大數(shù)據(jù)助力市場營銷與服務(wù)培訓(xùn)
講師：傅一航 瀏覽次數(shù)：2585
課程描述INTRODUCTION
大數(shù)據(jù)助力市場營銷
· 技術(shù)總監(jiān)· 營銷總監(jiān)· 市場經(jīng)理
培訓(xùn)講師：傅一航
課程價(jià)格：￥元/人
培訓(xùn)天數(shù)：4天
日程安排SCHEDULE
課程大綱Syllabus
大數(shù)據(jù)助力市場營銷
【課程目標(biāo)】
本課程從實(shí)際的市場營銷問題出發(fā)，構(gòu)建數(shù)據(jù)分析與數(shù)據(jù)挖掘模型，以解決實(shí)際的商業(yè)問題。并對大數(shù)據(jù)分析與挖掘技術(shù)進(jìn)行了全面的介紹，通過從大量的市場營銷數(shù)據(jù)中分析潛在的客戶特征，挖掘客戶行為特點(diǎn)，實(shí)現(xiàn)精準(zhǔn)營銷，幫助市場營銷團(tuán)隊(duì)深入理解業(yè)務(wù)運(yùn)作，支持業(yè)務(wù)策略制定以及運(yùn)營決策。
通過本課程的學(xué)習(xí)，達(dá)到如下目的：
1、 了解大數(shù)據(jù)營銷內(nèi)容，掌握大數(shù)據(jù)在營銷中的應(yīng)用。
2、 了解基本的營銷理論，并學(xué)會(huì)基于營銷理念來展開大數(shù)據(jù)分析。
3、 熟悉數(shù)據(jù)分析/挖掘的基本過程，掌握常用的數(shù)據(jù)挖掘方法。
4、 熟悉Excel數(shù)據(jù)分析工具，能夠利用Excel和SPSS軟件解決實(shí)際的營銷問題（比如定價(jià)/因素影響/預(yù)測/客戶需求/客戶價(jià)值/市場細(xì)分等）。
【授課對象】
系統(tǒng)支撐、市場營銷部、運(yùn)營分析部相關(guān)技術(shù)及應(yīng)用人員。
本課程由淺入深，結(jié)合原理主講軟件工具應(yīng)用，不需要太深的數(shù)學(xué)知識，但希望掌握數(shù)據(jù)分析的相關(guān)人員。
【課程大綱】
第一部分： 大數(shù)據(jù)實(shí)現(xiàn)精準(zhǔn)營銷
1、 傳統(tǒng)營銷的困境與挑戰(zhàn)
2、 營銷理論的變革（4Pà4CànPnC）
3、 大數(shù)據(jù)引領(lǐng)傳統(tǒng)營銷
4、 大數(shù)據(jù)在營銷中的典型應(yīng)用
－市場定位與客戶細(xì)分
－客戶需求與產(chǎn)品設(shè)計(jì)
－精準(zhǔn)廣告與精準(zhǔn)推薦
5、 大數(shù)據(jù)營銷的基石：用戶畫像
6、 客戶生存周期中的大數(shù)據(jù)應(yīng)用
演練：如何用大數(shù)據(jù)來支撐手機(jī)精準(zhǔn)營銷項(xiàng)目
第二部分： 大數(shù)據(jù)基礎(chǔ)—數(shù)據(jù)思維篇
問題：大數(shù)據(jù)的核心價(jià)值是什么？大數(shù)據(jù)是怎樣用于業(yè)務(wù)決策？
1、 大數(shù)據(jù)時(shí)代：你缺的不是一堆方法，而是大數(shù)據(jù)思維
2、 大數(shù)據(jù)的本質(zhì)
－數(shù)據(jù)，是對客觀事物的描述和記錄
－大數(shù)據(jù)不在于大，而在于全
3、 大數(shù)據(jù)四大核心價(jià)值
－用趨勢圖來探索產(chǎn)品銷量規(guī)律
－從谷歌的GFT產(chǎn)品探索用戶需求變化
－從大數(shù)據(jù)炒股看大數(shù)據(jù)如何探索因素的相關(guān)性
－阿里巴巴預(yù)測經(jīng)濟(jì)危機(jī)的到來
