數(shù)說營銷——大數(shù)據(jù)營銷實戰(zhàn)培訓(xùn)

【課程目標】

本課程從實際的市場營銷問題出發(fā)，構(gòu)建數(shù)據(jù)分析與數(shù)據(jù)挖掘模型，以解決實際的商業(yè)問題。并對大數(shù)據(jù)分析與挖掘技術(shù)進行了全面的介紹，通過從大量的市場營銷數(shù)據(jù)中分析潛在的客戶特征，挖掘客戶行為特點，實現(xiàn)精準營銷，幫助市場營銷團隊深入理解業(yè)務(wù)運作，支持業(yè)務(wù)策略制定以及運營決策。

通過本課程的學(xué)習(xí)，達到如下目的：

1、 了解大數(shù)據(jù)營銷內(nèi)容，掌握大數(shù)據(jù)在營銷中的應(yīng)用。

2、 了解基本的營銷理論，并學(xué)會基于營銷理念來展開大數(shù)據(jù)分析。

3、 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。

4、 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/影響因素/行為預(yù)測/客戶需求/客戶價值/市場細分等）。

【授課時間】

2-4天時間，或者根據(jù)培訓(xùn)需求選擇組合（每天6個小時）

【授課對象】

市場營銷部、運營分析部、業(yè)務(wù)支撐等偏業(yè)務(wù)人員。

本課程由淺入深，結(jié)合原理主講分析方法和常規(guī)分析工具的應(yīng)用，不需要太深的數(shù)學(xué)知識，但希望掌握數(shù)據(jù)分析的相關(guān)人員。

【學(xué)員要求】

1、 每個學(xué)員自備一臺便攜機(必須)。

2、 便攜機中事先安裝好Excel 2013版本及以上（前兩天用）。

3、 便攜機中事先安裝好IBM SPSS Statistics v24版本及以上（后兩天用）。

注：講師可以提供試用版本軟件及分析數(shù)據(jù)源。

【授課方式】

理論精講 + 案例演練 + 實際業(yè)務(wù)問題分析 + Excel實踐操作 + SPSS實踐操作

本課程突出數(shù)據(jù)分析的實際應(yīng)用，結(jié)合行業(yè)的典型應(yīng)用特點，圍繞實際的商業(yè)問題，進行大數(shù)據(jù)的分析與挖掘，介紹常用的方法和模型，以及模型適用場景，通過演練操作，以達到提升學(xué)員對營銷數(shù)據(jù)的分析以及對數(shù)據(jù)模型的深入理解。

【課程大綱】

第一部分： 數(shù)據(jù)核心理念—數(shù)據(jù)思維篇

問題：什么是數(shù)據(jù)思維？大數(shù)據(jù)決策的底層邏輯以及決策依據(jù)是什么？

1、 數(shù)字化五大技術(shù)戰(zhàn)略：ABCDI戰(zhàn)略

? A：人工智能，目的是用機器模擬人類行為

? B：區(qū)塊鏈，構(gòu)建不可篡改的分布記賬系統(tǒng)

? C：云計算，搭建按需分配的計算資源平臺

? D：大數(shù)據(jù)，實現(xiàn)智能化的判斷和決策機制

? I：物聯(lián)網(wǎng)，實現(xiàn)萬物互聯(lián)通信的基礎(chǔ)架構(gòu)

2、 大數(shù)據(jù)的本質(zhì)

? 數(shù)據(jù)，是事物發(fā)展和變化過程中留下的痕跡

? 大數(shù)據(jù)不在于量大，而在于全（多維性）

? 業(yè)務(wù)導(dǎo)向還是技術(shù)導(dǎo)向

3、 大數(shù)據(jù)決策的底層邏輯（即四大核心價值）

? 探索業(yè)務(wù)規(guī)律，按規(guī)律來管理決策

案例：客流規(guī)律與排班及最佳營銷時機

案例：致命交通事故發(fā)生的時間規(guī)律

? 發(fā)現(xiàn)運營變化，定短板來運營決策

案例：考核周期導(dǎo)致的員工月初懈怠

案例：工序信號異常監(jiān)測設(shè)備故障

? 理清要素關(guān)系，找影響因素來決策

案例：情緒對于股市漲跌的影響

案例：為何升職反而會增加離職風(fēng)險？

? 預(yù)測未來趨勢，通過預(yù)判進行決策

案例：惠普預(yù)測員工離職風(fēng)險及挽留

案例：保險公司的車險預(yù)測與個性化保費定價

4、 大數(shù)據(jù)決策的三個關(guān)鍵環(huán)節(jié)

