【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：最大边界超平面
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实现最大化营销利润
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最大化？
1、 常见的定价方法
2、 产品定价的理论依据
需求曲线与利润最大化
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
最大收益定价（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。
