课程大纲：

深圳大数据培训讲师

【课程目标】
本课程为高级课程，需要在初级/中级课程之后学习。面向高级数据分析人员，以及系统开发人员。
本课程核心内容为大数据建模、业务专题分析，以及算法实现。
本课程覆盖了如下内容：
1. 市场细分，以及客户群划分模型。
2. 客户价值评估与分析。
3. 产品设计与优化模型。
4. 产品推荐模型。
5. 产品定价策略分析。
本课程从实际的业务需求出发，结合行业的典型应用特点，围绕实际的商业问题，对数据分析及数据挖掘技术进行了全面的介绍（从数据收集与处理，到数据分析与挖掘，再到数据可视化和报告撰写），通过大量的操作演练，帮助学员掌握数据分析和数据挖掘的思路、方法、表达、工具，从大量的企业经营数据中进行分析，挖掘客户行为特点，帮助运营团队深入理解业务运作，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。

通过本课程的学习，达到如下目的：
1. 学会如何做市场细分，划分客户群。
2. 学会实现客户价值评估。
3. 学会用大数据来指导产品功能设计，以及产品优化。
4. 掌握产品精准推荐模型，学会实现产品精准推荐系统。
5. 掌握数据挖掘常用十大算法及其实现。
【授课时间】
2天时间
【授课对象】
运营分析部、数据分析部、大数据系统开发部、等对业务数据分析有要求的相关人员。

【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 2010版本及以上。
3. 便携机中事先安装好IBM SPSS Statistics v19版本及以上。
4. 便携机中事先安装好Python v3.6版本及以上。
注：讲师可以提供试用版本软件及分析数据源。
【授课方式】
数据分析基础 + 方法讲解 + 实际业务问题分析 + 工具实践操作
采用互动式教学，围绕业务问题，展开数据分析过程，全过程演练操作，让学员在分析、分享、讲授、总结、自我实践过程中获得能力提升。

【课程大纲】
第一部分：    数据建模篇
1. 预测建模五步法
. 选择/自定义模型
. 训练模型
. 评估模型
. 优化模型
. 应用模型
2. 最优化求解基本策略

第二部分：    分类预测模型篇
1. 最近邻分类（KNN）
. 基本原理
. 关键问题
2. 贝叶斯分类（NBN）
. 贝叶斯分类原理
. 计算类别属性的条件概率
. 估计连续属性的条件概率
. 贝叶斯网络种类：TAN/马尔科夫毯
. 预测分类概率（计算概率）
案例：评估银行用户拖欠货款的概率
3. 支持向量机（SVM）
. SVM基本原理
. 线性可分问题：*边界超平面
. 线性不可分问题：特征空间的转换
. 维空难与核函数

第三部分：    分类模型优化篇（集成方法）
1. 集成方法的基本原理：利用弱分类器构建强分类模型
. 选取多个数据集，构建多个弱分类器
. 多个弱分类器投票决定
2. 集成方法/元算法的种类
. Bagging算法
. Boosting算法
3. Bagging原理
. 如何选择数据集
. 如何进行投票
. 随机森林
4. Boosting的原理
. AdaBoost算法流程
. 样本选择权重计算公式
. 分类器投票权重计算公式

第四部分：    市场细分模型
问题：我们的客户有几类？各类特征是什么？如何实现客户细分，开发符合细分市场的新产品？如何提取客户特征，从而对产品进行市场定位？
1. 市场细分的常用方法
. 有指导细分
. 无指导细分
2. 聚类分析
. 如何更好的了解客户群体和市场细分？
. 如何识别客户群体特征？
. 如何确定客户要分成多少适当的类别？
. 聚类方法原理介绍
. 聚类方法作用及其适用场景
. 聚类分析的种类

. K均值聚类（快速聚类）
案例：移动三大品牌细分市场合适吗？
演练：宝洁公司如何选择新产品试销区域？
演练：如何评选优秀员工？
演练：中国各省份发达程度分析，让数据自动聚类
. 层次聚类（系统聚类）：发现多个类别
. R型聚类与Q型聚类的区别
案例：中移动如何实现客户细分及营销策略
演练：中国省市经济发展情况分析（Q型聚类）
演练：裁判评分的标准衡量，避免“黑哨”（R型聚类）
. 两步聚类

3. 客户价值评估与RFM模型
问题：如何评估客户的价值？如何针对不同客户采取不同的营销策略？
. RFM模型，更深入了解你的客户价值
. RFM的客户细分框架理解
. RFM模型与市场策略
. RFM模型与活跃度
演练：“双11”淘宝商家如何选择客户进行促销
演练：结合响应模型，宜家IKE实现*化营销利润
4. 主成分分析
. 主成分分析方法介绍
. 主成分分析基本思想
. 主成分分析步骤
案例：如何评估汽车购买者的客户细分市场

第五部分：    产品推荐模型
问题：购买A产品的顾客还常常要购买其他什么产品？应该给客户推荐什么产品最有可能被接受？
1. 常用产品推荐模型
2. 关联分析
. 如何制定套餐，实现交叉/捆绑销售
案例：啤酒与尿布、飓风与蛋挞
. 关联分析模型原理（Association）
. 关联规则的两个关键参数
. 支持度
. 置信度
. 关联分析的适用场景
案例：购物篮分析与产品捆绑销售/布局优化
案例：通信产品的交叉销售与产品推荐
3. 协同过滤
4. 分类预测模型

第六部分：    产品设计与优化
1. 联合分析法
2. 离散选择模型
. 如何评估客户购买产品的概率
. 如何指导产品开发？如何确定产品的重要特性
. 竞争下的产品动态调价
. 如何评估产品的价格弹性
案例：产品开发与设计分析
案例：品牌价值与价格敏感度分析
案例：纳什均衡价格
3. 品牌价值评估
4. 新产品市场占有率评估

第七部分：    定价策略分析
营销问题：产品如何实现最估定价？套餐价格如何确定？采用哪些定价策略可达到利润*化？
1. 常见的定价方法
2. 产品定价的理论依据
. 需求曲线与利润*化
. 如何求解最优定价
案例：产品最优定价求解
3. 如何评估需求曲线
. 价格弹性
. 曲线方程（线性、乘幂）
4. 如何做产品组合定价
5. 如何做产品捆绑/套餐定价
. *收益定价（演进规划求解）
. 避免价格反转的套餐定价
案例：电信公司的宽带、IPTV、移动电话套餐定价

6. 非线性定价原理
. 要理解支付意愿曲线
. 支付意愿曲线与需求曲线的异同
案例：双重收费如何定价（如会费+按次计费）
7. 阶梯定价策略
案例：电力公司如何做阶梯定价
8. 数量折扣定价策略
案例：如何通过折扣来实现薄利多销
9. 定价策略的评估与选择
案例：零售公司如何选择最优定价策略
10. 航空公司的收益管理
. 收益管理介绍
. 如何确定机票预订限制
. 如何确定机票超售数量
. 如何评估模型的收益
案例：FBN航空公司如何实现收益管理（预订/超售）

第八部分：    客户价值分析
营销问题：如何评估客户的价值？不同的价值客户有何区别对待？
1. 如何评价客户生命周期的价值
. 贴现率与留存率
. 评估客户的真实价值
. 使用双向表衡量属性敏感度
. 变化的边际利润
案例：评估营销行为的合理性
2. RFM模型（客户价值评估）
. RFM模型，更深入了解你的客户价值
. RFM模型与市场策略
. RFM模型与活跃度分析
案例：淘宝客户价值评估与促销名单
案例：重购用户特征分析
结束：课程总结与问题答疑。

深圳大数据培训讲师