24小時服務熱線：020-31041068
24小時服務熱線：020-31041068
本課程從實際的市場營銷問題出發(fā)，構建數據分析與數據挖掘模型，以解決實際的商業(yè)問題。并對大數據分析與挖掘技術進行了全面的介紹，通過從大量的市場營銷數據中分析潛在的客戶特征，挖掘客戶行為特點，實現精準營銷，幫助市場營銷團隊深入理解業(yè)務運作，支持業(yè)務策略制定以及運營決策。
通過本課程的學習，達到如下目的：
1、 了解大數據營銷內容，掌握大數據在營銷中的應用。
2、 了解基本的營銷理論，并學會基于營銷理念來展開大數據分析。
3、 熟悉數據分析/挖掘的基本過程，掌握常用的數據挖掘方法。
4、 熟悉Excel數據分析工具，能夠利用Excel和SPSS軟件解決實際的營銷問題（比如定價/因素影響/預測/客戶需求/客戶價值/市場細分等）。
【授課時間】
2-4天時間，或者根據培訓需求選擇組合（每天6個小時）
內容 | 2天 | 4天 |
核心數據思維 | √ | √ |
數據分析過程 | √ | √ |
用戶行為分析 | √ | √ |
數據分析思路 | √ | √ |
影響因素分析 | √ | √ |
產品銷量預測 | √回歸 | √時序 |
客戶行為預測 | √ | |
市場客戶細分 | √ | |
客戶價值評估 | √ | |
產品推薦模型 | √ | |
產品定價策略 | √ |
1、 每個學員自備一臺便攜機(必須)。
2、 便攜機中事先安裝好Excel 2013版本及以上。
3、 便攜機中事先安裝好IBM SPSS Statistics v24版本及以上。
注：講師可以提供試用版本軟件及分析數據源。
理論精講 + 案例演練 + 實際業(yè)務問題分析 + Excel實踐操作 + SPSS實踐操作
本課程突出數據分析的實際應用，結合行業(yè)的典型應用特點，圍繞實際的商業(yè)問題，進行大數據的分析與挖掘，介紹常用的模型，以及模型適用場景，通過演練操作，以達到提升學員對營銷數據的分析以及對數據模型的深入理解。
第一部分： 大數據實現精準營銷
1、 傳統營銷的困境與挑戰(zhàn)
2、 營銷理論的變革（4Pà4CànPnC）
3、 大數據引領傳統營銷
4、 大數據在營銷中的典型應用
Ø 市場定位與客戶細分
Ø 客戶需求與產品設計
Ø 精準廣告與精準推薦
Ø ……
5、 大數據營銷的基石：用戶畫像
6、 客戶生存周期中的大數據應用
演練：如何用大數據來支撐手機精準營銷項目
第二部分： 大數據基礎—數據思維篇
問題：大數據的核心價值是什么？大數據是怎樣用于業(yè)務決策？
1、 大數據時代：你缺的不是一堆方法，而是大數據思維
2、 大數據的本質
Ø 數據，是對客觀事物的描述和記錄
Ø 大數據不在于大，而在于全
3、 大數據四大核心價值
Ø 用趨勢圖來探索產品銷量規(guī)律
Ø 從谷歌的GFT產品探索用戶需求變化
Ø 從大數據炒股看大數據如何探索因素的相關性
Ø 阿里巴巴預測經濟危機的到來
Ø 從美國總統競選看大數據對選民行為進行分析
4、 大數據價值落地的三個關鍵環(huán)節(jié)
Ø 業(yè)務數據化
Ø 數據信息化
Ø 信息策略化
案例：喜歡賺“差價”的營業(yè)員（用數據管理來識別）
第三部分： 大數據精準營銷—分析框架篇
1、 數據分析簡介
Ø 數據分析的三個階段
Ø 分析方法的三大類別
2、 數據分析的六步曲
3、 步驟1：明確目的--理清思路
Ø 確定分析目的：要解決什么樣的業(yè)務問題
Ø 確定分析思路：分解業(yè)務問題，構建分析框架
4、 步驟2：數據收集—理清思路
Ø 明確收集數據范圍
Ø 確定收集來源
Ø 確定收集方法
