了解大數(shù)據(jù)營銷內容，掌握大數(shù)據(jù)在營銷中的應用。
了解基本的營銷理論，并學會基于營銷理念來展開大數(shù)據(jù)分析。
熟悉數(shù)據(jù)分析/挖掘的基本過程，掌握常用的數(shù)據(jù)挖掘方法。
熟悉Excel數(shù)據(jù)分析工具，能夠利用Excel和SPSS軟件解決實際的營銷問題（比如定價/因素影響/預測/客戶需求/客戶價值/市場細分等）。

大數(shù)據(jù)實現(xiàn)精準營銷
傳統(tǒng)營銷的困境與挑戰(zhàn)
營銷理論的變革（4P4CnPnC）
大數(shù)據(jù)引領傳統(tǒng)營銷
大數(shù)據(jù)在營銷中的典型應用
市場定位與客戶細分
客戶需求與產(chǎn)品設計
精準廣告與精準推薦
……
大數(shù)據(jù)營銷的基石：用戶畫像
客戶生存周期中的大數(shù)據(jù)應用
演練：如何用大數(shù)據(jù)來支撐手機精準營銷項目

大數(shù)據(jù)基礎—數(shù)據(jù)思維篇
問題：大數(shù)據(jù)的核心價值是什么？大數(shù)據(jù)是怎樣用于業(yè)務決策？
大數(shù)據(jù)時代：你缺的不是一堆方法，而是大數(shù)據(jù)思維
大數(shù)據(jù)的本質
數(shù)據(jù)，是對客觀事物的描述和記錄
大數(shù)據(jù)不在于大，而在于全
大數(shù)據(jù)四大核心價值
用趨勢圖來探索產(chǎn)品銷量規(guī)律
從谷歌的GFT產(chǎn)品探索用戶需求變化
從大數(shù)據(jù)炒股看大數(shù)據(jù)如何探索因素的相關性
阿里巴巴預測經(jīng)濟危機的到來
從美國總統(tǒng)競選看大數(shù)據(jù)對選民行為進行分析
大數(shù)據(jù)價值落地的三個關鍵環(huán)節(jié)
業(yè)務數(shù)據(jù)化
數(shù)據(jù)信息化
信息策略化
案例：喜歡賺“差價”的營業(yè)員（用數(shù)據(jù)管理來識別）

大數(shù)據(jù)精準營銷—分析框架篇
數(shù)據(jù)分析簡介
數(shù)據(jù)分析的三個階段
分析方法的三大類別
數(shù)據(jù)分析的六步曲
步驟1：明確目的--理清思路
確定分析目的：要解決什么樣的業(yè)務問題
確定分析思路：分解業(yè)務問題，構建分析框架
步驟2：數(shù)據(jù)收集—理清思路
明確收集數(shù)據(jù)范圍
確定收集來源
確定收集方法
步驟3：數(shù)據(jù)預處理—尋找答案
數(shù)據(jù)質量評估
數(shù)據(jù)清洗、數(shù)據(jù)處理和變量處理
探索性分析
步驟4：數(shù)據(jù)分析--尋找答案
選擇合適的分析方法
構建合適的分析模型
選擇合適的分析工具
步驟5：數(shù)據(jù)展示--觀點表達
選擇恰當?shù)膱D表
選擇合適的可視化工具
步驟6：報表撰寫--觀點表達
選擇報告種類
完整的報告結構
演練：如何用大數(shù)據(jù)來支撐手機精準營銷項目
演練：如何構建一個良好的大數(shù)據(jù)分析框架

