市场营销大数据分析实战

【课程目标】

这是一个互联的世界，点与点的数据的交换，线与线的信息的连接。如何理解你所看到的数据？如何探索数据的模式？如何寻找数据间的相关性？如何从你所有的数据中去挖掘商业机会？一切等待思考和解答……

本课程从实际的市场营销问题出发，构建数据分析与数据挖掘模型，以解决实际的商业问题。并对大数据分析与挖掘技术进行了全面的介绍，通过从大量的市场营销数据中分析潜在的客户特征，挖掘客户行为特点，实现精准营销，帮助市场营销团队深入理解业务运作，支持业务策略制定以及运营决策。

通过本课程的学习，达到如下目的：

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Excel数据分析工具，能够利用Excel和SPSS软件解决实际的营销问题（比如定价/因素影响/预测/客户需求/客户价值/市场细分等）。

【授课时间】

2天时间

【授课对象】

系统支撑、市场营销部、运营分析部、售后部相关技术及应用人员。

本课程由浅入深，结合原理主讲软件工具应用，不需要太深的数学知识，但希望掌握数据分析的相关人员。

【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版以上。

注：讲师可以提供14天的试用版本软件及分析数据源。

【授课方式】

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

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，进行大数据的分析与挖掘，介绍常用的模型，以及模型适用场景，通过演练操作，以达到提升学员对营销数据的分析以及对数据模型的深入理解。

【课程大纲】

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、 数据挖掘在营销中的典型应用

3、 客户生存周期中的大数据应用

4、 Excel的规划求解工具简介

第二部分：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

 需求曲线与利润最大化

 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

 价格弹性

 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

 最大收益定价（演进规划求解）

 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

 要理解支付意愿曲线

 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

 收益管理介绍

 如何确定机票预订限制

 如何确定机票超售数量

 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）

第三部分：影响因素分析

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）

 相关系数

 解读相关系数

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

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）

 方差分析模型及适用场景

 单因素分析/多因素分析

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

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

 预测模型介绍

2、 回归模型

 回归模型用于因素影响判断

 回归模型原理及适用场景

 解读回归方程的五步法

案例：营销费用预算分析（推广费用与销售额的回归分析）

3、 寻找最佳回归拟合线来判断和预测（模型优化思路）

 如何判断是否可以用回归分析来作预测

 如何判断线性回归的预测准确性

 如何判断自变量对目标变量是否有显著影响

 如何处理异常数据（残差与异常值排除）

 如何进行非线性关系检验

 如何进行相互作用检验

 如何检验误差项

案例：汽车销量预测分析

案例：工龄、性别与销量的回归分析

4、 时序分析（基于时间的预测）

 移动平均

 指数平滑模型

案例演练：电视机销量预测分析

5、 季节性预测模型

 季节性回归模型的参数

 常用季节性预测模型（相加、相乘）

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

6、 S曲线与新产品销量预测

 如何评估销量增长的拐点

 珀尔曲线与龚铂兹曲线

案例：如何预测产品的销售增长拐点，以及销量上限

7、 自定义模型（如何利用规划求解进行自定义模型）

案例：如何对客流量进行建模及模型优化

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

 逻辑回归模型原理及适用场景

 评估客户购买产品的概率

案例：杂志社订阅模型

 消费者品牌选择模型分析

案例：品牌选择模型分析，你的品牌适合哪些人群？

2、 离散选择分析

 如何评估客户购买产品的概率

 如何指导产品开发？如何确定产品的重要特性

 如何评估品牌价值

 竞争下的产品动态调价

 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

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、 如何评价客户生命周期的价值

 贴现率与留存率

 评估客户的真实价值

 使用双向表衡量属性敏感度

 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）

 RFM模型，更深入了解你的客户价值

 RFM模型与市场策略

 RFM模型与活跃度

案例：淘宝客户价值评估与促销名单

第七部分：销售资源分配

营销问题：市场营销经理如何分配稀缺资源？比如资金分配，陈列空间分配，销售人员分配，等等。

1、 对资源-响应的建模

 乘幂曲线

 Adbudg曲线

 龚铂兹曲线

案例：电话与销量的关系

2、 优化销售活动分配

 如何实现资源分配

第八部分：其它市场营销方法

1、 如何衡量广告效益

2、 媒体选择模型

实战：美国达美航空航班设计与定价分析

结束：课程总结与问题答疑。