5、 步驟3：數據預處理—尋找答案
Ø 數據質量評估
Ø 數據清洗、數據處理和變量處理
Ø 探索性分析
6、 步驟4：數據分析--尋找答案
Ø 選擇合適的分析方法
Ø 構建合適的分析模型
Ø 選擇合適的分析工具
7、 步驟5：數據展示--觀點表達
Ø 選擇恰當的圖表
Ø 選擇合適的可視化工具
8、 步驟6：報表撰寫--觀點表達
Ø 選擇報告種類
Ø 完整的報告結構
演練：如何用大數據來支撐手機精準營銷項目
演練：如何構建一個良好的大數據分析框架
第四部分： 用戶行為分析—分析方法篇
問題：數據分析有什么方法可依?不同的方法適用解決什么樣的問題？
1、 大數據精準營銷的前提：用戶行為分析
2、 數據分析方法的層次
Ø 描述性分析法（對比/分組/結構/趨勢/交叉…）
Ø 相關性分析法（相關/方差/卡方…）
Ø 預測性分析法（回歸/時序/決策樹/神經網絡…）
Ø 專題性分析法（聚類/關聯/RFM模型/…）
3、 統計分析基礎
Ø 統計分析兩要素
Ø 統計分析三步驟
4、 統計分析常用指標
Ø 匯總方式：計數、求和、百分比（增跌幅）
Ø 集中程度：均值、中位數、眾數
Ø 離散程度：極差、方差/標準差、IQR
Ø 分布形態(tài)：偏度、峰度
5、 基本分析方法及其適用場景
Ø 對比分析（查看數據差距）
演練：尋找用戶的地域分布規(guī)律
演練：尋找公司主打產品
演練：用數據來探索增量不增收困境的解決方案
案例：銀行ATM柜員機現金管理分析（銀行）
Ø 分組分析（查看數據分布）
案例：排班后面隱藏的貓膩
案例：通信運營商的流量套餐劃分合理性的評估
演練：銀行用戶消費層次分析（銀行）
演練：呼叫中心接聽電話效率分析（呼叫中心）
演練：客服中心科學排班人數需求分析（客服中心）
演練：客戶年齡分布/消費分布分析
Ø 結構分析（評估事物構成）
案例：用戶市場占比結構分析
案例：物流費用占比結構分析（物流）
案例：中移動用戶群動態(tài)結構分析
演練：用戶結構/收入結構/產品結構的分析
Ø 趨勢分析（發(fā)現事物隨時間的變化規(guī)律）
案例：破解零售店銷售規(guī)律
案例：手機銷量的淡旺季分析
演練：發(fā)現產品銷售的時間規(guī)律
Ø 交叉分析（多維數據分析）
演練：用戶性別+地域分布分析
演練：不同區(qū)域的產品偏好分析
演練：不同教育水平的業(yè)務套餐偏好分析
6、 綜合分析方法及其適用場景
Ø 綜合評價法（多維指標歸一）
案例：南京丈母娘選女婿分析表格
演練：人才選拔評價分析（HR）
Ø 杜邦分析法（關鍵因素分析-財務數據分析）
案例：運營商市場占有率分析（通信）
案例：服務水平提升分析（呼叫中心）
演戲：提升銷量的銷售策略分析（零售商/電商）
Ø 漏斗分析法（關鍵流程環(huán)節(jié)分析-流失率與轉化率分析）
案例：電商產品銷售流程優(yōu)化與策略分析（電商）
演練：營業(yè)廳終端銷售流程分析（電信）
演練：銀行業(yè)務辦理流程優(yōu)化分析（銀行）
Ø 矩陣分析法（產品策略分析-象限圖分析法）
案例：工作安排評估
案例：HR人員考核與管理
案例：波士頓產品策略分析
7、 最合適的分析方法才是硬道理。
第五部分： 用戶行為分析—分析思路篇
問題：數據分析思路是怎樣的？如何才能全面/系統地分析而不遺漏？
1、 常用分析思路模型
2、 用戶行為分析（5W2H分析思路）
Ø WHY：原因
Ø WHAT：產品
Ø WHO：客戶
Ø WHEN：時間
Ø WHERE：區(qū)域/渠道
Ø HOW：支付方式
Ø HOW MUCH：價格
案例討論：結合公司情況，搭建用戶消費習慣的分析框架（5W2H）
第六部分： 影響因素分析—屬性篩選篇
