精华内容
下载资源
问答
  • 本篇文章将会介绍用Python分析银行定期存款产品目标客户确定详细建模细节,业务框架分析以及模型的选择与评估分析参见上一篇文章: 银行定期存款产品目标客户确定——基于逻辑回归(建模前分析) 1.导入各种...

    本篇文章将会介绍用Python分析银行定期存款产品目标客户的确定详细建模细节,业务框架分析以及模型的选择与评估分析参见上一篇文章:

    银行定期存款产品目标客户的确定——基于逻辑回归(建模前分析)

    1.导入各种模块并读取数据:

    2.数据预处理:
    维规约:在之前的分析中基于业务知识最终选定了8个协变量,1个目标变量,5072个样本用于分析,分别是:

    Age:年龄;job:工作类型(行政人员,管理人员,保姆,企业家,学生,蓝领,个体户,技师,退休,服务人员,失业,未知);marital:婚姻状况(已婚,离婚,单身);education:教育水平(初等,中等,高等,未知);default:信用违约(是,否);balance:平均年收支余额;housing:住房贷款(是,否);loan:个人贷款(是,否);response:客户是否投资定期存款(是,否)。

    经分析发现数据没有重复,现处理缺失值和异常值,用可视化技术进行探索性分析(此处连续变量只有两个):

    可以看出对于变量age不存在异常值,对于变量balance有少数异常值,而这样的异常值是有价值的,将这两个异常值取出另存,不能删除。

     在逻辑回归模型建立过程中,需要将分类变量变为哑变量,这会增加变量的数量,注意到变量job取值过多,将其进行分类,减少取值个数。并填补缺失值,过滤出需要的客户。分析的代码如下:

    3.针对各个变量进行探索性分析:

    从上面的可视化分析中可以看出,比较响应与否两个群体的各个特征,可以看出信用违约与否对于产品的购买区分度不大,年龄较大的客户倾向于购买定期存款产品,除此之外,购买定期存款产品的客户教育水平较高,大部分没有房贷,白领工作者多于蓝领工作者,离异或丧偶的多于结婚的。

    4.建立模型:

    探索性分析结束,现在开始建立模型,需要将分类变量转换为哑变量,Python里面有专门的语句进行处理,代码如下:

    得到模型结果如下:

    可以看到里面多了一列,pred_logit_prob,这就是用建立的模型对每个样本预测的响应的概率。

    接下来进行划分概率截止点,用混淆矩阵和提升图辅助划分。

    由上可以看出客户最大响应概率为32.34%,这是普遍的广告投放效果的特性,也就是客户响应率不高,以0.3为概率截止点,分类的准确率可达到90.90%,但是却只捕获了一个客户,所以不能以分类准确率作为概率截断点的标准。

    将样本按概率从大到小排序,等频率将样本分箱,计算每个箱中概率平均值,计算相对于随机分类器,逻辑回归分类器分类效果。这里分10个箱,每个箱中由大概185个客户,找到提升率大于1的客户分箱,相对应的概率就可以作为截止点。

    可以看出,第四个分箱对应的概率就是所需的概率截止点,由下图得出概率截止点大概为11.08%,

    计算混淆矩阵:

    分类正确率达到71.34%,还挺高的,嘻嘻......

    将逻辑回归及提升值的代码给出如下:

    filter_offer = bankwork['response'].map(lambda d: d == 1)
    #做出响应的客户占总客户的比例(随机分类器)
    random_classifier = len(bankwork[filter_offer]) / len(bankwork)
    print('\nBaseline proportion of clients responding to offer: ',\
        round(random_classifier,5), '\n')
    
    print('\n Logistic Regression Performance (0.10 cutoff)\n',\
        'Percentage of Targets Correctly Classified:',\
        100 * round(eval.evaluate_classifier(bankwork['pred_logit_10'],\
        bankwork['response'])[4], 3),'\n')
    
    decile_label = []
    for i in range(10):
        decile_label.append('Decile_'+str(10 - i))   
    
    prediction_deciles = pd.qcut(bankwork.pred_logit_prob, 10, labels = decile_label)
    decile_groups = bankwork.response.groupby(prediction_deciles)
    print(decile_groups.mean().sort_index(ascending=False))
    #计算提升值
    lift_values = decile_groups.mean().sort_index(ascending=False) / random_classifier
    print('\nLift Chart Values by Decile:\n', lift_values, '\n')
    ax=lift_values.plot()
    plt.grid()
    