用戶行為分析—分析方法篇
問題：數(shù)據(jù)分析有什么方法可依?不同的方法適用解決什么樣的問題？
大數(shù)據(jù)精準營銷的前提：用戶行為分析
數(shù)據(jù)分析方法的層次
描述性分析法（對比/分組/結構/趨勢/交叉…）
相關性分析法（相關/方差/卡方…）
預測性分析法（回歸/時序/決策樹/神經(jīng)網(wǎng)絡…）
專題性分析法（聚類/關聯(lián)/RFM模型/…）
統(tǒng)計分析基礎
統(tǒng)計分析兩要素
統(tǒng)計分析三步驟
統(tǒng)計分析常用指標
匯總方式：計數(shù)、求和、百分比（增跌幅）
集中程度：均值、中位數(shù)、眾數(shù)
離散程度：極差、方差/標準差、IQR
分布形態(tài)：偏度、峰度
基本分析方法及其適用場景
對比分析（查看數(shù)據(jù)差距）
演練：尋找用戶的地域分布規(guī)律
演練：尋找公司主打產(chǎn)品
演練：用數(shù)據(jù)來探索增量不增收困境的解決方案
案例：銀行ATM柜員機現(xiàn)金管理分析（銀行）
分組分析（查看數(shù)據(jù)分布）
案例：排班后面隱藏的貓膩
案例：通信運營商的流量套餐劃分合理性的評估
演練：銀行用戶消費層次分析（銀行）
演練：呼叫中心接聽電話效率分析（呼叫中心）
演練：客服中心科學排班人數(shù)需求分析（客服中心）
演練：客戶年齡分布/消費分布分析
結構分析（評估事物構成）
案例：用戶市場占比結構分析
案例：物流費用占比結構分析（物流）
案例：中移動用戶群動態(tài)結構分析
演練：用戶結構/收入結構/產(chǎn)品結構的分析
趨勢分析（發(fā)現(xiàn)事物隨時間的變化規(guī)律）
案例：破解零售店銷售規(guī)律
案例：手機銷量的淡旺季分析
演練：發(fā)現(xiàn)產(chǎn)品銷售的時間規(guī)律
交叉分析（多維數(shù)據(jù)分析）
演練：用戶性別+地域分布分析
演練：不同區(qū)域的產(chǎn)品偏好分析
演練：不同教育水平的業(yè)務套餐偏好分析
綜合分析方法及其適用場景
綜合評價法（多維指標歸一）
案例：南京丈母娘選女婿分析表格
演練：人才選拔評價分析（HR）
杜邦分析法（關鍵因素分析-財務數(shù)據(jù)分析）
案例：運營商市場占有率分析（通信）
案例：服務水平提升分析（呼叫中心）
演戲：提升銷量的銷售策略分析（零售商/電商）
漏斗分析法（關鍵流程環(huán)節(jié)分析-流失率與轉化率分析）
案例：電商產(chǎn)品銷售流程優(yōu)化與策略分析（電商）
演練：營業(yè)廳終端銷售流程分析（電信）
演練：銀行業(yè)務辦理流程優(yōu)化分析（銀行）
矩陣分析法（產(chǎn)品策略分析-象限圖分析法）
案例：工作安排評估
案例：HR人員考核與管理
案例：波士頓產(chǎn)品策略分析
最合適的分析方法才是硬道理。

用戶行為分析—分析思路篇
問題：數(shù)據(jù)分析思路是怎樣的？如何才能全面/系統(tǒng)地分析而不遺漏？
常用分析思路模型
用戶行為分析（5W2H分析思路）
WHY：原因
WHAT：產(chǎn)品
WHO：客戶
WHEN：時間 
WHERE：區(qū)域/渠道
HOW：支付方式
HOW MUCH：價格
案例討論：結合公司情況，搭建用戶消費習慣的分析框架（5W2H）

