大数据营销 课件全套 第1-12章 大数据大数据营销概述- 大数据营销案例

第1章大数据&大数据营销概述本章内容

第1节

大数据概述

第2节

大数据营销概述

第3节

大数据营销误区BigDataMarketing学习目标

了解大数据国家战略，中国在大数据及大数据营销领域的成效，培养爱国主义情怀和民族自豪感

了解大数据和大数据营销的基本概念与特点

理解大数据思维和大数据的商业价值

了解大数据营销在现实中的应用，能够用思辨思维看待可能存在的问题和误区，培养正确的数据观BigDataMarketing导入案例

杭州湖滨银泰in77利用大数据实现精准营销数据采集——in77在试点区域的出入口和中堂安装具有AI功能的摄像头，通过人脸抓拍精准统计客流量以及顾客在各个区域停留的时间和运动轨迹，顾客停留时间越长，消费可能性就越高。精准营销——商场对用户画像进行属性分析并分类贴标签，通过运营策略将符合品牌商目标用户特征的客流导向品牌商、将品牌商促销信息推送给目标用户，实现双向精准匹配，提高转化率。如摆放带有人脸识别摄像头的屏幕，展示新奇有趣且极富个性化的广告和互动，当系统识别出某品牌会员，屏幕广告将展示该品牌的促销信息等……策略演进——发现了以前无法获取的入驻品牌之间的关联关系，即特定的消费群体里到过某个化妆品店的同时也会去某个运动品牌店消费。通过数据可以发现几个品牌共享同样的潜在用户，从而进行联合营销。BigDataMarketing本章知识结构大数据概述大数据营销概述大数据营销误区大数据&大数据营销概述大数据概念及特征大数据思维：相关、全数据、容错大数据商业价值：企业决策、个性化精准营销、优化产品组合、市场趋势预测、客户关系管理大数据营销概念及特点大数据营销发展历程大数据营销挑战：隐私安全问题、数据真实性难辨、人才缺乏、数据治理挑战唯数据论、预测万能性、刻舟求剑型、一定降本增效、等同于效果营销BigDataMarketing一、大数据的概念及特征第1节

大数据概述大数据的概念

研究机构Gartner：是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。来行为动向。麦肯锡：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合。IDC（InternationalDataCorporation，国际数据公司）：是新一代的技术与架构，它被设计用于在成本可承受的条件下，通过非常快速的采集、发现和分析，从大体量、多类别的数据中提取价值。综上，大数据是需要使用新技术进行采集、存储、管理与分析，可为流程和决策优化提供价值的海量多样化数据。大数据营销概述大数据营销误区大数据概述大数据的概念及特征丨大数据的概念BigDataMarketing一、大数据的概念及特征第1节

大数据概述大数据的特征——从“3V”到“8V”大数据营销概述大数据营销误区大数据概述大数据的概念及特征丨大数据的特征BigDataMarketing一、大数据的概念及特征第1节

大数据概述大数据营销概述大数据营销误区大数据概述大数据的“4V”特征特征内容挑战数据体量大（Volume）指数据存储量大、规模大以及增量大，是大数据最基本的特征需要存储、处理和分析TB、PB乃至EB级别的庞大数据类型多样化（Variety）大数据包括多种数据类型，如结构化数据、半结构化数据和非结构化数据需要通过清洗、整理、筛选，将半结构化、非结构化数据转化为结构化数据高速性（Velocity）数据从生成到消耗，时间窗口非常小，可用于生成决策的时间非常短需要快速对数据进行采集、处理与分析价值密度低（Value）数据呈指数增长的同时，隐藏在海量数据的有用信息却没有相应比例的增长需要通过强大的机器算法更迅速的进行数据的价值“提纯”大数据的概念及特征丨大数据的特征BigDataMarketing二、大数据思维第1节

