第1章 大數(shù)據(jù)與市場營銷 1
1.1 大數(shù)據(jù)產生的背景 1
1.1.1 人類社會進步與大數(shù)據(jù)時代 1
1.1.2 大數(shù)據(jù)爆發(fā)原因 3
1.2 大數(shù)據(jù)的內涵 6
1.2.1 大數(shù)據(jù)的定義 6
1.2.2 大數(shù)據(jù)的特征 8
1.3 大數(shù)據(jù)營銷概論 9
1.3.1 大數(shù)據(jù)營銷的發(fā)展 9
1.3.2 大數(shù)據(jù)營銷的應用 14
本章小結 15
第2章 大數(shù)據(jù)營銷分析基礎 16
2.1 數(shù)據(jù)挖掘標準過程模型 16
2.2 大數(shù)據(jù)營銷的基本流程 18
2.3 大數(shù)據(jù)營銷的核心能力 21
2.3.1 大數(shù)據(jù)挖掘成功的要素 21
2.3.2 成為合格的大數(shù)據(jù)營銷人員 23
2.4 大數(shù)據(jù)營銷的分析模型與工具 25
2.4.1 常用的大數(shù)據(jù)營銷分析模型 25
2.4.2 大數(shù)據(jù)營銷分析工具 26
本章小結 29
第3章 數(shù)據(jù)準備 31
3.1 數(shù)據(jù)準備概要 31
3.1.1 數(shù)據(jù)結構類型 31
3.1.2 數(shù)據(jù)準備工作內容 32
3.2 數(shù)據(jù)清洗 33
3.2.1 缺失值處理 33
3.2.2 異常值處理 35
3.3 數(shù)據(jù)變換 37
3.3.1 數(shù)據(jù)規(guī)范化 37
3.3.2 數(shù)據(jù)規(guī)約 38
3.3.3 數(shù)據(jù)正態(tài)化 40
3.4 數(shù)據(jù)集成 41
3.4.1 實體識別 41
3.4.2 冗余屬性識別 41
3.4.3 刪除動作的討論 42
本章小結 44
第4章 數(shù)據(jù)探索 45
4.1 探索性數(shù)據(jù)分析 45
4.1.1 探索性數(shù)據(jù)分析的概念 45
4.1.2 探索性數(shù)據(jù)分析的內容和步驟 46
4.2 探索數(shù)據(jù)特征 47
4.2.1 認識數(shù)據(jù)集 47
4.2.2 探索分類型變量 50
4.2.3 探索數(shù)值型變量 56
4.2.4 探索變量的多元關系 61
4.3 發(fā)現(xiàn)派生特征變量 65
4.3.1 基于數(shù)據(jù)集觀察的發(fā)現(xiàn) 66
4.3.2 基于領域知識的發(fā)現(xiàn) 70
本章小結 80
第5章 消費者行為分析 81
5.1 消費者行為分析概要 81
5.1.1 消費者行為的內涵 81
5.1.2 消費者行為分析的內涵 82
5.2 回歸分析 83
5.2.1 線性回歸 83
5.2.2 邏輯回歸 85
5.3 邏輯回歸分析實例 87
5.3.1 數(shù)據(jù)集 87
5.3.2 數(shù)據(jù)分析與可視化 88
5.3.3 回歸分析 92
5.4 決策樹 99
5.4.1 決策樹簡介 99
5.4.2 決策樹的分類算法 100
5.4.3 決策樹的使用條件 101
5.5 決策樹分析實例 101
5.5.1 數(shù)據(jù)集 101
5.5.2 數(shù)據(jù)分析與可視化 103
5.5.3 決策樹分析 109
本章小結 113
【實訓——會員留存分析】 114
第6章 商品分析與推薦 117
6.1 商品分析概要 117
6.1.1 商品分析的內涵 117
6.1.2 商品分析的目標 118
6.2 商品分析實例 119
6.2.1 數(shù)據(jù)集概況 119
6.2.2 趨勢分析 122
6.3 商品推薦實現(xiàn) 133
6.3.1 商品推薦系統(tǒng) 133
6.3.2 協(xié)同過濾算法 134
6.3.3 商品推薦實例 135
本章小結 145
【實訓——服裝銷售數(shù)據(jù)分析】 146
第7章 營銷效果預測 150
7.1 市場營銷預測基礎 150
7.1.1 市場營銷中的預測分析 150
7.1.2 分類模型的評估 151
7.2 隨機森林模型 152
7.2.1 隨機森林的工作原理 152
7.2.2 隨機森林算法的優(yōu)缺點 155
7.2.3 隨機森林算法的應用場景 155
7.3 市場營銷預測實例 156
7.3.1 數(shù)據(jù)集及其特征變量的選擇 156
7.3.2 特征變量的編碼 158
7.3.3 建立預測模型 160
本章小結 166
【實訓——價格優(yōu)惠和客戶態(tài)度分析】 166
第8章 客戶終身價值預測 169
8.1 客戶終身價值基礎 169
8.1.1 客戶終身價值的內涵 169
8.1.2 客戶終身價值的意義 170
8.1.3 客戶終身價值的計算與分析 171
8.2 回歸模型的評估 172
8.3 客戶終身價值預測實例 173
8.3.1 數(shù)據(jù)集概況與數(shù)據(jù)清理 173
8.3.2 數(shù)據(jù)分析 177
8.3.3 價值預測 180
本章小結 187
【實訓 1 ——流量分析】 187
【實訓 2 ——汽車銷售量預測】 189
第9章 客戶細分 191
9.1 客戶管理基礎 191
9.1.1 客戶管理的定義 191
9.1.2 客戶管理的內容 192
9.1.3 大數(shù)據(jù)在客戶管理中的作用 193
9.2 聚類算法 194
9.2.1 聚類算法應用場景 194
9.2.2 聚類算法原理 195
9.2.3 k-means聚類算法的步驟 197
9.3 客戶細分中的聚類算法實例 198
9.3.1 數(shù)據(jù)集概況及數(shù)據(jù)清理 198
9.3.2 k - means聚類算法 202
9.3.3 解釋客戶群體 205
本章小結 207
【實訓——會員分群數(shù)據(jù)分析】 208
第10章 A/B測試 210
10.1 A/B測試基礎 210
10.1.1 A/B測試的概念 210
10.1.2 A/B測試的步驟 211
10.1.3 A/B測試的意義 214
10.2 營銷的A/B測試與檢驗 215
10.2.1 營銷的A/B測試 215
10.2.2 統(tǒng)計假設檢驗 215
10.3 A/B測試的評估實例 216
10.3.1 數(shù)據(jù)集概況 216
10.3.2 數(shù)據(jù)分析 218
10.3.3 統(tǒng)計假設檢驗 223
本章小結 227
【實訓—— A/B測試數(shù)據(jù)分析】 227