高度決定眼界、專業(yè)創(chuàng)造價(jià)值！中國(guó)規(guī)模最大、實(shí)力最強(qiáng)的培訓(xùn)服務(wù)提供商！
24小時(shí)服務(wù)熱線：020-31041068
24小時(shí)服務(wù)熱線：020-31041068
課程時(shí)長(zhǎng)
* 2天
* 了解大數(shù)據(jù)營(yíng)銷內(nèi)容，掌握大數(shù)據(jù)在營(yíng)銷中的應(yīng)用。
* 了解基本的營(yíng)銷理論，并學(xué)會(huì)基于營(yíng)銷理念來展開大數(shù)據(jù)分析。
* 熟悉數(shù)據(jù)分析/挖掘的基本過程，掌握常用的數(shù)據(jù)挖掘方法。
* 熟悉Excel數(shù)據(jù)分析工具，能夠利用Excel和SPSS軟件解決實(shí)際的營(yíng)銷問題（比如定價(jià)/因素影響/預(yù)測(cè)/客戶需求/客戶價(jià)值/市場(chǎng)細(xì)分等）。
* 本課程由淺入深，結(jié)合原理主講軟件工具應(yīng)用，不需要太深的數(shù)學(xué)知識(shí)，但希望掌握數(shù)據(jù)分析的相關(guān)人員。
* 每個(gè)學(xué)員自備一臺(tái)便攜機(jī)(必須)。
* 便攜機(jī)中事先安裝好Excel 2013版本及以上。
* 便攜機(jī)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(shù)據(jù)源。
本課程從實(shí)際的市場(chǎng)營(yíng)銷問題出發(fā)，構(gòu)建數(shù)據(jù)分析與數(shù)據(jù)挖掘模型，以解決實(shí)際的商業(yè)問題。并對(duì)大數(shù)據(jù)分析與挖掘技術(shù)進(jìn)行了全面的介紹，通過從大量的市場(chǎng)營(yíng)銷數(shù)據(jù)中分析潛在的客戶特征，挖掘客戶行為特點(diǎn)，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷，幫助市場(chǎng)營(yíng)銷團(tuán)隊(duì)深入理解業(yè)務(wù)運(yùn)作，支持業(yè)務(wù)策略制定以及運(yùn)營(yíng)決策。
本課程突出數(shù)據(jù)分析的實(shí)際應(yīng)用，結(jié)合行業(yè)的典型應(yīng)用特點(diǎn)，圍繞實(shí)際的商業(yè)問題，進(jìn)行大數(shù)據(jù)的分析與挖掘，介紹常用的模型，以及模型適用場(chǎng)景，通過演練操作，以達(dá)到提升學(xué)員對(duì)營(yíng)銷數(shù)據(jù)的分析以及對(duì)數(shù)據(jù)模型的深入理解。
第一模塊：大數(shù)據(jù)實(shí)現(xiàn)精準(zhǔn)營(yíng)銷
* 傳統(tǒng)營(yíng)銷的困境與挑戰(zhàn)
* 營(yíng)銷理論的變革（4P(4C(nPnC）
* 大數(shù)據(jù)引領(lǐng)傳統(tǒng)營(yíng)銷
* 大數(shù)據(jù)在營(yíng)銷中的典型應(yīng)用
> 市場(chǎng)定位與客戶細(xì)分
> 客戶需求與產(chǎn)品設(shè)計(jì)
> 精準(zhǔn)廣告與精準(zhǔn)推薦
> ……
* 大數(shù)據(jù)營(yíng)銷的基石：用戶畫像
* 客戶生存周期中的大數(shù)據(jù)應(yīng)用
演練：如何用大數(shù)據(jù)來支撐手機(jī)精準(zhǔn)營(yíng)銷項(xiàng)目
第二模塊：大數(shù)據(jù)基礎(chǔ)-數(shù)據(jù)思維
問題：大數(shù)據(jù)的核心價(jià)值是什么？大數(shù)據(jù)是怎樣用于業(yè)務(wù)決策？
