“数”说营销—大数据挖掘与营销应用

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