第一章:客户关系管理与大数据的关系
1.客户关系管理成为企业的核心能力
2.客户关系管理中的数据分析
3.大数据分析应用的条件
1)全面准确的海量数据
2)精细化管理理念的倡导
3)数据分析和数据挖掘技术的有效应用
4.大数据应用的最新进展
第二章:数据挖掘概述
1.数据挖掘的发展历史
2.统计分析与数据挖掘的主要区别
3.数据挖掘的主要成熟技术以及在客户关系管理中的主要应用
1)决策树
2)神经网络
3)回归
4)关联规则
5)聚类
6)贝叶斯分类方法
7)支持向量机
8)主成分分析
9)假设检验
4.互联网行业数据挖掘应用的特点
第三章:客户关系管理中常见的数据分析项目类型
1.目标客户的特征分析
2.目标客户的预测(响应、分类)模型
3.运营群体的活跃度定义
4.用户路径分析
5.交叉销售模型
6.信息质量模型
7.服务保障模型
8.用户(买家、卖家)分层模型
9.卖家(买家)交易模型
10.信用风险模型
11.商品推荐模型
1)商品推荐介绍
2)关联规则
3)协同过滤算法
4)商品推荐模型总结
12.数据产品
13.决策支持
第四章:数据分析是跨专业、跨团队的协调与合作
1.数据分析团队与业务团队的分工和定位
1)提出业务分析需求并且能胜任基本的数据分析
2)提供业务经验和参考建议
3)策划和执行精细化运营方案
4)跟踪运营效果、反馈和总结
2.数据化运营是真正的多团队、多专业的协同作业
3.实例示范数据化运营中的跨专业、跨团队协调合作
第五章:数据挖掘项目完整应用案例
1.项目背景和业务分析需求的提出
2.数据分析师参与需求讨论
3.制定需求分析框架和分析计划
4.抽取样本数据、熟悉数据、数据清洗和摸底
5.按计划初步搭建挖掘模型
6.与业务方讨论模型的初步结论,提出新的思路和模型优化方案
7.按优化方案重新抽取样本并建模,提炼结论并验证模型
8.完成分析报告和落地应用建议
9.制定具体的落地应用方案和评估方案
10.业务方实施落地应用方案并跟踪、评估效果
11.落地应用方案在实际效果评估后,不断修正完善
12.不同运营方案的评估、总结和反馈
13.项目应用后的总结和反思
第六章:顶尖数据挖掘平台TipDM
1.TipDM产品功能
1)TipDM平台提供的数据探索及预处理算法
2)TipDM平台提供的分类与回归算法
3)TipDM平台提供的时序模式算法
4)TipDM平台提供的聚类分析算法
5)TipDM平台提供的关联规则算法
2.TipDM使用说明
3.TipDM产品特点
1)支持CRISP-DM数据挖掘标准流程
2)提供丰富的数据挖掘模型和灵活算法
3)具有多模型的整合能力
4)提供灵活多样的应用开发接口
5)海量数据的处理能力
6)适应不同类型层次人员需求
第七章:数据挖掘在金融电信行业的应用
1.案例:电信3G客户识别系统
1)挖掘目标的提出
2)分析方法与过程
3)建模仿真
4)核心知识点
5)拓展思考
2.案例:基于客户分群的精准智能营销
1)挖掘目标的提出
2)分析方法与过程
3)建模仿真
4)核心知识点
5)拓展思考
第八章:数据挖掘在互联网行业的应用
1.案例一:商业零售行业中的购物篮分析
1)挖掘目标的提出
2)分析方法与过程
3)建模仿真
4)启发与拓展
2.案例二:电子商务网站用户行为分析
1)挖掘目标的提出
2)分析方法与过程
3)建模仿真
4)启发与拓展
2.案例三:基于用户行为分析的定向网络广告投放
1)挖掘目标的提出
2)分析方法与过程
3)建模仿真
4)结果及分析
5)启发与拓展
第九章:数据挖掘在生产制造行业中的应用
1.案例:基于RFM的企业客户关系分析
1)挖掘目标的提出
2)分析过程与方法
3)建模仿真
4)核心知识点
5)拓展思考
【课程背景】:成熟的企业已经从跑马圈地的客户数量积累,发展为提高客户对企业利润贡献的质量管理阶段。客户关系管理逐渐发展到培养多次购买的忠诚客户阶段。如何为客户创造更高价值,如何做好客户关怀、争取转介绍和赢得客户回头、如何实施VIP会员管理、组建吸引客户的客户俱乐部、提升客户忠诚度等等问题,正在成为销售型企业的客户管理热点。