数说营销--大数据营销实战培训
【课程目标】
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。
通过本课程的学习，达到如下目的：
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、 熟悉数据分析/挖掘的基本过程，掌握常用的数据挖掘方法。
4、 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）。
【授课时间】
2-4天时间，或者根据培训需求选择组合（每天6个小时）
|
内容
| 2天
| 4天
| 核心数据思维
| √
| √
| 数据分析过程
| √
| √
| 用户行为分析
| √
| √
| 数据分析思路
| √
| √
| 影响因素分析
| √
| √
| 产品销量预测
| √回归
| √时序
| 客户行为预测
|
| √
| 市场客户细分
|
| √
| 客户价值评估
|
| √
| 产品推荐模型
|
| √
| 产品定价策略
|
| √
【授课对象】
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。
【学员要求】
1、 每个学员自备一台便携机(必须)。
2、 便携机中事先安装好Excel2013版本及以上。
3、 便携机中事先安装好IBMSPSS 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。
【授课方式】
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
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（4Pà4CànPnC）
3、 大数据引领传统营销
4、 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
……
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
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？
1、 大数据时代：你缺的不是一堆方法，而是大数据思维
2、 大数据的本质
数据，是对客观事物的描述和记录
大数据不在于大，而在于全
3、 大数据四大核心价值
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
从大数据炒股看大数据如何探索因素的相关性
阿里巴巴预测经济危机的到来
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
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
数据分析的三个阶段
分析方法的三大类别
2、 数据分析的六步曲
3、 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
4、 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
5、 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
6、 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
7、 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
8、 步骤6：报表撰写--观点表达
选择报告种类
完整的报告结构
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
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？
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
描述性分析法（对比/分组/结构/趋势/交叉…）
相关性分析法（相关/方差/卡方…）
预测性分析法（回归/时序/决策树/神经网络…）
专题性分析法（聚类/关联/RFM模型/…）
3、 统计分析基础
统计分析两要素
统计分析三步骤
4、 统计分析常用指标
汇总方式：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、IQR
分布形态：偏度、峰度
5、 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
6、 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）
|