“数”说营销
-----大数据挖掘与营销应用实战培训
【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。
【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 2013版软件。
3、便携机中事先安装好SPSS v19版软件。
注：讲师可以提供14天的试用版本软件及分析数据源。
实战型能落地大数据营销专家-黄俭老师简介：
滨江双创联盟荣誉理事长；上海蓝草企业管理咨询有限公司首席讲师；多家知名企业特聘高级管理顾问。
黄老师多年在企业管理、公司战略规划、市场营销、品牌建设、员工管理、绩效考核、上市公司等等方面有着丰富的实践经验；深刻理解了东西方管理精髓。进入培训教育行业，作为资深培训讲师，在企业内训课、公开课、CEO总裁班等百余家企业和大学课堂讲授战略管理、营销管理、品牌管理等领域专业课程，结合自身的企业实践和理论研究，开发的具有知识产权的一系列新营销课程收到企业和广大学员的欢迎和热烈反馈。听黄老师上课，可以聆听他的职场经历，分享他的成绩，干货多多！课程突出实用性、故事性、新鲜性和幽默性。宽广的知识体系、丰富的管理实践、积极向上、幽默风趣构成了独特的教学培训风格，深受听众欢迎。通过一系列销售案例剖析点评，使销售管理人员掌握一些管理先进理念，分析技巧、提高解决问题的能力。黄老师近期培训的东风汽车-商用车公司，华东医药公司的销售团队在培训后，销售业绩有了20%提升。
擅长领域：战略管理/领导力系列/ 经典营销/新营销/大数据营销
授课风格：采用情景式教学法，运用相关的角色模拟和案例分析诠释授课内容，理论与实战并举，侧重实战，结合视听教材，帮助学员在理论基础与实践应用方面全面提升。广大的学员认为授课风格为：幽默风趣、条理清晰、实战、理论联系实际。
主讲课程：
《电话营销技巧》《杰出的房地产销售》《如何做好一流的客户服务》
《电子商务与网络营销》、《销售流程与技巧》、《大客户营销》、《顾问式销售》、《如何成为成功的房产销售员》、《总经理视角下的营销管理》、《非营销人员的营销管理》、《如何塑造成功的电子商务品牌》，《精准数据营销实战》、《卓越营销的营销策划》、《打造双赢关系营销》、《卓越客户服务及实战》、《海外市场客服及实务》
【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，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。
【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、大数据营销的特点
时效性
个性化
关联性
3、大数据时代的新营销模式
如何选择互联网的营销模式——微博营销、网页营销等
客户关系管理CRM——“旧貌焕发新颜”
精确营销——装上了GPS，实现“精确打击”
4、如何在海量数据中整合数据，形成你对消费者的独特洞察力
客户的群体特征——“人以群分”，找准你的准客户
大数据用户画像——互联网时代不再“是否是狗”
5、如何建立全渠道数据平台，拓展营销渠道，提高营销效率
互联网时代渠道分类
如果进行广告的精确投放——广告受众分析
如何实现营销效果的验证——找到适合你的营销方式
6、如何提升你的客户粘性
评估你的客户价值——让营销策略更丰富
如何建立客户响应模型——让你的促销更有效，增加回头客
精准推荐——让你的销量再创新高
【精准营销】数据库营销的核心是数据挖掘 2014-12-15路德维希上海市直邮行业协会 数据库营销，就是利用企业经营过程中收集、形成的各种顾客资料和积累消费者的大量信息，经分析整理后作为制订营销策略的依据，预测消费者有多大可能去购买某种产品，以及利用这些信息给产品以精确定位，有针对性地制作营销信息，以达到消费者去购买产品的目的,并作为保持现有顾客资源的重要手段和进行顾客深度挖掘与关系的营销方式。路德认为，数据库营销就是以与顾客建立一对一的互动沟通关系为目标，并依赖庞大的顾客信息库进行长期促销活动的一种全新的销售手段。其内容涵盖现有顾客和潜在顾客，可以随时动态更新。 数据库营销的核心是数据挖掘。 