營銷問題：哪些是影響市場銷量的關鍵因素？比如，產品在貨架上的位置是否對銷量有影響？價格和廣告開銷是如何影響銷量的？
影響風險控制的關鍵因素有哪些？如何判斷？
1、 影響因素分析的常見方法
2、 相關分析（衡量兩數據型變量的線性相關性）
問題：這兩個屬性是否會相互影響？影響程度大嗎？
Ø 相關分析簡介
Ø 相關分析的應用場景
Ø 相關分析的種類
² 簡單相關分析
² 偏相關分析
² 距離相關分析
Ø 相關系數的三種計算公式
² Pearson相關系數
² Spearman相關系數
² Kendall相關系數
Ø 相關分析的假設檢驗
Ø 相關分析的四個基本步驟
演練：體重與腰圍的關系
演練：營銷費用會影響銷售額嗎
演練：哪些因素與汽車銷量有相關性
演練：話費與網齡的相關分析
Ø 偏相關分析
² 偏相關原理：排除不可控因素后的兩變量的相關性
² 偏相關系數的計算公式
² 偏相關分析的適用場景
Ø 距離相關分析
3、 方差分析（衡量類別變量與數值變量間的相關性）
問題：哪些才是影響銷量的關鍵因素？
Ø 方差分析的應用場景
Ø 方差分析的三個種類
² 單因素方差分析
² 多因素方差分析
² 協方差分析
Ø 方差分析的原理
Ø 方差分析的四個步驟
Ø 解讀方差分析結果的兩個要點
演練：終端擺放位置與終端銷量有關嗎
演練：開通月數對客戶流失的影響分析
演練：客戶學歷對消費水平的影響分析
演練：廣告和價格是影響終端銷量的關鍵因素嗎
演練：營業(yè)員的性別、技能級別對產品銷量有影響嗎
演練：尋找影響產品銷量的關鍵因素
Ø 多因素方差分析原理
Ø 多因素方差分析的作用
Ø 多因素方差結果的解讀
演練：廣告形式、地區(qū)對銷量的影響因素分析（多因素）
Ø 協方差分析原理
Ø 協方差分析的適用場景
演練：飼料對生豬體重的影響分析（協方差分析）
4、 列聯分析/卡方檢驗（兩類別變量的相關性分析）
Ø 交叉表與列聯表
Ø 卡方檢驗的原理
Ø 卡方檢驗的幾個計算公式
Ø 列聯表分析的適用場景
案例：套餐類型對客戶流失的影響分析
案例：學歷對業(yè)務套餐偏好的影響分析
案例：行業(yè)/規(guī)模對風控的影響分析
5、 相關性分析方法總結
第七部分： 產品銷量預測—回歸預測篇
營銷問題：如何預測未來的產品銷量？如果產品跟隨季節(jié)性變動，該如何預測？新產品上市，如果評估銷量上限及銷售增速？
1、 銷量預測與市場預測模型介紹
Ø 時序預測
Ø 回歸模型
Ø 季節(jié)性預測（相加/相乘模型）
Ø 產品預測（珀爾曲線/龔鉑茲曲線）
2、 回歸分析/回歸預測
問題：如何預測未來的銷售量（定量分析）？
Ø 回歸分析簡介
Ø 回歸分析的種類（一元/多元、線性/曲線）
Ø 得到回歸方程的常用工具
² 散點圖+趨勢線
² 線性回歸工具
² 規(guī)劃求解工具
演練：散點圖找營銷費用與銷售額的關系（一元回歸）
Ø 線性回歸分析的五個步驟
演練：營銷費用、辦公費用與銷售額的關系（線性回歸）
Ø 解讀線性回歸分析結果的技巧
² 定性描述：正相關/負相關
² 定量描述：自變量變化導致因變量的變化程度
Ø 回歸預測模型質量評估
² 評估指標：判定系數R^2、標準誤差
² 如何選擇最佳回歸模型
演練：如何選擇最佳的回歸預測模型（一元曲線回歸）
Ø 預測值準確性評估
² MAD、MSE/RMSE、MAPE等
Ø 帶分類變量的回歸預測
演練：汽車季度銷量預測
演練：工齡、性別與終端銷量的關系
演練：如何評估銷售目標與資源配置（營業(yè)廳）
3、 回歸分析的基本原理
4、 模型優(yōu)化思路：尋找最佳回歸擬合線
Ø 如何處理預測離群值（剔除離群值）
Ø 如何剔除不顯著因素（剔除不顯著因素）
Ø 如何進行非線性關系檢驗（增加非線性自變量）