－從*總統(tǒng)競選看大數(shù)據(jù)對選民行為進(jìn)行分析
4、 大數(shù)據(jù)價(jià)值落地的三個(gè)關(guān)鍵環(huán)節(jié)
－業(yè)務(wù)數(shù)據(jù)化
－數(shù)據(jù)信息化
－信息策略化
案例：喜歡賺“差價(jià)”的營業(yè)員（用數(shù)據(jù)管理來識別）
第三部分： 大數(shù)據(jù)精準(zhǔn)營銷—分析框架篇
1、 數(shù)據(jù)分析簡介
－數(shù)據(jù)分析的三個(gè)階段
－分析方法的三大類別
2、 數(shù)據(jù)分析的六步曲
3、 步驟1：明確目的--理清思路
－確定分析目的：要解決什么樣的業(yè)務(wù)問題
－確定分析思路：分解業(yè)務(wù)問題，構(gòu)建分析框架
4、 步驟2：數(shù)據(jù)收集—理清思路
－明確收集數(shù)據(jù)范圍
－確定收集來源
－確定收集方法
5、 步驟3：數(shù)據(jù)預(yù)處理—尋找答案
－數(shù)據(jù)質(zhì)量評估
－數(shù)據(jù)清洗、數(shù)據(jù)處理和變量處理
－探索性分析
6、 步驟4：數(shù)據(jù)分析--尋找答案
－選擇合適的分析方法
－構(gòu)建合適的分析模型
－選擇合適的分析工具
7、 步驟5：數(shù)據(jù)展示--觀點(diǎn)表達(dá)
－選擇恰當(dāng)?shù)膱D表
－選擇合適的可視化工具
8、 步驟6：報(bào)表撰寫--觀點(diǎn)表達(dá)
－選擇報(bào)告種類
－完整的報(bào)告結(jié)構(gòu)
演練：如何用大數(shù)據(jù)來支撐手機(jī)精準(zhǔn)營銷項(xiàng)目
演練：如何構(gòu)建一個(gè)良好的大數(shù)據(jù)分析框架
第四部分： 用戶行為分析—分析方法篇
問題：數(shù)據(jù)分析有什么方法可依?不同的方法適用解決什么樣的問題？
1、 大數(shù)據(jù)精準(zhǔn)營銷的前提：用戶行為分析
2、 數(shù)據(jù)分析方法的層次
－描述性分析法（對比/分組/結(jié)構(gòu)/趨勢/交叉…）
－相關(guān)性分析法（相關(guān)/方差/卡方…）
－預(yù)測性分析法（回歸/時(shí)序/決策樹/神經(jīng)網(wǎng)絡(luò)…）
－專題性分析法（聚類/關(guān)聯(lián)/RFM模型/…）
3、 統(tǒng)計(jì)分析基礎(chǔ)
－統(tǒng)計(jì)分析兩要素
－統(tǒng)計(jì)分析三步驟
4、 統(tǒng)計(jì)分析常用指標(biāo)
－匯總方式：計(jì)數(shù)、求和、百分比（增跌幅）
－集中程度：均值、中位數(shù)、眾數(shù)
－離散程度：極差、方差/標(biāo)準(zhǔn)差、IQR
－分布形態(tài)：偏度、峰度
5、 基本分析方法及其適用場景
－對比分析（查看數(shù)據(jù)差距）
演練：尋找用戶的地域分布規(guī)律
演練：尋找公司主打產(chǎn)品
演練：用數(shù)據(jù)來探索增量不增收困境的解決方案
案例：銀行ATM柜員機(jī)現(xiàn)金管理分析（銀行）
分組分析（查看數(shù)據(jù)分布）
案例：排班后面隱藏的貓膩
案例：通信運(yùn)營商的流量套餐劃分合理性的評估
演練：銀行用戶消費(fèi)層次分析（銀行）
演練：呼叫中心接聽電話效率分析（呼叫中心）
演練：客服中心科學(xué)排班人數(shù)需求分析（客服中心）
演練：客戶年齡分布/消費(fèi)分布分析
結(jié)構(gòu)分析（評估事物構(gòu)成）