? 業(yè)務(wù)數(shù)據(jù)化：將業(yè)務(wù)問題轉(zhuǎn)化為數(shù)據(jù)問題

? 數(shù)據(jù)信息化：提取數(shù)據(jù)中的業(yè)務(wù)規(guī)律信息

? 信息策略化：基于規(guī)律形成業(yè)務(wù)應(yīng)對策略

案例：用數(shù)據(jù)來識別喜歡賺“差價”的營業(yè)員

第二部分： 數(shù)據(jù)精準營銷—分析過程篇

問題：大數(shù)據(jù)實現(xiàn)精準營銷的整個過程是什么？要經(jīng)歷哪些步驟？如何構(gòu)建精準營銷的數(shù)據(jù)支撐框架？需要采集哪些數(shù)據(jù)？

1、 數(shù)據(jù)分析的六步曲

? 明確目標，確定分析思路

? 收集數(shù)據(jù)，尋找分析素材

? 整理數(shù)據(jù)，確保數(shù)據(jù)質(zhì)量

? 分析數(shù)據(jù)，尋找業(yè)務(wù)答案

? 呈現(xiàn)數(shù)據(jù)，解讀業(yè)務(wù)規(guī)律

? 撰寫報告，形成業(yè)務(wù)策略

2、 精準營銷的業(yè)務(wù)分析框架（6R準則）

? 尋找正確的客戶

? 匹配正確的產(chǎn)品

? 確定合理的價格

? 通過合適的渠道

? 采用合適的方式

? 設(shè)計恰當?shù)男畔?/span>

演練：如何構(gòu)建一個良好的大數(shù)據(jù)精準營銷分析框架

3、 精準營銷項目的整個分析過程

演練：如何用大數(shù)據(jù)來支撐產(chǎn)品精準營銷項目

第三部分： 用戶行為分析—分析方法篇

問題：數(shù)據(jù)分析方法的種類？分析方法的不同應(yīng)用場景？

1、 業(yè)務(wù)分析的三個階段

? 現(xiàn)狀分析：通過企業(yè)運營指標來發(fā)現(xiàn)規(guī)律及短板

? 原因分析：查找數(shù)據(jù)相關(guān)性，探尋目標影響因素

? 預(yù)測分析：合理配置資源，預(yù)判業(yè)務(wù)未來的趨勢

2、 常用的數(shù)據(jù)分析方法種類

? 描述性分析法（對比/分組/結(jié)構(gòu)/趨勢/交叉…）

? 相關(guān)性分析法（相關(guān)/方差/卡方…）

? 預(yù)測性分析法（回歸/時序/決策樹/神經(jīng)網(wǎng)絡(luò)…）

? 專題性分析法（聚類/關(guān)聯(lián)/RFM模型/…）

3、 統(tǒng)計分析基礎(chǔ)