* 大數(shù)據(jù)時(shí)代：你缺的不是一堆方法，而是大數(shù)據(jù)思維
* 大數(shù)據(jù)是探索事物發(fā)展和變化規(guī)律的工具
* 大數(shù)據(jù)價(jià)值實(shí)現(xiàn)的三個(gè)關(guān)鍵環(huán)節(jié)
> 業(yè)務(wù)數(shù)據(jù)化
> 數(shù)據(jù)信息化
> 信息策略化
案例：喜歡賺“差價(jià)”的營(yíng)業(yè)員（用數(shù)據(jù)管理來識(shí)別）
* 從案例看數(shù)據(jù)信息化
> 用趨勢(shì)圖來探索產(chǎn)品銷量規(guī)律
> 從谷歌的GFT產(chǎn)品探索用戶需求變化
> 從美國(guó)總統(tǒng)競(jìng)選看大數(shù)據(jù)對(duì)選民行為進(jìn)行分析
> 從大數(shù)據(jù)炒股看大數(shù)據(jù)如何探索因素的相關(guān)性
* 數(shù)據(jù)分析的三大作用
* 數(shù)據(jù)分析的三大類別
* 數(shù)據(jù)分析需要什么樣的能力
> 懂業(yè)務(wù)、懂管理、懂分析、懂工具、懂呈現(xiàn)
第三模塊：大數(shù)據(jù)基礎(chǔ)-分析過程
* 數(shù)據(jù)分析的六步曲
* 步驟1：明確目的--理清思路
> 確定分析目的：要解決什么樣的業(yè)務(wù)問題
> 確定分析思路：分解業(yè)務(wù)問題，構(gòu)建分析框架
* 步驟2：數(shù)據(jù)收集—理清思路
> 明確收集數(shù)據(jù)范圍
> 確定收集來源
> 確定收集方法
* 步驟3：數(shù)據(jù)預(yù)處理—尋找答案
> 數(shù)據(jù)質(zhì)量評(píng)估
> 數(shù)據(jù)清洗、數(shù)據(jù)處理和變量處理
> 探索性分析
* 步驟4：數(shù)據(jù)分析--尋找答案
> 選擇合適的分析方法
> 構(gòu)建合適的分析模型
> 選擇合適的分析工具
* 步驟5：數(shù)據(jù)展示--觀點(diǎn)表達(dá)
> 選擇恰當(dāng)?shù)膱D表
> 選擇合適的可視化工具
* 步驟6：報(bào)表撰寫--觀點(diǎn)表達(dá)
> 選擇報(bào)告種類
> 完整的報(bào)告結(jié)構(gòu)
* 數(shù)據(jù)分析的三大誤區(qū)
演練：如何用大數(shù)據(jù)來支撐手機(jī)精準(zhǔn)營(yíng)銷項(xiàng)目
第四模塊：用戶行為分析—方法篇
問題：數(shù)據(jù)分析有什么方法可依?不同的方法適用解決什么樣的問題？
* 大數(shù)據(jù)精準(zhǔn)營(yíng)銷的前提：用戶行為分析
* 數(shù)據(jù)分析方法的層次
> 基本分析法（對(duì)比/分組/結(jié)構(gòu)/趨勢(shì)/…）
> 綜合分析法（交叉/綜合評(píng)價(jià)/杜邦/漏斗/…）
> 高級(jí)分析法（相關(guān)/方差/驗(yàn)證/回歸/時(shí)序/…）
> 數(shù)據(jù)挖掘法（聚類/分類/關(guān)聯(lián)/RFM模型/…）
* 統(tǒng)計(jì)分析常用指標(biāo)
> 計(jì)數(shù)、求和、百分比（增跌幅）
> 集中程度：均值、中位數(shù)、眾數(shù)
> 離散程度：極差、方差/標(biāo)準(zhǔn)差、
> 分布形態(tài)：偏度、峰度
* 基本分析方法及其適用場(chǎng)景
> 對(duì)比分析（查看數(shù)據(jù)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(chǎn)品
演練：用數(shù)據(jù)來探索增量不增收困境的解決方案
案例：銀行ATM柜員機(jī)現(xiàn)金管理分析（銀行）
