公司簡介
英國GUS Home Shopping 零售公司是英國第二大零售商 Great Universal Stores 的目錄銷售分部，每年寄出1千4百萬件時裝目錄。
為了在競爭日益激烈的環境下繼續保持盈利能力、市場份額和客戶忠誠度，GUS Home Shopping 必須精確評估客戶對商品目錄內容的需求。在每一個銷售旺季到來之前做出更精確的預測可以使公司：降低存貨過量造成的費用訂購足夠數量受歡迎的目錄 提供更好的客戶服務。
GUS Home Shopping 用 Clementine 建立模型，對目錄中每一個商品的需求情況進行預測，並確定和每一項預測相聯繫的風險等級。如今，他們可以提前知道那一些商品需求旺盛，並做出相應的訂單調整。
和其他零售商一樣，GUS Home Shopping 很清楚未來的成功取決於在合適的時間、以合適的數量訂購合適的商品。如果客戶想要的商品不在貨架上，他們就會去其他的商店，這樣很快就會造成收入和市場份額的降低。
為收集預測需求數據，公司在每一個銷售季節開始前三個月向 6 萬個客戶郵寄時裝目錄草樣， 這些客戶可以得到為期兩周的折扣獎勵。分析師用收集到的信息對每一種商品的最終需求進行預測。 銷售計畫經理依靠這些預測來分配 25% 左右的預算，大約 2 億英鎊。
多年來，公司用多元回歸分析和大型機系統軟體進行預測，但這些評估經常過於保守。流行商品短缺導致訂單被退回，並使客戶非常不滿意。相反，需求預測過於樂觀則更糟，這會造成大量的商品 積壓。於是，GUS Home Shopping 預測和商業分析部高級項目分析師 Matthew Biddle 需要尋找一種更精確的方法進行這些預測。他們還諮詢了 Gap Gemini 的顧問，Gap Gemini 很快就推薦了 SPSS 快 速、可視化建模的數據挖掘工作平台：Clementine。
Clementine 強大的功能馬上給 GUS Home Shopping 留下了深刻的印象。根據 Biddle 的說法， "在大型機上，我們無法以圖形的方式看到模式和趨勢。Clementine 使我們可以探察新的變數，並快速建立新的模型。在這個過程中，我們也形成了更深的商業認知。"
"直接使用了 Clementine 以後，我們發現它可以為我們提供大量的幫助。它很容易啟動和運行，為我們提供了分析數據的新方式，並得出一些了令人印象深刻的結果。"Biddle 說。
分析重複進行了幾個銷售季節，Biddle 和其他諮詢師對兩個系統的預測結果進行比較。使用相同的輸入變數，他們用 Clementine 的神經網路和大型機系統的多元回歸分析進行預測。他們用前三個銷售季節的歷史數據為大約 6500 個商品建立預測模型。
針對每一個季節，GUS Home Shopping 發現 Clementine 的神經網路模型所作的預測比較出色，均值絕對誤差降低了 4%，標準差則降低了 10%。而且，通過 Clementine 的規則歸納技術，GUS Home Shopping 在預測的風險等級分配的正確性方面提高了 20%。
現在，Clementine 的預測和風險評估報告已經取代了大型機系統的多元回歸報告，開始出現在 銷售計畫經理的報告中。而且這些數字成為經理們最終的採購決策的基礎。
提高了預測精度，比前一銷售季節節約了 3.8% 的項目費用
由於 GUS Home Shopping 現在可以作出更好的需 求預測，它對以合適的數量訂購合適的商品非常有信 心。根據 Biddle 的說法，在最近剛剛結束的銷售季節，相對前一個採用回歸分析進行預測的季節來 說，項目費用節約了3.8%。而且，經過對模型的精細調整，未來節約的費用還會更多。
向客戶更好的服務，減少積壓，增加了客戶忠誠度
GUS Home Shopping 通過 Clementine 不僅節約了費用，還維持了更多的回頭客。流行商品貨源充足，客戶對 GUS 的服務非常滿意。結果，客戶更加忠誠，可獲利性更好。
未來發展
展現模型，豐富商業認知
為從 Clementine 和數據挖掘投資中得到更多的回報，GUS Home Shopping 正在考察 Clementine Solution Publisher。使用這種來自 SPSS 的新的展現工具，一旦模型建立之後，就可以自動完成整個預測過程。現在，在把新的預測加入由大型機系統產生的現有報告中的時候，還需要 一些手工干預。而 Clementine Solution Publisher 可以把 Clementine 建立的預測流導出為 C 代 碼，保存到大型機或 UNIX 系統，這些系統可以自動執行並在夜間作出報告，這樣銷售計畫經理就可以儘早得到這份重要的決策支持信息。
未來幾個月，Biddle 和他的同事還計畫用 SPSS 產品對利潤和特殊商品的需求趨勢進行預測。 SPSS 向 GUS Home Shopping 提供了大量的分析能力，使它可以保持並顯著提高市場份額。