? 統(tǒng)計分析兩大關(guān)鍵要素（類別、指標）

? 統(tǒng)計分析的操作模式（類別à指標）

? 統(tǒng)計分析三個操作步驟（統(tǒng)計、畫圖、解讀）

? 透視表的三個組成部分

4、 常用的描述性指標

? 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

5、 基本分析方法及其適用場景

? 對比分析（查看數(shù)據(jù)差距，發(fā)現(xiàn)事物變化）

演練：尋找用戶的地域分布特征

演練：分析產(chǎn)品受歡迎情況及貢獻大小

演練：用數(shù)據(jù)來探索增量不增收困境的解決方案

? 分布分析（查看數(shù)據(jù)分布，探索業(yè)務(wù)層次）

演練：銀行用戶的消費水平和消費層次分析

演練：客戶年齡分布/收入分布分析

案例：通信運營商的流量套餐劃分合理性的評估

演練：呼叫中心接聽電話效率分析（呼叫中心）

? 結(jié)構(gòu)分析（查看指標構(gòu)成，評估結(jié)構(gòu)合理性）

案例：增值業(yè)務(wù)收入結(jié)構(gòu)分析（通信）

案例：物流費用成本結(jié)構(gòu)分析（物流）

案例：中移動用戶群動態(tài)結(jié)構(gòu)分析

演練：財務(wù)領(lǐng)域的結(jié)構(gòu)瀑布圖、財務(wù)收支的變化瀑布圖

? 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

案例：微信用戶的活躍時間規(guī)律

演練：發(fā)現(xiàn)客流量的時間規(guī)律

? 交叉分析（從多個維度的數(shù)據(jù)指標分析）

演練：用戶性別+地域分布分析

演練：不同客戶的產(chǎn)品偏好分析

演練：不同學(xué)歷用戶的套餐偏好分析

演練：銀行用戶的違約影響因素分析

第四部分： 用戶行為分析—分析框架篇

問題：如何才能全面/系統(tǒng)地分析而不遺漏？如何分解和細化業(yè)務(wù)問題？

1、 業(yè)務(wù)分析思路和分析框架來源于業(yè)務(wù)模型

2、 常用的業(yè)務(wù)模型

? 外部環(huán)境分析：PEST

? 業(yè)務(wù)專題分析：5W2H

? 競品/競爭分析：SWOT、波特五力

? 營銷市場專題分析：4P/4C等

3、 用戶行為分析（5W2H分析思路和框架）

? WHY：原因（用戶需求、產(chǎn)品亮點、競品優(yōu)劣勢）

? WHAT：產(chǎn)品（產(chǎn)品喜好、產(chǎn)品貢獻、產(chǎn)品功能、產(chǎn)品結(jié)構(gòu)）

? WHO：客戶（基本特征、消費能力、產(chǎn)品偏好）

? WHEN：時間（淡旺季、活躍時間、重購周期）

? WHERE：區(qū)域/渠道（區(qū)域喜好、渠道偏好）

? HOW：支付/促銷（支付方式、促銷方式有效性評估等）

? HOW MUCH：價格（費用、成本、利潤、收入結(jié)構(gòu)、價格偏好等）

案例討論：結(jié)合公司情況，搭建用戶消費習(xí)慣的分析框架（5W2H）

4、 數(shù)據(jù)分析策略

第五部分： 影響因素分析—原因分析篇

營銷問題：哪些因素是影響業(yè)務(wù)目標的關(guān)鍵要素？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(fēng)控的關(guān)鍵因素有哪些？如何判斷？

1、 影響因素分析的常見方法

2、 相關(guān)分析（衡量兩數(shù)據(jù)型變量的線性相關(guān)性）

? 相關(guān)分析簡介

? 相關(guān)分析的應(yīng)用場景

? 相關(guān)分析的種類

2 簡單相關(guān)分析

2 偏相關(guān)分析

2 距離相關(guān)分析

? 相關(guān)系數(shù)的三種計算公式

2 Pearson相關(guān)系數(shù)

2 Spearman相關(guān)系數(shù)

2 Kendall相關(guān)系數(shù)

? 相關(guān)分析的假設(shè)檢驗

? 相關(guān)分析的四個基本步驟

演練：營銷費用會影響銷售額嗎？影響程度如何量化？

演練：哪些因素與汽車銷量有相關(guān)性

演練：影響用戶消費水平的因素會有哪些

? 偏相關(guān)分析

2 偏相關(guān)原理：排除不可控因素后的兩變量的相關(guān)性

2 偏相關(guān)系數(shù)的計算公式

2 偏相關(guān)分析的適用場景

? 距離相關(guān)分析

3、 方差分析（衡量類別變量與數(shù)值變量間的相關(guān)性）

? 方差分析的應(yīng)用場景

? 方差分析的三個種類

2 單因素方差分析

2 多因素方差分析

2 協(xié)方差分析

? 單因素方差分析的原理

? 方差分析的四個步驟

? 解讀方差分析結(jié)果的兩個要點

演練：擺放位置與銷量有關(guān)嗎

演練：客戶學(xué)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(guān)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(guān)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(jié)果的解讀

