第 1章 大數(shù)據(jù)營(yíng)銷概論

學(xué)習(xí)目標(biāo)

引例　方太“雙十一”推廣實(shí)例

1.1　大數(shù)據(jù)營(yíng)銷的定義

1.2　建立營(yíng)銷數(shù)據(jù)庫

1.3　尋找合適的營(yíng)銷理論

1.4　用營(yíng)銷語言解讀統(tǒng)計(jì)模型

1.5　符合行為模式的統(tǒng)計(jì)模型

1.6　一對(duì)一營(yíng)銷

課后習(xí)題

第　2章 大數(shù)據(jù)時(shí)代的營(yíng)銷戰(zhàn)略

學(xué)習(xí)目標(biāo)

引例　基于消費(fèi)者價(jià)值的數(shù)據(jù)分析助力B2B企業(yè)制定更科學(xué)的營(yíng)銷戰(zhàn)略實(shí)例

2.1　經(jīng)典的營(yíng)銷理論框架.

2.2　大數(shù)據(jù)時(shí)代營(yíng)銷戰(zhàn)略的決策模式變化

2.3　營(yíng)銷資料架構(gòu)

2.4　消費(fèi)者行為的特質(zhì)：異質(zhì)性和動(dòng)態(tài)性

2.5　營(yíng)銷思潮的演進(jìn)

2.6　消費(fèi)者的隱私權(quán)

課后習(xí)題

第3章　如何構(gòu)建有效的客戶關(guān)系營(yíng)銷數(shù)據(jù)庫

學(xué)習(xí)目標(biāo)

引例　構(gòu)建營(yíng)銷數(shù)據(jù)庫并借助大數(shù)據(jù)分析實(shí)現(xiàn)4S店精準(zhǔn)服務(wù)實(shí)例

3.1　構(gòu)建營(yíng)銷數(shù)據(jù)庫的作用

3.1.1　服務(wù)于營(yíng)銷管理系統(tǒng)

3.1.2　服務(wù)于營(yíng)銷研究實(shí)務(wù)

3.1.3　服務(wù)于營(yíng)銷決策支持系統(tǒng)

3.2　構(gòu)建營(yíng)銷數(shù)據(jù)庫的流程

3.2.1　營(yíng)銷研究問題的設(shè)定

3.2.2　營(yíng)銷研究設(shè)計(jì)的規(guī)劃

3.2.3　會(huì)員樣本的抽取

3.2.4　構(gòu)建營(yíng)銷數(shù)據(jù)庫需要回答的問題

3.3　客戶基本靜態(tài)數(shù)據(jù)文件

3.3.1　會(huì)員靜態(tài)數(shù)據(jù)

3.3.2　態(tài)度的衡量

3.3.3　數(shù)據(jù)編碼

3.3.4　信度與效度

3.3.5　會(huì)員數(shù)據(jù)庫的完整性

3.4　客戶動(dòng)態(tài)的交易數(shù)據(jù)文件

3.4.1　會(huì)員動(dòng)態(tài)數(shù)據(jù)

3.4.2　交易日期數(shù)據(jù)文件

3.4.3　產(chǎn)品特性編碼文件

課后習(xí)題

第4章　基于ARFM模型的顧客價(jià)值解析與策略運(yùn)用

學(xué)習(xí)目標(biāo)

引例　某新型中藥飲片公司通過大數(shù)據(jù)營(yíng)銷提升顧客價(jià)值實(shí)例

4.1　顧客價(jià)值的衡量

4.1.1　RFM指標(biāo).

4.1.2　RFM指標(biāo)的特性

4.2　RFM模型的給分機(jī)制

4.2.1　五等均分法的給分機(jī)制

4.2.2　不等比例法的給分機(jī)制

4.2.3　Bob Stone的給分機(jī)制

4.3　顧客價(jià)值與購買期間

4.3.1　平均購買期間

4.3.2　加權(quán)平均購買期間

4.4　活躍性與RFM分析

4.4.1　ARFM模型

4.4.2　刷卡行為的活躍性分析

4.4.3　CAI的預(yù)測(cè)能力

4.4.4　監(jiān)控CAI的變化

4.5　顧客終身價(jià)值

4.5.1　顧客交易穩(wěn)定度分析

4.5.2　對(duì)購買期間模型的反思與顧客靜止的預(yù)測(cè)

4.5.3　價(jià)值遷徙形態(tài)與預(yù)測(cè)

課后習(xí)題

實(shí)操練習(xí)

第5章　基于因素分析的購物籃分析

學(xué)習(xí)目標(biāo)

