当前位置: 首页 > 内训课程 > 课程内容
广告1
相关热门公开课程更多 》
相关热门内训课程更多 》
相关最新下载资料
数说营销--大数据营销实战培训

数说营销--大数据营销实战培训

课程编号：32123

课程价格：￥26000/天

课程时长：4 天

课程人气：290

行业类别：行业通用     

专业类别：营销管理 

授课讲师：傅一航

  • 课程说明
  • 讲师介绍
  • 选择同类课
【培训对象】
市场营销部、运营分析部、业务支撑等偏业务人员。 本课程由浅入深，结合原理主讲分析方法和常规分析工具的应用，不需要太深的数学知识，但希望掌握数据分析的相关人员。

【培训收益】


第一部分：数据核心理念—数据思维篇
问题：什么是数据思维？大数据决策的底层逻辑以及决策依据是什么？
1、数字化五大技术战略：ABCDI战略
A：人工智能，目的是用机器模拟人类行为
B：区块链，构建不可篡改的分布记账系统
C：云计算，搭建按需分配的计算资源平台
D：大数据，实现智能化的判断和决策机制
I：物联网，实现万物互联通信的基础架构
2、大数据的本质
数据，是事物发展和变化过程中留下的痕迹
大数据不在于量大，而在于全（多维性）
业务导向还是技术导向
3、大数据决策的底层逻辑（即四大核心价值）
探索业务规律，按规律来管理决策
案例：客流规律与排班及最佳营销时机
案例：致命交通事故发生的时间规律
发现运营变化，定短板来运营决策
案例：考核周期导致的员工月初懈怠
案例：工序信号异常监测设备故障
理清要素关系，找影响因素来决策
案例：情绪对于股市涨跌的影响
案例：为何升职反而会增加离职风险？
预测未来趋势，通过预判进行决策
案例：惠普预测员工离职风险及挽留
案例：保险公司的车险预测与个性化保费定价
4、大数据决策的三个关键环节
业务数据化：将业务问题转化为数据问题
数据信息化：提取数据中的业务规律信息
信息策略化：基于规律形成业务应对策略
案例：用数据来识别喜欢赚“差价”的营业员
第二部分：数据精准营销—分析过程篇
问题：大数据实现精准营销的整个过程是什么？要经历哪些步骤？如何构建精准营销的数据支撑框架？需要采集哪些数据？
1、数据分析的六步曲
明确目标，确定分析思路
收集数据，寻找分析素材
整理数据，确保数据质量
分析数据，寻找业务答案
呈现数据，解读业务规律
撰写报告，形成业务策略
2、精准营销的业务分析框架（6R准则）
寻找正确的客户
匹配正确的产品
确定合理的价格
通过合适的渠道
采用合适的方式
设计恰当的信息
演练：如何构建一个良好的大数据精准营销分析框架
3、精准营销项目的整个分析过程
演练：如何用大数据来支撑产品精准营销项目
第三部分：用户行为分析—分析方法篇
问题：数据分析方法的种类？分析方法的不同应用场景？
1、业务分析的三个阶段
现状分析：通过企业运营指标来发现规律及短板
原因分析：查找数据相关性，探寻目标影响因素
预测分析：合理配置资源，预判业务未来的趋势
2、常用的数据分析方法种类
描述性分析法（对比/分组/结构/趋势/交叉…）
相关性分析法（相关/方差/卡方…）
预测性分析法（回归/时序/决策树/神经网络…）
专题性分析法（聚类/关联/RFM模型/…）
3、统计分析基础
统计分析两大关键要素（类别、指标）
统计分析的操作模式（类别指标）
统计分析三个操作步骤（统计、画图、解读）
透视表的三个组成部分
4、常用的描述性指标
集中程度：均值、中位数、众数
离散程度：极差、方差/标准差、IQR
分布形态：偏度、峰度
5、基本分析方法及其适用场景
对比分析（查看数据差距，发现事物变化）
演练：寻找用户的地域分布特征
演练：分析产品受欢迎情况及贡献大小
演练：用数据来探索增量不增收困境的解决方案
分布分析（查看数据分布，探索业务层次）
演练：银行用户的消费水平和消费层次分析
演练：客户年龄分布/收入分布分析
案例：通信运营商的流量套餐划分合理性的评估
演练：呼叫中心接听电话效率分析（呼叫中心）
结构分析（查看指标构成，评估结构合理性）
案例：增值业务收入结构分析（通信）
案例：物流费用成本结构分析（物流）
案例：中移动用户群动态结构分析
演练：财务领域的结构瀑布图、财务收支的变化瀑布图
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
案例：微信用户的活跃时间规律
演练：发现客流量的时间规律
交叉分析（从多个维度的数据指标分析）
演练：用户性别+地域分布分析
演练：不同客户的产品偏好分析
演练：不同学历用户的套餐偏好分析
