課程時長    

* 2天    

有何收獲？    

* 了解大數(shù)據(jù)營銷內(nèi)容，掌握大數(shù)據(jù)在營銷中的應(yīng)用。    

* 了解基本的營銷理論，并學(xué)會基于營銷理念來展開大數(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軟件解決實際的營銷問題（比如定價/因素影響/預(yù)測/客戶需求/客戶價值/市場細分等）。    

先決條件？    

* 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，但希望掌握數(shù)據(jù)分析的相關(guān)人員。    

* 每個學(xué)員自備一臺便攜機(必須)。    

* 便攜機中事先安裝好Excel 2013版本及以上。    

* 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(shù)據(jù)源。    

為何參加？    

本課程從實際的市場營銷問題出發(fā)，構(gòu)建數(shù)據(jù)分析與數(shù)據(jù)挖掘模型，以解決實際的商業(yè)問題。并對大數(shù)據(jù)分析與挖掘技術(shù)進行了全面的介紹，通過從大量的市場營銷數(shù)據(jù)中分析潛在的客戶特征，挖掘客戶行為特點，實現(xiàn)精準營銷，幫助市場營銷團隊深入理解業(yè)務(wù)運作，支持業(yè)務(wù)策略制定以及運營決策。    

本課程突出數(shù)據(jù)分析的實際應(yīng)用，結(jié)合行業(yè)的典型應(yīng)用特點，圍繞實際的商業(yè)問題，進行大數(shù)據(jù)的分析與挖掘，介紹常用的模型，以及模型適用場景，通過演練操作，以達到提升學(xué)員對營銷數(shù)據(jù)的分析以及對數(shù)據(jù)模型的深入理解。    

課程大綱    

第一模塊：大數(shù)據(jù)實現(xiàn)精準營銷    

* 傳統(tǒng)營銷的困境與挑戰(zhàn)    

* 營銷理論的變革（4P(4C(nPnC）    

* 大數(shù)據(jù)引領(lǐng)傳統(tǒng)營銷    

* 大數(shù)據(jù)在營銷中的典型應(yīng)用    

> 市場定位與客戶細分    

> 客戶需求與產(chǎn)品設(shè)計    

> 精準廣告與精準推薦    

> ……    

* 大數(shù)據(jù)營銷的基石：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)來支撐手機精準營銷項目    

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)價值實現(xiàn)的三個關(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”的營業(yè)員（用數(shù)據(jù)管理來識別）    

* 從案例看數(shù)據(jù)信息化    

> 用趨勢圖來探索產(chǎn)品銷量規(guī)律    

> 從谷歌的GFT產(chǎn)品探索用戶需求變化    

> 從美國總統(tǒng)競選看大數(shù)據(jù)對選民行為進行分析    

> 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--觀點表達    

> 選擇恰當(dāng)?shù)膱D表    

> 選擇合適的可視化工具    

* 步驟6：報表撰寫--觀點表達    

> 選擇報告種類    

> 完整的報告結(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)來支撐手機精準營銷項目    

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)精準營銷的前提：用戶行為分析    

* 數(shù)據(jù)分析方法的層次    

> 基本分析法（對比/分組/結(jié)構(gòu)/趨勢/…）    

> 綜合分析法（交叉/綜合評價/杜邦/漏斗/…）    

> 高級分析法（相關(guān)/方差/驗證/回歸/時序/…）    

> 數(shù)據(jù)挖掘法（聚類/分類/關(guān)聯(lián)/RFM模型/…）    

* 統(tǒng)計分析常用指標    

> 計數(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/標準差、    

> 分布形態(tài)：偏度、峰度    

* 基本分析方法及其適用場景    

> 對比分析（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(xué)排班人數(shù)需求分析（客服中心）    

演練：客戶年齡分布/消費分布分析    

> 結(jié)構(gòu)分析（評估事物構(gòu)成）    

案例：用戶市場占比結(jié)構(gòu)分析    

案例：物流費用占比結(jié)構(gòu)分析（物流）    

案例：中移動用戶群動態(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    

> 趨勢分析（發(fā)現(xiàn)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(xiàn)產(chǎn)品銷售的時間規(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景    

> 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）    

> 杜邦分析法（關(guān)鍵因素分析-財務(wù)數(shù)據(jù)分析）    

案例：運營商市場占有率分析（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：時間    

> WHERE：區(qū)域/渠道    

> HOW：支付方式    

> HOW MUCH：價格    

案例討論：結(jié)合公司情況，搭建用戶消費習(xí)慣的分析框架（5W2H）    

第六模塊：影響因素分析    

營銷問題：哪些是影響市場銷量的關(guān)鍵因素？比如，產(chǎn)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(fēng)險控制的關(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景    

