本课程从实际的市场营销问题出发,构建数据分析与数据挖掘模型,以解决实际的商业问题。并对大数据分析与挖掘技术进行了全面的介绍,通 过从大量的市场营销数据中分析潜在的客户特征,挖掘客户行为特点,实现精准营销,帮助市场营销团队深入理解业务运作,支持业务策略制定以及运营决策。
1、通 过掌握大数据收集、去粗取精、建立结构、有效挖掘等系列操作。
2、理解大数据时代的消费者,并且从消费者角度出发去思考营销和创新。
3、回归本质。用大数据驱动的思维方式去进行互联网营销和创新的战略部署
第一部分: 大数据实现精准营销
1、 传统营销的困境与挑战
2、 营销理论的变革(4Pà4CànPnC)
3、 大数据引领传统营销
4、 大数据在营销中的典型应用
市场定位与客户细分
客户需求与产品设计
精准广告与精准推荐
5、 大数据营销的基石:用户画像
6、 客户生存周期中的大数据应用
演练:如何用大数据来支撑手机精准营销项目
第二部分: 大数据基础—数据
思维篇问题:大数据的核心价值是什么?大数据是怎样用于业务决策?
1、 大数据时代:你缺的不是一堆方法,而是大数据思维
2、 大数据的本质
数据,是对客观事物的描述和记录
大数据不在于大,而在于全
3、 大数据四大核心价值
用趋势图来探索产品销量规律
从谷歌的GFT产品探索用户需求变化
从大数据炒股看大数据如何探索因素的相关性
阿里巴巴预测经济危机的到来
从美国总统竞选看大数据对选民行为进行分析
4、 大数据价值落地的三个关键环节
业务数据化
数据信息化
信息策略化
案例:喜欢赚“差价”的营业员(用数据管理来识别)
第三部分: 大数据精准营销—分析框架篇
1、 数据分析简介
数据分析的三个阶段
分析方法的三大类别
2、 数据分析的六步曲
3、 步骤1:明确目的--理清思路
确定分析目的:要解决什么样的业务问题
确定分析思路:分解业务问题,构建分析框架
4、 步骤2:数据收集—理清思路
明确收集数据范围
确定收集来源
确定收集方法
5、 步骤3:数据预处理—寻找答案
数据质量评估
数据清洗、数据处理和变量处理
探索性分析
6、 步骤4:数据分析--寻找答案
选择合适的分析方法
构建合适的分析模型
选择合适的分析工具
7、 步骤5:数据展示--观点表达
选择恰当的图表
选择合适的可视化工具
8、 步骤6:报表撰写--观点表达
选择报告种类
完整的报告结构
演练:如何用大数据来支撑手机精准营销项目
演练:如何构建一个良好的大数据分析框架
第四部分: 用户行为分析—分析方法篇问题:数据分析有什么方法可依?不同的方法适用解决什么样的问题?
1、 大数据精准营销的前提:用户行为分析
2、 数据分析方法的层次
描述性分析法(对比/分组/结构/趋势/交叉…)
相关性分析法(相关/方差/卡方…)
预测性分析法(回归/时序/决策树/神经网络…)
专题性分析法(聚类/关联/RFM模型/…)
3、 统计分析基础
统计分析两要素
统计分析三步骤
4、 统计分析常用指标
汇总方式:计数、求和、百分比(增跌幅)
集中程度:均值、中位数、众数
离散程度:极差、方差/标准差、IQR
分布形态:偏度、峰度
5、 基本分析方法及其适用场景
对比分析(查看数据差距)
演练:寻找用户的地域分布规律
演练:寻找公司主打产品
演练:用数据来探索增量不增收困境的解决方案
案例:银行ATM柜员机现金管理分析(银行)
分组分析(查看数据分布)
案例:排班后面隐藏的猫腻
案例:通信运营商的流量套餐划分合理性的评估
演练:银行用户消费层次分析(银行)
演练:呼叫中心接听电话效率分析(呼叫中心)
演练:客服中心科学排班人数需求分析(客服中心)
演练:客户年龄分布/消费分布分析
结构分析(评估事物构成)
案例:用户市场占比结构分析
案例:物流费用占比结构分析(物流)
案例:中移动用户群动态结构分析
演练:用户结构/收入结构/产品结构的分析
趋势分析(发现事物随时间的变化规律)
案例:破解零售店销售规律
Copyright © 2006-2018 kaoshi.china.com