CIOI:概率模型能解决哪类问题？ Fader：概率模型有三个基本的组成部分：第一个时间变量—某一事情发生之前大概需要多长时间；第二个是额度变量—有多少到访者、到访者中有多少人会购买某产品、在某一特定时间内我们需要特别关注什么；第三是选择变量—如果给人们一个机会做某件事情，他们会选择做什么。这就是全部的问题所在。大部分现实世界中企业所遇到的商业问题都是这几个方面共同作用的结果。 例如，如果你想就某一特定月份人们花费在互联网上的所有时间做一个模型，你可能会将它做成一个额度变量—时间变量模型：额度变量代表的是到访者的数量，而时间变量则代表了每个人在网上所呆时间的长短。我认为我们可以在EXCEL表格里面建立概率模型三个组成部分中任何一个简单模型。在过去几年，很多人已经建立了这样的模型，并进行了很仔细的测试，而且在很多情况下它都打败了数据挖掘工具。很多使用者还发现，概率模型的作用不仅是惊人的，而且要远好于数据挖掘工具。如果你可以把时间变量、额度变量、选择变量整合到一起，你就可以从中发现很多不同商业情景下的有趣故事。 CIOI:你认为该如何利用这些工具来识别对企业来说最有价值的顾客，或者利用它来计算顾客的终身价值呢？ Fader：我认为要想实现你所说的目标，企业应该将概率模型和数据挖掘工具结合起来使用。我们使用这些模型，可以得出我们能在多长时间内留住顾客，或者他们明年将会购买多少物品的预期。因此，使用基本的概率模型可以掌握顾客基本行为方面的数据，然后借助数据挖掘工具分析这些数据，就能够理解为什么具有不同行为倾向的顾客之间有如此大的差异。可以看出，行为本身并不代表着顾客潜在的消费倾向，这一点正好是经理们想知道的。 因此，我们建立概率模型可以帮助我们揭示顾客的这些倾向，然后我们将消费者购物的快慢，以及是否会停留很长时间的倾向这样的分析结果放到数据挖掘工具里面继续分析，这样我们就可以用数据图表(或量变曲线)表示新顾客的状况，并可以更好地理解一些老顾客的行为。所以先用概率模型分析消费者的行为，得出结果后，再借助数据挖掘工具做进一步的分析，通过这样的分析方式，就可以找到对企业来说最有价值的顾客，并能计算出顾客的终身价值。 CIOI:你认为CIO要想在企业中正确使用分析和模型工具该注意哪些方面？ Fader：首先，CIO一定要意识到量多并不一定会使事情变得更好。那些增加的数据有时可能会对企业带来损害，因为企业将要抓取的消费者的数据是随机的、多变的、非常有特点的，有时候并不会和正确的潜在预期相关。其实，对一家公司来说，像购买时间和购买频率这样简单的计算措施一直是它需要的。 其次，CIO要牢记有些看似非常简单的模型可能会给公司带来巨额效益，而其中借助这些模型掌握消费者的行为又是非常关键的。因此你要先从简单模型开始，这也就意味着要从关注Excel表格开始。通过表格获得几次成功后，你可能就会为自己没有放弃制表环境而感到庆幸。