演練：廣告形式、地區(qū)對銷量的影響因素分析

? 協(xié)方差分析原理

? 協(xié)方差分析的適用場景

演練：排除產(chǎn)品價格，收入對銷量有影響嗎？

4、 列聯(lián)分析/卡方檢驗（兩類別變量的相關(guān)性分析）

? 交叉表與列聯(lián)表：計數(shù)值與期望值

? 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(xué)歷對業(yè)務(wù)套餐偏好的影響分析

案例：行業(yè)/規(guī)模對風(fēng)控的影響分析

5、 相關(guān)性分析方法總結(jié)

第六部分： 產(chǎn)品銷量預(yù)測—回歸預(yù)測篇

營銷問題：如何預(yù)測未來的產(chǎn)品銷量/銷售額？如果產(chǎn)品跟隨季節(jié)性變動，該如何預(yù)測？

1、 回歸分析簡介和原理

2、 回歸分析的種類

? 一元回歸/多元回歸

? 線性回歸/非線性回歸

3、 常用回歸分析方法

? 散點圖+趨勢線（一元）

? 線性回歸工具（多元線性）

? 規(guī)劃求解工具（非線性回歸）

演練：散點圖找營銷費用與銷售額的關(guān)系

4、 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(guān)系（線性回歸）

5、 線性回歸方程的解讀技巧

? 定性描述：正相關(guān)/負相關(guān)

? 定量描述：自變量變化導(dǎo)致因變量的變化程度

6、 回歸預(yù)測模型評估

? 質(zhì)量評估指標：判定系數(shù)R^2

? 如何選擇最佳回歸模型

演練：如何選擇最佳的回歸預(yù)測模型（一元曲線回歸）

7、 帶分類自變量的回歸預(yù)測

演練：汽車季度銷量預(yù)測

演練：工齡、性別與終端銷量的關(guān)系

演練：如何評估銷售目標與資源最佳配置

8、 回歸分析的基本原理

? 三個基本概念：總變差、回歸變差、剩余變差

? 方程的顯著性檢驗：方程可用性

? 因素的顯著性檢驗：因素可用性

? 方程擬合優(yōu)度檢驗：質(zhì)量好壞程度

? 理解標準誤差含義：預(yù)測準確性？

9、 回歸模型優(yōu)化措施：尋找最佳回歸擬合線

? 如何處理預(yù)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(guān)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）

演練：模型優(yōu)化演示

10、 好模型都是優(yōu)化出來的

第七部分： 客流預(yù)測模型—自定義回歸篇

1、 回歸建模的本質(zhì)

2、 規(guī)劃求解工具簡介

3、 自定義回歸模型

案例：如何對客流量進行建模預(yù)測及模型優(yōu)化

4、 季節(jié)性預(yù)測模型

? 回歸季節(jié)模型的原理及應(yīng)用場景

? 加法季節(jié)模型

? 乘法季節(jié)模型

? 模型解讀

案例：美國航空旅客里程的季節(jié)性趨勢分析

5、 新產(chǎn)品累計銷量的S曲線

? S曲線模型的應(yīng)用場景（最大累計銷量及銷量增長的拐點）

? 珀爾曲線

? 龔鉑茲曲線

案例：如何預(yù)測產(chǎn)品的銷售增長拐點，以及銷量上限

演練：預(yù)測IPad產(chǎn)品的銷量

第八部分： 產(chǎn)品銷量預(yù)測—時序預(yù)測篇

營銷問題：像利率/CPI/GDP等按時序變化的指標如何預(yù)測？當銷量隨季節(jié)周期變動時該如何預(yù)測？

1、 回歸預(yù)測vs時序預(yù)測

2、 因素分解思想

3、 時序預(yù)測常用模型

? 趨勢擬合

? 季節(jié)擬合

? 平均序列擬合

4、 評估預(yù)測值的準確度指標：MAD、RMSE、MAPE

5、 移動平均（MA）

? 應(yīng)用場景及原理

? 移動平均種類

2 一次移動平均

2 二次移動平均

2 加權(quán)移動平均

2 移動平均比率法

? 移動平均關(guān)鍵問題

2 如何選取最優(yōu)參數(shù)N

2 如何確定最優(yōu)權(quán)重系數(shù)

