据当前树生成模型，执行表格。其中显示了可能接受有线电视服务预订的用户的记录。
5、生成选择节点。根据在交互树窗口中为节点 2 和 13 选择的标准来构建表达式。使用具有新数据的选择节点确定哪些用户最有可能对预订做出积极的响应，并得出结论。
三、结论
年龄>40.5
年龄<=40.5 and member(INC, [2, 3, 4, 5, 6]) and EDUCATE > 12.5 and ORGS <= 0.5