简介
本课程从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,对数据分析及数据挖掘技术进行了全面的介绍(从数据收集与处理,到数据分析与挖掘,再到数据可视化和报告撰写),通过大量的操作演练,帮助学员掌握数据分析和数据挖掘的思路、方法、表达、工具,从大量的企业经营数据中进行分析,挖掘客户行为特点,帮助运营团队深入理解业务运作,以达到提升学员的数据综合分析能力,支撑运营决策的目的。
本课程为高级课程,需要在初级/中级课程之后学习。面向高级数据分析人员,以及系统开发人员。
本课程核心内容为大数据建模、业务专题分析,以及算法实现。
本课程覆盖了如下内容:
1.市场细分,以及客户群划分模型。
2.客户价值评估与分析。
3.产品设计与优化模型。
4.产品推荐模型。
5.产品定价策略分析。
目标
1.学会如何做市场细分,划分客户群。
2.学会实现客户价值评估。
3.学会用大数据来指导产品功能设计,以及产品优化。
4.掌握产品精准推荐模型,学会实现产品精准推荐系统。
5.掌握数据挖掘常用十大算法及其实现。
课程时长
2天(12H)
受众人群
运营分析部、数据分析部、大数据系统开发部、等对业务数据分析有要求的相关人员。
学员要求
1.每个学员自备一台便携机(必须)。
2.便携机中事先安装好Excel 2010版本及以上。
3.便携机中事先安装好IBM SPSS Statistics v19版本及以上。
4.便携机中事先安装好Python v3.6版本及以上。
注:讲师可以提供试用版本软件及分析数据源。
授课方式
数据分析基础 + 方法讲解 + 实际业务问题分析 + 工具实践操作
采用互动式教学,围绕业务问题,展开数据分析过程,全过程演练操作,让学员在分析、分享、讲授、总结、自我实践过程中获得能力提升。
分享提纲
第一部分: 数据建模篇 | 1、 预测建模五步法 Ø 选择/自定义模型 Ø 训练模型 Ø 评估模型 Ø 优化模型 Ø 应用模型 2、 最优化求解基本策略 |
第二部分: 分类预测模型篇 | 1、 最近邻分类(KNN) Ø 基本原理 Ø 关键问题 2、 贝叶斯分类(NBN) Ø 贝叶斯分类原理 Ø 计算类别属性的条件概率 Ø 估计连续属性的条件概率 Ø 贝叶斯网络种类:TAN/马尔科夫毯 Ø 预测分类概率(计算概率) 案例:评估银行用户拖欠货款的概率 3、 支持向量机(SVM) Ø SVM基本原理 Ø 线性可分问题:最大边界超平面 Ø 线性不可分问题:特征空间的转换 Ø 维空难与核函数 |
第三部分: 分类模型优化篇(集成方法) | 1、 集成方法的基本原理:利用弱分类器构建强分类模型 Ø 选取多个数据集,构建多个弱分类器 Ø 多个弱分类器投票决定 2、 集成方法/元算法的种类 Ø Bagging算法 Ø Boosting算法 3、 Bagging原理 Ø 如何选择数据集 Ø 如何进行投票 Ø 随机森林 4、 Boosting的原理 Ø AdaBoost算法流程 Ø 样本选择权重计算公式 Ø 分类器投票权重计算公式 |
第四部分: 市场细分模型 | 问题:我们的客户有几类?各类特征是什么?如何实现客户细分,开发符合细分市场的新产品?如何提取客户特征,从而对产品进行市场定位? 1、 市场细分的常用方法 Ø 有指导细分 Ø 无指导细分 2、 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? Ø 如何确定客户要分成多少适当的类别? Ø 聚类方法原理介绍 Ø 聚类方法作用及其适用场景 Ø 聚类分析的种类 Ø K均值聚类(快速聚类) 案例:移动三大品牌细分市场合适吗? 演练:宝洁公司如何选择新产品试销区域? 演练:如何评选优秀员工? 