> 分組分析（查看數(shù)據(jù)分布）
案例：排班后面隱藏的貓膩
案例：通信運(yùn)營(yíng)商的流量套餐劃分合理性的評(píng)估
演練：銀行用戶消費(fèi)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(xué)排班人數(shù)需求分析（客服中心）
演練：客戶年齡分布/消費(fèi)分布分析
> 結(jié)構(gòu)分析（評(píng)估事物構(gòu)成）
案例：用戶市場(chǎng)占比結(jié)構(gòu)分析
案例：物流費(fèi)用占比結(jié)構(gòu)分析（物流）
案例：中移動(dòng)用戶群動(dòng)態(tài)結(jié)構(gòu)分析
演練：用戶結(jié)構(gòu)/收入結(jié)構(gòu)/產(chǎn)品結(jié)構(gòu)的分析
> 趨勢(shì)分析（發(fā)現(xiàn)事物隨時(shí)間的變化規(guī)律）
案例：破解零售店銷售規(guī)律
案例：手機(jī)銷量的淡旺季分析
演練：發(fā)現(xiàn)產(chǎn)品銷售的時(shí)間規(guī)律
> 交叉分析（多維數(shù)據(jù)分析）
演練：用戶性別+地域分布分析
演練：不同區(qū)域的產(chǎn)品偏好分析
演練：不同教育水平的業(yè)務(wù)套餐偏好分析
* 綜合分析方法及其適用場(chǎng)景
> 綜合評(píng)價(jià)法（多維指標(biāo)歸一）
案例：南京丈母娘選女婿分析表格
演練：人才選拔評(píng)價(jià)分析（HR）
> 杜邦分析法（關(guān)鍵因素分析-財(cái)務(wù)數(shù)據(jù)分析）
案例：運(yùn)營(yíng)商市場(chǎng)占有率分析（通信）
案例：服務(wù)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）
> 漏斗分析法（關(guān)鍵流程環(huán)節(jié)分析-流失率與轉(zhuǎn)化率分析）
案例：電商產(chǎn)品銷售流程優(yōu)化與策略分析（電商）
演練：營(yíng)業(yè)廳終端銷售流程分析（電信）
演練：銀行業(yè)務(wù)辦理流程優(yōu)化分析（銀行）
> 矩陣分析法（產(chǎn)品策略分析-象限圖分析法）
案例：工作安排評(píng)估
案例：HR人員考核與管理
案例：波士頓產(chǎn)品策略分析
* 最合適的分析方法才是硬道理。
第五模塊：用戶行為分析—思路篇
問題：數(shù)據(jù)分析思路是怎樣的？如何才能全面/系統(tǒng)地分析而不遺漏？
* 常用分析思路模型
* 用戶行為分析（5W2H分析思路）
> WHY：原因
> WHAT：產(chǎn)品
> WHO：客戶
> WHEN：時(shí)間
> WHERE：區(qū)域/渠道
> HOW：支付方式
> HOW MUCH：價(jià)格
案例討論：結(jié)合公司情況，搭建用戶消費(fèi)習(xí)慣的分析框架（5W2H）
第六模塊：影響因素分析
營(yíng)銷問題：哪些是影響市場(chǎng)銷量的關(guān)鍵因素？比如，產(chǎn)品在貨架上的位置是否對(duì)銷量有影響？?jī)r(jià)格和廣告開銷是如何影響銷量的？
影響風(fēng)險(xiǎn)控制的關(guān)鍵因素有哪些？如何判斷？
* 影響因素分析的常見方法
* 相關(guān)分析（因素影響的相關(guān)性分析，相關(guān)程度計(jì)算）
> 相關(guān)系數(shù)
> 解讀相關(guān)系數(shù)
案例：體重與腰圍的相關(guān)分析
案例：推廣費(fèi)用與銷售金額的相關(guān)分析
* 方差分析（影響關(guān)鍵因素分析，影響因素組合分析）
> 方差分析模型及適用場(chǎng)景
> 單因素分析/多因素分析
案例：終端陳列位置對(duì)銷量的影響分析