演练：银行用户的违约影响因素分析
第四部分：用户行为分析—分析框架篇
问题：如何才能全面/系统地分析而不遗漏？如何分解和细化业务问题？
1、业务分析思路和分析框架来源于业务模型
2、常用的业务模型
外部环境分析：PEST
业务专题分析：5W2H
竞品/竞争分析：SWOT、波特五力
营销市场专题分析：4P/4C等
3、用户行为分析（5W2H分析思路和框架）
WHY：原因（用户需求、产品亮点、竞品优劣势）
WHAT：产品（产品喜好、产品贡献、产品功能、产品结构）
WHO：客户（基本特征、消费能力、产品偏好）
WHEN：时间（淡旺季、活跃时间、重购周期）
WHERE：区域/渠道（区域喜好、渠道偏好）
HOW：支付/促销（支付方式、促销方式有效性评估等）
HOW MUCH：价格（费用、成本、利润、收入结构、价格偏好等）
案例讨论：结合公司情况，搭建用户消费习惯的分析框架（5W2H）
4、数据分析策略
第五部分：影响因素分析—原因分析篇
营销问题：哪些因素是影响业务目标的关键要素？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？影响风控的关键因素有哪些？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）
相关分析简介
相关分析的应用场景
相关分析的种类
简单相关分析
偏相关分析
距离相关分析
相关系数的三种计算公式
Pearson相关系数
Spearman相关系数
Kendall相关系数
相关分析的假设检验
相关分析的四个基本步骤
演练：营销费用会影响销售额吗？影响程度如何量化？
演练：哪些因素与汽车销量有相关性
演练：影响用户消费水平的因素会有哪些
偏相关分析
偏相关原理：排除不可控因素后的两变量的相关性
偏相关系数的计算公式
偏相关分析的适用场景
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）
方差分析的应用场景
方差分析的三个种类
单因素方差分析
多因素方差分析
协方差分析
单因素方差分析的原理
方差分析的四个步骤
解读方差分析结果的两个要点
演练：摆放位置与销量有关吗
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
多因素方差分析原理
多因素方差分析的作用
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
协方差分析原理
协方差分析的适用场景
演练：排除产品价格，收入对销量有影响吗？
4、列联分析/卡方检验（两类别变量的相关性分析）
交叉表与列联表：计数值与期望值
卡方检验的原理
卡方检验的几个计算公式
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
第六部分：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/销售额？如果产品跟随季节性变动，该如何预测？
1、回归分析简介和原理
2、回归分析的种类
一元回归/多元回归
线性回归/非线性回归
3、常用回归分析方法
散点图+趋势线（一元）
线性回归工具（多元线性）
规划求解工具（非线性回归）
演练：散点图找营销费用与销售额的关系
4、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）
5、线性回归方程的解读技巧
定性描述：正相关/负相关
定量描述：自变量变化导致因变量的变化程度
6、回归预测模型评估
质量评估指标：判定系数R^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）
7、带分类自变量的回归预测
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最佳配置
8、回归分析的基本原理
三个基本概念：总变差、回归变差、剩余变差
方程的显著性检验：方程可用性
因素的显著性检验：因素可用性
方程拟合优度检验：质量好坏程度
理解标准误差含义：预测准确性？
9、回归模型优化措施：寻找最佳回归拟合线
如何处理预测离群值（剔除离群值）
如何剔除不显著因素（剔除不显著因素）
如何进行非线性关系检验（增加非线性自变量）
如何进行相互作用检验（增加相互作用自变量）
如何进行多重共线性检验（剔除共线性自变量）
演练：模型优化演示
10、好模型都是优化出来的