案例：用戶市場占比結(jié)構(gòu)分析
案例：物流費(fèi)用占比結(jié)構(gòu)分析（物流）
案例：中移動(dòng)用戶群動(dòng)態(tài)結(jié)構(gòu)分析
演練：用戶結(jié)構(gòu)/收入結(jié)構(gòu)/產(chǎn)品結(jié)構(gòu)的分析
趨勢分析（發(fā)現(xiàn)事物隨時(shí)間的變化規(guī)律）
案例：破解零售店銷售規(guī)律
案例：手機(jī)銷量的淡旺季分析
演練：發(fā)現(xiàn)產(chǎn)品銷售的時(shí)間規(guī)律
交叉分析（多維數(shù)據(jù)分析）
演練：用戶性別+地域分布分析
演練：不同區(qū)域的產(chǎn)品偏好分析
演練：不同教育水平的業(yè)務(wù)套餐偏好分析
6、 綜合分析方法及其適用場景
綜合評價(jià)法（多維指標(biāo)歸一）
案例：南京丈母娘選女婿分析表格
演練：人才選拔評價(jià)分析（HR）
*分析法（關(guān)鍵因素分析-財(cái)務(wù)數(shù)據(jù)分析）
案例：運(yùn)營商市場占有率分析（通信）
案例：服務(wù)水平提升分析（呼叫中心）
演戲：提升銷量的銷售策略分析（零售商/電商）
漏斗分析法（關(guān)鍵流程環(huán)節(jié)分析-流失率與轉(zhuǎn)化率分析）
案例：電商產(chǎn)品銷售流程優(yōu)化與策略分析（電商）
演練：營業(yè)廳終端銷售流程分析（電信）
演練：銀行業(yè)務(wù)辦理流程優(yōu)化分析（銀行）
矩陣分析法（產(chǎn)品策略分析-象限圖分析法）
案例：工作安排評估
案例：HR人員考核與管理
案例：波士頓產(chǎn)品策略分析
7、 最合適的分析方法才是硬道理。
第五部分： 用戶行為分析—分析思路篇
問題：數(shù)據(jù)分析思路是怎樣的？如何才能全面/系統(tǒng)地分析而不遺漏？
1、 常用分析思路模型
2、 用戶行為分析（5W2H分析思路）
－WHY：原因
－WHAT：產(chǎn)品
－WHO：客戶
－WHEN：時(shí)間
－WHERE：區(qū)域/渠道
－HOW：支付方式
－HOW MUCH：價(jià)格
案例討論：結(jié)合公司情況，搭建用戶消費(fèi)習(xí)慣的分析框架（5W2H）
第六部分： 影響因素分析—屬性篩選篇
營銷問題：哪些是影響市場銷量的關(guān)鍵因素？比如，產(chǎn)品在貨架上的位置是否對銷量有影響？價(jià)格和廣告開銷是如何影響銷量的？
影響風(fēng)險(xiǎn)控制的關(guān)鍵因素有哪些？如何判斷？
1、 影響因素分析的常見方法
2、 相關(guān)分析（衡量兩數(shù)據(jù)型變量的線性相關(guān)性）
問題：這兩個(gè)屬性是否會(huì)相互影響？影響程度大嗎？
－相關(guān)分析簡介
－相關(guān)分析的應(yīng)用場景
－相關(guān)分析的種類
－簡單相關(guān)分析
－偏相關(guān)分析
－距離相關(guān)分析
－相關(guān)系數(shù)的三種計(jì)算公式
－Pearson相關(guān)系數(shù)
－Spearman相關(guān)系數(shù)
－Kendall相關(guān)系數(shù)
－相關(guān)分析的假設(shè)檢驗(yàn)
－相關(guān)分析的四個(gè)基本步驟
演練：體重與腰圍的關(guān)系
演練：營銷費(fèi)用會(huì)影響銷售額嗎
演練：哪些因素與汽車銷量有相關(guān)性
演練：話費(fèi)與網(wǎng)齡的相關(guān)分析
－偏相關(guān)分析
－偏相關(guān)原理：排除不可控因素后的兩變量的相關(guān)性
－偏相關(guān)系數(shù)的計(jì)算公式