大数据概述大数据营销概述大数据营销误区大数据概述大数据思维全数据思维“着眼于整体”的全数据模式，“样本=总体”的分析方法有效避免了以偏概全的不足，可以在掌握尽可能多数据的基础上考察细节。相关思维通过数据挖掘出的相关关系可以展示很多以前不曾注意到的联系，更容易、快捷地分析事物之间的关联，相关关系为我们提供了了解世界的另一个视角。容错思维大数据时代，思维方式要从精确思维转向容错思维，当拥有海量数据时，绝对精准不再是追求的主要目标，适当忽略微观层面上的精确，容许一定程度的错误与混杂，反而可以在宏观层面拥有更好的洞察力。BigDataMarketing潘吉瓦公司利用大数据分析预测时尚流行趋势星巴克的“大数据咖啡杯”沃尔玛“啤酒与尿布”经典案例淘宝首页千人千面的购物预测阿里巴巴利用淘宝卖家信息开展的无抵押贷款业务文本分析第1节

大数据概述三、大数据的商业价值企业决策个性化精准营销优化产品组合市场趋势预测客户关系管理大数据概述大数据营销概述大数据营销误区BigDataMarketing大数据营销误区大数据概述大数据营销概述第2节

大数据营销概述一、大数据营销的概念及特点大数据营销是一种精准营销模式，又称为数据驱动型营销，是指企业在精准定位的基础上，基于多平台、跨区域采集大量数据，并依托大数据技术建立一套个性化的消费者沟通体系，将最符合其需求的产品、服务、信息传递给消费者，使广告更加精准有效，给品牌企业带来更高的投资回报率营销人员运用大数据技术和分析方法，将不同类型或来源的数据进行挖掘、组合和分析，发现隐藏其中的模式，如不同客户群体的用户画像、沟通交互方式，以及这些形式如何影响消费者的购买决策，在此基础上进行针对性的营销活动，以迎合顾客喜好。大数据营销的概念及特点丨大数据营销的概念BigDataMarketing有的放矢，最大程度减少营销传播浪费，实现广告的高效化、精准化投放，提高成本效益比大数据技术让商家可以快速得知目标受众关注的内容以及身在何处，这些有价值的信息可让广告投放产生前所未有的关联性。大数据技术让广告主们知晓目标受众身处何方、对什么感兴趣、购物特点是什么，据此根据不同目标用户（群）的特征针对性的投放符合其偏好的广告顾客的消费行为和购买方式极易在短时间内发生变化，在其需求点最高时及时营销尤为重要包括电脑端、移动互联网、智能家居、手环等可穿戴设备、传感器等文本分析第2节

大数据营销概述一、大数据营销的概念及特点多平台数据采集时效性个性化/精准性高效性关联性大数据营销概述大数据概述大数据营销误区大数据营销的概念及特点丨大数据营销的特点BigDataMarketing大数据营销误区大数据概述大数据营销概述第2节

大数据营销概述二、大数据营销的发展历程大数据营销的发展历程BigDataMarketing三、大数据营销的挑战第2节

大数据营销概述“每一枚硬币都有正反两面”，新技术新事物的出现通常是一把双刃剑。企业应该知法懂法守法，让大数据发挥正面作用，为企业赋能，创造商业价值和社会。

隐私安全问题项目三项目二项目四大数据营销以消费者数据的收集、处理和分析为基础，互联网技术尤其是移动互联技术的发展，使得数据收集更加隐蔽，个人隐私泄露风险增加。数据真实性难辨大数据营销人才缺乏数据治理亟待规范大数据概述大数据营销误区大数据营销概述大数据技术只能针对现有信息进行分析整合，却无法甄别信息的真假。大数据营销需要既懂技术又懂商务的复合型人才，掌握数学、统计学、机器学习和自然语言处理等“硬”技术，以及营销推广、产品知识、消费者心理学、行为学等“软”技能。企业在利用大数据创新营销模式和服务的同时，也不可避免产生了数据滥用、数据确权、数据割据加剧等问题，因此数据治理成为重点。BigDataMarketing大数据营销概述大数据概述大数据营销误区第3节

大数据营销误区这里是文本这里是文本这里是文本这里是文本一、唯数据论数据分析大数据营销并非无所不能的神丹妙药，企业在开展大数据营销的过程中要注意以下几个认识误区：二、大数据营销预测是万能的三、刻舟求剑型企业要基于数据分析做决策，但更要结合实际业务问题要正确认识到大数据预测的局限性，辩证看待和使用大数据技术企业应用大数据时，上至企业战略、高层领导，中至大数据部门，下至业务人员都要具备充分的学习热情和变革力度，对原本的固定管理链路、运营思路进行调整BigDataMarketing大数据营销概述大数据概述大数据营销误区第3节

