Skip to main content

LUP Student Papers

LUND UNIVERSITY LIBRARIES

The Business Insight Index – Evaluating Customer Insights through Hybrid Models

Bratel, Jonathan LU (2015) In LU-CS-EX 2015-19 EDA920 20151
Department of Computer Science
Abstract
Customer segmentation and target analysis are two essential tasks when identifying
a company’s customers. To perform these tasks, this thesis develops and
applies hybrid data-mining models, integrating clustering and decision trees.
The hybrid models are applied to the life-logging camera company Narrative,
in order to gain insights into their customer data. From previous research,
we found that these hybrid models lacked means for evaluating the amount of
insights proposed to decision makers.
For this reason, we created, tested, and validated a new evaluation measure
– the Description Tree Index. Through experiments on five separate datasets,
we conclude that the measure enables decision makers to evaluate the insights
gained... (More)
Customer segmentation and target analysis are two essential tasks when identifying
a company’s customers. To perform these tasks, this thesis develops and
applies hybrid data-mining models, integrating clustering and decision trees.
The hybrid models are applied to the life-logging camera company Narrative,
in order to gain insights into their customer data. From previous research,
we found that these hybrid models lacked means for evaluating the amount of
insights proposed to decision makers.
For this reason, we created, tested, and validated a new evaluation measure
– the Description Tree Index. Through experiments on five separate datasets,
we conclude that the measure enables decision makers to evaluate the insights
gained through the hybrid model. In each case, the index generates the best
results for the expected number of segments.
We then integrated the Description Tree Index with existing evaluation
models to form a Business Insight Index. This index evaluates customer segmentation
and target analysis from both a business and data-mining perspective.
By applying the index to the Narrative data, we found four customer
segments to present the most insights. (Less)
Popular Abstract (Swedish)
Att öka förståelsen av sina kunder har utvecklats till en allt viktigare uppgift för
dagens företag. För att få bättre kunduppfattning utvecklas i detta examensarbete
ett nytt mått som bedömer kundinformation.
Ett allt vanligare problem för affärsverksamheter är att
försäljnings- och marknadsföringskostnader ökar. Detta
beror på att dagens kunder har alltmer olikartade köpbeteenden.
För att kunna prioritera de mest värdeskapande
kunderna krävs numera att en segmentering genomförs.
Att segmentera kunder innebär att dela upp en marknad
i mindre delar utefter olika kundegenskaper, exempelvis
ålder, kön eller inkomstnivå. Att segmentera kunder har
dock blivit en allt mer komplex uppgift, då informationen
om kundernas egenskaper och... (More)
Att öka förståelsen av sina kunder har utvecklats till en allt viktigare uppgift för
dagens företag. För att få bättre kunduppfattning utvecklas i detta examensarbete
ett nytt mått som bedömer kundinformation.
Ett allt vanligare problem för affärsverksamheter är att
försäljnings- och marknadsföringskostnader ökar. Detta
beror på att dagens kunder har alltmer olikartade köpbeteenden.
För att kunna prioritera de mest värdeskapande
kunderna krävs numera att en segmentering genomförs.
Att segmentera kunder innebär att dela upp en marknad
i mindre delar utefter olika kundegenskaper, exempelvis
ålder, kön eller inkomstnivå. Att segmentera kunder har
dock blivit en allt mer komplex uppgift, då informationen
om kundernas egenskaper och beteende ökat lavinartat
de senaste åren. Bara på det sociala mediet Facebook
laddas över 500 terabyte data upp varje dag. Med
hjälp av data mining kan segmentering och prioritering
utföras även på stora mängder data. Data mining består
av verktyg och tekniker för att hitta mönster, samband
och trender i data. Dessa insikter kan sedan utnyttjas av
beslutsfattare för att skapa konkurrensfördelar.
The Business Insight Index