案例：廣告形式、地區(qū)對(duì)銷量的影響因素分析
* 列聯(lián)分析（影響關(guān)鍵因素分析）
> 交叉表與列聯(lián)表
> 卡方檢驗(yàn)的原理
案例：套餐類型與客戶流失是否有關(guān)系？
案例：學(xué)歷與套餐偏好的關(guān)系分析
第七模塊：產(chǎn)品銷量預(yù)測(cè)
營(yíng)銷問題：如何預(yù)測(cè)未來的產(chǎn)品銷量？如果產(chǎn)品跟隨季節(jié)性變動(dòng)，該如何預(yù)測(cè)？新產(chǎn)品上市，如果評(píng)估銷量上限及銷售增速？
* 銷量預(yù)測(cè)與市場(chǎng)預(yù)測(cè)模型介紹
> 時(shí)序預(yù)測(cè)
> 回歸模型
* 回歸分析/回歸預(yù)測(cè)
問題：如何預(yù)測(cè)未來的銷售量（定量分析）？
> 回歸分析簡(jiǎn)介
> 回歸分析的種類（一元/多元、線性/曲線）
> 得到回歸方程的常用工具
- 散點(diǎn)圖+趨勢(shì)線
- 線性回歸工具
- 規(guī)劃求解工具
演練：散點(diǎn)圖找營(yíng)銷費(fèi)用與銷售額的關(guān)系（一元回歸）
> 線性回歸分析的五個(gè)步驟
演練：營(yíng)銷費(fèi)用、辦公費(fèi)用與銷售額的關(guān)系（線性回歸）
> 解讀線性回歸分析結(jié)果的技巧
- 定性描述：正相關(guān)/負(fù)相關(guān)
- 定量描述：自變量變化導(dǎo)致因變量的變化程度
> 回歸預(yù)測(cè)模型質(zhì)量
- 評(píng)估指標(biāo)：判定系數(shù)R^2、
- 如何選擇最佳回歸模型
演練：如何選擇最佳的回歸預(yù)測(cè)模型（一元曲線回歸）
> 預(yù)測(cè)值準(zhǔn)確性評(píng)估
- MAD、MSE/RMSE、MAPE等
演練：如何選擇最佳的回歸預(yù)測(cè)模型（一元曲線回歸）
> 帶分類變量的回歸預(yù)測(cè)
演練：汽車季度銷量預(yù)測(cè)
演練：工齡、性別與終端銷量的關(guān)系
演練：如何評(píng)估銷售目標(biāo)與資源配置（營(yíng)業(yè)廳）
* 時(shí)序預(yù)測(cè)模型
第八模塊：客戶行為預(yù)測(cè)
問題：如何評(píng)估客戶購(gòu)買產(chǎn)品的可能性？如何預(yù)測(cè)客戶的購(gòu)買行為？如何提取某類客戶的典型特征？如何向客戶精準(zhǔn)推薦產(chǎn)品或業(yè)務(wù)？
* 分類模型概述
* 常見分類預(yù)測(cè)模型
* 邏輯回歸模型
> 邏輯回歸模型原理及適用場(chǎng)景
> 邏輯回歸的種類
- 二項(xiàng)邏輯回歸
- 多項(xiàng)邏輯回歸
> 如何解讀邏輯回歸方程
> 帶分類自變量的邏輯回歸分析
> 多元邏輯回歸
案例：如何評(píng)估用戶是否會(huì)購(gòu)買某產(chǎn)品（二元邏輯回歸）
案例：多品牌選擇模型分析（多元邏輯回歸）
* 分類決策樹
問題：如何預(yù)測(cè)客戶行為？如何識(shí)別潛在客戶？
風(fēng)控：如何識(shí)別欠貸者的特征，以及預(yù)測(cè)欠貸概率？
客戶保有：如何識(shí)別流失客戶特征，以及預(yù)測(cè)客戶流失概率？
> 決策樹分類簡(jiǎn)介
案例：美國(guó)零售商（Target）如何預(yù)測(cè)少女懷孕
演練：識(shí)別銀行欠貨風(fēng)險(xiǎn)，提取欠貸者的特征
> 如何評(píng)估分類性能？如何選擇最優(yōu)分類模型？
案例：商場(chǎng)酸奶購(gòu)買用戶特征提取
案例：客戶流失預(yù)警與客戶挽留
案例：識(shí)別拖欠銀行貨款者的特征，避免不良貨款
案例：識(shí)別電信詐騙者嘴臉，讓通信更安全
結(jié)束：課程總結(jié)與問題答疑。
相關(guān)課程
