要确定表中A的值，我们需要理解数据挖掘模型的预测效能统计表中的含义。表中通常包括模型的预测准确性、召回率、F1分数等指标。假设表中的A代表某个特定的效能指标，例如F1分数。

假设促销总顾客数为100万时，总回应顾客数为1万，意味着响应率为1%。我们需要根据给定的模型效能统计表来计算A的值。

由于题目没有提供具体的表格内容和其他相关信息，我们只能根据常见的效能指标进行推测。假设表格中的A是F1分数（F1 Score），F1分数是精确率（Precision）和召回率（Recall）的调和平均数。

假设模型的预测效能统计表中给出了精确率和召回率，我们可以根据以下公式计算F1分数：

\[ F1 = 2 \times \frac{Precision \times Recall}{Precision + Recall} \]

但由于题目中没有提供精确率和召回率，我们无法直接计算F1分数。因此，我们需要根据选项进行合理的推测。

选项中给出的值分别是3.5、1.0、3.0和2.0。考虑到F1分数的范围通常在0到1之间，选项A为3.5和3.0显然是不合理的。因此，合理的选项应在1.0和2.0之间。

由于F1分数通常不会超过1.0，因此最可能的值是1.0。

所以，表中A的值是：

B: 1.0