För att kunna utvärdera kundinsikterna skapas i examensarbetet
ett nytt mått – Business Insight Index
(BII). Detta mått kan användas för att avgöra om en
kundsegmentering är mer kvalitativ än annan. Genom
att utvärdera mängden information som görs tillgänglig
till beslutsfattare kan måttet förbättra kundsegmenteringsprocessen.
BII uppvisar goda resultat vid test på
fem datafiler där segmenteringen är känd sedan tidigare.
För varje datafil genererar måttet bäst resultat för de förväntade
segmenten.
Traditionella evalueringsmetoder håller inte måttet
Vanligtvis utvärderas segmentering inom data mining
genom att mäta hur inbördes lika segmenten är i förhållande
till hur olika de är sinsemellan. Dessa mått tar
dock inte hänsyn till mängden information som förmedlas
till säljare och marknadsförare. Bättre kundinformation
kan på sikt leda till konkurrensfördelar och
ökad försäljning. Därför är det viktigt att dels utvärdera
segmentens kvalitativa egenskaper, men även till vilken
grad dessa kan förstås och kommuniceras.
Narrative
För att hjälpa företaget Narrative att segmentera sina
kunder utnyttjas BII. Narrative är ett Linköpingsbaserat
företag som marknadsför lifelogging-kameror. Var
30:e sekund tar dessa bilder, vilka kan laddas upp till
företagets servrar. Kunder kan sedan komma åt korten
via företagets mobil-app. Genom att dela in företagets
kunder i segment och sedan utvärdera dessa, får Narrative
information om vilka värdedrivare kunderna ser i
produkten. Är exempelvis hög bildkvalitet viktigare än
anpassningsmöjligheter till sociala medier? Eller är bildfrekvensen
den viktigaste faktorn? Då företaget identifierar
kamerans värdedrivare kan produkten utvecklas
och marknadsföras till de olika segmenten.
Integrering av segmentering och beslutsträd
Genom att analysera segmenten i beslutsträd framkommer
vilka egenskaper som är utmärkande för kunderna.
Beslutsträdet förutsäger vilka värden som kommer krävas
för att en kund ska placeras i ett specifikt segment.
Detta verktyg är fördelaktigt då det möjliggör en visualisering
av kunderna som enkelt kan förstås av och förklaras
för beslutsfattare. (Less)
Please use this url to cite or link to this publication:
author
Bratel, Jonathan LU
supervisor
organization
course
EDA920 20151
year
type
H3 - Professional qualifications (4 Years - )
subject
keywords
Data mining, customer insights, cluster analysis, decision trees, evaluation measures
publication/series
LU-CS-EX 2015-19
report number
LU-CS-EX 2015-19
ISSN
1650-2884
language
English
id
7369219
date added to LUP
2015-06-18 08:21:31
date last changed
2015-06-18 08:21:31
@misc{7369219,
  abstract     = {{Customer segmentation and target analysis are two essential tasks when identifying
a company’s customers. To perform these tasks, this thesis develops and
applies hybrid data-mining models, integrating clustering and decision trees.
The hybrid models are applied to the life-logging camera company Narrative,
in order to gain insights into their customer data. From previous research,
we found that these hybrid models lacked means for evaluating the amount of
insights proposed to decision makers.
For this reason, we created, tested, and validated a new evaluation measure
– the Description Tree Index. Through experiments on five separate datasets,
we conclude that the measure enables decision makers to evaluate the insights
gained through the hybrid model. In each case, the index generates the best
results for the expected number of segments.
We then integrated the Description Tree Index with existing evaluation
models to form a Business Insight Index. This index evaluates customer segmentation
and target analysis from both a business and data-mining perspective.
By applying the index to the Narrative data, we found four customer
segments to present the most insights.}},
  author       = {{Bratel, Jonathan}},
  issn         = {{1650-2884}},
  language     = {{eng}},
  note         = {{Student Paper}},
  series       = {{LU-CS-EX 2015-19}},
  title        = {{The Business Insight Index – Evaluating Customer Insights through Hybrid Models}},
  year         = {{2015}},
}