大数据营销误区这里是文本这里是文本这里是文本这里是文本四、大数据营销一定能降本增效五、大数据营销等同于效果营销从成本效益的角度考虑投入产出比，对于产出价值不大的大数据营销项目应采取审慎的态度，避免成本投入的浪费企业在开展多种形式的大数据营销推广时，不能只以促进即时销售为目标，也要注重品牌传播，提升品牌资产BigDataMarketing案例1-1数据驱动助力便利蜂高效运营在数字经济时代，大数据思维所到之处，必会引发产业链的创新与变革，“国产品牌”便利蜂就是便利店行业数据驱动运营的典范。大数据精准选址选品陈列，千店千面以用户为中心，满足顾客需求BigDataMarketing基本概念大数据(Bigdata)精准营销（PrecisionMarketing）客户关系管理（CustomerRelationshipManagement）

大数据营销(BigdataMarketing)

数据治理（DataGovernance）BigDataMarketing思考题举例说明大数据的4V特征。大数据思维对企业开展营销活动有什么启示？大数据的商业价值有哪些？请举例说明。什么是大数据营销？大数据营销发展经过哪些重要阶段？大数据时代营销面临的机遇和挑战是什么？企业开展大数据营销过程中可能的误区是什么？如何避免？BigDataMarketingTHANKS!