影響因素分析—屬性篩選篇
營銷問題：哪些是影響市場銷量的關鍵因素？比如，產(chǎn)品在貨架上的位置是否對銷量有影響？價格和廣告開銷是如何影響銷量的？
影響風險控制的關鍵因素有哪些？如何判斷？
影響因素分析的常見方法
相關分析（衡量兩數(shù)據(jù)型變量的線性相關性）
問題：這兩個屬性是否會相互影響？影響程度大嗎？
相關分析簡介
相關分析的應用場景
相關分析的種類
簡單相關分析
偏相關分析
距離相關分析
相關系數(shù)的三種計算公式
Pearson相關系數(shù)
Spearman相關系數(shù)
Kendall相關系數(shù)
相關分析的假設檢驗
相關分析的四個基本步驟
演練：體重與腰圍的關系
演練：營銷費用會影響銷售額嗎
演練：哪些因素與汽車銷量有相關性
演練：話費與網(wǎng)齡的相關分析
偏相關分析
偏相關原理：排除不可控因素后的兩變量的相關性
偏相關系數(shù)的計算公式
偏相關分析的適用場景
距離相關分析
方差分析（衡量類別變量與數(shù)值變量間的相關性）
問題：哪些才是影響銷量的關鍵因素？
方差分析的應用場景
方差分析的三個種類
單因素方差分析
多因素方差分析
協(xié)方差分析
方差分析的原理
方差分析的四個步驟
解讀方差分析結果的兩個要點
演練：終端擺放位置與終端銷量有關嗎
演練：開通月數(shù)對客戶流失的影響分析
演練：客戶學歷對消費水平的影響分析
演練：廣告和價格是影響終端銷量的關鍵因素嗎
演練：營業(yè)員的性別、技能級別對產(chǎn)品銷量有影響嗎
演練：尋找影響產(chǎn)品銷量的關鍵因素
多因素方差分析原理
多因素方差分析的作用
多因素方差結果的解讀
演練：廣告形式、地區(qū)對銷量的影響因素分析（多因素）
協(xié)方差分析原理
協(xié)方差分析的適用場景
演練：飼料對生豬體重的影響分析（協(xié)方差分析）
列聯(lián)分析/卡方檢驗（兩類別變量的相關性分析）
交叉表與列聯(lián)表
卡方檢驗的原理
卡方檢驗的幾個計算公式
列聯(lián)表分析的適用場景
案例：套餐類型對客戶流失的影響分析
案例：學歷對業(yè)務套餐偏好的影響分析
案例：行業(yè)/規(guī)模對風控的影響分析
相關性分析方法總結

產(chǎn)品銷量預測—回歸預測篇
營銷問題：如何預測未來的產(chǎn)品銷量？如果產(chǎn)品跟隨季節(jié)性變動，該如何預測？新產(chǎn)品上市，如果評估銷量上限及銷售增速？
銷量預測與市場預測模型介紹
時序預測
回歸模型
季節(jié)性預測（相加/相乘模型）
產(chǎn)品預測（珀爾曲線/龔鉑茲曲線）
回歸分析/回歸預測
問題：如何預測未來的銷售量（定量分析）？
回歸分析簡介
回歸分析的種類（一元/多元、線性/曲線）
得到回歸方程的常用工具
散點圖+趨勢線
線性回歸工具
規(guī)劃求解工具
演練：散點圖找營銷費用與銷售額的關系（一元回歸）
線性回歸分析的五個步驟
演練：營銷費用、辦公費用與銷售額的關系（線性回歸）
解讀線性回歸分析結果的技巧
定性描述：正相關/負相關
定量描述：自變量變化導致因變量的變化程度
回歸預測模型質量評估
評估指標：判定系數(shù)R^2、標準誤差
如何選擇最佳回歸模型
演練：如何選擇最佳的回歸預測模型（一元曲線回歸）
預測值準確性評估
MAD、MSE/RMSE、MAPE等
帶分類變量的回歸預測
演練：汽車季度銷量預測
演練：工齡、性別與終端銷量的關系
演練：如何評估銷售目標與資源配置（營業(yè)廳）
回歸分析的基本原理
模型優(yōu)化思路：尋找最佳回歸擬合線
如何處理預測離群值（剔除離群值）
如何剔除不顯著因素（剔除不顯著因素）
如何進行非線性關系檢驗（增加非線性自變量）
如何進行相互作用檢驗（增加相互作用自變量）
如何進行多重共線性檢驗（剔除共線性自變量）
如何檢驗誤差項（修改因變量）
如何判斷模型過擬合（模型過擬合判斷）
演練：模型優(yōu)化案例
規(guī)劃求解工具簡介（自定義回歸模型的工具）
自定義模型（如何利用規(guī)劃求解進行自定義模型）
案例：如何對餐廳客流量進行建模及模型優(yōu)化
好模型都是優(yōu)化出來的