第七部分：客流预测模型—自定义回归篇
1、回归建模的本质
2、规划求解工具简介
3、自定义回归模型
案例：如何对客流量进行建模预测及模型优化
4、季节性预测模型
回归季节模型的原理及应用场景
加法季节模型
乘法季节模型
模型解读
案例：美国航空旅客里程的季节性趋势分析
5、新产品累计销量的S曲线
S曲线模型的应用场景（最大累计销量及销量增长的拐点）
珀尔曲线
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：产品销量预测—时序预测篇
营销问题：像利率/CPI/GDP等按时序变化的指标如何预测？当销量随季节周期变动时该如何预测？
1、回归预测vs时序预测
2、因素分解思想
3、时序预测常用模型
趋势拟合
季节拟合
平均序列拟合
4、评估预测值的准确度指标：MAD、RMSE、MAPE
5、移动平均（MA）
应用场景及原理
移动平均种类
一次移动平均
二次移动平均
加权移动平均
移动平均比率法
移动平均关键问题
如何选取最优参数N
如何确定最优权重系数
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
6、指数平滑（ES）
应用场景及原理
最优平滑系数的选取原则
指数平滑种类
一次指数平滑
二次指数平滑（Brown线性、Holt线性、Holt指数、阻尼线性、阻尼指数）
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
7、温特斯季节预测模型
适用场景及原理
Holt-Winters加法模型
Holt-Winters乘法模型
演练：汽车销量预测及评估
8、平稳序列模型（ARIMA）
序列的平稳性检验
平稳序列的拟合模型
AR(p)自回归模型
MA(q)移动模型
ARMA(p,q)自回归移动模型
模型的识别与定阶
ACF图/PACF图
最小信息准则
序列平稳化处理
变量变换
k次差分
d阶差分
ARIMA(p,d,q)模型
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
平稳序列的建模流程
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、分类模型概述及其应用场景
2、常见分类预测模型
3、逻辑回归（LR）
逻辑回归的适用场景
逻辑回归的模型原理
逻辑回归分类的几何意义
逻辑回归的种类
二项逻辑回归
多项逻辑回归
如何解读逻辑回归方程
带分类自变量的逻辑回归分析
多项逻辑回归/多分类逻辑回归
案例：如何评估用户是否会购买某产品（二项逻辑回归）
案例：多品牌选择模型分析（多项逻辑回归）
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？
决策树分类简介
案例：美国零售商（Target）如何预测少女怀孕
演练：识别银行欠货风险，提取欠贷者的特征
决策树分类的几何意义
构建决策树的三个关键问题
如何选择最佳属性来构建节点
如何分裂变量
修剪决策树
选择最优属性生长
熵、基尼索引、分类错误
属性划分增益
如何分裂变量
多元划分与二元划分
连续变量离散化（最优分割点）
修剪决策树
剪枝原则
预剪枝与后剪枝
构建决策树的四个算法
C5.0、CHAID、CART、QUEST
各种算法的比较
如何选择最优分类模型？
案例：商场用户的典型特征提取
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
多分类决策树
案例：不同套餐用户的典型特征
决策树模型的保存与应用
5、人工神经网络（ANN）
神经网络概述
神经网络基本原理
神经网络的结构
神经网络分类的几何意义
神经网络的建立步骤
神经网络的关键问题
BP反向传播网络（MLP）
径向基网络（RBF）
案例：评估银行用户拖欠货款的概率
6、判别分析（DA）
判别分析原理
判别分析种类
Fisher线性判别分析
案例：MBA学生录取判别分析
案例：上市公司类别评估
7、最近邻分类（KNN）
KNN模型的基本原理
KNN分类的几何意义
K近邻的关键问题
8、支持向量机（SVM）
SVM基本原理
线性可分问题：最大边界超平面
线性不可分问题：特征空间的转换
维灾难与核函数
9、贝叶斯分类（NBN）
贝叶斯分类原理
计算类别属性的条件概率
估计连续属性的条件概率
预测分类概率（计算概率）
拉普拉斯修正
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—聚类模型篇
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
有指导细分
无指导细分
2、聚类分析
如何更好的了解客户群体和市场细分？
如何识别客户群体特征？
如何确定客户要分成多少适当的类别？
聚类方法原理介绍
聚类方法作用及其适用场景
聚类分析的种类
K均值聚类
层次聚类
两步聚类
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：如何自动评选优秀员工？
演练：中国各省份发达程度分析，让数据自动聚类
层次聚类（系统聚类）：发现多个类别
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）
两步聚类
3、客户细分与PCA分析法
PCA主成分分析的原理
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：客户价值评估—RFM模型篇
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
贴现率与留存率
评估客户的真实价值
使用双向表衡量属性敏感度
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）
RFM模型，更深入了解你的客户价值
RFM模型与市场策略
RFM模型与活跃度分析
演练：“双11”淘宝商家如何选择价值客户进行促销
演练：结合响应模型，宜家IKE实现最大化营销利润
案例：重购用户特征分析
第十二部分：产品推荐算法—推荐模型篇
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、从搜索引擎到推荐引擎
2、常用产品推荐模型及算法
3、基于流行度的推荐
基于排行榜的推荐，适用于刚注册的用户
优化思路：分群推荐
4、基于内容的推荐CBR
关键问题：如何计算物品的相似度
优缺点
优化：Rocchio算法、基于标签的推荐、基于兴趣度的推荐
5、基于用户的推荐
关键问题：如何对用户分类/计算用户的相似度
算法：按属性分类、RFM模型、PCA、聚类、按偏好分类、按地理位置
6、协同过滤的推荐
基于用户的协同过滤
基于物品的协同过滤
冷启动的问题
案例：计算用户相似度、计算物品相似度
7、基于关联分析的推荐
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
关联分析模型原理（Association）
关联规则的两个关键参数
支持度
置信度
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：通信产品的交叉销售与产品推荐
8、基于分类模型的推荐
9、其它推荐算法
LFM基于隐语义模型
按社交关系
基于时间上下文
10、多推荐引擎的协同工作

第十三部分：产品定价策略—最优定价篇
营销问题：产品如何实现最优定价？套餐价格如何确定？采用哪种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
需求曲线与利润最大化
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
价格弹性
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
最大收益定价（演进规划求解）
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
要理解支付意愿曲线
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
收益管理介绍
如何确定机票预订限制
如何确定机票超售数量
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(客户行为预测)
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。 

关于我们

行业优势

核心产品

联系我们

24小时热线：0571-86155444

商业及渠道合作：13857108608

扫一扫，关注公众号

管理培训、管理培训机构、管理培训课程、管理培训讲师、领导力培训、执行力培训、沟通培训、赋能培训


版权所有 © 杭州匠道企业管理咨询有限公司 浙ICP备18040702号-1

咨询电话：
0571-86155444
咨询热线：
  • 微信：13857108608
联系我们