|
数说营销--大数据营销实战培训 【课程目标】 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。 通过本课程的学习，达到如下目的： 1、 了解大数据营销内容，掌握大数据在营销中的应用。 2、 了解基本的营销理论，并学会基于营销理念来展开大数据分析。 3、 熟悉数据分析/挖掘的基本过程，掌握常用的数据挖掘方法。 4、 熟悉Excel数据分析工具，能够利用Excel和SPSS软件解决实际的营销问题（比如定价/因素影响/预测/客户需求/客户价值/市场细分等）。 【授课时间】 2-4天时间，或者根据培训需求选择组合（每天6个小时） 【授课对象】 系统支撑、市场营销部、运营分析部相关技术及应用人员。 本课程由浅入深，结合原理主讲软件工具应用，不需要太深的数学知识，但希望掌握数据分析的相关人员。 【学员要求】 1、 每个学员自备一台便携机(必须)。 2、 便携机中事先安装好Excel2013版本及以上。 3、 便携机中事先安装好IBMSPSS Statistics v24版本及以上。 注：讲师可以提供试用版本软件及分析数据源。 【授课方式】 理论精讲 + 案例演练 + 实际业务问题分析 + Excel实践操作 + SPSS实践操作 本课程突出数据分析的实际应用，结合行业的典型应用特点，围绕实际的商业问题，进行大数据的分析与挖掘，介绍常用的模型，以及模型适用场景，通过演练操作，以达到提升学员对营销数据的分析以及对数据模型的深入理解。 【课程大纲】 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 Ø 市场定位与客户细分 Ø 客户需求与产品设计 Ø 精准广告与精准推荐 Ø …… 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 Ø 数据，是对客观事物的描述和记录 Ø 大数据不在于大，而在于全 3、 大数据四大核心价值 Ø 用趋势图来探索产品销量规律 Ø 从谷歌的GFT产品探索用户需求变化 Ø 从大数据炒股看大数据如何探索因素的相关性 Ø 阿里巴巴预测经济危机的到来 Ø 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 Ø 业务数据化 Ø 数据信息化 Ø 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 Ø 数据分析的三个阶段 Ø 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 Ø 确定分析目的：要解决什么样的业务问题 Ø 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 Ø 明确收集数据范围 Ø 确定收集来源 Ø 确定收集方法 5、 步骤3：数据预处理—寻找答案 Ø 数据质量评估 Ø 数据清洗、数据处理和变量处理 Ø 探索性分析 6、 步骤4：数据分析--寻找答案 Ø 选择合适的分析方法 Ø 构建合适的分析模型 Ø 选择合适的分析工具 7、 步骤5：数据展示--观点表达 Ø 选择恰当的图表 Ø 选择合适的可视化工具 8、 步骤6：报表撰写--观点表达 Ø 选择报告种类 Ø 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 Ø 描述性分析法（对比/分组/结构/趋势/交叉…） Ø 相关性分析法（相关/方差/卡方…） Ø 预测性分析法（回归/时序/决策树/神经网络…） Ø 专题性分析法（聚类/关联/RFM模型/…） 3、 统计分析基础 Ø 统计分析两要素 Ø 统计分析三步骤 4、 统计分析常用指标 Ø 汇总方式：计数、求和、百分比（增跌幅） Ø 集中程度：均值、中位数、众数 Ø 离散程度：极差、方差/标准差、IQR Ø 分布形态：偏度、峰度 5、 基本分析方法及其适用场景 Ø 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） Ø 