“数”说营销 —大数据挖掘与营销应用

推荐

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

案例：让你的营销费用预算更准确

3、寻找最佳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

4、基于时间的预测与时序分析

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

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

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）

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

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

实战：终端生命周期曲线与终端销售最佳时机

第八部分：课程总结与问题答疑

第一部分：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

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

Ø  大数据用户画像

5、如何建立全渠道数据平台，拓展营销渠道，提高营销效率

6、如何提升你的客户粘性

Ø  评估你的客户价值

Ø  如何建立客户响应模型

Ø  精准推荐

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

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

3、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）

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）

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