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(4P4CnPnC)
3、大数据引领传统营销
4、大数据在营销中的典型应用
市场定位与客户细分
客户需求与产品设计
精准广告与精准推荐
……
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
业务数据化
数据信息化
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
用趋势图来探索产品销量规律
从谷歌的GFT产品探索用户需求变化
从美国总统竞选看大数据对选民行为进行分析
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
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
确定分析目的:要解决什么样的业务问题
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
明确收集数据范围
确定收集来源
确定收集方法
4、步骤3:数据预处理—寻找答案
数据质量评估
数据清洗、数据处理和变量处理
探索性分析
5、步骤4:数据分析--寻找答案
选择合适的分析方法
构建合适的分析模型
选择合适的分析工具
6、步骤5:数据展示--观点表达
选择恰当的图表
选择合适的可视化工具
7、步骤6:报表撰写--观点表达
选择报告种类
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
基本分析法(对比/分组/结构/趋势/…)
综合分析法(交叉/综合评价/杜邦/漏斗/…)
高级分析法(相关/方差/验证/回归/时序/…)
数据挖掘法(聚类/分类/关联/RFM模型/…)
3、统计分析常用指标
计数、求和、百分比(增跌幅)
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
4、基本分析方法及其适用场景
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)
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
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
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
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
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)
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)
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)
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)
WHY:原因
WHAT:产品
WHO:客户
WHEN:时间
WHERE:区域/渠道
HOW:支付方式
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)
相关系数
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)
方差分析模型及适用场景
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)
交叉表与列联表
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
时序预测
回归模型
季节性预测(相加/相乘模型)
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)?
回归分析简介
回归分析的种类(一元/多元、线性/曲线)
得到回归方程的常用工具
a)散点图+趋势线
b)线性回归工具
c)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)
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)
解读线性回归分析结果的技巧
a)定性描述:正相关/负相关
b)定量描述:自变量变化导致因变量的变化程度
回归预测模型质量
a)评估指标:判定系数R^2、
b)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)
预测值准确性评估
a)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)
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)
应用场景及原理
移动平均种类
a)一次移动平均
b)二次移动平均
c)加权移动平均
d)移动平均比率法
移动平均关键问题
a)期数N的最佳选择方法
b)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)
应用场景及原理
最优平滑系数的选取原则
指数平滑种类
a)一次指数平滑
b)二次指数平滑(Brown线性、Holt线性、Holt指数、阻尼线性、阻尼指数)
c)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
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
7、季节性预测模型
季节性回归模型的参数
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
如何评估销量增长的拐点
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
逻辑回归模型原理及适用场景
逻辑回归的种类
a)二项逻辑回归
b)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?
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
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)
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
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
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(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
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
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
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
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: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
如何评估客户购买产品的概率
如何指导产品开发?如何确定产品的重要特性
竞争下的产品动态调价
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
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(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
【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。