课程大纲：

产品与客群分析

【课程背景】
    现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，同时也会释放出庞大的数据能量，大数据就是这个高科技时代的产物，大数据并不在“大”，而在于“有用”。价值含量、挖掘、应用比数量更为重要。对于需求的动态变化，需建立一个多维度的产品应用、客群画像，才能够做到“大数据比产品本身更了解产品，比客户自己更了解自己需求”，大数据的产品应用场景让数据重新理解产品，把产品自身、服务与客户形成强关系，在产品使用过程中建立数据触角，随时可清晰了解产品应用状态，客户的体验与场景需求。
    课程将以大数据分析切入点，还原金融环境中的实际案例，帮助学员理解大数据是什么？大数据有什么特点，区别在哪里？数据如何洞察产品需求？产品整个生命周期的数据管理该如何做？大数据洞察的客群特点是什么？如何构建金融应用场景与客群关系？使学员学之解惑，学之能用。

【课程收益】
－金融大数据的应用现状与痛点，大数据特点，技术图谱及大数据思维
－大数据分析、建模、标签化管理、数据洞察产品需求
－大数据下的产品场景，找回需求原点，构建金融产品需求场景
－金融产品数据分析与挖掘、金融产品研发前置分析及商业应用全周期
－大数据洞察的客户关系，洞察维度，客群分析，客群在线的四大场景
－金融应用场景与客群关系，基于用户洞察体验需求升级

【课程对象】产品研发团队、产品经理、产品需求调研团队、营销、营销分析、运营

【课程大纲】
一、识别大数据与大数据价值
1、思维创新技术路径
2、金融大数据应用现状与痛点
－大数据应用现状
－大数据应用误区
－大数据应用困扰及痛点
3、什么是大数据
－大数据概念
－大数据能做什么
－大数据应用价值
－大数据的特征与特点
4、大数据技术图谱
－大数据技术基础
－大数据的数据源特点
－大数据技术逻辑
－大数据全域识别
－大数据数据展现
5、大数据思维
－全样
－容错
－相关
－智能

二、大数据分析与建模
1、大数据分析与建模
－建模
－训练模型
－应用模型
－优化模型
2、大数据标签化管理
－数据标签
－标签
－多样化标签与场景化应用
－基于标签化的产品画像
3、数据洞察金融产品需求
4、大数据为金融产品赋能
5、金融大数据的数据挖掘与建模
－大数据挖掘流程与逻辑
－大数据基本算法逻辑
－大数据挖掘特性
－大数据建模逻辑
－数据＋模型＝产品能力？

三、贯穿整个金融产品生命周期的数据挖掘
1、金融大数据分析与数据挖掘
－业务场景
－数据建模
－挖掘算法
－相关分析
2、大数据应用场景及场景解析
3、找回需求原点，构建产品需求场景
4、产品数据分析与挖掘的样本条件
5、产品研发前置分析
－需求任务
－研究目的
－关键指标
6、产品生命周期 - 产品研发设计
－策略研究
－概念评估
－产品研发
－产品测试
7、产品生命周期 – 商业应用
－导入
－发展
－成熟
－衰退
8、产品商业应用的数据触角

四、大数据洞察的客群分析
1、与客户关系的核心
－传统价值
－高阶价值
2、大数据驱动的客群洞察-数据维度
－真实性
－立体性
－即时性
3、大数据驱动的客群洞察 – 营销维度
－目标客群旅程
－营销活动评估
－社交表现追踪
－行为趋势洞察
4、客群洞察与分析
－基础属性
－需求解构
－客群分层
－客户心智
－内容偏好
－产品能力
－场景故事
－金融价值
－逻辑解析
5、客户在线的四大场景
－输入场景
－浏览场景
－搜索场景
－交易场景
6、金融应用场景与客群关系
－可运营人群数 – 活跃用户
－人群转化率 – 关系加深率
－高价值人群总量
－高价值人群活跃度
7、创新实践，端到端的整合场景
－场景总览
－预设GMV目标，反推各阶层用户体量
8、内容传播渠道
－内容矩阵
－数字媒介矩阵
－融合匹配
－KOL选择
9、基于内容营销闭环的布局
－基础内容投放
－头部内容资源
－人群关系触达
10、基于用户洞察体验升级需求

产品与客群分析