课程介绍

培训对象： 市场营销部、产品部、客户运营部、系统支撑部、运营分析部等相关人员 课程背景： 数据为王：盘活数据价值，实现精准营销 大数据已经正在改变着我们各种场景体验： 当你打开今日头条APP阅读文章的时候，你会发现它会优先推送给你感兴趣的内容； 当你打开淘宝时，平台会主动推送你感兴趣或者意向的产品给你，实现千人千面； 这些都是基于大数据分析，精准地向每位用户推广他们想要的内容。 随着大数据时代的到来，大数据对于营销领域的革命性改变也日益凸显，根据用户的行为数据分析，可以在最短的时间让有效信息触达用户，打动用户，实现营销转化。基于CRM系统、BI系统和企业官网等提取的数据，虽然能满足企业正常营销管理信息需求，但往往并不足以洞察和发现数据的重要规律和发展趋势，无法据此给出精确的营销策略。对于大数据在营销领域的应用，很多人仍然不知道如何将数据发挥得淋漓尽致—— 大数据在营销中有哪些典型的应用，如何发挥数据的价值？ 如何基于用户的行为数据，优化用户体验，提升营销效果？ 如何通过数据分析，预测未来趋势，挖掘更多的营销机会？ 针对以上问题，我们特邀华为营销大数据专家，500强企业数据分析师 傅一航老师与您一同进行探讨和学习，本课程围绕实际的营销业务问题，引导学员演练如何搭建分析框架，运用分析方法，建立分析模型，运用分析工具，形成具有针对性的营销策略。从数据思维和数据分析等方面，帮助学员掌握数据分析方法，并运用于工作中，盘活数据价值，实现精准营销。 课程收获： 企业收益： 1、基于数据分析，提升业务策略制定及运营决策的准确度； 2、用数据驱动营销策略，找到并激活最省钱有效的营销方法； 3、培养优秀的数据分析营销人才，让精准营销能落地执行。 岗位收益： 1、运用数据分析的六步曲，理清分析思路； 2、学会用数据思维分析具体问题，掌握数据思维方式； 3、掌握用户行为分析的方法和思路； 4、获得实用的数据分析工具，能够利用实用软件解决实际的营销问题（如定价/因素影响/预测/客户需求/客户价值/市场细分等）。 课程特色： 1、理论结合实操：数据分析基础 + 方法讲解 + 实际业务问题分析 + Excel实践操作； 2、互动式教学：围绕业务问题，展开数据分析过程，全过程案例分析和演练操作，让学员在分析、分享、讲授、总结、自我实践过程中获得能力提升。 课程大纲： 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 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—数据思维篇 1、大数据时代：缺的不是一堆方法，而是大数据思维 2、大数据的本质 3、大数据四大核心价值 （1）用趋势图来探索产品销量规律 （2）从谷歌的GFT产品探索用户需求变化 （3）从大数据炒股看大数据如何探索因素的相关性 （4）阿里巴巴预测经济危机的到来 （5）从美国总统竞选看大数据对选民行为进行分析 4、大数据价值落地的三个关键环节 （1）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） 第三部分：大数据精准营销—分析框架篇 1、数据分析简介 2、数据分析的六步曲 步骤1：明确目的--理清思路 步骤2：数据收集—理清思路 步骤3：数据预处理—寻找答案 步骤4：数据分析--寻找答案 步骤5：数据展示--观点表达 步骤6：报表撰写--观点表达 演练：如何用大数据来支撑手机精准营销项目 演练：如何构建一个良好的大数据分析框架 第四部分：用户行为分析—分析方法篇 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 （1）描述性分析法（对比/分组/结构/趋势/交叉…） （2）相关性分析法（相关/方差/卡方…） （3）预测性分析法（回归/时序/决策树/神经网络…） （4）专题性分析法（聚类/关联/RFM模型/…） 3、方差分析（衡量类别变量与数值变量间的相关性） 问题：哪些才是影响销量的关键因素？ （1）方差分析的应用场景 （2）方差分析的三个种类 （3）方差分析的原理 （4）方差分析的四个步骤 （5）解读方差分析结果的两个要点 演练：终端摆放位置与终端销量有关吗 演练：开通月数对客户流失的影响分析 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 （6）多因素方差分析原理、作用、结果的解读 演练：广告形式、地区对销量的影响因素分析（多因素） （7）协方差分析原理 （8）协方差分析的适用场景 演练：饲料对生猪体重的影响分析（协方差分析） 4、列联分析/卡方检验（两类别变量的相关性分析） （1）交叉表与列联表 （2）卡方检验的原理 （3）卡方检验的几个计算公式 （4）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 3、统计分析基础 4、统计分析常用指标 （1）汇总方式：计数、求和、百分比（增跌幅） （2）集中程度：均值、中位数、众数 （3）离散程度：极差、方差/标准差、IQR （4）分布形态：偏度、峰度 5、基本分析方法及其适用场景 （1）对比分析（查看数据差距） （2）分组分析（查看数据分布） （3）结构分析（评估事物构成） （4）趋势分析（发现事物随时间的变化规律） （5）交叉分析（多维数据分析） 6、综合分析方法及其适用场景 （1）综合评价法（多维指标归一） （2）杜邦分析法（关键因素分析-财务数据分析） （3）漏斗分析法（关键流程环节分析） （4）矩阵分析法（产品策略分析-象限图分析法） 7、最合适的分析方法才是硬道理 第五部分：用户行为分析—分析思路篇 1、常用分析思路模型 2、用户行为分析（5W2H分析思路） 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—属性筛选篇 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） 问题：这两个属性是否会相互影响？影响程度大吗？ （1）相关分析简介 （2）相关分析的应用场景 （3）相关分析的种类 （4）相关系数的三种计算公式 （5）相关分析的假设检验 （6）相关分析的四个基本步骤 演练：营销费用会影响销售额吗 演练：哪些因素与汽车销量有相关性 （7）偏相关分析 （8）距离相关分析 第七部分：产品销量预测—回归预测篇 1、销量预测与市场预测模型介绍 （1）时序预测 （2）回归模型 （3）季节性预测（相加/相乘模型） （4）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）？ （1）回归分析简介 （2）回归分析的种类（一元/多元、线性/曲线） （3）得到回归方程的常用工具 演练：散点图找营销费用与销售额的关系（一元回归） （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）解读线性回归分析结果的技巧 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）回归预测模型质量评估 评估指标：判定系数R^2、标准误差 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）预测值准确性评估 MAD、MSE/RMSE、MAPE等 （8）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） 讲师介绍：傅一航 华为营销大数据专家，500强企业数据分析师 实战经验 华为10年工作经验，五项国家专利，期间获得华为多项奖项，曾在英国、日本、荷兰等海外市场做项目，对大数据有深入的研究。近十年来一直从事通信行业的研究与分析，对通信行业的市场态势、客户行为、服务效果以及运营分析等方面有深入的研究。目前专注大数据分析与挖掘等应用技术，以及大数据系统部署解决方案，将大数据的数据分析、数据挖掘、数据建模应用于行业及商业领域，解决行业实际的问题。 授课特点 深入浅出的理论讲解（分析模型），使用简单实用的工具操作（分析工具），实现分析结果到业务策略的落地，实用性极强。 主讲课程 “数”说营销-大数据挖掘与营销应用、大数据产业现状及应用创新、Hadoop大数据解决方案开发技术基础培训、大数据时代的精准营销等。 服务客户 华为、平安集团、良品铺子、安能物流、东风日产、顺丰快递、中国移动、中国联通、中国电信、西部航空、富维江森、广州地铁、富士康、光大银行、招商银行、新时代集团……