七月, 2019

157月早上1:15早上1:15“数”说营销-大数据挖掘与营销应用早上1:15 - 早上1:15

更多

课程介绍

课程背景

 

这是一个互联的世界,点与点的数据的交换,线与线的信息的连接。那么如何理解和应用你所看到的数据?常常困扰着职场人——

q 如何探索数据的模式?

q 如何寻找数据间的相关性?

q 如何从你所有的数据中去挖掘商业机会?

针对以上问题,我们特邀傅一航老师与您一同进行探讨和学习,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。

课程收获

 

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、 熟悉数据挖掘的标准过程,掌握常用的数据挖掘方法;

4、 熟悉数据分析及数据挖掘工具,掌握Excel和SPSS软件应用操作;

5、 学会选择合适的分析模型来解决相应的营销问题。

 

课程特色

 

1、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;

2、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,进行大数据的收集与处理、数据分析与挖掘,以及数据呈现与报告撰写,全过程演练操作。

 

课程大纲

 

第一部分:大数据营销的概述

1、大数据时代带来对传统营销的挑战

2、大数据营销的特点

3、大数据时代的新营销模式

(1)如何选择互联网的营销模式——微博营销、网页营销等

(2)客户关系管理CRM——“旧貌焕发新颜”

(3)精确营销——装上了GPS,实现“精确打击”

4、如何在海量数据中整合数据,形成你对消费者的独特洞察力

(1)客户的群体特征

(2)大数据用户画像

5、如何建立全渠道数据平台,拓展营销渠道,提高营销效率

6、如何提升你的客户粘性

(1)评估你的客户价值

(2)如何建立客户响应模型

(3)精准推荐

7、客户生存周期中的大数据应用

8、数据分析与挖掘在通信行业的应用

第二部分:数据挖掘实战篇:流程、数据建模、工具操作

1、数据分析VS数据挖掘

2、数据挖掘的标准流程(CRISP-DM)

(1)商业理解

(2)数据准备

(3)数据理解

(5)模型评估

(6)模型应用

« 案例:客户匹配度建模,找到你的准客户

« 案例:4G终端营销分析

3、如何选择合适的营销方式

(1)各营销渠道的用户特征分析

(2)促销方式有效性检验

(3)参数检验与非参数检验原理介绍

« 案例演练:通信行业ARPU值评估分析

« 案例演练:营销效果评估分析

第三部分:因素影响分析

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?

1、相关分析(因素影响的相关性分析,相关程度计算)

« 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

« 案例演练:家庭生活开支的相关分析

2、方差分析(影响关键因素分析,影响因素组合分析)

« 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

第四部分: 销售预测分析

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?

1、销量预测与市场预测——让你看得更远

2、回归模型

« 案例:让你的营销费用预算更准确

3、寻找最佳拟合线来判断和预测

(1)如何判断预测的准确性

(2)回归显著性检验

(3)拟合程度衡量

(4)自变量显著性检验

(5)残差与异常值排除

(6)采用验证集检验预测准确性

4、基于时间的预测与时序分析

« 案例演练:电视机销量预测分析

« 案例演练:上海证券交易所综合指数收益率序列分析

季节性预测模型

« 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

第五部分: 客户需求分析

营销问题:如何评估客户购买产品的可能性?或者说,影响客户购买意向的产品关键特性是什么?

1、逻辑回归模型

« 案例:杂志社订阅模型

2、关联分析

(1)如何制定套餐,实现交叉/捆绑销售

(2)产品关联分析模型原理(Association)

« 案例:超市商品交叉销售与布局优化

第六部分: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、RFM模型(客户价值评估)

« 案例:淘宝客户价值评估与促销名单

第七部分:市场细分分析

营销问题:如何对市场进行细分?如何提取客户特征,从而对产品进行市场定位?

1、聚类分析

(1)如何更好的了解客户群体和市场细分

(2)如何识别客户群体特征

2、分类决策树

(1)如何选择节点构建决策树

(2)决策树分析过程

(3)如何提取客户特征

« 实战:终端生命周期曲线与终端销售最佳时机

第八部分:课程总结与问题答疑

 

主讲老师:傅一航

 

华为大数据专家

时间

(星期一) 早上1:15 - 早上1:15