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 Ø 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 Ø 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 案例：手机销量的淡旺季分析 演练：发现产品销售的时间规律 Ø 交叉分析（多维数据分析） 演练：用户性别+地域分布分析 演练：不同区域的产品偏好分析 演练：不同教育水平的业务套餐偏好分析 6、 综合分析方法及其适用场景 Ø 综合评价法（多维指标归一） 案例：南京丈母娘选女婿分析表格 演练：人才选拔评价分析（HR） Ø 杜邦分析法（关键因素分析-财务数据分析） 案例：运营商市场占有率分析（通信） 案例：服务水平提升分析（呼叫中心） 演戏：提升销量的销售策略分析（零售商/电商） Ø 漏斗分析法（关键流程环节分析-流失率与转化率分析） 案例：电商产品销售流程优化与策略分析（电商） 演练：营业厅终端销售流程分析（电信） 演练：银行业务办理流程优化分析（银行） Ø 矩阵分析法（产品策略分析-象限图分析法） 案例：工作安排评估 案例：HR人员考核与管理 案例：波士顿产品策略分析 7、 最合适的分析方法才是硬道理。 第五部分： 用户行为分析—分析思路篇问题：数据分析思路是怎样的？如何才能全面/系统地分析而不遗漏？ 1、 常用分析思路模型 2、 用户行为分析（5W2H分析思路） Ø WHY：原因 Ø WHAT：产品 Ø WHO：客户 Ø WHEN：时间 Ø WHERE：区域/渠道 Ø HOW：支付方式 Ø HOW MUCH：价格 案例讨论：结合公司情况，搭建用户消费习惯的分析框架（5W2H） 第六部分： 影响因素分析—属性筛选篇营销问题：哪些是影响市场销量的关键因素？比如，产品在货架上的位置是否对销量有影响？价格和广告开销是如何影响销量的？ 影响风险控制的关键因素有哪些？如何判断？ 1、 影响因素分析的常见方法 2、 相关分析（衡量两数据型变量的线性相关性） 问题：这两个属性是否会相互影响？影响程度大吗？ Ø 相关分析简介 Ø 相关分析的应用场景 Ø 相关分析的种类 ² 简单相关分析 ² 偏相关分析 ² 距离相关分析 Ø 相关系数的三种计算公式 ² Pearson相关系数 ² Spearman相关系数 ² Kendall相关系数 Ø 相关分析的假设检验 Ø 相关分析的四个基本步骤 演练：体重与腰围的关系 演练：营销费用会影响销售额吗 演练：哪些因素与汽车销量有相关性 演练：话费与网龄的相关分析 Ø 偏相关分析 ² 偏相关原理：排除不可控因素后的两变量的相关性 ² 偏相关系数的计算公式 ² 偏相关分析的适用场景 Ø 距离相关分析 3、 方差分析（衡量类别变量与数值变量间的相关性） 问题：哪些才是影响销量的关键因素？ Ø 方差分析的应用场景 Ø 方差分析的三个种类 ² 单因素方差分析 ² 多因素方差分析 ² 协方差分析 Ø 方差分析的原理 Ø 方差分析的四个步骤 Ø 解读方差分析结果的两个要点 演练：终端摆放位置与终端销量有关吗 演练：开通月数对客户流失的影响分析 演练：客户学历对消费水平的影响分析 演练：广告和价格是影响终端销量的关键因素吗 演练：营业员的性别、技能级别对产品销量有影响吗 演练：寻找影响产品销量的关键因素 Ø 多因素方差分析原理 Ø 多因素方差分析的作用 Ø 多因素方差结果的解读 演练：广告形式、地区对销量的影响因素分析（多因素） Ø 协方差分析原理 Ø 协方差分析的适用场景 演练：饲料对生猪体重的影响分析（协方差分析） 4、 列联分析/卡方检验（两类别变量的相关性分析） Ø 交叉表与列联表 Ø 卡方检验的原理 Ø 卡方检验的几个计算公式 Ø 列联表分析的适用场景 案例：套餐类型对客户流失的影响分析 案例：学历对业务套餐偏好的影响分析 案例：行业/规模对风控的影响分析 5、 相关性分析方法总结 第七部分： 产品销量预测—回归预测篇营销问题：如何预测未来的产品销量？如果产品跟随季节性变动，该如何预测？新产品上市，如果评估销量上限及销售增速？ 