【课程目标】

1. 学习大数据时代企业用户营销模式的改变

2. 掌握数据库系统工作原理

3. 构建企业用户营销资源平台

4. 学习数据挖掘与分析工具

5. 掌握数据分析常见的七种方式

6. 学会对用户进行画像

7. 提升产品定位与卖点提炼能力

8. 掌握企业经营活动数据分析指标

9. 学会撰写一份有价值的数据报告

【课程时间】

2天

【建议培训人数】

60人

【课程模式】

讲授、分组讨论、案例解析、角色扮演、互动性游戏、视频演绎、经验分享等

**讲  大数据时代企业运营体系变革

（一）大数据价值

1. 海量、多媒体样本

2. 高速、多样性

3. 真实、有价值

（二）大数据运营中应用

1. 市场分析

2. 产品定位

3. 用户画像

4. 调整运营流程

5. 决策依据

（三）大数据营销变革核心

1. 线上入口链接；

2. 会员数据库经营

3. 用户思维至上

4. 口碑决定口碑

（四）企业数据库平台组成

1. ERP系统

2. CRM客户关系管理系统

3. SCM供应链管理

（五）企业数据应用流程

1. 数据获得

2. 数据处理

3. 数据分析

4. 数据呈现

（六）案例解析

1. 中国银行“挑战18”手机企业推广策划

2. 招商银行的闪电贷数据分析应用

第二讲  数据分析工具与应用

（一）站长数据分析工具

1. Alexa查询

2. CNZZ网站

3. 爱站网

4. 谷歌统计

（二）网站数据指标

1. IP｜PV｜UV

2. 用户浏览统计

3. 用户跳出率

4. 注册用户

5. 用户流失情况

（三）核心网友统计

1. 停留时间

2. 访问页面

3. 消费纪录

（四）APP数据和分析基础

1. APP数据的来源

2. 流量数据、渠道数据和业务数据

3. APP用户行为数据

4. APP和网站数据分析的差异性

（五）网站质量分析

1. PV分析

2. 用户黏性

3. 链接情况

(1) 外链

(2) 内链

（六）网站价值分析

1. 用户注册量

2. 百度权重指数

3. 移动权重指数

4. 新闻源价值

（七）案例解析

1. 微信银行微业贷的用户画像

2. 民生银行是如何**财神卡撬动市场的

第三讲  企业数据库挖掘与分析

（一）数据信息采集

1. 用户基本信息

2. 用户消费信息

3. 用户动态信息

4. 用户习惯信息

（二）数据信息来源

1. 自家网站采集

2. APP、微信采集

3. 活动信息采集

4. 第三方合作

(1) 媒体合作

(2) 网站合作

(3) 电商工具合作

5. 用户数据购买

（三）用户数据埋点挖掘

1. 产品植入统计代码

2. 追踪用户行为

3. 统计用户情况

（四）用户智能分析

1. 建立用户模型

2. 模型内容要求

(1) 用户画像

(2) 产品使用情况

(3) 用户反馈

3. 模型设计流程

（五）数据可视化发布

1、Excel发布

2、柱形图表

3、用户价值判断

4、用户走向预测

（六）案例解析

1. 百度迁徙的数据应用

2. 万象城的网站数据分析

第四讲  企业数据分析与运营指导

（一）客户价值指标

1. 客户价值分析

2. 新客户发展情况

3. 客户流失情况

4. 客户活跃度

（二）企业产品销售转化情况

1. 产品销售数据

2. 购买人群情况

3. 购买场景

4. 购买时间段

5. 理财产品情况

（三）支付情况分析

1. 移动支付

(1) 微信

(2) 支付宝

(3) 翼支付

(4) 云闪付

2. 刷卡支付

3. 手机企业情况

（四）市场营销活动分析

1. 促销活动分析

2. 广告投放分析

3. 融合营销分析

4. 分析指标

(1) 销售情况

(2) 开户情况

(3) 吸粉情况

（五）风险控制类分析

1. 客户评价

2. 客户投诉

3. 投诉分类

(1) 产品

(2) 服务

(3) 系统应用

（六）数据分析常见七种方法

1. 简单趋势描述

2. 数据多维拆分

3. 销售漏斗转化

4. 用户分群

5. 细查路径

6. A/B测试

（七）案例解析

1. 中国工商银行“人脉挖宝”社会化营销

2. “世界上**的工作”策划

第五讲  数据报告如何撰写更有价值

（一）数据报告原则

1. 有结论

2. 有真相

3. 有论证

4. 有建议

（二）数据报告关注内容

1. 数据指标解析

2. 销售活动评估

3. 问题投诉反馈

4. 产品运营建议

（三）数据报告要求

1. 架构清晰

2. 层次分明

3. 通俗易懂

4. 每个分析都有结论

5. 不要有猜测性的结论

6. 不要害怕或回避“不良结论”

7. 数据分析报告尽量图表化

（四）数据报告建议部分

1. 产品方面

2. 营销方面

3. 服务方面

4. **能附上解决方案