引例　基于購物籃分析的銀行財(cái)富管理產(chǎn)品精準(zhǔn)推薦實(shí)例

5.1　“啤酒+尿布”案例的反思

5.1.1　挑選購買行為相似的客戶

5.1.2　界定適當(dāng)?shù)漠a(chǎn)品范圍

5.2　產(chǎn)品關(guān)聯(lián)性的相關(guān)系數(shù)

5.2.1　數(shù)據(jù)格式與推薦機(jī)制

5.2.2　相關(guān)系數(shù)的意義

5.2.3　將大量數(shù)據(jù)摘要成少數(shù)信息的注意事項(xiàng)

5.3　數(shù)據(jù)縮減檢測(cè)的信度分析

5.3.1　品牌忠誠度調(diào)查范例

5.3.2　RFM分?jǐn)?shù)與產(chǎn)品變量

5.4　購物籃分析與因素分析

5.4.1　購物籃分析

5.4.2　銀行服務(wù)態(tài)度調(diào)查范例

5.4.3　因素分析存在的幾個(gè)問題

5.4.4　因素分析的執(zhí)行與結(jié)果

5.4.5　對(duì)產(chǎn)品樹的反思

5.5　購物籃分析的哲學(xué)與延伸

課后習(xí)題.

實(shí)操練習(xí)

第6章　基于聯(lián)合分析的新產(chǎn)品推薦系統(tǒng)

學(xué)習(xí)目標(biāo)

引例　基于聯(lián)合分析的銀行財(cái)富管理產(chǎn)品推薦實(shí)例

6.1　兩種產(chǎn)品推薦系統(tǒng)

6.1.1　合作過濾式推薦系統(tǒng)

6.1.2　內(nèi)容基礎(chǔ)式推薦系統(tǒng)

6.2　聯(lián)合分析的應(yīng)用方法

6.2.1　挑選屬性與水平

6.2.2　使用正交設(shè)計(jì)建立產(chǎn)品輪廓

6.2.3　屬性水平與虛擬變量

6.2.4　估計(jì)個(gè)性化偏好結(jié)構(gòu)

6.3　聯(lián)合分析的營(yíng)銷應(yīng)用

6.3.1　挑選目標(biāo)客群

6.3.2　愿付價(jià)格分析

6.3.3　預(yù)測(cè)產(chǎn)品的購買概率

6.3.4　最優(yōu)定價(jià)分析

6.4　回歸分析

6.4.1　只有一個(gè)解釋變量的簡(jiǎn)單回歸

6.4.2　模型的預(yù)測(cè)能力

6.4.3　置信區(qū)間

6.5　大數(shù)據(jù)營(yíng)銷的新產(chǎn)品推薦系統(tǒng)

6.5.1　選取共同的產(chǎn)品屬性

6.5.2　建立考慮集合

6.5.3　二元羅吉斯回歸

6.6　三種層次模型

6.6.1　總體層次模型

6.6.2　細(xì)分層次模型

6.6.3　個(gè)人層次模型與產(chǎn)品推薦系統(tǒng)

課后習(xí)題

實(shí)操練習(xí)

第7章　基于CHAID的顧客分群鎖定與畫像

學(xué)習(xí)目標(biāo)

引例　大數(shù)據(jù)營(yíng)銷助力金屬焊接企業(yè)精準(zhǔn)鎖定目標(biāo)客戶實(shí)例

7.1　物以類聚和人以群分

7.1.1　物以類聚

7.1.2　人以群分

7.2　決定細(xì)分市場(chǎng)的個(gè)數(shù)

7.2.1　兩種營(yíng)銷成本

7.2.2　最佳群數(shù)的變化趨勢(shì)

7.3　市場(chǎng)細(xì)分

7.3.1　事前細(xì)分法

7.3.2　事后細(xì)分法

7.3.3　行為細(xì)分變量

7.3.4　會(huì)員數(shù)據(jù)庫變量

7.4　集群分析

7.4.1　相似性的衡量

7.4.2　層級(jí)式集群法

7.4.3　非層級(jí)式集群法

7.4.4　數(shù)據(jù)庫的集群分析

7.4.5　以回歸系數(shù)為集群變量

7.5　細(xì)分輪廓的描述與目標(biāo)客群的鎖定

7.5.1　利用卡方檢驗(yàn)描述細(xì)分輪廓

7.5.2　利用F檢驗(yàn)鎖定目標(biāo)客群

7.6　基于CHAID的顧客畫像

7.6.1　線性回歸的限制

7.6.2　CHAID的概念

7.6.3　因變量為定量指標(biāo)的顧客畫像

7.6.4　因變量為定性指標(biāo)的顧客畫像

課后習(xí)題

實(shí)操練習(xí)