    # 设置11.08%的概率截止点,在bankwork中加入一列,用0,1代表是否概率>11.08%
    bankwork['pred_logit_11.08'] =bankwork['pred_logit_prob'].apply(lambda d: prob_to_pred(d, cutoff = 0.10))    
    print('\nConfusion matrix for 0.1108 cutoff\n',\
        pd.crosstab(bankwork.pred_logit_11.08, bankwork.response, margins = True)) 

    5.反思与总结:

    逻辑回归模型的使用注意点如下:

    (1)逻辑回归是一种广义线性模型,线性模型的鲁棒性很差,易受异常值的影响;
    (2)需要考虑特征之间的相关性,处理多重共线性的问题;
    (3)Python中的逻辑回归模型不能自主处理缺失值,需要对缺失值进行处理;
    (4)由于逻辑回归是对概率进行建模,所以对样本容量要求比较严格;

    (5)大部分人对于分类任务会直接使用逻辑回归,不仅可以预测类别,还能得到样本属于某类别的概率,但是逻辑回归的原理使用线性模型去逼近概率比值的对数,但是这个对数与属性值之间就一定呈现线性关系?也有可能呈现非线性关系。(在数学上有一个定理:任何连续的非线性函数都能用多项式函数去逼近)。

    本项目的分析到此为止,有什么不足的地方请大家在文章下方评论补充。

    展开全文
  • 得到的数据集中一共有17个特征,其中的pdays有取值-1,代表这次活动没有联系过的客户,我们将这部分客户选出来,对这部分客户进行建模,以确定需要联系的客户。 用挑选出的特征子集进行研究,先进行探索性分析,...

    一、得到数据集:

    银行定期存款产品营销研究变量:
    Age:年龄;job:工作类型(行政人员,管理人员,保姆,企业家,学生,蓝领,个体户,技师,退休,服务人员,失业,未知);marital:婚姻状况(已婚,离婚,单身);education:教育水平(初等,中等,高等,未知);default:信用违约(是,否);balance:平均年收支余额;housing:住房贷款(是,否);loan:个人贷款(是,否);contact:联系沟通类型(电话,收集,未知);day:本月最后联系日;month:本年最后联系月(1-12);duration:最后一次联系持续的时间(秒);campaign:本次活动期间联系的客户数量;pdays:在以前的活动中客户最后一次被联系到现在的天数;previous:这次活动之前联系的客户数量;poutcome:以前营销活动的结果(未知,其他,失败,成功);response:客户是否投资定期存款(是,否)。
     

    二、业务分析:
    大众营销是将一个营销方案应用到所有客户身上,一对一营销则是集中对一个客户进行营销,而对细分市场的营销则介于大众营销和一对一营销之间。
    我们的目标是找到具有正向终身价值的客户,或者说是找到终身价值达到我们期望的客户,然后进行客户关系的维护,也就是目标营销。
    管理者总是希望预测管理者对促销活动和价格变化的反映,希望预测消费者将在何时何地购买产品,并希望确定哪些是能够帮助公司实现销售收入超过销售和支持成本的优质客户。根据解释变量划分消费群体(聚类),以进行精准营销;或者在制定好方案的情况下,预测那些客户会购买产品(分类),或者是将顾客购买产品可能性从高到低进行排序,基于有限的资金选择客户进行营销。
    对于从事直接营销的公司而言,成本也可能与各个单个客户相关联。这些成本包括邮寄费、电话费以及其他直接营销活动产生的成本。而对于从事非直接营销的公司或未对单个客户进行成本记录的公司而言,则采用一般成本估算对客户的终身价值进行估算。

    细分变量(解释变量)的种类归纳起来主要有地理环境因素,人口统计因素,消费心理因素,消费行为因素,消费收益因素,这样,就有了地理细分,人口细分,心理细分,行为细分,收益细分这五种细分市场的基本形式。在企业对企业的目标营销中,常用的解释变量包括企业规模、行业领域以及地理位置。在目标营销中,无论是企业对消费者还是企业对企业,解释变量都可以源自我们了解到的有关客户的任何事物,包括以往与客户发生的销售和支持历史记录。
    如果目标不是进行聚类这种无监督的学习,而是进行分类或者是回归这种有监督的学习来预测响应变量,就要对响应变量进行挑选,若响应变量为连续型变量(销售价格,销售数量,销售成本,客户终身价值),可用回归分析进行预测。如果是进行分类(客户购买与否,客户是否会推荐本公司产品)可以使用的模型就比较多了,包括决策树,广义线性模型,支持向量机,神经网络,贝叶斯分类(根据变量之间是否有相关关系又分为:朴素贝叶斯分类器,半朴素贝叶斯分类器,贝叶斯网络)。
    这里附一张算法选择图:

     

    三、处理流程分析:
    这里选择根据以往对客户的电话销售的记录,将客户对定期存款产品的敏感度也就是对产品产生反应的概率大小进行排序,基于有限的营销成本,选取一个截止点,对截止点之上的客户进行精准营销。选取的模型为逻辑回归。
    逻辑回归使用注意事项:
    逻辑回归是一种广义线性模型,线性模型的鲁棒性很差,易受异常值的影响;
    需要考虑特征之间的相关性,处理多重共线性的问题;
    Python中的逻辑回归模型不能自主处理缺失值,需要对缺失值进行处理;
    由于逻辑回归是对概率进行建模,所以对样本量要求比较严格;

    然后是数据预处理(数据清洗,数据转换,数据规约,数据集成):
    数据清洗详细细节参见这两篇文章:

    数据预处理_数据清理(缺失值、噪声等详细处理)

    数据预处理—-(数据探索、数据清理、数据集成、数据规约、数据变换)

    1.    数据去重,处理缺失值,噪声,离群点,异常值。
    由于这里是用的是线性模型,线性模型对噪声很敏感,建模之前一定要去除异常值。
    2.维规约:特征选择和特征提取。本次项目的特征数量较小,基于领域知识挑选出特征子集,一共有8 个特征入选
    得到的数据集中一共有17个特征,其中的pdays有取值-1,代表这次活动没有联系过的客户,我们将这部分客户选出来,对这部分客户进行建模,以确定需要联系的客户。
    用挑选出的特征子集进行研究,先进行探索性分析,对于连续变量观察比较客户响应和不响应的分布,连续变量之间是否有相关性(散布图矩阵),对分类变量观察客户响应与否在变量的每个取值处占的比例情况。

    数据预处理和探索性分析结束后,进入正式的建模过程:

    Python里面有专门的建立逻辑回归模型的算法,直接调用即可。
    算法会自动将分类变量转变为哑变量,自动为线性模型加上截距项,将分类变量取值转变为数值型分两种情况,如果分类变量取值之间没有序关系,直接转变为哑变量,如果分类变量之间有序关系(比如:初等,中等,高等)可以将其转换为具有大小关系的数值(比如:初等:1,中等:2,高等:3),但是这种取值的序关系Python的逻辑回归算法是识别不出来的,也就是会在模型中多出来一个变量(由于自由度的关系,只引入初等,中等,高等三个变量中的两个),(我们费了很多时间进行维规约,现在通过变量的处理又使维度变大了……),这个目前只能通过肉眼识别,逐个分析特征。

    模型建立之后,要进行模型泛化误差的估计,我们这里的任务并不完全等同于分类,我们想要的结果是输出客户购买定期存款产品的可能性,而不是对新样本进行分类(是要对现有客户进行营销,而不是对新客户),所以我们并没有进行训练集和检验集的划分,客户在以前活动中产品的购买与否作为我们参考对模型的评估,选择概率截止点,认为大于此截止点的客户会购买产品,产生混淆矩阵,并用曲线评估截止点的划分质量。

    截止点的选取要以利润最大化为标准,这里使用提升图进行分析。

    我的下一篇文章将会详细介绍分析的流程。

    展开全文
  • 确定项目的目的和目标

    千次阅读 2016-06-14 09:19:38
    商业,家庭,教育,所有项目的第...没有很好地确定项目的目的和目标,或者只有目的没有目标,导致了项目陷入成本超支,范围蔓延,个人冲突,错误的里程碑计划和客户的不满。 目的和目标必须明确地写在项目说明书中。


    商业,家庭,教育,所有项目的第一步都是确定项目目的和目标,这一步确定了项目的成果,并且要求完成这些成果,

    所有的人,包括项目经理都没有花足够的时间在这上面或者他们没有正确地完成它,导致了项目的不成功。

    没有很好地确定项目的目的和目标,或者只有目的没有目标,导致了项目陷入成本超支,范围蔓延,个人冲突,错误的里程碑计划和客户的不满。

    目的和目标必须明确地写在项目说明书中。每项说明都有具体的目标,推动项目产生最终的交付成果。目的和目标必须是可量化的。

    目的是“什么”