第2章大数据营销的理论基础本章内容

第1节营销战略理论

第2节

营销组合理论

第3节

顾客价值共创理论

第4节

顾客体验旅程理论第5节顾客购买决策模型第6节顾客价值分析理论学习目标理解并掌握大数据营销相关理论及其内涵了解这些理论在大数据营销实践中的应用理解在大数据营销过程中如何有针对性地应用理论解决实践中的问题导入案例数字化消费者决策旅程线上挑选，线下体验，精准化推荐与折扣服务，无缝的数字化体验……在房子装修时需要购买洗衣机和烘干机时，通过浏览几个大型零售商网站开启购物之旅。在初步确定了三种感兴趣的产品型号之后，通过零售商打通的线上和线下销售渠道，到达实体店体验。进店之前，被安装在入口的传感器识别，接收到个性化优惠和推荐信息，以及购物清单中产品的链接，根据链接获取感兴趣产品的价格和在商店中的位置，还能够应用产品的标签识别技术跨应用（APP）进行产品对比和征求建议，使用“虚拟设计师”功能体验产品的搭配效果。最后应用智能手表支付在指定时间和地点收到心仪的产品。开启下一段下一段购买旅程……大数据营销能够通过数字化技术和数据优化顾客体验，通过更精准的服务，为顾客决策与购买旅程创造了更便捷和舒适的体验。BigDataMarketing本章知识结构大数据营销理论营销战略理论市场细分、目标市场选择、市场定位营销组合理论4P理论、4C理论、4R理论、4I理论顾客价值共创理论服务主导逻辑、价值共创顾客体验旅程理论顾客体验、接触点、顾客体验旅程顾客购买决策模型AIDA模型、AIDMA模型、AISAS模型、AIDEES模型、顾客决策链路模型顾客价值分析理论RFM营销理论、漏斗模型BigDataMarketing理论内涵丨理论应用一、营销战略理论的内涵第1节营销战略理论理论核心内容市场细分（Segmentation）将整个市场按照顾客的不同需求特质划分为不同的顾客群体，每一个顾客群体就是一个细分市场。目标市场选择（Targeting）企业综合考虑成本、市场规模、潜力等因素选择若干优先级高的细分市场作为服务的目标顾客。市场定位（Positioning）将产品/品牌特质与顾客需求进行连接，对企业产品品牌进行“投其所好”的定位，使其在目标顾客心中保留深刻的印象和独特的位置。营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论三个要素环环相扣，市场细分是进行目标市场选择的重要前提，市场定位是基于目标市场的需求和特性对企业产品品牌进行定位BigDataMarketing理论内涵丨理论应用二、营销战略理论在大数据营销中的应用第1节营销战略理论营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论市场细分指根据顾客在个体特征、需求、购买行为等方面的差异，把某产品或服务的市场分成若干群体，每一个群体就是一个细分市场。更加通俗地讲，就是用一定的标准把顾客进行分组。企业可以通过分析顾客的地理位置信息、人口统计信息、心理和行为特质进行市场细分。企业在选取细分变量时需要遵循可操作和规模化两条标准。企业需要注意确保在顾客允许的情况下合法合规地收集用户数据BigDataMarketing理论内涵丨理论应用二、营销战略理论在大数据营销中的应用第1节营销战略理论营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论目标市场选择企业需要从市场细分结果中选择若干个优先级高的群体作为企业将要服务的目标市场。目标市场选择的依据包括：顾客购买意愿程度、对产品/品牌的态度（正面或负面）、是否是市场引领者（对其他用户的影响力，如意见领袖、大V、网红）和支付意愿的强烈程度。企业实践中综合考虑多种因素确定目标市场。大数据和人工智能等技术的兴起，提升了确定目标市场后深入分析用户画像的精准度和颗粒度，为明确市场定位和各类营销策略打下更为坚实的基础。BigDataMarketing理论内涵丨理论应用二、营销战略理论在大数据营销中的应用第1节营销战略理论营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论市场定位功能定位具有创新性与独特性的产品适用功能定位策略。强调产品差异化的功能点，如果这些功能点能够直接解决顾客的痛点则更容易为顾客认可和接受。场景定位适用于产品容易构造或者容易和特定消费场景联系起来的企业。企业通过分析产品特质，设定场景化的消费模式或服务模式来定位。情感定位情感定位传递的是商品的精神属性及其所拥有的象征意义和表现能力，满足消费者情感需求，让产品/品牌真正触达顾客内心，与顾客建立情感链接，引发情感共鸣。BigDataMarketing4P理论丨4C理论丨4R理论丨4I理论一、4P理论内涵及其应用第2节营销组合理论营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论分销渠道，是产品从生产商处到抵达顾客手中的全过程，顾客获取企业产品/服务的地点/通道产品销售过程中的全流程价格体系，比如产品的基本定价以及折扣价格等策略企业开发能够满足顾客某类需求的有形商品与无形商品（一）理论内涵（二）具体概念产品（Product）价格（Price）地点（Place）4P指营销中的四大基本要素——产品（Product）、价格（Price）、地点（Place）和促销（Promotion）。理论表达企业在生产某一产品后根据市场环境与利润需求制定合理的价格，通过合适的分销渠道结合相关促销手段将产品传递给消费者的过程。使用各种信息传播渠道向顾客描述和推荐产品的组合方式促销（Promotion）BigDataMarketing4P理论丨4C理论丨4R理论丨4I理论二、4C理论内涵及其应用第2节营销组合理论营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论企业在制定分销渠道策略时首要考虑的是顾客购买的便利程度顾客为获取企业产品/服务愿意支付的成本，是企业可行性定价的基础，而非企业生产产品的成本以顾客的需求为中心决定企业生产什么产品（一）理论内涵（二）具体概念顾客（Customer）成本（Cost）便利（Convenience）4C理论作为以顾客需求视角展示的4P理论，将营销组合四要素定义为顾客（Customer）、成本（Cost）、便利（Convenience）和沟通（Communication）。企业与顾客积极开展双向互动沟通，提升顾客的参与感，实现企业与顾客共创价值沟通（Communication）BigDataMarketing4P理论丨4C理论丨4R理论丨4I理论三、4R理论内涵及其应用第2节营销组合理论营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论企业将产品或者品牌直接与顾客的购买动机相结合的战略目标企业需要为顾客节省消费过程中的经济与非经济成本，最大程度主动接触顾客，而非等待顾客主动上门找企业企业需要与顾客之间构建长期而稳固的关系（一）理论内涵（二）具体概念关系（Relation）节省（Retrenchment）关联（Relevancy）4R理论包括关系（Relation）、节省（Retrenchment）、关联（Relevancy）和回报（Return）四个要素。侧重强调企业需要主动与顾客建立动态且长久的新型关系，提升顾客留存率，在竞争激烈的市场环境中拥有稳定且持久的顾客群体，保持企业的长期利益。企业通过多种可行的方式为顾客带来回报回报（Return）BigDataMarketing4P理论丨4C理论丨4R理论丨4I理论四、4I理论内涵及其应用第2节营销组合理论营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论企业开展产品营销时创造与顾客互动的场景，提高与顾客互动的频率为顾客提供经济与非经济（如心理、娱乐、信息、功能等）的利益和价值企业产品/服务能够为顾客带来趣味性，是产品吸引眼球并引发关注的前提（一）理论内涵（二）具体概念趣味（Interesting）