演練：平板電腦銷量預(yù)測及評估

演練：快銷產(chǎn)品季節(jié)銷量預(yù)測及評估

6、 指數(shù)平滑（ES）

? 應(yīng)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

2 一次指數(shù)平滑

2 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)）

2 三次指數(shù)平滑

演練：煤炭產(chǎn)量預(yù)測

演練：航空旅客量預(yù)測及評估

7、 溫特斯季節(jié)預(yù)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(yù)測及評估

8、 平穩(wěn)序列模型（ARIMA）

? 序列的平穩(wěn)性檢驗

? 平穩(wěn)序列的擬合模型

2 AR(p)自回歸模型

2 MA(q)移動模型

2 ARMA(p,q)自回歸移動模型

? 模型的識別與定階

2 ACF圖/PACF圖

2 最小信息準則

? 序列平穩(wěn)化處理

2 變量變換

2 k次差分

2 d階差分

? ARIMA(p,d,q)模型

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(yù)測分析

? 平穩(wěn)序列的建模流程

第九部分： 客戶行為預(yù)測—分類預(yù)測篇

問題：如何評估客戶購買產(chǎn)品的可能性？如何預(yù)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(wù)？

1、 分類模型概述及其應(yīng)用場景

2、 常見分類預(yù)測模型

3、 邏輯回歸（LR）

? 邏輯回歸的適用場景

? 邏輯回歸的模型原理

? 邏輯回歸分類的幾何意義

? 邏輯回歸的種類

2 二項邏輯回歸

2 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

? 多項邏輯回歸/多分類邏輯回歸

案例：如何評估用戶是否會購買某產(chǎn)品（二項邏輯回歸）

案例：多品牌選擇模型分析（多項邏輯回歸）

4、 分類決策樹（DT）

問題：如何預(yù)測客戶行為？如何識別潛在客戶？

風(fēng)控：如何識別欠貸者的特征，以及預(yù)測欠貸概率？

客戶保有：如何識別流失客戶特征，以及預(yù)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(yù)測少女懷孕

演練：識別銀行欠貨風(fēng)險，提取欠貸者的特征

? 決策樹分類的幾何意義

? 構(gòu)建決策樹的三個關(guān)鍵問題

2 如何選擇最佳屬性來構(gòu)建節(jié)點

2 如何分裂變量

2 修剪決策樹

? 選擇最優(yōu)屬性生長

2 熵、基尼索引、分類錯誤

2 屬性劃分增益

? 如何分裂變量

2 多元劃分與二元劃分

2 連續(xù)變量離散化（最優(yōu)分割點）

? 修剪決策樹

2 剪枝原則

2 預(yù)剪枝與后剪枝

? 構(gòu)建決策樹的四個算法

2 C5.0、CHAID、CART、QUEST

2 各種算法的比較

? 如何選擇最優(yōu)分類模型？

案例：商場用戶的典型特征提取

案例：客戶流失預(yù)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

? 多分類決策樹

案例：不同套餐用戶的典型特征

? 決策樹模型的保存與應(yīng)用

5、 人工神經(jīng)網(wǎng)絡(luò)（ANN）

? 神經(jīng)網(wǎng)絡(luò)概述

? 神經(jīng)網(wǎng)絡(luò)基本原理

? 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

? 神經(jīng)網(wǎng)絡(luò)分類的幾何意義

? 神經(jīng)網(wǎng)絡(luò)的建立步驟

? 神經(jīng)網(wǎng)絡(luò)的關(guān)鍵問題

? BP反向傳播網(wǎng)絡(luò)（MLP）

? 徑向基網(wǎng)絡(luò)（RBF）

案例：評估銀行用戶拖欠貨款的概率

6、 判別分析（DA）

? 判別分析原理

? 判別分析種類

? Fisher線性判別分析

案例：MBA學(xué)生錄取判別分析

案例：上市公司類別評估

7、 最近鄰分類（KNN）

? KNN模型的基本原理

? KNN分類的幾何意義

? K近鄰的關(guān)鍵問題

8、 支持向量機（SVM）

? SVM基本原理

? 線性可分問題：最大邊界超平面

? 線性不可分問題：特征空間的轉(zhuǎn)換

? 維災(zāi)難與核函數(shù)