    目的是项目概括的声明。目的其实是整个过程的“将要做什么”,换句话说,这个项目将要交付“什么”?项目可能有不止一个目的,但是每个目的都有其对于的交付目标。不要混淆目的和目标。

    例如:

    1:开发网站的目的:让访问者知道全球变暖是的确存在的。

    2:保险公司的目的:医疗保险部门将增加10%的供应商选择。

    3:医生办公室的目的:病人看病将不用等待超过1个小时。

    目标是“怎么做”

    目标是目的更具体的说明。每个目的将与一个或者多个目标相关联。其实,目标就是整个过程中的“怎么做”

    一般一个目标都以动词开头。这确保了这个目标是可以量化的并且这个项目的结束是以完成这些目标而结束的。每个目标也是一个可量化的里程碑。

    例如:

    1:目的:访问者会知道全球变暖是的确存在的。

    • 创建一个表格对比从现在开始每100年应对全球变暖所需要的成本。
    • 用图表说明全球变暖的危害。
    • 认识和并且致力对付于全球变暖神话。

    2:目的:医疗保险部门将增加10%的提供商选择。

    • 识别提供商的选择和成本。
    • 调查客户以每个提供商的价值所在。
    • 比较这些提供商和其竞争者。

    3:目的:病人看病将等待不超过1小时。

    • 评估个人的需求。
    • 购买新的预约软件。
    • 安装预约控制系统。

    保持目的和目标在每个项目的最前端,并且确保项目和项目团队在项目的整个生命周期都保持同步。

    无论在教育,商业,或者家庭内部的项目中,清晰确定项目的目的和目标将可以促使项目的成功完成。

    转自:http://blog.sina.com.cn/s/blog_648ee1a10100i2ss.html

    展开全文
  • 从此开始搭建一个轻量级的java WEB框架,在开始之前,前面需要确定一个目标,我们的目标是打造一个轻量级的MVC框架,而Controller是MVC的核心,其实我们想要的是这样的Controller代码: /** * 处理客户管理相关...

           从此开始搭建一个轻量级的java WEB框架,在开始之前,前面需要确定一个目标,我们的目标是打造一个轻量级的MVC框架,而Controller是MVC的核心,其实我们想要的是这样的Controller代码:

    /**
     * 处理客户管理相关请求
     */
    @Controller
    public class CustomerController {
        @Inject
        private CustomerService customerService;
        /**
         * 进入客户列表界面
         */
        @Action("get:/customer")
        public view index(Param param){
            List<Customer> customerList=customerService.getCustomerList();
            return new view("customer_show.jsp").addModel("customerList",customerList);
        }
        /**
         * 显示客户信息
         */
        @Action("get:/customer_show")
        public view show(Param param){
            long id=param.getLong("id");
            Customer customer=customerService.getCustomer(id);
            return new view("customer_show.jsp").addModel("customer",customer);
        }
        /**
         * 进入创建客户 界面
         */
        @Action("get:/customer_create")
        public view create(Param param){
            return new view("customer_create.jsp");
        }
        /**
         * 处理创建客户请求
         */
        @Action("post:/customer_create")
        public Data createSubmit(Param param){
            Map<String,Object> fieldMap=param.getMap();
            boolean result=customerService.createCustomer(fieldMap);
            return new Data(result);
        }
        /**
         * 进入编辑客户界面
         */
        @Action("get:/customer_edit")
        public view edit(Param param){
            long id=param.getLong("id");
            Customer customer=customerService.getCustomer(id);
            return new View("customer_edit.jsp").addModel("customer",customer);
        }
        /**
         * 处理编辑客户请求
         */
        @Action("put:/customer_edit")
        public Data editSubmit(Param param){
            long id=param.getLong("id");
            Map<String,Object> fieldMap=param.getMap();
            boolean result=customerService.updateCustomer(id,fieldMap);
            return new Data(result);
        }
        /**
         * 处理编辑客户请求
         */
        @Action("delete:/customer_edit")
        public view delete(Param param){
            long id=param.getLong("id");
            boolean result=customerService.deleteCustomer(id);
            return new Data(result);
        }
    }
    