利益（Interests）互动（Interaction）4I理论认为企业在营销过程中需要把营销内容整合得富有趣味（Interesting）、给顾客带来利益（Interests）、和顾客互动（Interaction），并且满足顾客的个性化（Individuality）需求，侧重于强调整合营销的重要性，认为企业需要设立总体战略目标，并从上述四要素出发，调用企业所有可支配资源以达成战略目标。顾客感知自身的差异化需求被企业重视个性化（Individuality）BigDataMarketing4P理论丨4C理论丨4R理论丨4I理论五、营销组合理论的发展第2节营销组合理论营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论4P理论4C理论4R理论4I理论1.产品（Product）2.价格（Price）3.地点（Place）4.促销（Promotion）1.顾客（Consumer）2.成本（Cost）3.便利（Convenience）4.沟通（Communication）1.关系（Relation）2.节省（Retrenchment）3.关联（Relevancy）4.回报（Return）1.趣味（Interesting）2.利益（Interests）3.互动（Interaction）4.个性化（Individuality）产品主导顾客主导关系主导兴趣主导BigDataMarketing一、顾客价值共创理论的起源与内涵第3节顾客价值共创理论营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论理论内涵丨理论应用服务主导逻辑项目三项目二项目四顾客积极参与产品交付过程以及顾客对于产品或者服务的使用过程，均对企业具有重要价值，解释了顾客在生产和消费过程中扮演与企业共同创造价值的积极角色对企业可持续发展的重要性