－偏相關(guān)分析的適用場景
－距離相關(guān)分析
3、 方差分析（衡量類別變量與數(shù)值變量間的相關(guān)性）
問題：哪些才是影響銷量的關(guān)鍵因素？
－方差分析的應(yīng)用場景
－方差分析的三個(gè)種類
－單因素方差分析
－多因素方差分析
－協(xié)方差分析
－方差分析的原理
－方差分析的四個(gè)步驟
－解讀方差分析結(jié)果的兩個(gè)要點(diǎn)
演練：終端擺放位置與終端銷量有關(guān)嗎
演練：開通月數(shù)對客戶流失的影響分析
演練：客戶學(xué)歷對消費(fèi)水平的影響分析
演練：廣告和價(jià)格是影響終端銷量的關(guān)鍵因素嗎
演練：營業(yè)員的性別、技能級別對產(chǎn)品銷量有影響嗎
演練：尋找影響產(chǎn)品銷量的關(guān)鍵因素
－多因素方差分析原理
－多因素方差分析的作用
－多因素方差結(jié)果的解讀
演練：廣告形式、地區(qū)對銷量的影響因素分析（多因素）
－協(xié)方差分析原理
－協(xié)方差分析的適用場景
演練：飼料對生豬體重的影響分析（協(xié)方差分析）
4、 列聯(lián)分析/卡方檢驗(yàn)（兩類別變量的相關(guān)性分析）
－交叉表與列聯(lián)表
－卡方檢驗(yàn)的原理
－卡方檢驗(yàn)的幾個(gè)計(jì)算公式
－列聯(lián)表分析的適用場景
案例：套餐類型對客戶流失的影響分析
案例：學(xué)歷對業(yè)務(wù)套餐偏好的影響分析
案例：行業(yè)/規(guī)模對風(fēng)控的影響分析
5、 相關(guān)性分析方法總結(jié)
第七部分： 產(chǎn)品銷量預(yù)測—回歸預(yù)測篇
營銷問題：如何預(yù)測未來的產(chǎn)品銷量？如果產(chǎn)品跟隨季節(jié)性變動(dòng)，該如何預(yù)測？新產(chǎn)品上市，如果評估銷量上限及銷售增速？
1、 銷量預(yù)測與市場預(yù)測模型介紹
－時(shí)序預(yù)測
－回歸模型
－季節(jié)性預(yù)測（相加/相乘模型）
－產(chǎn)品預(yù)測（珀?duì)柷€/龔鉑茲曲線）
2、 回歸分析/回歸預(yù)測
問題：如何預(yù)測未來的銷售量（定量分析）？
－回歸分析簡介
－回歸分析的種類（一元/多元、線性/曲線）
－得到回歸方程的常用工具
－散點(diǎn)圖+趨勢線
－線性回歸工具
－規(guī)劃求解工具
演練：散點(diǎn)圖找營銷費(fèi)用與銷售額的關(guān)系（一元回歸）
－線性回歸分析的五個(gè)步驟
演練：營銷費(fèi)用、辦公費(fèi)用與銷售額的關(guān)系（線性回歸）
－解讀線性回歸分析結(jié)果的技巧
－定性描述：正相關(guān)/負(fù)相關(guān)
－定量描述：自變量變化導(dǎo)致因變量的變化程度
－回歸預(yù)測模型質(zhì)量評估
－評估指標(biāo)：判定系數(shù)R^2、標(biāo)準(zhǔn)誤差
－如何選擇*回歸模型
演練：如何選擇*的回歸預(yù)測模型（一元曲線回歸）
－預(yù)測值準(zhǔn)確性評估
－MAD、MSE/RMSE、MAPE等
－帶分類變量的回歸預(yù)測
演練：汽車季度銷量預(yù)測
演練：工齡、性別與終端銷量的關(guān)系
演練：如何評估銷售目標(biāo)與資源配置（營業(yè)廳）
3、 回歸分析的基本原理
4、 模型優(yōu)化思路：尋找*回歸擬合線
－如何處理預(yù)測離群值（剔除離群值）
－如何剔除不顯著因素（剔除不顯著因素）
－如何進(jìn)行非線性關(guān)系檢驗(yàn)（增加非線性自變量）
－如何進(jìn)行相互作用檢驗(yàn)（增加相互作用自變量）