9、 貝葉斯分類（NBN）

? 貝葉斯分類原理

? 計算類別屬性的條件概率

? 估計連續(xù)屬性的條件概率

? 預(yù)測分類概率（計算概率）

? 拉普拉斯修正

案例：評估銀行用戶拖欠貨款的概率

第十部分： 市場細分模型—聚類模型篇

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？

1、 市場細分的常用方法

? 有指導(dǎo)細分

? 無指導(dǎo)細分

2、 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

2 K均值聚類

2 層次聚類

2 兩步聚類

? 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：如何自動評選優(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

3、 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(shè)計汽車

第十一部分： 客戶價值評估—RFM模型篇

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？

1、 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

2、 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

演練：“雙11”淘寶商家如何選擇價值客戶進行促銷

演練：結(jié)合響應(yīng)模型，宜家IKE實現(xiàn)最大化營銷利潤

案例：重購用戶特征分析

第十二部分： 產(chǎn)品推薦算法—推薦模型篇

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(yīng)該給客戶推薦什么產(chǎn)品最有可能被接受？

1、 從搜索引擎到推薦引擎

2、 常用產(chǎn)品推薦模型及算法

3、 基于流行度的推薦

? 基于排行榜的推薦，適用于剛注冊的用戶

? 優(yōu)化思路：分群推薦

4、 基于內(nèi)容的推薦CBR

? 關(guān)鍵問題：如何計算物品的相似度

? 優(yōu)缺點

? 優(yōu)化：Rocchio算法、基于標簽的推薦、基于興趣度的推薦

5、 基于用戶的推薦

? 關(guān)鍵問題：如何對用戶分類/計算用戶的相似度

? 算法：按屬性分類、RFM模型、PCA、聚類、按偏好分類、按地理位置

6、 協(xié)同過濾的推薦

? 基于用戶的協(xié)同過濾

? 基于物品的協(xié)同過濾

? 冷啟動的問題

案例：計算用戶相似度、計算物品相似度

7、 基于關(guān)聯(lián)分析的推薦

? 如何制定套餐，實現(xiàn)交叉/捆綁銷售

案例：啤酒與尿布、颶風(fēng)與蛋撻

? 關(guān)聯(lián)分析模型原理（Association）

? 關(guān)聯(lián)規(guī)則的兩個關(guān)鍵參數(shù)

2 支持度

2 置信度

? 關(guān)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：通信產(chǎn)品的交叉銷售與產(chǎn)品推薦

8、 基于分類模型的推薦

9、 其它推薦算法

? LFM基于隱語義模型

? 按社交關(guān)系

? 基于時間上下文

10、 多推薦引擎的協(xié)同工作

第十三部分： 產(chǎn)品定價策略—最優(yōu)定價篇

營銷問題：產(chǎn)品如何實現(xiàn)最優(yōu)定價？套餐價格如何確定？采用哪種定價策略可達到利潤最大化？

1、 常見的定價方法

2、 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

3、 如何評估需求曲線

? 價格彈性

? 曲線方程（線性、乘冪）

4、 如何做產(chǎn)品組合定價

5、 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(zhuǎn)的套餐定價

案例：電信公司的寬帶、IPTV、移動電話套餐定價

6、 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）

7、 階梯定價策略

案例：電力公司如何做階梯定價

8、 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

9、 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

10、 航空公司的收益管理

? 收益管理介紹

? 如何確定機票預(yù)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(yù)訂/超售）

第十四部分： 實戰(zhàn)篇(客戶行為預(yù)測)

1、 電信業(yè)客戶流失預(yù)警與客戶挽留模型

2、 銀行欠貸風(fēng)險預(yù)測模型

結(jié)束：課程總結(jié)與問題答疑。