• 2020/5/21至2020/5/22 上海

• 2020/7/16至2020/7/17 广州

• 2020/7/23至2020/7/24 北京

• 2020/9/3至2020/9/4 上海

课程时长    

* 2天    

有何收获？    

* 了解大数据营销内容，掌握大数据在营销中的应用。    

* 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。    

* 熟悉数据分析/挖掘的基本过程，掌握常用的数据挖掘方法。    

* 熟悉Excel数据分析工具，能够利用Excel和SPSS软件解决实际的营销问题（比如定价/因素影响/预测/客户需求/客户价值/市场细分等）。    

先决条件？    

* 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。    

* 每个学员自备一台便携机(必须)。    

* 便携机中事先安装好Excel 2013版本及以上。    

* 便携机中事先安装好IBM SPSS Statistics v24版本及以上。    

* 注：讲师可以提供试用版本软件及分析数据源。    

为何参加？    

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。    

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，进行大数据的分析与挖掘，介绍常用的模型，以及模型适用场景，通过演练操作，以达到提升学员对营销数据的分析以及对数据模型的深入理解。    

课程大纲    

第一模块：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    

* 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    

> ……    

* 大数据营销的基石：用户画像    

* 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    

第二模块：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？    

* 大数据时代：你缺的不是一堆方法，而是大数据思维    

* 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    

> 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）    

* 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    

* 数据分析的三大作用    

* 数据分析的三大类别    

* 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    

第三模块：大数据基础-分析过程    

* 数据分析的六步曲    

* 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    

* 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    

* 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    

* 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    

* 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    

* 步骤6：报表撰写--观点表达    

> 选择报告种类    

> 完整的报告结构    

* 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    

第四模块：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？    

* 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    

> 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/…）    

* 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、    

> 分布形态：偏度、峰度    

* 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    

* 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    

* 最合适的分析方法才是硬道理。    

第五模块：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？    

* 常用分析思路模型    

* 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）    

第六模块：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？    

* 影响因素分析的常见方法    

* 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    

* 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    

* 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    

第七模块：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？    

* 销量预测与市场预测模型介绍    

> 时序预测    

> 回归模型    

* 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    

- 散点图+趋势线    

- 线性回归工具    

- 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    

- 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    

> 回归预测模型质量    

- 评估指标：判定系数R^2、    

- 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    

- 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）    

* 时序预测模型    

第八模块：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？    

* 分类模型概述    

* 常见分类预测模型    

* 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    

- 二项逻辑回归    

- 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）    

* 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    

结束：课程总结与问题答疑。    

相关课程    

作为市场营销人员，你可能还会对《市场营销数据的分析与挖掘》、《市场营销创新策略》感兴趣    

想要在数据分析方面更进一步，你可能需要学习《让你的分析报告更具说服力——Excel高效数据分析之道》、《用powerBI玩转数据分析》    

师资简介    

傅 先生    

* 背景经历      

华为系大数据专家    

计算机软件与理论硕士研究生（研究方向：数据挖掘、搜索引擎）    

曾在华为工作十年，五篇国家专利，在华为工作期间获得华为数项奖项，在英国、日本、荷兰等国家做项目    

专注于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。旨在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。将大数据应用于运营决策，帮助企业提升运营决策能力应用于市场营销，通过大数据营销，解决营销中的用户群细分，产品设计优化，产品最优定价，精准营销，精准推荐等实际问题，提升营销效果，节省营销费用，以及市场预测、用户行为预测等    

* 擅长领域    

《大数据分析与数据挖掘综合能力提升实战》《“数”说营销----大数据营销实战与沙盘》《大数据建模与模型优化实战培训》    

《大数据产业现状及应用创新》《大数据战略与商业变革》《大数据时代的精准营销》    

《Hadoop大数据解决方案开发技术基础培训》《大数据分析与挖掘之Python开发实战》    

* 服务客户    

华为、富士康、平安集团、中国银行、招商银行、光大银行、中信银行、交通银行、广电银通、西部航空、海南航空、中国移动、中国联通、中国电信、西部航空、安能物流、广州地铁、富维江森、东风日产、神南矿业、公交集团、广州税务、良品铺子等单位和公司。    

* 学员反馈    

傅老师的课程，开拓了我营销的思维，大数据营销，重在利用数据为营销服务。用户细分、用户特征提取、营销费用预算、客户流失预警，原来可以这样利用大数据，以后不再需要“拍脑袋”了    

——刘经理（贵州某运营商）