“数”说营销 – 大数据挖掘与营销应用
课程介绍
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。
课程大纲
第一部分：大数据实现精准营销
• 传统营销的困境与挑战
• 营销理论的变革（4P-4C-nPnC）
• 大数据引领传统营销
• 客户生存周期中的大数据应用
第二部分：大数据基础 – 数据思维
• 大数据是探索事物发展和变化规律的工具
• 大数据价值实现的三个关键环节
• 从案例看数据信息化
• 数据分析需要什么样的能力
第三部分：大数据基础 – 分析过程
• 数据分析的六步曲
• 数据分析的三大误区
第四部分：用户行为分析—方法篇
• 大数据精准营销的前提：用户行为分析
• 数据分析方法的层次
• 分析方法及其适用场景
第五部分：用户行为分析—思路篇
• 常用分析思路模型
• 用户行为分析（5W2H 分析思路）
第六部分：影响因素分析
• 影响因素分析的常见方法
• 相关分析 / 方差分析 / 列联分析
第七部分：产品销量预测
• 销量预测与市场预测模型介绍
• 回归分析 / 回归预测
• 时序预测模型
第八部分：客户行为预测
• 分类模型概述
• 逻辑回归模型
• 分类决策树
• 人工神经网络（ANN）
第九部分：市场细分模型
• 市场细分的常用方法
• 聚类分析
• 客户细分与 PCA 分析法
第十部分：客户价值分析
• 如何评价客户生命周期的价值
• RFM 模型（客户价值评估）
第十一部分：产品推荐模型
• 常用产品推荐模型
• 关联分析
• 协同过滤
第十二部分：产品设计与优化
• 联合分析法
• 离散选择模型
• 品牌价值评估
• 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
• 常见的定价方法
• 产品定价的理论依据
第十四部分：实战篇 ( 电信业客户流失分析模型 )
• 电信业客户流失预警与客户挽留模型
• 银行欠贷风险预测模型
• 结束：课程总结与问题答疑