长期顾客关系企业核心竞争力服务生态系统企业通过顾客参与过程，了解顾客需求，并最大程度提供个性化服务，并且提升顾客消费过程中的参与感，以建立与顾客之间的长期关系。

随着市场竞争加剧，与顾客协作共同创造价值成为企业提升自身核心竞争力的重要方式，鼓励顾客参与在为企业带来创新源泉的同时，也有利于企业获得顾客的认同感。

参与者基于共享的制度逻辑，通过产品和服务的交换，进行资源整合和创造价值等活动的相对自足且能够自我调节的系统，核心是参与者、服务交换和制度。BigDataMarketing二、顾客价值共创理论在大数据营销中的应用第3节顾客价值共创理论营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论理论内涵丨理论应用企业自建品牌社区企业通过自建在线品牌社区收集与分析顾客数据、对产品的看法与体验以及其他需求等，这些信息一方面能够帮助企业优化产品与服务，与顾客建立良好关系；另一方面，能够提升顾客所获取的产品或服务的质量以及需求契合度。借助已有在线社区企业缺乏足够的实力自建社区，或者自建社区难以获得顾客关注，借助知名度较高第三方在线社区是另一种选择。发起线上线下联动活动企业组织已购买产品的顾客参与线上线下活动，一方面能够丰富顾客的产品体验，另一方面也能够通过深入了解顾客的使用体验与需求满足情况，帮助企业优化产品设计。BigDataMarketing一、顾客体验旅程理论的起源与内涵第4节顾客体验旅程理论营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论理论内涵丨理论应用顾客体验顾客在与企业的接触全过程中，对企业、品牌及产品的认知、情感、行为、感官和社会反应。顾客体验由企业可控要素（服务接口、销售氛围、分类、价格等）和企业不可控要素（其他顾客的影响、顾客的购买动机等）等创造。顾客体验与顾客对产品的满意度、忠诚度、参与度、购买行为以及顾客和企业之间的关系密切相关。顾客体验由顾客与企业之间的接触点（touchpoint，也叫触点）决定，接触点指顾客接触到产品信息的场景，存在于顾客主动和被动接触到产品信息的过程中。BigDataMarketing一、顾客体验旅程理论的起源与内涵第4节顾客体验旅程理论营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论理论内涵丨理论应用顾客体验旅程实体接触点与在线虚拟接触点。接触点主要来自企业、合作伙伴、顾客以及外部环境等。顾客体验旅程指顾客在跨越购买周期各阶段的持续顾客体验。动态展示了顾客从产生购买动机到选择购买产品全过程不同阶段的顾客体验。（一）多渠道接触点BigDataMarketing一、顾客体验旅程理论的起源与内涵第4节顾客体验旅程理论营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论理论内涵丨理论应用购前阶段：包括顾客在购买产品前通过线上及线下渠道与企业、品类以及品牌互动的全过程体验。购买阶段：顾客在购买过程中与产品及产品所在环境的所有互动过程。购后阶段：顾客在购买产品后和企业、产品以及产品相关环境的所有交互过程。（二）全服务周期下的顾客体验旅程BigDataMarketing二、顾客体验旅程理论在大数据营销中的应用第4节顾客体验旅程理论营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论理论内涵丨理论应用绘制顾客体验地图绘制服务蓝图确定主要接触点标注顾客体验顾客体验地图是包括全服务周期下顾客体验的可视化呈现方式，用于可视化交付内部或外部顾客与产品交互所涉及的各个环节，讲述顾客在产品购买前、购买、购后到与企业建立长期关系的故事。绘制顾客体验地图的三个步骤：BigDataMarketing二、顾客体验旅程理论在大数据营销中的应用第4节顾客体验旅程理论营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论理论内涵丨理论应用顾客体验测量量表测量：客户满意度（CSAT）、净推荐值（NPS）和顾客费力程度（CES）接触点测量：通过对顾客在接触点处获取信息、点击信息源、浏览信息、咨询信息到最后购买产品每一步留存的顾客数据进行分析。测量注重收集来自不同渠道的顾客产生的多种类型数据，侧重多渠道汇总分析。顾客体验测量依赖包括来自顾客、外部顾问和企业内部专家的数据，精确地测量顾客体验，是应用顾客体验旅程理论中最重要的一环。测量顾客体验的主要方式：BigDataMarketing二、顾客体验旅程理论在大数据营销中的应用第4节顾客体验旅程理论营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论理论内涵丨理论应用顾客体验管理顾客体验管理需要注重企业经营理念重塑、顾客体验旅程和接触点设计以及企业合作伙伴管理。企业自身需要明确以顾客为中心的经营理念，重视顾客价值，以提升顾客体验为核心目标。顾客体验旅程和接触点设计从顾客在接触点处多渠道的体验测量数据与具体转化数据入手，发现顾客体验较差的接触点，并采取改善或者改变接触点的措施。企业合作伙伴管理强调社区和关系网络的重要性。BigDataMarketing一、顾客购买决策模型的起源第5节顾客购买决策模型营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论理论起源丨主要模型丨模型应用情境产品属性其他决策因素单一情境到多情境产品用途等顾客个人特征、外部情景特征和产品特质等模型视角静态视角动态视角决策链路BigDataMarketing二、主要顾客购买决策模型理论第5节顾客购买决策模型营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论AIDA模型AIDA模型强调营销信息只有通过激发顾客内心的兴趣和欲望才能够促使顾客做出购买决策。AIDAAttention注意

Interest兴趣Desire欲望Action行动理论起源丨主要模型丨模型应用BigDataMarketing二、主要顾客购买决策模型理论第5节顾客购买决策模型营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论AIDMA模型AIDMA模型认为随着同质化竞品的增加，顾客在对产品产生消费欲望时并不一定会直接购买营销人员推荐的产品，而会“货比三家”，最终购买留下印象最深刻的产品。AIDMAttention注意

Interest兴趣Desire欲望Memory记忆AAction行动理论起源丨主要模型丨模型应用BigDataMarketing二、主要顾客购买决策模型理论第5节顾客购买决策模型营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论AISAS模型AISAS模型表明在互联网时代，搜索和分享的重要性，而不是一味向顾客进行单向的企业信息灌输，首次提出并强调顾客购后行为的重要性。AISAAttention注意

Interest兴趣Search搜索Action行动SShare分享理论起源丨主要模型丨模型应用BigDataMarketing二、主要顾客购买决策模型理论第5节顾客购买决策模型营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论AIDEES模型AIDEES模型强调了顾客更加看重自身体验，这与顾客体验旅程理论强调顾客体验管理是企业开展营销过程的重点吻合，更加体现互联网时代顾客需求的特色。AIDEAttention注意

