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。如何理解你所看到的数据？如何探索数据的模式？如何寻找数据间的相关性？如何从你所有的数据中去挖掘商业机会？一切等待思考和解答…… 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。

【课程大纲】

**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

Ø 时效性

Ø 个性化

Ø 关联性

3、 大数据时代的新营销模式

Ø 如何选择互联网的营销模式——微博营销、网页营销等

Ø 客户关系管理CRM——“旧貌焕发新颜”

Ø 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

Ø 客户的群体特征——“人以群分”，找准你的准客户

Ø 大数据用户画像——互联网时代不再“是否是狗”

5、 如何建立全渠道数据平台，拓展营销渠道，提高营销效率

Ø 互联网时代渠道分类

Ø 如果进行广告的精确投放——广告受众分析

Ø 如何实现营销效果的验证——找到适合你的营销方式

6、 如何提升你的客户粘性

Ø 评估你的客户价值——让营销策略更丰富

Ø 如何建立客户响应模型——让你的促销更有效，增加回头客

Ø 精准推荐——让你的销量再创新高

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

Ø 客户市场细分与精准营销

Ø 客户流失预警与客户挽留

Ø 产品交叉销售与套餐捆绑

Ø 营销效果评估与广告投放

Ø 客户价值评估与忠诚度

Ø 销售趋势分析与销售预测

Ø 客户满意度分析与影响因素

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）

Ø 商业理解

Ø 数据准备

Ø 数据理解

Ø 模型建立

Ø 模型评估

Ø 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

第三部分：参数检验与非参数检验

1、 如何选择合适的营销方式

Ø 各营销渠道的用户特征分析

Ø 促销方式有效性检验

Ø 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）

Ø 相关系数

Ø 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

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）

Ø 方差分析模型及适用场景

Ø 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

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

Ø 回归模型用于因素影响判断

Ø 回归模型原理及适用场景

Ø 解读回归方程的含义

案例：让你的营销费用预算更准确

3、 寻找**拟合线来判断和预测

Ø 如何判断预测的准确性

Ø 回归显著性检验

Ø 拟合程度衡量

Ø 自变量显著性检验

Ø 残差与异常值排除

Ø 采用验证集检验预测准确性

案例：季节性销量预测分析

案例：工龄、性别与销量的关系分析

4、 基于时间的预测与时序分析

Ø 移动平均

Ø 指数平滑模型

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

5、 季节性预测模型

Ø 季节性回归模型的参数

Ø 常用季节性预测模型（相加、相乘）

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

Ø 逻辑回归模型原理及适用场景

Ø 评估客户购买产品的概率

案例：杂志社订阅模型

2、 关联分析

Ø 如何制定套餐，实现交叉/捆绑销售

Ø 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）

Ø RFM模型，更深入了解你的客户价值

Ø RFM模型与市场策略

Ø RFM模型与活跃度

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

Ø 如何更好的了解客户群体和市场细分

Ø 如何识别客户群体特征

Ø 确定聚类的适当数量

案例：新产品试销地点（城市）选择

案例：小康指数划分，让数据自动聚类

案例：裁判标准一致性分析，避免“黑哨”

案例：商场服务奖项评选

2、 分类决策树

Ø 如何选择节点构建决策树

Ø 决策树分析过程

Ø 如何提取客户特征

案例：商场酸奶购买用户特征提取

案例：电信运营商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

实战1：电信客户流失预警与客户挽留

实战2：终端生命周期曲线与终端销售**时机

结束：课程总结与问题答疑。