1、 销量预测与市场预测模型介绍 Ø 时序预测 Ø 回归模型 Ø 季节性预测（相加/相乘模型） Ø 产品预测（珀尔曲线/龚铂兹曲线） 2、 回归分析/回归预测 问题：如何预测未来的销售量（定量分析）？ Ø 回归分析简介 Ø 回归分析的种类（一元/多元、线性/曲线） Ø 得到回归方程的常用工具 ² 散点图+趋势线 ² 线性回归工具 ² 规划求解工具 演练：散点图找营销费用与销售额的关系（一元回归） Ø 线性回归分析的五个步骤 演练：营销费用、办公费用与销售额的关系（线性回归） Ø 解读线性回归分析结果的技巧 ² 定性描述：正相关/负相关 ² 定量描述：自变量变化导致因变量的变化程度 Ø 回归预测模型质量评估 ² 评估指标：判定系数R^2、标准误差 ² 如何选择最佳回归模型 演练：如何选择最佳的回归预测模型（一元曲线回归） Ø 预测值准确性评估 ² MAD、MSE/RMSE、MAPE等 Ø 带分类变量的回归预测 演练：汽车季度销量预测 演练：工龄、性别与终端销量的关系 演练：如何评估销售目标与资源配置（营业厅） 3、 回归分析的基本原理 4、 模型优化思路：寻找最佳回归拟合线 Ø 如何处理预测离群值（剔除离群值） Ø 如何剔除不显著因素（剔除不显著因素） Ø 如何进行非线性关系检验（增加非线性自变量） Ø 如何进行相互作用检验（增加相互作用自变量） Ø 如何进行多重共线性检验（剔除共线性自变量） Ø 如何检验误差项（修改因变量） Ø 如何判断模型过拟合（模型过拟合判断） 演练：模型优化案例 5、 规划求解工具简介（自定义回归模型的工具） 6、 自定义模型（如何利用规划求解进行自定义模型） 案例：如何对餐厅客流量进行建模及模型优化 7、 好模型都是优化出来的 第八部分： 产品销量预测—时序预测篇1、 时间序列简介 Ø 回归模型的缺点 2、 时序预测常用模型 3、 评估预测值的准确度指标 Ø 平均绝对误差MAD Ø 均方差MSE/RMSE Ø 平均误差率MAPE 4、 移动平均（MA） Ø 应用场景及原理 Ø 移动平均种类 ² 一次移动平均 ² 二次移动平均 ² 加权移动平均 ² 移动平均比率法 Ø 移动平均关键问题 ² 期数N的最佳选择方法 ² 最优权重系数的选取方法 演练：平板电脑销量预测及评估 演练：快销产品季节销量预测及评估 5、 指数平滑（ES） Ø 应用场景及原理 Ø 最优平滑系数的选取原则 Ø 指数平滑种类 ² 一次指数平滑 ² 二次指数平滑（Brown线性、Holt线性、Holt指数、阻尼线性、阻尼指数） ² 三次指数平滑 演练：煤炭产量预测 演练：航空旅客量预测及评估 6、 温特斯季节预测模型 Ø 适用场景及原理 Ø Holt-Winters加法模型 Ø Holt-Winters乘法模型 演练：汽车销量预测及评估 7、 回归季节预测模型 Ø 季节性回归模型的参数 Ø 常用季节性预测模型（相加、相乘） 案例：美国航空旅客里程的季节性趋势分析 案例：产品销售季节性趋势预测分析 8、 ARIMA模型 Ø 适用场景及原理 Ø ARIMA操作 演练：上海证券交易所综合指数收益率序列分析 演练：服装销售数据季节性趋势预测分析 9、 新产品销量预测 Ø 新产品累计销量的S曲线 Ø 如何评估销量增长的拐点 Ø 珀尔曲线与龚铂兹曲线 案例：如何预测产品的销售增长拐点，以及销量上限 演练：预测IPad产品的销量 第九部分： 客户行为预测—分类预测篇问题：如何评估客户购买产品的可能性？如何预测客户的购买行为？如何提取某类客户的典型特征？如何向客户精准推荐产品或业务？ 1、 分类模型概述 2、 常见分类预测模型 3、 逻辑回归（LR） Ø 逻辑回归模型原理及适用场景 Ø 逻辑回归的种类 ² 二项逻辑回归 ² 多项逻辑回归 Ø 如何解读逻辑回归方程 Ø 带分类自变量的逻辑回归分析 Ø 多元逻辑回归 案例：如何评估用户是否会购买某产品（二元逻辑回归） 案例：多品牌选择模型分析（多元逻辑回归） 4、 分类决策树（DT） 问题：如何预测客户行为？如何识别潜在客户？ 风控：如何识别欠贷者的特征，以及预测欠贷概率？ 客户保有：如何识别流失客户特征，以及预测客户流失概率？ Ø 决策树分类简介 案例：美国零售商（Target）如何预测少女怀孕 Ø 演练：识别银行欠货风险，提取欠贷者的特征 Ø 构建决策树的三个关键问题 ² 如何选择最佳属性来构建节点 ² 如何分裂变量 ² 修剪决策树 Ø 如何评估分类性能？如何选择最优分类模型？ 案例：商场酸奶购买用户特征提取 案例：客户流失预警与客户挽留 案例：识别拖欠银行货款者的特征，避免不良货款 案例：识别电信诈骗者嘴脸，让通信更安全 5、 人工神经网络（ANN） Ø 神经网络概述 Ø 神经网络基本原理 Ø 神经网络的结构 Ø 神经网络的建立步骤 Ø 神经网络的关键问题 Ø BP反向传播网络（MLP） Ø 径向基网络（RBF） 案例：评估银行用户拖欠货款的概率 第十部分： 市场细分模型问题：我们的客户有几类？各类特征是什么？如何实现客户细分，开发符合细分市场的新产品？如何提取客户特征，从而对产品进行市场定位？ 1、 市场细分的常用方法 Ø 有指导细分 Ø 无指导细分 2、 聚类分析 Ø 如何更好的了解客户群体和市场细分？ Ø 如何识别客户群体特征？ Ø 如何确定客户要分成多少适当的类别？ Ø 聚类方法原理介绍 Ø 聚类方法作用及其适用场景 Ø 聚类分析的种类 Ø K均值聚类（快速聚类） 案例：移动三大品牌细分市场合适吗？ 演练：宝洁公司如何选择新产品试销区域？ 演练：如何评选优秀员工？ 演练：中国各省份发达程度分析，让数据自动聚类 Ø 层次聚类（系统聚类）：发现多个类别 Ø R型聚类与Q型聚类的区别 案例：中移动如何实现客户细分及营销策略 演练：中国省市经济发展情况分析（Q型聚类） 演练：裁判评分的标准衡量，避免“黑哨”（R型聚类） Ø 两步聚类 3、 客户细分与PCA分析法 Ø PCA主成分分析的原理 Ø PCA分析法的适用场景 演练：利用PCA对汽车客户群进行细分 演练：如何针对汽车客户群设计汽车 第十一部分： 客户价值分析营销问题：如何评估客户的价值？不同的价值客户有何区别对待？ 1、 如何评价客户生命周期的价值 Ø 贴现率与留存率 Ø 评估客户的真实价值 Ø 使用双向表衡量属性敏感度 Ø 变化的边际利润 案例：评估营销行为的合理性 2、 RFM模型（客户价值评估） Ø RFM模型，更深入了解你的客户价值 Ø RFM模型与市场策略 Ø RFM模型与活跃度分析 案例：客户价值评估与促销名单 案例：重购用户特征分析 第十二部分： 产品推荐模型问题：购买A产品的顾客还常常要购买其他什么产品？应该给客户推荐什么产品最有可能被接受？ 1、 常用产品推荐模型 2、 关联分析 Ø 如何制定套餐，实现交叉/捆绑销售 案例：啤酒与尿布、飓风与蛋挞 Ø 关联分析模型原理（Association） Ø 关联规则的两个关键参数 ² 支持度 ² 置信度 Ø 关联分析的适用场景 案例：购物篮分析与产品捆绑销售/布局优化 案例：理财产品的交叉销售与产品推荐 第十三部分： 产品定价策略及最优定价营销问题：产品如何实现最估定价？套餐价格如何确定？采用哪些定价策略可达到利润最大化？ 1、 常见的定价方法 2、 产品定价的理论依据 Ø 需求曲线与利润最大化 Ø 如何求解最优定价 案例：产品最优定价求解 3、 如何评估需求曲线 Ø 价格弹性 Ø 曲线方程（线性、乘幂） 4、 如何做产品组合定价 5、 如何做产品捆绑/套餐定价 Ø 最大收益定价（演进规划求解） Ø 避免价格反转的套餐定价 案例：电信公司的宽带、IPTV、移动电话套餐定价 6、 非线性定价原理 Ø 要理解支付意愿曲线 Ø 支付意愿曲线与需求曲线的异同 案例：双重收费如何定价（如会费+按次计费） 7、 阶梯定价策略 案例：电力公司如何做阶梯定价 8、 数量折扣定价策略 案例：如何通过折扣来实现薄利多销 9、 定价策略的评估与选择 案例：零售公司如何选择最优定价策略 10、 航空公司的收益管理 Ø 收益管理介绍 Ø 如何确定机票预订限制 Ø 如何确定机票超售数量 Ø 如何评估模型的收益 案例：FBN航空公司如何实现收益管理（预订/超售） 第十四部分： 实战篇(电信业客户流失分析模型)1、电信业客户流失预警与客户挽留模型 2、银行欠贷风险预测模型 结束：课程总结与问题答疑。
| 