> 單因素分析/多因素分析    

案例：終端陳列位置對銷量的影響分析    

案例：廣告形式、地區(qū)對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    

營銷問題：如何預(yù)測未來的產(chǎn)品銷量？如果產(chǎn)品跟隨季節(jié)性變動，該如何預(yù)測？新產(chǎn)品上市，如果評估銷量上限及銷售增速？    

* 銷量預(yù)測與市場預(yù)測模型介紹    

> 時序預(yù)測    

> 回歸模型    

* 回歸分析/回歸預(yù)測    

問題：如何預(yù)測未來的銷售量（定量分析）？    

> 回歸分析簡介    

> 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    

- 散點圖+趨勢線    

- 線性回歸工具    

- 規(guī)劃求解工具    

演練：散點圖找營銷費用與銷售額的關(guān)系（一元回歸）    

> 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(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)測模型質(zhì)量    

- 評估指標：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)測模型（一元曲線回歸）    

> 預(yù)測值準確性評估    

- MAD、MSE/RMSE、MAPE等    

演練：如何選擇最佳的回歸預(yù)測模型（一元曲線回歸）    

> 帶分類變量的回歸預(yù)測    

演練：汽車季度銷量預(yù)測    

演練：工齡、性別與終端銷量的關(guān)系    

演練：如何評估銷售目標與資源配置（營業(yè)廳）    

* 時序預(yù)測模型    

第八模塊：客戶行為預(yù)測    

問題：如何評估客戶購買產(chǎn)品的可能性？如何預(yù)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(chǎn)品或業(yè)務(wù)？    

* 分類模型概述    

* 常見分類預(yù)測模型    

* 邏輯回歸模型    

> 邏輯回歸模型原理及適用場景    

> 邏輯回歸的種類    

- 二項邏輯回歸    

- 多項邏輯回歸    

> 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：如何評估用戶是否會購買某產(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)測客戶行為？如何識別潛在客戶？    

風(fēng)控：如何識別欠貸者的特征，以及預(yù)測欠貸概率？    

客戶保有：如何識別流失客戶特征，以及預(yù)測客戶流失概率？    

> 決策樹分類簡介    

案例：美國零售商（Target）如何預(yù)測少女懷孕    

演練：識別銀行欠貨風(fēng)險，提取欠貸者的特征    

> 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(yù)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    

結(jié)束：課程總結(jié)與問題答疑。    

相關(guān)課程    

作為市場營銷人員，你可能還會對《市場營銷數(shù)據(jù)的分析與挖掘》、《市場營銷創(chuàng)新策略》感興趣    

想要在數(shù)據(jù)分析方面更進一步，你可能需要學(xué)習(xí)《讓你的分析報告更具說服力——Excel高效數(shù)據(jù)分析之道》、《用powerBI玩轉(zhuǎn)數(shù)據(jù)分析》    

師資簡介    

傅 先生    

* 背景經(jīng)歷      

華為系大數(shù)據(jù)專家    

計算機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，五篇國家專利，在華為工作期間獲得華為數(shù)項獎項，在英國、日本、荷蘭等國家做項目    

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)實際的問題。將大數(shù)據(jù)應(yīng)用于運營決策，幫助企業(yè)提升運營決策能力應(yīng)用于市場營銷，通過大數(shù)據(jù)營銷，解決營銷中的用戶群細分，產(chǎn)品設(shè)計優(yōu)化，產(chǎn)品最優(yōu)定價，精準營銷，精準推薦等實際問題，提升營銷效果，節(jié)省營銷費用，以及市場預(yù)測、用戶行為預(yù)測等    

* 擅長領(lǐng)域    

《大數(shù)據(jù)分析與數(shù)據(jù)挖掘綜合能力提升實戰(zhàn)》《“數(shù)”說營銷----大數(shù)據(jù)營銷實戰(zhàn)與沙盤》《大數(shù)據(jù)建模與模型優(yōu)化實戰(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)時代的精準營銷》    

《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)實戰(zhàn)》    

* 服務(wù)客戶    

華為、富士康、平安集團、中國銀行、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、中國移動、中國聯(lián)通、中國電信、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、廣州稅務(wù)、良品鋪子等單位和公司。    

* 學(xué)員反饋    

傅老師的課程，開拓了我營銷的思維，大數(shù)據(jù)營銷，重在利用數(shù)據(jù)為營銷服務(wù)。用戶細分、用戶特征提取、營銷費用預(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    

——劉經(jīng)理（貴州某運營商）