“数”说营销—大数据挖掘与营销应用

系统支撑、市场营销部、运营分析部相关技术及应用人员。

课程收获：

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。

课程特色：

1、理论精讲

+案例演练

+实际业务问题分析

+Excel实践操作

+SPSS实践操作；

2、本课程突出数据分析的实际应用，结合行业的典型应用特点，围绕实际的商业问题，进行大数据的收集与处理、数据分析与挖掘，以及数据呈现与报告撰写，全过程演练操作。

课程大纲

一、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、大数据新营销模式/特点

（1）如何选择互联网的营销模式

（2）客户关系管理CRM

（3）精确营销

3、如何在海量数据中整合数据

（1）客户的群体特征

（2）大数据用户画像

4、如何建立全渠道数据平台/提升你的客户粘性

5、客户生存周期中的大数据应用

6、数据分析与挖掘在通信行业的应用

二、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）

案例：客户匹配度建模/4G终端营销分析

3、如何选择合适的营销方式

（1）各营销渠道的用户特征分析

（2）促销方式有效性检验

（3）参数检验与非参数检验原理介绍

案例演练：通信行业ARPU值/营销效果评估分析

三、因素影响分析

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/推广费用与销售金额/家庭生活开支的相关分析

2、方差分析

案例：终端陈列位置/广告形式/地区对销量的影响分析

四、销售预测分析

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

4、基于时间的预测与时序分析

案例演练：电视机销量预测/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/产品销售的季节性趋势预测分析

五、客户需求分析

1、逻辑回归模型

案例：杂志社订阅模型

2、关联分析

（1）如何制定套餐，实现交叉/捆绑销售

（2）产品关联分析模型原理

案例：超市商品交叉销售与布局优化

六、客户价值分析

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

七、市场细分分析

1、聚类分析

（1）如何更好的了解客户群体和市场细分

（2）如何识别客户群体特征

2、分类决策树

（1）如何选择节点构建决策树/提取客户特征

（2）决策树分析过程

实战：终端生命周期曲线与终端销售最佳时机

八、课程总结与问题答疑 

专家简介

华为大数据专家　傅一航

实战经验曾在华为工作10年，近十年以来一直从事通信行业的研究与分析，对通信行业的市场态势、客户行为、服务效果以及运营分析等方面有深入的接触和研究，特别是针对大数据、4G及LTE标准发展，无线网络演进，网络融合，市场发展及业务应用分析，在业务应用领域投入了更多的精力，积累了相当的知识和见解。目前致力于将大数据技术应用于通信、金融、航空、电商、互联网等领域，专注于将大数据应用于行业及商业领域，解决行业实际的问题，帮助企业提升运营决策能力和大数据营销预测能力。