Interest兴趣Desire欲望Experience体验EEnthusiasm热情SShare分享理论起源丨主要模型丨模型应用BigDataMarketing三、顾客决策链路模型第5节顾客购买决策模型营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论AIPL模型在大数据营销时代，企业需要充分利用可获取的顾客数据资源，缩短顾客的决策过程。阿里巴巴提出AIPL模型，将顾客决策过程缩短为四个环节AIPLAwareness感知

Interest兴趣Purchase购买Loyalty忠诚理论起源丨主要模型丨模型应用BigDataMarketing三、顾客决策链路模型第5节顾客购买决策模型营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论5A模型字节跳动结合顾客决策链路与顾客价值共创提出5A模型，不仅展示了顾客接触新产品从感知到最终行动的全过程，也加入了顾客与企业共同创造价值的拥护环节，展示了顾客产生对企业正向行为的可能途径。理论起源丨主要模型丨模型应用AAAAAwareness感知

Appeal好奇Ask询问Action行动AAdvocate拥护BigDataMarketing四、顾客购买决策模型在大数据营销中的应用第5节顾客购买决策模型营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论理论起源丨主要模型丨模型应用通过良好的数据资源与分析能力或者与专业的数据分析服务提供商展开合作从大数据中发现蕴藏的顾客行为信息企业应用顾客决策模型理论所需能力发现企业需要具备依托大数据为顾客创造顺畅购物体验的能力，比如整合渠道营销与精益营销设计企业能够通过专业团队和信息技术在每个接触点以正确的方式与顾客接触并交付产品与服务，建立具备跨组织职能，能够快速落地、测试和优化方案的敏捷响应团队交付BigDataMarketing一、RFM营销理论第6节顾客价值分析模型营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论RFM营销理论丨漏斗模型（一）RFM营销理论的起源与内涵最近一次消费（Recency）顾客上一次购买企业产品的具体时间。交易时间越近的顾客在短期内重复购买的可能性越高，购买行为更容易被精准推送的营销信息激发，而交易时间越远则流失风险越大，企业需要采取策略保持和这些顾客的关系。消费频率（Frequency）顾客在特定时间段内的消费次数。消费频率高的顾客是高活跃顾客，相较消费频率低的顾客，具有更高的满意度和忠诚度，也更值得企业投入精力维护。消费金额（Monetary）顾客在特定时间段内购买企业产品的金额。消费金额大的顾客对企业的可能价值也越大。BigDataMarketing一、RFM营销理论第6节顾客价值分析模型营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论RFM营销理论丨漏斗模型（二）RFM营销理论在大数据营销中的应用顾客数据项目二项目四顾客唯一标识（比如会员号）、购买时间、购买产品、产品金额以及购买地点等依标准打分使用五点量表给顾客三个核心指标值打分RFM营销理论的核心是综合计算三个指标的组合评分，并据此对顾客进行分类。项目二数据处理计算计算每个顾客的RFM三个核心指标的数值项目二划分顾客类型将三项指标按平均值划分为高和低两类，确定顾客类型

项目二计算均值计算所有顾客三项指标打分的平均值BigDataMarketing二、漏斗模型第6节顾客价值分析模型营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论RFM营销理论丨漏斗模型（一）漏斗模型的内涵漏斗模型因模型形似漏斗得名，表示自上而下用户数量逐级递减。漏斗模型关注顾客从接触企业产品的营销信息到最终决定购买的全流程中每个阶段的转化情况。漏斗模型提供了量化分析产品营销不同阶段效果的方式，通过对每一阶段转化与流失的情况进行分析，帮助企业发现营销过程中效果较弱的环节，有利于企业更有针对性地善营销策略，避免顾客流失，促进转化。BigDataMarketing二、漏斗模型第6节顾客价值分析模型营销组合理论顾客价值共创理论顾客体验旅程理论营销战略理论顾客购买决策模型顾客价值分析理论RFM营销理论丨漏斗模型（二）漏斗模型在大数据营销中的应用确定所需分解和量化的业务问题获取与问题对应的相关数据建立漏斗模型漏斗模型构建方式AARRR模型是典型的漏斗模型，也是目前互联网运营领域最常用的用户增长漏斗模型，包括拉新（Acquisition）、促活（Activation）、留存（Retention）、变现（Revenue）和推荐（Referral）五个层级。分别对应用户-企业关系全过程的5个重要环节，也可称为全链路模型。BigDataMarketing案例2-1