－如何進(jìn)行多重共線性檢驗(yàn)（剔除共線性自變量）
－如何檢驗(yàn)誤差項(xiàng)（修改因變量）
－如何判斷模型過擬合（模型過擬合判斷）
演練：模型優(yōu)化案例
5、 規(guī)劃求解工具簡介（自定義回歸模型的工具）
6、 自定義模型（如何利用規(guī)劃求解進(jìn)行自定義模型）
案例：如何對餐廳客流量進(jìn)行建模及模型優(yōu)化
7、 好模型都是優(yōu)化出來的
第八部分： 產(chǎn)品銷量預(yù)測—時(shí)序預(yù)測篇
1、 時(shí)間序列簡介
－回歸模型的缺點(diǎn)
2、 時(shí)序預(yù)測常用模型
3、 評估預(yù)測值的準(zhǔn)確度指標(biāo)
－平均*誤差MAD
－均方差MSE/RMSE
－平均誤差率MAPE
4、 移動(dòng)平均（MA）
－應(yīng)用場景及原理
－移動(dòng)平均種類
－一次移動(dòng)平均
－二次移動(dòng)平均
－加權(quán)移動(dòng)平均
－移動(dòng)平均比率法
－移動(dòng)平均關(guān)鍵問題
－期數(shù)N的*選擇方法
－最優(yōu)權(quán)重系數(shù)的選取方法
演練：平板電腦銷量預(yù)測及評估
演練：快銷產(chǎn)品季節(jié)銷量預(yù)測及評估
5、 指數(shù)平滑（ES）
－應(yīng)用場景及原理
－最優(yōu)平滑系數(shù)的選取原則
－指數(shù)平滑種類
－一次指數(shù)平滑
－二次指數(shù)平滑（Brown線性、Holt線性、Holt指數(shù)、阻尼線性、阻尼指數(shù)）
－三次指數(shù)平滑
演練：煤炭產(chǎn)量預(yù)測
演練：航空旅客量預(yù)測及評估
6、 溫特斯季節(jié)預(yù)測模型
－適用場景及原理
－Holt-Winters加法模型
－Holt-Winters乘法模型
演練：汽車銷量預(yù)測及評估
7、 回歸季節(jié)預(yù)測模型
－季節(jié)性回歸模型的參數(shù)
－常用季節(jié)性預(yù)測模型（相加、相乘）
案例：*航空旅客里程的季節(jié)性趨勢分析
案例：產(chǎn)品銷售季節(jié)性趨勢預(yù)測分析
8、 ARIMA模型
－適用場景及原理
－ARIMA操作
演練：上海證券交易所綜合指數(shù)收益率序列分析
演練：服裝銷售數(shù)據(jù)季節(jié)性趨勢預(yù)測分析
9、 新產(chǎn)品銷量預(yù)測
－新產(chǎn)品累計(jì)銷量的S曲線
－如何評估銷量增長的拐點(diǎn)
－珀?duì)柷€與龔鉑茲曲線
案例：如何預(yù)測產(chǎn)品的銷售增長拐點(diǎn)，以及銷量上限
演練：預(yù)測IPad產(chǎn)品的銷量
第九部分： 客戶行為預(yù)測—分類預(yù)測篇
問題：如何評估客戶購買產(chǎn)品的可能性？如何預(yù)測客戶的購買行為？如何提取某類客戶的典型特征？如何向客戶精準(zhǔn)推薦產(chǎn)品或業(yè)務(wù)？
1、 分類模型概述
2、 常見分類預(yù)測模型
3、 邏輯回歸（LR）
－邏輯回歸模型原理及適用場景
－邏輯回歸的種類
－二項(xiàng)邏輯回歸
－多項(xiàng)邏輯回歸
－如何解讀邏輯回歸方程
－帶分類自變量的邏輯回歸分析
－多元邏輯回歸
案例：如何評估用戶是否會(huì)購買某產(chǎn)品（二元邏輯回歸）
案例：多品牌選擇模型分析（多元邏輯回歸）
4、 分類決策樹（DT）
問題：如何預(yù)測客戶行為？如何識別潛在客戶？
風(fēng)控：如何識別欠貸者的特征，以及預(yù)測欠貸概率？
客戶保有：如何識別流失客戶特征，以及預(yù)測客戶流失概率？
