百林哲课程

一线技术专家团队——提供关键岗位人才培养体系设计与开发等一系列研发管理培训咨询课程。用产品化、场景化、国际化的视角,分享卓越研发管理实践。具有以下鲜明特点:

1、课程研发专业迅速
2、国内顶尖一线技术专家
3、极致用户服务体验

全部课程

最新公开课

微服务架构设计与实践(二)

2019.01.11 - 2019.01.13 深圳.

课程日历

百林哲专家

携手全球知名一线技术专家团队分享软件研发技术管理实践,国内一线、一手研发管理实践,行业智库。

成为专家
用户登录
您当前的位置:首页>全部课程>大数据营销实战训练营

大数据营销实战训练营

浏览:152次

一、课程简介:

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。

 

 

【课程目标】

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

【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。

二、课程周期:

       2天

三、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

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、 大数据是探索事物发展和变化规律的工具

3、 大数据价值实现的三个关键环节

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)

4、 从案例看数据信息化

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 从美国总统竞选看大数据对选民行为进行分析

Ø 从大数据炒股看大数据如何探索因素的相关性

5、 数据分析的三大作用

6、 数据分析的三大类别

7、 数据分析需要什么样的能力

Ø 懂业务、懂管理、懂分析、懂工具、懂呈现

第三部分: 大数据基础-分析过程

1、 数据分析的六步曲

2、 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

3、 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

4、 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

5、 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

6、 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

7、 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

8、 数据分析的三大误区

演练:如何用大数据来支撑手机精准营销项目

 

第四部分: 用户行为分析—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 基本分析法(对比/分组/结构/趋势/…)

Ø 综合分析法(交叉/综合评价/杜邦/漏斗/…)

Ø 高级分析法(相关/方差/验证/回归/时序/…)

Ø 数据挖掘法(聚类/分类/关联/RFM模型/…)

3、 统计分析常用指标

Ø 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

4、 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

5、 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

6、 最合适的分析方法才是硬道理。

第五部分: 用户行为分析—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

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(因素影响的相关性分析,相关程度计算)

Ø 相关系数

Ø 解读相关系数

案例:体重与腰围的相关分析

案例:推广费用与销售金额的相关分析

3、 方差分析(影响关键因素分析,影响因素组合分析)

Ø 方差分析模型及适用场景

Ø 单因素分析/多因素分析

案例:终端陈列位置对销量的影响分析

案例:广告形式、地区对销量的影响因素分析

4、 列联分析(影响关键因素分析)

Ø 交叉表与列联表

Ø 卡方检验的原理

案例:套餐类型与客户流失是否有关系?

案例:学历与套餐偏好的关系分析

第七部分: 产品销量预测

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

² 评估指标:判定系数R^2、

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

演练:如何选择最佳的回归预测模型(一元曲线回归)

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、 时序预测模型

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、 季节性预测模型

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、 S曲线与新产品销量预测

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

第八部分: 客户行为预测

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、 逻辑回归模型

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

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 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

 

第九部分: 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

 

第十一部分: 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

3、 协同过滤

 

第十二部分: 产品设计与优化

1、 联合分析法

2、 离散选择模型

Ø 如何评估客户购买产品的概率

Ø 如何指导产品开发?如何确定产品的重要特性

Ø 竞争下的产品动态调价

Ø 如何评估产品的价格弹性

案例:产品开发与设计分析

案例:品牌价值与价格敏感度分析

案例:纳什均衡价格

3、 品牌价值评估

4、 新产品市场占有率评估

 

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。


一航

百林哲咨询(北京)有限公司专家团队成员

曾任华为技术专家,五篇技术专利,工作期间获得华为数项奖项,曾在英国、日本、荷兰等国家做项目,对大数据有深入的研究。

如您想参加此课程,您可以点击“我想参加”按钮提交您的需求,我们会及时与您联系
我要参加
将课程带入到您的团队,为您的团队进行一对一辅导。
预约内训

相关课程

大数据

大数据分析与挖掘工具之Python开发实战

本课程基于Python工具来实现大数据的数据分析和数据挖掘项目。基于业务问题,在数据挖掘标准过程指导下,采用Python分析工具,实现数据挖掘项目的每一步操作,从数据预处理、数据建模、数据可视化,到最终数据挖掘结束,帮助学员掌握Python用于数据挖掘,提升学员的数据化运营及数据挖掘的能力。

浏览:146 收藏:0
大数据

大数据挖掘工具Modeler入门与提高

随着大数据分析的需求越来越旺盛,大数据分析工具也越来越琳琅满目,然而,绝大多数的分析工具都只具有单一用途,无法满足企业的复杂的多样化的全面的业务分析需求,因此分析工具的选择成为了一个挑战。

浏览:158 收藏:0
大数据

大数据挖掘工具: SPSS Statistics入门与提高

随着大数据分析的需求越来越旺盛,大数据分析工具也越来越琳琅满目,然而,绝大多数的分析工具都只具有单一用途,无法满足企业的复杂的多样化的全面的业务分析需求,因此分析工具的选择成为了一个挑战。

浏览:156 收藏:0
大数据

大数据营销实战训练营

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。

浏览:152 收藏:0

推荐课程

华为核心竞争力打造的“道”与“法”
本课程通过华为公司核心价值链模型,阐述华为取得持续商业成本背后的核心竞争力构建的思想精髓,以及在价值创造、价值评估、价值分配三大环节,从文化、战略、流程、组织、人力资源等维度和历史阶段采用策略、方法和模板以及工具等方法,帮助成长型企业学习华为从文化到机制建设,以及技术与产品和营销如何一体化的成功的“道”与“法”。
华为企业文化与成功之道
本课程将从华为取得持续商业成功背后的三大价值链环节为主线,从文化在战略、执行、干部、绩效与激励各环节的导向、运作准则、执行方式等多维度,展开深度学习,以帮助企业激活组织、激活个体,确保组织的商业成功。
大规模数据平台架构演进与治理运营实践
于近十年在移动云平台与大数据一线做架构设计与开发的经验,深度分享运营商级别大规模数据平台的演进过程、以及数据集群的治理实践心得,包括数据治理和集群治理工程的定位、背景、组织架构和方法论、实施路径、案例分析、成果收益、对外产品化进展等重点内容。