数据库营销具有以下几个阶段： 一、数据收集：这是开展数据库营销的基础所在，后期的各项工作必须建立在有大量的，可利用的数据的基础上。数据库营销，名单为王。准确地说，就是针对性强，而准确性高。名单不好，技巧再强也没用。而名单很好，技巧再不专业也能出不错的业绩。关键就是名单是否是通过一些专门的步骤把有意向的目标客户给找了出来。 二、数据整理：通过以上五种途径收集到的大量无序数据，这必将使我们迷失方向，如何将大量无序数据变为有利用价值的信息呢?只有系统化专业化的数据管理、处理以及和相关信息的整合，才能将数据转变成有价值的知识，并最终将知识灵活性，多元化地应用于生产和革新。 三、数据挖掘：数据挖掘是数据库营销的攻坚阶段，通过各种方式将我们清洗出的目标客户通过多种方式进行跟进，第一时间挖掘出意向客户。我们不能片面的去相信前期这些收集来的数据，挖掘数字背后的数字才是我们最终的目的所在。 数据库营销的基本作用 数据库营销在企业营销战略中的基本作用表现在下列方面： 更加充分地了解顾客的需要。 为顾客提供更好的服务。顾客数据库中的资料是个性化营销和顾客关系管理的重要基础。 对顾客的价值进行评估。通过区分高价值顾客和一般顾客，对各类顾客采取相应的营销策略。 了解顾客的价值。利用数据库的资料，可以计算顾客生命周期的价值，以及顾客的价值周期。 分析顾客需求行为。根据顾客的历史资料不仅可以预测需求趋势，还可以评估需求倾向的改变。 市场调查和预测。数据库为市场调查提供了丰富的资料，根据顾客的资料可以分析潜在的目标市场。
大数据与精准营销研究综述 摘要：随着互联网的日益普及，人们对互联网技术的利用率越来越高，由此而来的大数据对社会的各行各业都带来很大变化，人们正步入大数据时代。在企业营销中，大数据的应用可以大大促进精准营销的发展，为其带来前所未有的发展机遇。本文首先分别对大数据与精准营销的研究进行综述，然后提出大数据时代下精准营销模式的问题，最后针对该问题提出一些思考与建议。 关键词：大数据；精准营销；精准营销模式 一、大数据研究现状 1.大数据起源与兴起 1980年，著名未来学家托夫勒在其《第三次浪潮》提出了“大数据”的概念，并热情地将其称颂为“第三次浪潮的华彩乐章”，但是之后很长一段时期内，由于技术发展制约，“大数据”的概念并没有得到人们的重视。 2008年开始，移动计算、物联网、云计算等一系列新兴技术相继兴起，这些技术的发展及其在社交媒体、协同创造、虚拟服务等新型模式中的广泛应用，使得全球数据量呈现出前所未有的爆发式增长态势，数据复杂性也急剧增长，客观上要求新的分析方法和技术来挖掘数据价值，大数据技术应运而生，并得到迅速发展和应用，如此，“大数据”时代真正到来。 2008 年末，三位信息领域资深科学家卡内基梅隆大学的R.E.Bryant、加利福尼亚大学伯克利分校的R.H.Katz、华盛顿大学的https://www.doczj.com/doc/5810632733.html,zowska联合业界组织计算社区联盟（Computing Community Consortium）发表了非常有影响力的白皮书《大数据计算：商务、科学和社会领域的革命性突破》，使得研究者和业界高管意识到大数据真正重要的是其新用途和带来的新见解，而非数据本身。随后，包括EMC、IBM、惠普、微软在内的全球知名企业纷纷通过收购大数据相关厂商来实现技术整合，实施其大数据战略；国内外咨询机构也相继发布与大数据相关的研究报告，积极跟进大数据领域的研发与应用。2011 年5 月，EMC 公司在主题为“云计算相遇大数据”的World 2011 大会中阐述了云计算与大数据的理念和技术趋势。同年10 月，Gartner 将大数据列入2012 年十大战略新兴技术；11 月，由CSDN 举办的中国大数据技术大会在北京成功举行。大数据在产业界逐渐形成燎原之势。 目前，大数据研究和应用已经成为信息科技领域中的热点。世界各国均高度重视大数据领域的研究探索，并从国家战略层面推出研究规划以应对其带来的挑战。2012 年3 月，