－決策樹分類簡介
案例：*零售商（Target）如何預(yù)測少女懷孕
－演練：識別銀行欠貨風(fēng)險(xiǎn)，提取欠貸者的特征
－構(gòu)建決策樹的三個(gè)關(guān)鍵問題
－如何選擇*屬性來構(gòu)建節(jié)點(diǎn)
－如何分裂變量
－修剪決策樹
－如何評估分類性能？如何選擇最優(yōu)分類模型？
案例：商場酸奶購買用戶特征提取
案例：客戶流失預(yù)警與客戶挽留
案例：識別拖欠銀行貨款者的特征，避免不良貨款
案例：識別電信詐騙者嘴臉，讓通信更安全
5、 人工神經(jīng)網(wǎng)絡(luò)（ANN）
－神經(jīng)網(wǎng)絡(luò)概述
－神經(jīng)網(wǎng)絡(luò)基本原理
－神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
－神經(jīng)網(wǎng)絡(luò)的建立步驟
－神經(jīng)網(wǎng)絡(luò)的關(guān)鍵問題
－BP反向傳播網(wǎng)絡(luò)（MLP）
－徑向基網(wǎng)絡(luò)（RBF）
案例：評估銀行用戶拖欠貨款的概率
第十部分： 市場細(xì)分模型
問題：我們的客戶有幾類？各類特征是什么？如何實(shí)現(xiàn)客戶細(xì)分，開發(fā)符合細(xì)分市場的新產(chǎn)品？如何提取客戶特征，從而對產(chǎn)品進(jìn)行市場定位？
1、 市場細(xì)分的常用方法
－有指導(dǎo)細(xì)分
－無指導(dǎo)細(xì)分
2、 聚類分析
－如何更好的了解客戶群體和市場細(xì)分？
－如何識別客戶群體特征？
－如何確定客戶要分成多少適當(dāng)?shù)念悇e？
－聚類方法原理介紹
－聚類方法作用及其適用場景
－聚類分析的種類
－K均值聚類（快速聚類）
案例：移動(dòng)三大品牌細(xì)分市場合適嗎？
演練：寶潔公司如何選擇新產(chǎn)品試銷區(qū)域？
演練：如何評選優(yōu)秀員工？
演練：中國各省份發(fā)達(dá)程度分析，讓數(shù)據(jù)自動(dòng)聚類
－層次聚類（系統(tǒng)聚類）：發(fā)現(xiàn)多個(gè)類別
－R型聚類與Q型聚類的區(qū)別
案例：中移動(dòng)如何實(shí)現(xiàn)客戶細(xì)分及營銷策略
演練：中國省市經(jīng)濟(jì)發(fā)展情況分析（Q型聚類）
演練：裁判評分的標(biāo)準(zhǔn)衡量，避免“黑哨”（R型聚類）
－兩步聚類
3、 客戶細(xì)分與PCA分析法
－PCA主成分分析的原理
－PCA分析法的適用場景
演練：利用PCA對汽車客戶群進(jìn)行細(xì)分
演練：如何針對汽車客戶群設(shè)計(jì)汽車
第十一部分： 客戶價(jià)值分析
營銷問題：如何評估客戶的價(jià)值？不同的價(jià)值客戶有何區(qū)別對待？
1、 如何評價(jià)客戶生命周期的價(jià)值
－貼現(xiàn)率與留存率
－評估客戶的真實(shí)價(jià)值
－使用雙向表衡量屬性敏感度
－變化的邊際利潤
案例：評估營銷行為的合理性
2、 RFM模型（客戶價(jià)值評估）
－RFM模型，更深入了解你的客戶價(jià)值
－RFM模型與市場策略
－RFM模型與活躍度分析
案例：客戶價(jià)值評估與促銷名單
案例：重購用戶特征分析
第十二部分： 產(chǎn)品推薦模型
問題：購買A產(chǎn)品的顧客還常常要購買其他什么產(chǎn)品？應(yīng)該給客戶推薦什么產(chǎn)品最有可能被接受？
1、 常用產(chǎn)品推薦模型
2、 關(guān)聯(lián)分析
－如何制定套餐，實(shí)現(xiàn)交叉/捆綁銷售