產(chǎn)品銷量預測—時序預測篇
時間序列簡介
回歸模型的缺點
時序預測常用模型
評估預測值的準確度指標
平均絕對誤差MAD
均方差MSE/RMSE
平均誤差率MAPE
移動平均（MA）
應用場景及原理
移動平均種類
一次移動平均
二次移動平均
加權移動平均
移動平均比率法
移動平均關鍵問題
期數(shù)N的最佳選擇方法
最優(yōu)權重系數(shù)的選取方法
演練：平板電腦銷量預測及評估
演練：快銷產(chǎn)品季節(jié)銷量預測及評估
指數(shù)平滑（ES）
應用場景及原理
最優(yōu)平滑系數(shù)的選取原則
指數(shù)平滑種類
一次指數(shù)平滑
二次指數(shù)平滑（Brown線性、Holt線性、Holt指數(shù)、阻尼線性、阻尼指數(shù)）
三次指數(shù)平滑
演練：煤炭產(chǎn)量預測
演練：航空旅客量預測及評估
溫特斯季節(jié)預測模型
適用場景及原理
Holt-Winters加法模型
Holt-Winters乘法模型
演練：汽車銷量預測及評估
回歸季節(jié)預測模型
季節(jié)性回歸模型的參數(shù)
常用季節(jié)性預測模型（相加、相乘）
案例：美國航空旅客里程的季節(jié)性趨勢分析
案例：產(chǎn)品銷售季節(jié)性趨勢預測分析
ARIMA模型
適用場景及原理
ARIMA操作
演練：上海證券交易所綜合指數(shù)收益率序列分析
演練：服裝銷售數(shù)據(jù)季節(jié)性趨勢預測分析
新產(chǎn)品銷量預測
新產(chǎn)品累計銷量的S曲線
如何評估銷量增長的拐點
珀爾曲線與龔鉑茲曲線
案例：如何預測產(chǎn)品的銷售增長拐點，以及銷量上限
演練：預測IPad產(chǎn)品的銷量
客戶行為預測—分類預測篇
問題：如何評估客戶購買產(chǎn)品的可能性？如何預測客戶的購買行為？如何提取某類客戶的典型特征？如何向客戶精準推薦產(chǎn)品或業(yè)務？
分類模型概述
常見分類預測模型
邏輯回歸（LR）
邏輯回歸模型原理及適用場景
邏輯回歸的種類
二項邏輯回歸
多項邏輯回歸
如何解讀邏輯回歸方程
帶分類自變量的邏輯回歸分析
多元邏輯回歸
案例：如何評估用戶是否會購買某產(chǎn)品（二元邏輯回歸）
案例：多品牌選擇模型分析（多元邏輯回歸）
分類決策樹（DT）
問題：如何預測客戶行為？如何識別潛在客戶？
風控：如何識別欠貸者的特征，以及預測欠貸概率？
客戶保有：如何識別流失客戶特征，以及預測客戶流失概率？
決策樹分類簡介
案例：美國零售商（Target）如何預測少女懷孕
演練：識別銀行欠貨風險，提取欠貸者的特征
構建決策樹的三個關鍵問題
如何選擇最佳屬性來構建節(jié)點
如何分裂變量
修剪決策樹
如何評估分類性能？如何選擇最優(yōu)分類模型？
案例：商場酸奶購買用戶特征提取
案例：客戶流失預警與客戶挽留
案例：識別拖欠銀行貨款者的特征，避免不良貨款
案例：識別電信詐騙者嘴臉，讓通信更安全
人工神經(jīng)網(wǎng)絡（ANN）
神經(jīng)網(wǎng)絡概述
神經(jīng)網(wǎng)絡基本原理
神經(jīng)網(wǎng)絡的結構
神經(jīng)網(wǎng)絡的建立步驟
神經(jīng)網(wǎng)絡的關鍵問題
BP反向傳播網(wǎng)絡（MLP）
徑向基網(wǎng)絡（RBF）
案例：評估銀行用戶拖欠貨款的概率