      通过Controller注解来定义Controller类,在该类中可通过Inject(注解)注解定义一系列Service成员变量,这就是依赖注入。此外,有一系列被Action注解所定义的方法(简称Action方法),在这些Action方法中,调用了Service成员变量的方法来完成具体的业务逻辑。若返回View对象,则表示JSP页面;若返回Data对象,则表示一个JSON数据。

       Contoller代码非常清晰,一个Controller类包含了多个Action方法,可返回View或Data对象,分别对应JSP页面或者json数据。

        注意:在普通请求的情况下可返回JSP页面,在Ajax请求的情况下,需要返回json数据。

        现在Controller设计好了,这是我们想象中,还没具体实现这个控制器,在上一节中的也是想象的,没有具体实现,下面我们开始搭建一个开发环境,实现MVC框架,实现这个控制器。


    展开全文
  • “力争到2020年共获得 100个百亿级大客户,成为国内最优秀的企业数字化、信息化服务公司之一。”赛意信息董事长张成康谈到未来目标时如是说。 这家脱胎于美的集团信息部、颇...
  • 找出stakeholder参考"scrum in action"一书,首先要定义开发的产品的...也就是组织外部的,但是不限定于客户,也包括供货商或者其他相关联的人。总之这个词的含义非常广。因为如果将组织定义为开发产品的一个团队,那
  • 工作总结1.如何高效跟客户确定需求?

    千次阅读 热门讨论 2014-09-30 09:42:58
    其实,客户也不知道自己想要什么,所以在和客户沟通过主要业务以后,只需画原型并确定需求文档,找客户确定就可以了。虽然,说起来很容易,但是真正实现的时候并没有想象中那么简单。   9月11日,带着自己...
  • 如何制定人生目标和实现目标

    千次阅读 2017-01-11 22:54:56
    如何制定人生目标和实现目标 第一步:分析你的需求。你也许会问:这一步怎么做呢?不妨试试以下方法。开动脑筋,写下来10条未来5年你认为自己应做的事情,要确切,但不要有限制和顾虑那些是自己做不到的,给自己...
  • 企业的功利心比较强,因此,非常有目标性,有动力,一定要解决自己遇到的问题。 c.个人的付费意识很差,因为他们总认为自己赚的钱少,同时下意识地认为,别人花时间精力提供的服务或者劳动成果,不值钱。 美其名曰...
  • K-means算法分析航空公司客户价值

    千次阅读 2019-03-22 10:15:18
    信息时代的来临使得企业营销...企业针对不同价值的客户制订优化的个性化服务方案,采取不同营销策略,将有限营销资源集中于高价值客户,实现企业利润最大化目标。准确的客户分群结果是企业优化营销资源分配的重要依...
  • 航空公司客户价值分析

    千次阅读 2018-07-20 22:05:19
    1.背景方面 准确的客户分类的结果是企业优化营销资源的重要依据,...本次数据挖掘与数据分析目标: (1)借助航空公司数据,对客户进行分类; (2)对不同类别的客户进行特征分析,比较不同类别客户的价值分析; ...
  • 纯新手DSP编程--5.16--目标和主机设置

    千次阅读 2012-05-17 09:09:20
    这一部分介绍了如何定义和设置单处理器或多处理器的目标计算机的特性,如何根据客户的需求定制集成开发环境备几个通用选项。 1 设置目标主机 1.1 CCS 设置工具 (CCS Setup Utility) 这一部分介绍了如何定义和...
  • 目标优化问题的算法及其求解

    万次阅读 多人点赞 2018-09-06 17:32:58
    目标优化问题的算法及其求解 一、多目标优化问题   多目标优化是在现实各个领域中都普遍存在的问题,每个目标不可能都同时达到最优,必须各有权重。但是,究竟要怎样分配这样的权重,这已经成为人们...
  • 市场细分与目标群体定位

    千次阅读 2019-12-05 18:34:40
    针对该目标市场的消费者/顾客在观念、意识及日常的生活、工作习惯与向往以及需求中存在的特点/特征,结合目标竞争对手提供的产品(服务)的情况,为企业的目标市场定位提供决策依据,结合客户企业资源的分析,为企业...
  • PART 1.1 如何确定建模的Y值

    千次阅读 2019-02-19 10:44:26
    A卡(Application scorecard)申请卡:客户授信,预测客户开户后一定时期内违约拖欠的风险概率,有效排除信用不良客户和非目标客户的申请 B卡(Behavior score card)行为卡:在帐户管理期,根据账户历史上所表现...
  • 项目目标的SMART原则