案例：啤酒與尿布、颶風(fēng)與蛋撻
－關(guān)聯(lián)分析模型原理（Association）
－關(guān)聯(lián)規(guī)則的兩個(gè)關(guān)鍵參數(shù)
－支持度
－置信度
－關(guān)聯(lián)分析的適用場景
案例：購物籃分析與產(chǎn)品捆綁銷售/布局優(yōu)化
案例：理財(cái)產(chǎn)品的交叉銷售與產(chǎn)品推薦
第十三部分： 產(chǎn)品定價(jià)策略及最優(yōu)定價(jià)
營銷問題：產(chǎn)品如何實(shí)現(xiàn)最估定價(jià)？套餐價(jià)格如何確定？采用哪些定價(jià)策略可達(dá)到利潤*化？
1、 常見的定價(jià)方法
2、 產(chǎn)品定價(jià)的理論依據(jù)
－需求曲線與利潤*化
－如何求解最優(yōu)定價(jià)
案例：產(chǎn)品最優(yōu)定價(jià)求解
3、 如何評估需求曲線
－價(jià)格彈性
－曲線方程（線性、乘冪）
4、 如何做產(chǎn)品組合定價(jià)
5、 如何做產(chǎn)品捆綁/套餐定價(jià)
－*收益定價(jià)（演進(jìn)規(guī)劃求解）
－避免價(jià)格反轉(zhuǎn)的套餐定價(jià)
案例：電信公司的寬帶、IPTV、移動(dòng)電話套餐定價(jià)
6、 非線性定價(jià)原理
－要理解支付意愿曲線
－支付意愿曲線與需求曲線的異同
案例：雙重收費(fèi)如何定價(jià)（如會(huì)費(fèi)+按次計(jì)費(fèi)）
7、 階梯定價(jià)策略
案例：電力公司如何做階梯定價(jià)
8、 數(shù)量折扣定價(jià)策略
案例：如何通過折扣來實(shí)現(xiàn)薄利多銷
9、 定價(jià)策略的評估與選擇
案例：零售公司如何選擇最優(yōu)定價(jià)策略
10、 航空公司的收益管理
－收益管理介紹
－如何確定機(jī)票預(yù)訂限制
－如何確定機(jī)票超售數(shù)量
－如何評估模型的收益
案例：FBN航空公司如何實(shí)現(xiàn)收益管理（預(yù)訂/超售）
第十四部分： 實(shí)戰(zhàn)篇(電信業(yè)客戶流失分析模型)
1、 電信業(yè)客戶流失預(yù)警與客戶挽留模型
2、 銀行欠貸風(fēng)險(xiǎn)預(yù)測模型
結(jié)束：課程總結(jié)與問題答疑。
大數(shù)據(jù)助力市場營銷
轉(zhuǎn)載：http://santuchuan.cn/gkk_detail/256388.html
已開課時(shí)間Have start time
- 傅一航
[僅限會(huì)員]
大數(shù)據(jù)營銷內(nèi)訓(xùn)
- 大數(shù)據(jù)項(xiàng)目解決方案及應(yīng)用 胡國慶
- 大數(shù)據(jù)提升：用戶體驗(yàn)提升與 武建偉
- 數(shù)據(jù)創(chuàng)造價(jià)值——大數(shù)據(jù)分析 張曉如
- 《大數(shù)據(jù)分析與客戶開發(fā)》 喻國慶
- 《精細(xì)運(yùn)營——京東/天貓平 武建偉
- 《銀行--網(wǎng)絡(luò)消費(fèi)行為與網(wǎng) 武建偉
- 能源電力企業(yè)數(shù)字化轉(zhuǎn)型探索 李開東
- 互聯(lián)網(wǎng)大數(shù)據(jù)分析管理 孫平
- 《流量神器，銷量升級：如何 武建偉
- 《大數(shù)據(jù)精益化營銷思維與運(yùn) 喻國慶
- 建材門店--微信獲客與運(yùn)營 武建偉
- 數(shù)據(jù)驅(qū)動(dòng)價(jià)值 ——基于Ex 張曉如