数据挖掘在销售预测中的应用 易飞 南京信息工程大学职业技术学院，南京 210044 摘要：销售量的预测对于生产和销售部门是极其重要的，面对销售部门日益增长的海量数据，给出一个完整的数据挖掘过程，包括数据选择，数据准备、数据调整、挖掘算法的实现等，通过销售预测，企业可以制定科学合理的原材料一采购计划、生产计划、人员配备计划、库存计划以及营销计划。因此，销售预测决策支持系统对企业的经营决策具有重要的研究意义。 关键字：数据挖掘,销售预测,神经网络 Application of Data Mining in Sales Management Abstract：Face to big number data which increase day after day of sales department, this paper presents an integrated data mining precession. It includes selection of data, preparation of data regulation of data, implementation of mining algorithms and so on. To the result of sale forecasting, enterprises can rational materials procurement plan, production schedule, staffing plan. Just make Stock planand marketing plan. So sale forecasting DSS used for supporting sale decision and other decisi are important for the development of enterprises. Key words:Data Mining; Sales Forecasting; Neural Network - 0 -
数据挖掘在市场营销中大展身手 随着数据量的急剧增长，现在的用户很难再像从前那样，自己根据数据的分布找出规律，并根据此规律进行分析决策。因此必须借助于相应的数据挖掘工具，自动发现数据中隐藏的规律或模式，为决策提供支持。数据挖掘技术主要用于从大量的数据中发现隐藏于其后的规律或数据间的关系。 作为一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。数据挖掘技术在企业市场营销中得到了比较普遍的应用，它是以市场营销学的市场细分原理为基础，其基本假定是"消费者过去的行为是其今后消费倾向的最好说明"。 通过收集、加工和处理涉及消费者消费行为的大量信息，确定特定消费群体或个体的兴趣、消费习惯、消费倾向和消费需求，进而推断出相应消费群体或个体下一步的消费行为，然后以此为基础，对所识别出来的消费群体进行特定内容的定向营销，这与传统的不区分消费者对象特征的大规模营销手段相比，大大节省了营销成本，提高了营销效果，从而为企业带来更多的利润。 挖掘何种信息 商业消费信息来自市场中的各种渠道。例如，每当我们用信用卡消费时，商业企业就可以在信用卡结算过程收集商业消费信息，记录下我们进行消费的时间、地点、感兴趣的商品或服务、愿意接收的价格水平和支付能力等数据；当我们在申办信用卡、办理汽车驾驶执照、填写商品保修单等其他需要填写表格的场合时，我们的个人信息就存入了相应的业务数据库；企业除了自行收集相关业务信息之外，甚至可以从其他公司或机构购买此类信息为自己所用。 这些来自各种渠道的数据信息被组合，应用超级计算机、并行处理、神经元网络、模型化算法和其他信息处理技术手段进行处理，从中得到商家用于向特定消费群体或个体进行定向营销的决策信息。这种数据信息是如何应用的呢？举一个简单的例子，当银行通过对业务数据进行挖掘后，发现一个银行账户持有者突然要求申请双人联合账户时，并且确认该消费者是第一次申请联合账户，银行会推断该用户可能要结婚了，它就会向该用户定向推销用于购买房屋、支付子女学费等长期投资业务，银行甚至可能将该信息卖给专营婚庆商品和服务的公司。数据挖掘构筑竞争优势。 在市场经济比较发达的国家和地区，许多公司都开始在原有信息系统的基础上通过数据挖掘对业务信息进行深加工，以构筑自己的竞争优势，扩大自己的营业额。美国运通公司(American Express)有一个用于记录信用卡业务的数据库，数据量达到54亿字符，并仍在随着业务进展不断更新。运通公司通过对这些数据进行挖掘，制定了"关联结算(Relationship Billing)优惠"的促销策略，即如果一个顾客在一个商店用运通卡购买一套时装，那么在同一个商店再买一双鞋，就可以得到比较大的折扣，这样既可以增加商店的销售量，也可以增加运通卡在该商店的使用率。再如，居住在伦敦的持卡消费者如果最近刚刚乘英国航空公司的航班去过巴黎，那么他可能会得到一个周末前往纽约的机票打折优惠卡。
