第 1章 大數(shù)據(jù)營銷概論

學習目標

引例　方太“雙十一”推廣實例

1.1　大數(shù)據(jù)營銷的定義

1.2　建立營銷數(shù)據(jù)庫

1.3　尋找合適的營銷理論

1.4　用營銷語言解讀統(tǒng)計模型

1.5　符合行為模式的統(tǒng)計模型

1.6　一對一營銷

課后習題

第　2章 大數(shù)據(jù)時代的營銷戰(zhàn)略

學習目標

引例　基于消費者價值的數(shù)據(jù)分析助力B2B企業(yè)制定更科學的營銷戰(zhàn)略實例

2.1　經(jīng)典的營銷理論框架.

2.2　大數(shù)據(jù)時代營銷戰(zhàn)略的決策模式變化

2.3　營銷資料架構

2.4　消費者行為的特質：異質性和動態(tài)性

2.5　營銷思潮的演進

2.6　消費者的隱私權

課后習題

第3章　如何構建有效的客戶關系營銷數(shù)據(jù)庫

學習目標

引例　構建營銷數(shù)據(jù)庫并借助大數(shù)據(jù)分析實現(xiàn)4S店精準服務實例

3.1　構建營銷數(shù)據(jù)庫的作用

3.1.1　服務于營銷管理系統(tǒng)

3.1.2　服務于營銷研究實務

3.1.3　服務于營銷決策支持系統(tǒng)

3.2　構建營銷數(shù)據(jù)庫的流程

3.2.1　營銷研究問題的設定

3.2.2　營銷研究設計的規(guī)劃

3.2.3　會員樣本的抽取

3.2.4　構建營銷數(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　會員數(shù)據(jù)庫的完整性

3.4　客戶動態(tài)的交易數(shù)據(jù)文件

3.4.1　會員動態(tài)數(shù)據(jù)

3.4.2　交易日期數(shù)據(jù)文件

3.4.3　產品特性編碼文件

課后習題

第4章　基于ARFM模型的顧客價值解析與策略運用

學習目標

引例　某新型中藥飲片公司通過大數(shù)據(jù)營銷提升顧客價值實例

4.1　顧客價值的衡量

4.1.1　RFM指標.

4.1.2　RFM指標的特性

4.2　RFM模型的給分機制

4.2.1　五等均分法的給分機制

4.2.2　不等比例法的給分機制

4.2.3　Bob Stone的給分機制

4.3　顧客價值與購買期間

4.3.1　平均購買期間

4.3.2　加權平均購買期間

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的預測能力

4.4.4　監(jiān)控CAI的變化

4.5　顧客終身價值

4.5.1　顧客交易穩(wěn)定度分析

4.5.2　對購買期間模型的反思與顧客靜止的預測

4.5.3　價值遷徙形態(tài)與預測

課后習題

實操練習

第5章　基于因素分析的購物籃分析

學習目標

引例　基于購物籃分析的銀行財富管理產品精準推薦實例

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?shù)漠a品范圍

5.2　產品關聯(lián)性的相關系數(shù)

5.2.1　數(shù)據(jù)格式與推薦機制

5.2.2　相關系數(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

5.3　數(shù)據(jù)縮減檢測的信度分析

5.3.1　品牌忠誠度調查范例

5.3.2　RFM分數(shù)與產品變量

5.4　購物籃分析與因素分析

5.4.1　購物籃分析

5.4.2　銀行服務態(tài)度調查范例

5.4.3　因素分析存在的幾個問題

5.4.4　因素分析的執(zhí)行與結果

5.4.5　對產品樹的反思

5.5　購物籃分析的哲學與延伸

課后習題.

實操練習

第6章　基于聯(lián)合分析的新產品推薦系統(tǒng)

學習目標

引例　基于聯(lián)合分析的銀行財富管理產品推薦實例

6.1　兩種產品推薦系統(tǒng)

6.1.1　合作過濾式推薦系統(tǒng)

6.1.2　內容基礎式推薦系統(tǒng)

6.2　聯(lián)合分析的應用方法

6.2.1　挑選屬性與水平

6.2.2　使用正交設計建立產品輪廓

6.2.3　屬性水平與虛擬變量

6.2.4　估計個性化偏好結構

6.3　聯(lián)合分析的營銷應用

6.3.1　挑選目標客群

6.3.2　愿付價格分析

6.3.3　預測產品的購買概率

6.3.4　最優(yōu)定價分析

6.4　回歸分析

6.4.1　只有一個解釋變量的簡單回歸

6.4.2　模型的預測能力

6.4.3　置信區(qū)間

6.5　大數(shù)據(jù)營銷的新產品推薦系統(tǒng)

6.5.1　選取共同的產品屬性

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　細分層次模型

6.6.3　個人層次模型與產品推薦系統(tǒng)

課后習題

實操練習

第7章　基于CHAID的顧客分群鎖定與畫像

學習目標

引例　大數(shù)據(jù)營銷助力金屬焊接企業(yè)精準鎖定目標客戶實例

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　決定細分市場的個數(shù)

7.2.1　兩種營銷成本

7.2.2　最佳群數(shù)的變化趨勢

7.3　市場細分

7.3.1　事前細分法

7.3.2　事后細分法

7.3.3　行為細分變量

7.3.4　會員數(shù)據(jù)庫變量

7.4　集群分析

7.4.1　相似性的衡量

7.4.2　層級式集群法

7.4.3　非層級式集群法

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　細分輪廓的描述與目標客群的鎖定

7.5.1　利用卡方檢驗描述細分輪廓

7.5.2　利用F檢驗鎖定目標客群

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　因變量為定量指標的顧客畫像

7.6.4　因變量為定性指標的顧客畫像

課后習題

實操練習