Ø 如何進行相互作用檢驗（增加相互作用自變量）
Ø 如何進行多重共線性檢驗（剔除共線性自變量）
Ø 如何檢驗誤差項（修改因變量）
Ø 如何判斷模型過擬合（模型過擬合判斷）
演練：模型優(yōu)化案例
5、 規(guī)劃求解工具簡介（自定義回歸模型的工具）
6、 自定義模型（如何利用規(guī)劃求解進行自定義模型）
案例：如何對餐廳客流量進行建模及模型優(yōu)化
7、 好模型都是優(yōu)化出來的
第八部分： 產品銷量預測—時序預測篇
1、 時間序列簡介
Ø 回歸模型的缺點
2、 時序預測常用模型
3、 評估預測值的準確度指標
Ø 平均絕對誤差MAD
Ø 均方差MSE/RMSE
Ø 平均誤差率MAPE
4、 移動平均（MA）
Ø 應用場景及原理
Ø 移動平均種類
² 一次移動平均
² 二次移動平均
² 加權移動平均
² 移動平均比率法
Ø 移動平均關鍵問題
² 期數N的最佳選擇方法
² 最優(yōu)權重系數的選取方法
演練：平板電腦銷量預測及評估
演練：快銷產品季節(jié)銷量預測及評估
5、 指數平滑（ES）
Ø 應用場景及原理
Ø 最優(yōu)平滑系數的選取原則
Ø 指數平滑種類
² 一次指數平滑
² 二次指數平滑（Brown線性、Holt線性、Holt指數、阻尼線性、阻尼指數）
² 三次指數平滑
演練：煤炭產量預測
演練：航空旅客量預測及評估
6、 溫特斯季節(jié)預測模型
Ø 適用場景及原理
Ø Holt-Winters加法模型
Ø Holt-Winters乘法模型
演練：汽車銷量預測及評估
7、 回歸季節(jié)預測模型
Ø 季節(jié)性回歸模型的參數
Ø 常用季節(jié)性預測模型（相加、相乘）
案例：美國航空旅客里程的季節(jié)性趨勢分析
案例：產品銷售季節(jié)性趨勢預測分析
8、 ARIMA模型
Ø 適用場景及原理
Ø ARIMA操作
演練：上海證券交易所綜合指數收益率序列分析
演練：服裝銷售數據季節(jié)性趨勢預測分析
9、 新產品銷量預測
Ø 新產品累計銷量的S曲線
Ø 如何評估銷量增長的拐點
Ø 珀爾曲線與龔鉑茲曲線
案例：如何預測產品的銷售增長拐點，以及銷量上限
演練：預測IPad產品的銷量
第九部分： 客戶行為預測—分類預測篇
問題：如何評估客戶購買產品的可能性？如何預測客戶的購買行為？如何提取某類客戶的典型特征？如何向客戶精準推薦產品或業(yè)務？
1、 分類模型概述
2、 常見分類預測模型
3、 邏輯回歸（LR）
Ø 邏輯回歸模型原理及適用場景
Ø 邏輯回歸的種類
² 二項邏輯回歸
² 多項邏輯回歸
Ø 如何解讀邏輯回歸方程
Ø 帶分類自變量的邏輯回歸分析
Ø 多元邏輯回歸
案例：如何評估用戶是否會購買某產品（二元邏輯回歸）
案例：多品牌選擇模型分析（多元邏輯回歸）
4、 分類決策樹（DT）
問題：如何預測客戶行為？如何識別潛在客戶？
風控：如何識別欠貸者的特征，以及預測欠貸概率？
客戶保有：如何識別流失客戶特征，以及預測客戶流失概率？
Ø 決策樹分類簡介
案例：美國零售商（Target）如何預測少女懷孕
Ø 演練：識別銀行欠貨風險，提取欠貸者的特征
Ø 構建決策樹的三個關鍵問題
² 如何選擇最佳屬性來構建節(jié)點
² 如何分裂變量
² 修剪決策樹
Ø 如何評估分類性能？如何選擇最優(yōu)分類模型？
案例：商場酸奶購買用戶特征提取
案例：客戶流失預警與客戶挽留
案例：識別拖欠銀行貨款者的特征，避免不良貨款
案例：識別電信詐騙者嘴臉，讓通信更安全
5、 人工神經網絡（ANN）
Ø 神經網絡概述
Ø 神經網絡基本原理
Ø 神經網絡的結構
Ø 神經網絡的建立步驟
Ø 神經網絡的關鍵問題
Ø BP反向傳播網絡（MLP）