演练:中国各省份发达程度分析,让数据自动聚类 Ø 层次聚类(系统聚类):发现多个类别 Ø R型聚类与Q型聚类的区别 案例:中移动如何实现客户细分及营销策略 演练:中国省市经济发展情况分析(Q型聚类) 演练:裁判评分的标准衡量,避免“黑哨”(R型聚类) Ø 两步聚类 3、 客户价值评估与RFM模型 问题:如何评估客户的价值?如何针对不同客户采取不同的营销策略? Ø RFM模型,更深入了解你的客户价值 Ø RFM的客户细分框架理解 Ø RFM模型与市场策略 Ø RFM模型与活跃度 演练:“双11”淘宝商家如何选择客户进行促销 演练:结合响应模型,宜家IKE实现最大化营销利润 4、 主成分分析 Ø 主成分分析方法介绍 Ø 主成分分析基本思想 Ø 主成分分析步骤 案例:如何评估汽车购买者的客户细分市场 |
第五部分: 产品推荐模型 | 问题:购买A产品的顾客还常常要购买其他什么产品?应该给客户推荐什么产品最有可能被接受? 1、 常用产品推荐模型 2、 关联分析 Ø 如何制定套餐,实现交叉/捆绑销售 案例:啤酒与尿布、飓风与蛋挞 Ø 关联分析模型原理(Association) Ø 关联规则的两个关键参数 ² 支持度 ² 置信度 Ø 关联分析的适用场景 案例:购物篮分析与产品捆绑销售/布局优化 案例:通信产品的交叉销售与产品推荐 3、 协同过滤 4、 分类预测模型 |
第六部分: 产品设计与优化 | 1、 联合分析法 2、 离散选择模型 Ø 如何评估客户购买产品的概率 Ø 如何指导产品开发?如何确定产品的重要特性 Ø 竞争下的产品动态调价 Ø 如何评估产品的价格弹性 案例:产品开发与设计分析 案例:品牌价值与价格敏感度分析 案例:纳什均衡价格 3、 品牌价值评估 4、 新产品市场占有率评估 |
第七部分: 定价策略分析 | 营销问题:产品如何实现最估定价?套餐价格如何确定?采用哪些定价策略可达到利润最大化? 1、 常见的定价方法 2、 产品定价的理论依据 Ø 需求曲线与利润最大化 Ø 如何求解最优定价 案例:产品最优定价求解 3、 如何评估需求曲线 Ø 价格弹性 Ø 曲线方程(线性、乘幂) 4、 如何做产品组合定价 5、 如何做产品捆绑/套餐定价 Ø 最大收益定价(演进规划求解) Ø 避免价格反转的套餐定价 案例:电信公司的宽带、IPTV、移动电话套餐定价 6、 非线性定价原理 Ø 要理解支付意愿曲线 Ø 支付意愿曲线与需求曲线的异同 案例:双重收费如何定价(如会费+按次计费) 7、 阶梯定价策略 案例:电力公司如何做阶梯定价 8、 数量折扣定价策略 案例:如何通过折扣来实现薄利多销 9、 定价策略的评估与选择 案例:零售公司如何选择最优定价策略 10、 航空公司的收益管理 Ø 收益管理介绍 Ø 如何确定机票预订限制 Ø 如何确定机票超售数量 Ø 如何评估模型的收益 案例:FBN航空公司如何实现收益管理(预订/超售) |
第八部分: 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、 如何评价客户生命周期的价值 Ø 贴现率与留存率 Ø 评估客户的真实价值 Ø 使用双向表衡量属性敏感度 Ø 变化的边际利润 案例:评估营销行为的合理性 2、 RFM模型(客户价值评估) Ø RFM模型,更深入了解你的客户价值 Ø RFM模型与市场策略 Ø RFM模型与活跃度分析 案例:淘宝客户价值评估与促销名单 案例:重购用户特征分析 |
结束:课程总结与问题答疑 |
Ian Fu
百林哲咨询(北京)有限公司专家团队成员
Ian Fu
百林哲咨询(北京)有限公司专家团队成员
Ian Fu
百林哲咨询(北京)有限公司专家团队成员
Ian Fu
百林哲咨询(北京)有限公司专家团队成员
Ian Fu
百林哲咨询(北京)有限公司专家团队成员
Ian Fu
百林哲咨询(北京)有限公司专家团队成员
Ian Fu
百林哲咨询(北京)有限公司专家团队成员