2016年-大数据与客户关系管理.docVIP

大数据与客户关系管理 课程背景： 成熟的企业已经从跑马圈地的客户数量积累，发展为提高客户对企业利润贡献的质量管理阶段。客户关系管理逐渐发展到培养多次购买的忠诚客户阶段。如何为客户创造更高价值，如何做好客户关怀、争取转介绍和赢得客户回头、如何实施VIP会员管理、组建吸引客户的客户俱乐部、提升客户忠诚度等等问题，正在成为销售型企业的客户管理热点。 参训对象：董事长、总经理、市场总监、销售总监、客服总监、CIO等总监以上级别 课程大纲： 第1章　客户关系管理与大数据的关系 1.1　客户关系管理成为企业的核心能力 1.2　客户关系管理中的数据分析 1.3　大数据分析应用的条件 1.3.1 全面准确的海量数据 1.3.2 精细化管理理念的倡导 1.3.3 数据分析和数据挖掘技术的有效应用 1.4　大数据应用的最新进展 第2章　数据挖掘概述 2.1　数据挖掘的发展历史 2.2　统计分析与数据挖掘的主要区别 2.3　数据挖掘的主要成熟技术以及在客户关系管理中的主要应用 2.3.1　决策树 2.3.2　神经网络 2.3.3　回归 2.3.4　关联规则 2.3.5　聚类 2.3.6　贝叶斯分类方法 2.3.7　支持向量机 2.3.8　主成分分析 2.3.9　假设检验 2.4　互联网行业数据挖掘应用的特点 第3章　客户关系管理中常见的数据分析项目类型 3.1　目标客户的特征分析 3.2　目标客户的预测（响应、分类）模型 3.3　运营群体的活跃度定义 3.4　用户路径分析 3.5　交叉销售模型 3.6　信息质量模型 3.7　服务保障模型 3.8　用户（买家、卖家）分层模型 3.9　卖家（买家）交易模型 3.10　信用风险模型 3.11　商品推荐模型 3.11.1　商品推荐介绍 3.11.2　关联规则 3.11.3　协同过滤算法 3.11.4　商品推荐模型总结 3.12　数据产品 3.13　决策支持 第4章　数据分析是跨专业、跨团队的协调与合作 4.1　数据分析团队与业务团队的分工和定位 4.1.1　提出业务分析需求并且能胜任基本的数据分析 4.1.2　提供业务经验和参考建议 4.1.3　策划和执行精细化运营方案 4.1.4　跟踪运营效果、反馈和总结 4.2　数据化运营是真正的多团队、多专业的协同作业 4.3　实例示范数据化运营中的跨专业、跨团队协调合作 第5章　数据挖掘项目完整应用案例 5.1　项目背景和业务分析需求的提出 5.2　数据分析师参与需求讨论 5.3　制定需求分析框架和分析计划 5.4　抽取样本数据、熟悉数据、数据清洗和摸底 5.5　按计划初步搭建挖掘模型 5.6　与业务方讨论模型的初步结论，提出新的思路和模型优化方案 5.7　按优化方案重新抽取样本并建模，提炼结论并验证模型 5.8　完成分析报告和落地应用建议 5.9　制定具体的落地应用方案和评估方案 5.10　业务方实施落地应用方案并跟踪、评估效果 5.11　落地应用方案在实际效果评估后，不断修正完善 5.12　不同运营方案的评估、总结和反馈 5.13　项目应用后的总结和反思 第6章 顶尖数据挖掘平台TipDM 6.1 TipDM产品功能 6.1.1 TipDM平台提供的数据探索及预处理算法 6.1.2 TipDM平台提供的分类与回归算法 6.1.3 TipDM平台提供的时序模式算法 6.1.4 TipDM平台提供的聚类分析算法 6.1.5 TipDM平台提供的关联规则算法 6.2 TipDM使用说明 6.3 TipDM产品特点 6.3.1 支持CRISP-DM数据挖掘标准流程 6.3.2 提供丰富的数据挖掘模型和灵活算法 6.3.3 具有多模型的整合能力 6.3.4 提供灵活多样的应用开发接口 6.3.5 海量数据的处理能力 6.3.6 适应不同类型层次人员需求 第7章 数据挖掘在金融电信行业的应用 7.1 案例二：电信3G客户识别系统 7.1.1 挖掘目标的提出 7.1.2 分析方法与过程 7.1.3 建模仿真 7.1.4 核心知识点 7.1.5 拓展思考 7.2 案例三：基于客户分群的精准智能营销 7.2.1 挖掘目标的提出 7.2.2 分析方法与过程 7.2.3 建模仿真 7.2.4 核心知识点 7.2.5 拓展思考 第8章 数据挖掘在互联网行业的应用 8.1 案例一：商业零售行业中的购物篮分析 8.1.1 挖掘目标的提出 8.1.2 分析方法与过程 8.1.3 建模仿真 8.1.4 启发与拓展 8.2 案例二：电子商务网站用户行为分析 8.2.1 挖掘目标的