Ø 徑向基網絡（RBF）
案例：評估銀行用戶拖欠貨款的概率
第十部分： 市場細分模型
問題：我們的客戶有幾類？各類特征是什么？如何實現客戶細分，開發(fā)符合細分市場的新產品？如何提取客戶特征，從而對產品進行市場定位？
1、 市場細分的常用方法
Ø 有指導細分
Ø 無指導細分
2、 聚類分析
Ø 如何更好的了解客戶群體和市場細分？
Ø 如何識別客戶群體特征？
Ø 如何確定客戶要分成多少適當的類別？
Ø 聚類方法原理介紹
Ø 聚類方法作用及其適用場景
Ø 聚類分析的種類
Ø K均值聚類（快速聚類）
案例：移動三大品牌細分市場合適嗎？
演練：寶潔公司如何選擇新產品試銷區(qū)域？
演練：如何評選優(yōu)秀員工？
演練：中國各省份發(fā)達程度分析，讓數據自動聚類
Ø 層次聚類（系統聚類）：發(fā)現多個類別
Ø R型聚類與Q型聚類的區(qū)別
案例：中移動如何實現客戶細分及營銷策略
演練：中國省市經濟發(fā)展情況分析（Q型聚類）
演練：裁判評分的標準衡量，避免“黑哨”（R型聚類）
Ø 兩步聚類
3、 客戶細分與PCA分析法
Ø PCA主成分分析的原理
Ø PCA分析法的適用場景
演練：利用PCA對汽車客戶群進行細分
演練：如何針對汽車客戶群設計汽車
第十一部分： 客戶價值分析
營銷問題：如何評估客戶的價值？不同的價值客戶有何區(qū)別對待？
1、 如何評價客戶生命周期的價值
Ø 貼現率與留存率
Ø 評估客戶的真實價值
Ø 使用雙向表衡量屬性敏感度
Ø 變化的邊際利潤
案例：評估營銷行為的合理性
2、 RFM模型（客戶價值評估）
Ø RFM模型，更深入了解你的客戶價值
Ø RFM模型與市場策略
Ø RFM模型與活躍度分析
案例：客戶價值評估與促銷名單
案例：重購用戶特征分析
第十二部分： 產品推薦模型
問題：購買A產品的顧客還常常要購買其他什么產品？應該給客戶推薦什么產品最有可能被接受？
1、 常用產品推薦模型
2、 關聯分析
Ø 如何制定套餐，實現交叉/捆綁銷售
案例：啤酒與尿布、颶風與蛋撻
Ø 關聯分析模型原理（Association）
Ø 關聯規(guī)則的兩個關鍵參數
² 支持度
² 置信度
Ø 關聯分析的適用場景
案例：購物籃分析與產品捆綁銷售/布局優(yōu)化
案例：理財產品的交叉銷售與產品推薦
第十三部分： 產品定價策略及最優(yōu)定價
營銷問題：產品如何實現最估定價？套餐價格如何確定？采用哪些定價策略可達到利潤最大化？
1、 常見的定價方法
2、 產品定價的理論依據
Ø 需求曲線與利潤最大化
Ø 如何求解最優(yōu)定價
案例：產品最優(yōu)定價求解
3、 如何評估需求曲線
Ø 價格彈性
Ø 曲線方程（線性、乘冪）
4、 如何做產品組合定價
5、 如何做產品捆綁/套餐定價
Ø 最大收益定價（演進規(guī)劃求解）
Ø 避免價格反轉的套餐定價
案例：電信公司的寬帶、IPTV、移動電話套餐定價
6、 非線性定價原理
Ø 要理解支付意愿曲線
Ø 支付意愿曲線與需求曲線的異同
案例：雙重收費如何定價（如會費+按次計費）
7、 階梯定價策略
案例：電力公司如何做階梯定價
8、 數量折扣定價策略
案例：如何通過折扣來實現薄利多銷
9、 定價策略的評估與選擇
案例：零售公司如何選擇最優(yōu)定價策略
10、 航空公司的收益管理
Ø 收益管理介紹
Ø 如何確定機票預訂限制
Ø 如何確定機票超售數量
Ø 如何評估模型的收益
案例：FBN航空公司如何實現收益管理（預訂/超售）
第十四部分： 實戰(zhàn)篇(電信業(yè)客戶流失分析模型)
1、 電信業(yè)客戶流失預警與客戶挽留模型
2、 銀行欠貸風險預測模型
結束：課程總結與問題答疑。