数据挖掘在营销中的应用 随着知识经济和网络经济体系的飞速发展，企业生产和互联网相结合的时代背景下，产生了大量的数据洪流，在这大量的数据中往往隐藏着企业生产、商业决策的关键信息。但是面对巨大的数据洪流，传统的数据库查询技术和报表工具已经无法挖掘出能够适合企业和决策者的所需求的信息，因此强烈渴望一种新的数据分析技术来处理大量的数据，按照决策者的需求抽取有价值的信息集，数据挖掘技术由此应运而生。 因数据挖掘技术从海量的数据中找出辅助决策者做出商业决策的关键信息，而越来越被各行各业所重视和应用。特别在营销领域，企业生产和销售模式逐渐从传统方式向基于订单生产和基于客户营销发展。在营销策略制定中，为了能尽快从业务累计的大量数据中及时获取有价值的信息，准确把握市场走向，提高企业市场竞争力，获取利益最大化，选择合理的数据挖掘技术，将会起到事半功倍的效果。 一、数据挖掘的原理 1、数据挖据的定义 数据挖掘是从大量有噪声的、模糊的、随机的数据中发现尚未被发现的知识，是从系统内部自动获取知识的过程。它是一个萃取和展望新知识的流程，通过分析具体数据，发现确定有效的，有潜在价值的信息，为企业良好运转和决策部门提供关机信息。从数据仓库角度来看，数据挖掘可以被认为是在线分析处理（OLAP）的高级阶段，但其数据分析能力远远超过以数据汇总为主的数据仓库在线分析处理功能。 2、数据挖掘的分析方法 数据挖据涉及的学科领域和方法有很多，最常见的典型方法有四种，分别是关联分析法、序列分析法、分类分析法、聚类分析法。 关联分析法用于发现给定事件或纪录中经常一起发生的项目，由此推断事件
间潜在的关联，识别有可能重复发生的模式。关联分析的典型例子是市场购物篮分析，描述顾客的购买行为。如尿布与啤酒的故事就属于关联分析，可帮助零售商决定商品的摆放和捆绑销售策略。 序列分析法与关联分析相类似，只是扩展为一段时间的项目集间的关系，常把序列分析看作由时间变量连接起来的关联，序列分析可分析长时期的相关纪录，发现经常发生的现象 分类分析法用于预测事件所属的类别。其中样本数据中包含标识样本事件所属类别的数据项，类别是已知的，由数据挖掘根据样本数据构建对这些类别的模式的描述，再利用所发现的模式，参照新的数据的特征变量，将其映射入已知类别中。如在医疗应用中，可根据患者的各种特征进行疾病诊断等。 聚类分析法用于描述和发现数据库中以前未知的数据类别，其中样本数据中不包含类别变量，数据挖掘将具有共同趋势和模式的数据元组聚集为一类。使类内各元组相似程度最高，类间差异最大。常用于市场细分，可根据已有顾客的数据，利用聚类技术将市场按顾客的消费模式的相似性分为若干细分市场，以进行有针对性的市场营销。 二、数据挖掘应用在市场营销中的理论依据 在市场营销中采用数据挖掘是营销发展到一定阶段的迫切要求，是现代营销在高科技信息时代的必然产物，它有助于提高企业的营销效率，降低营销成本，其理论依据有消费行为、细分市场理论、顾客数据库和直接营销等。 一种产品或者服务在制定营销计划之前，营销者必须研究消费者市场和消费者行为。一方面在分析消费者市场时，公司需要了解购买对象、购买目的、购买行为、购买时间和地点等因素。另一方面还要分析影响消费者消费行为的主要因素，如文化因素、社会因素、个人因素和心理因素等。通过搜集顾客消费数据，采用数据挖掘技术，可以简明地得到这些信息。根据这些信息，营销者就能够制定出有效的营销计划，为有效地赢得顾客，创造利润提供保证。 数据挖掘及时基于市场细分原理，其基本假定是“消费者过去的行为是今后消费倾向的最好说明”。任何公司或者企业的服务都不可能面向所有顾客，只能