    千次阅读 2010-07-24 01:19:00
    这种对目标的描述就很不明确,因为增强客户意识有许多具体做法,如:减少客户投诉,过去客户投诉率是3%,现在把它减低到1.5%或者1%。提升服务的速度,使用规范礼貌的用语,采用规范的服务流程,也是客户意识的一...
  • 锻炼目标拆解能力

    千次阅读 2017-02-19 21:34:43
    3.《你的目标为什么总是实现不了?丨我拆》总结 原文:你的目标为什么总是实现不了?丨我拆 (1)你觉得为什么要制定目标目标对于我们来说非常重要,它就像航海中的灯塔,一直照耀着我们前进的路。你们get到的...
  • 作为项目经理的几个目标

    千次阅读 2010-12-15 15:36:00
    项目管理者的目标设置: 1、客户目标; 2、公司的目标; 3、项目的目标; 4、团队的目标; 5、知识的目标
  • 生产订单总目标成本为0

    千次阅读 2015-12-01 08:57:52
    最近客户急急忙忙的找我,说他们在报表S_ALR_87013127的某生产订单目标成本突然全部变为0了。 俺回头分析研究了半天,确定在两个关键地方需要检查, 1.报表期物料标准成本价格是否存在? 2.订单状态是否...
  • 文章目录研究目的:精准营销研究内容:客户分类维度数据获取与处理设计调查问卷及确定调研计划数据处理数据分析架构客户细分目标客户选择目标客户定位数据分析与输出结果确定分类维度分类维度的消减适应性检验因子...
  • 客户细分——RFM模型

    万次阅读 2019-05-08 15:56:02
    RFM模型是衡量当前客户价值和客户潜在创利能力的重要工具和手段,在众多的客户关系管理(CRM)的分析模式中,RFM模型是被广泛应用的;该模型通过R(Recency)表示客户购买时间有多远,F(Frequency)表示客户在固定时间...
  • 让“目标管理”水到渠成

    千次阅读 2012-10-25 14:31:33
    但目标管理知易行难,确定目标本身就是一件充满挑战的工作。一个好的目标,必须具有关联性、阶段性,并兼顾结果和过程,还需要数据采集系统、GAP检查与分析、及时激励制度的支撑。这些量化管理方法与目标管理...
  • 利用聚类分析航空公司客户价值

    千次阅读 2017-10-11 14:40:25
    分析的目标是将航空公司客户分类,属于无监督学习,故采用聚类挖掘模型 确定模型之后,需要选择相应的指标,这里指标的选择需结合业务来确定,能够反映客户的关键特征 确定模型和指标之后,可能需要对数据进行一定...
  • 目标关键词优化的具体思路

    千次阅读 2012-01-05 22:15:52
    确定目标关键词前请先使用百度,GOOGLE搜索您的目标关键词,如果在搜索结果的第一页,绝大多数都是推广竞价的排名,那么,我们建议您以这些关键词为基础,寻找相关的关键词。因为如果搜索结果被太多的推广所占据,...
  • 客户细分总结

    千次阅读 2014-09-25 17:08:38
    随着营销方式的多变、客户需求各异、营销增长受阻等多方面影响,企业的营销面临前所未有的挑战和机遇,精准化营销似乎已成为很多公司的选择,本文针对以下客户细分五大模块进行总结: 一:客户细分的必要性:  ...
  • 目标管理之SMART法则

    千次阅读 2017-09-13 10:59:14
    SMART原则目标管理由管理学大师Peter Drucker提出,首先出现于他的著作《管理实践》(The Practice of Management)一书中,该书于1954年出版。制定目标看似一件简单的事情,每个人都有过制定目标的经历,但是如果...
  • 导读:客户的需求往往是多方面的、不确定的,需要去分析和引导。客户的需求是指通过买卖双方的长期沟通,对客户购买产品的欲望、用途、功能、款式进行逐步发掘,将客户心里模糊的认识以精确的方式描述并展示出来的...
  • 目标URL存在跨站漏洞和目标URL存在http host头攻击漏洞处理方案若需要学习技术文档共享(请关注群公告的内容)/讨论问题 请入QQ群:668345923 ;若无法入群,请在您浏览文章下方留言,至于答复,这个看情况了目录HTTP...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 188,766
精华内容 75,506
关键字:

如何确定目标客户