作為市場(chǎng)營(yíng)銷人員，你可能還會(huì)對(duì)《市場(chǎng)營(yíng)銷數(shù)據(jù)的分析與挖掘》、《市場(chǎng)營(yíng)銷創(chuàng)新策略》感興趣
想要在數(shù)據(jù)分析方面更進(jìn)一步，你可能需要學(xué)習(xí)《讓你的分析報(bào)告更具說服力——Excel高效數(shù)據(jù)分析之道》、《用powerBI玩轉(zhuǎn)數(shù)據(jù)分析》
傅 先生
* 背景經(jīng)歷
華為系大數(shù)據(jù)專家
計(jì)算機(jī)軟件與理論碩士研究生（研究方向：數(shù)據(jù)挖掘、搜索引擎）
曾在華為工作十年，五篇國(guó)家專利，在華為工作期間獲得華為數(shù)項(xiàng)獎(jiǎng)項(xiàng)，在英國(guó)、日本、荷蘭等國(guó)家做項(xiàng)目
專注于大數(shù)據(jù)分析與挖掘等應(yīng)用技術(shù)，以及大數(shù)據(jù)系統(tǒng)部署解決方案。旨在將大數(shù)據(jù)的數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)建模應(yīng)用于行業(yè)及商業(yè)領(lǐng)域，解決行業(yè)實(shí)際的問題。將大數(shù)據(jù)應(yīng)用于運(yùn)營(yíng)決策，幫助企業(yè)提升運(yùn)營(yíng)決策能力應(yīng)用于市場(chǎng)營(yíng)銷，通過大數(shù)據(jù)營(yíng)銷，解決營(yíng)銷中的用戶群細(xì)分，產(chǎn)品設(shè)計(jì)優(yōu)化，產(chǎn)品最優(yōu)定價(jià)，精準(zhǔn)營(yíng)銷，精準(zhǔn)推薦等實(shí)際問題，提升營(yíng)銷效果，節(jié)省營(yíng)銷費(fèi)用，以及市場(chǎng)預(yù)測(cè)、用戶行為預(yù)測(cè)等
* 擅長(zhǎng)領(lǐng)域
《大數(shù)據(jù)分析與數(shù)據(jù)挖掘綜合能力提升實(shí)戰(zhàn)》《“數(shù)”說營(yíng)銷----大數(shù)據(jù)營(yíng)銷實(shí)戰(zhàn)與沙盤》《大數(shù)據(jù)建模與模型優(yōu)化實(shí)戰(zhàn)培訓(xùn)》
《大數(shù)據(jù)產(chǎn)業(yè)現(xiàn)狀及應(yīng)用創(chuàng)新》《大數(shù)據(jù)戰(zhàn)略與商業(yè)變革》《大數(shù)據(jù)時(shí)代的精準(zhǔn)營(yíng)銷》
《Hadoop大數(shù)據(jù)解決方案開發(fā)技術(shù)基礎(chǔ)培訓(xùn)》《大數(shù)據(jù)分析與挖掘之Python開發(fā)實(shí)戰(zhàn)》
* 服務(wù)客戶
華為、富士康、平安集團(tuán)、中國(guó)銀行、招商銀行、光大銀行、中信銀行、交通銀行、廣電銀通、西部航空、海南航空、中國(guó)移動(dòng)、中國(guó)聯(lián)通、中國(guó)電信、西部航空、安能物流、廣州地鐵、富維江森、東風(fēng)日產(chǎn)、神南礦業(yè)、公交集團(tuán)、廣州稅務(wù)、良品鋪?zhàn)拥葐挝缓凸尽?
* 學(xué)員反饋
傅老師的課程，開拓了我營(yíng)銷的思維，大數(shù)據(jù)營(yíng)銷，重在利用數(shù)據(jù)為營(yíng)銷服務(wù)。用戶細(xì)分、用戶特征提取、營(yíng)銷費(fèi)用預(yù)算、客戶流失預(yù)警，原來可以這樣利用大數(shù)據(jù)，以后不再需要“拍腦袋”了
——?jiǎng)⒔?jīng)理（貴州某運(yùn)營(yíng)商）
李竹
徐良柱
呂軍
陳杰
彭進(jìn)
許麗潔