市場細分模型
問題：我們的客戶有幾類？各類特征是什么？如何實現(xiàn)客戶細分，開發(fā)符合細分市場的新產(chǎn)品？如何提取客戶特征，從而對產(chǎn)品進行市場定位？
市場細分的常用方法
有指導細分
無指導細分
聚類分析
如何更好的了解客戶群體和市場細分？
如何識別客戶群體特征？
如何確定客戶要分成多少適當?shù)念悇e？
聚類方法原理介紹
聚類方法作用及其適用場景
聚類分析的種類
K均值聚類（快速聚類）
案例：移動三大品牌細分市場合適嗎？
演練：寶潔公司如何選擇新產(chǎn)品試銷區(qū)域？
演練：如何評選優(yōu)秀員工？
演練：中國各省份發(fā)達程度分析，讓數(shù)據(jù)自動聚類
層次聚類（系統(tǒng)聚類）：發(fā)現(xiàn)多個類別
R型聚類與Q型聚類的區(qū)別
案例：中移動如何實現(xiàn)客戶細分及營銷策略
演練：中國省市經(jīng)濟發(fā)展情況分析（Q型聚類）
演練：裁判評分的標準衡量，避免“黑哨”（R型聚類）
兩步聚類
客戶細分與PCA分析法
PCA主成分分析的原理
PCA分析法的適用場景
演練：利用PCA對汽車客戶群進行細分
演練：如何針對汽車客戶群設計汽車

客戶價值分析
營銷問題：如何評估客戶的價值？不同的價值客戶有何區(qū)別對待？
如何評價客戶生命周期的價值
貼現(xiàn)率與留存率
評估客戶的真實價值
使用雙向表衡量屬性敏感度
變化的邊際利潤
案例：評估營銷行為的合理性
RFM模型（客戶價值評估）
RFM模型，更深入了解你的客戶價值
RFM模型與市場策略
RFM模型與活躍度分析
案例：客戶價值評估與促銷名單
案例：重購用戶特征分析

產(chǎn)品推薦模型
問題：購買A產(chǎn)品的顧客還常常要購買其他什么產(chǎn)品？應該給客戶推薦什么產(chǎn)品最有可能被接受？
常用產(chǎn)品推薦模型
關聯(lián)分析
如何制定套餐，實現(xiàn)交叉/捆綁銷售
案例：啤酒與尿布、颶風與蛋撻
關聯(lián)分析模型原理（Association）
關聯(lián)規(guī)則的兩個關鍵參數(shù)
支持度
置信度
關聯(lián)分析的適用場景
案例：購物籃分析與產(chǎn)品捆綁銷售/布局優(yōu)化
案例：理財產(chǎn)品的交叉銷售與產(chǎn)品推薦

產(chǎn)品定價策略及最優(yōu)定價
營銷問題：產(chǎn)品如何實現(xiàn)最估定價？套餐價格如何確定？采用哪些定價策略可達到利潤最大化？
常見的定價方法
產(chǎn)品定價的理論依據(jù)
需求曲線與利潤最大化
如何求解最優(yōu)定價
案例：產(chǎn)品最優(yōu)定價求解
如何評估需求曲線
價格彈性
曲線方程（線性、乘冪）
如何做產(chǎn)品組合定價
如何做產(chǎn)品捆綁/套餐定價
最大收益定價（演進規(guī)劃求解）
避免價格反轉的套餐定價
案例：電信公司的寬帶、IPTV、移動電話套餐定價
非線性定價原理
要理解支付意愿曲線
支付意愿曲線與需求曲線的異同
案例：雙重收費如何定價（如會費+按次計費）
階梯定價策略
案例：電力公司如何做階梯定價
數(shù)量折扣定價策略
案例：如何通過折扣來實現(xiàn)薄利多銷
定價策略的評估與選擇
案例：零售公司如何選擇最優(yōu)定價策略
航空公司的收益管理
收益管理介紹
如何確定機票預訂限制
如何確定機票超售數(shù)量
如何評估模型的收益
案例：FBN航空公司如何實現(xiàn)收益管理（預訂/超售）

實戰(zhàn)篇(電信業(yè)客戶流失分析模型)
電信業(yè)客戶流失預警與客戶挽留模型
銀行欠貸風險預測模型

結束：課程總結與問題答疑。