郸酒的移动互联营销手机通过与互联网嫁接，成为功能强大的移动互联网。然而，大多数传统企业对如何利用移动互联工具从事营销活动却知之甚少。本案例描述了利用微信这一移动互联工具，通过互联网营销1.5模式为永不分梨酒业公司销售郸酒的过程。互联网营销1.5模式由“新媒体策略+双社区模式+超级品牌&产品”三大模块构成。案例展现了这一模式是如何将移动互联网的特点融入白酒的营销之中，使白酒的移动互联营销成为植根于移动互联网环境的一个完整体系。讨论题：1.郸酒移动互联营销与传统的线下营销有什么区别?2.郸酒的整个营销过程体现了本章所讲的哪些理论？BigDataMarketing基本概念定位理论（Positioning）顾客体验旅程（Customerexperiencejourneys）决策链路模型（Customerdecisionprocessmodel）营销组合（Marketingmix）接触点（Touchpoint）

RFM模型（RFMmodel）思考题营销战略理论以及组合理论在大数据背景下如何不断发展？请描述顾客价值共创理论的起源和应用在大数据营销背景下，如何利用顾客体验旅程理论以及数据，设计极致的体验旅程？列举至少三种顾客决策模型，对其内涵、作用、应用场景等方面进行比较说明。阿里和腾讯提出的顾客链路模型，与此前的的顾客决策模型主要差异是什么，能解决哪些中国特有的实践问题？结合具体场景描述在大数据营销过程中如何灵活运用顾客价值分析理论中RFM模型和漏斗模型？结合本章讲述的理论谈谈大数据营销如何为企业带来可持续的竞争优势？THANKS!

第3章

营销大数据采集及预处理本章内容

第1节

数据采集

第2节

数据预处理学习目标

了解大数据的类型和数据来源

了解数据采集过程，培育正确的信息隐私观

了解大数据采集方法

掌握数据预处理的方法，以及每种方法对应处理的问题类型导入案例

喜茶：“私域流量”时代的数字化奶茶2020年3月初小程序下单比2月同期增长774%，创下了线上销售新高。这一切，主要归功于“数字化”与“私域流量”。在用户分析上，喜茶利用会员数据可以进行精准的用户喜好评估。挖掘出用户的细分需求，就能获取产品研发的灵感，推出更贴近用户的独特的新品。通过自动化推荐，喜茶让营销更个性化和定制化。自动化的千人千面营销，不仅可灵活控制库存，还能有效提高销量，提升用户的使用体验，第一时间把需要的信息与产品呈现在用户面前。喜茶利用大数据为创意营销策略提供方向性指导，不断实践着跨界联名、社区活动等新鲜玩法。这背后，其实也依靠会员系统数据的支撑。本章知识结构数据类型数据来源数据预处理营销数据采集及预处理数据采集方法结构化数据、非结构化数据、半结构化数据搜索引擎、电子商务平台、社交媒体平台系统日志、感知设备、网络爬虫、市场调查数据清洗、数据集成、数据变换、数据归约数据类型丨数据来源丨数据采集方法丨大数据采集面临的问题一、数据类型第1节

数据采集数据预处理数据采集结构化数据结构化数据是指关系模型数据，即以关系数据库形式管理的数据，可计算、可查询、可定义。结构化数据能够形式化存储在数据库里，可以用二维表结构来表示，它被归类为定量数据。非结构化数据非结构化数据是数据结构不规则或不完整，没有预定义的数据模型，不便于用数据库二维逻辑表来表现的数据，在技术上比结构化信息更难标准化和理解。半结构化数据半结构化数据是介于完全结构化数据和完全无结构数据之间的一种结构化数据形式。因其比较特殊，所以单独列出来，但本质还是结构化数据。半结构化数据是非关系模型的、有基本固定结构模式的数据。数据三大类型数据类型丨数据来源丨数据采集方法丨大数据采集面临的问题二、数据来源第1节

数据采集数据预处理数据采集数据来源

搜索引擎搜索数据和网站的点击浏览数据来源于搜索引擎，搜索平台拥有庞大的用户行为数据。利用点击和浏览数据对消费者进行分析，可以找到用户的关注点、兴趣点，利用这些信息，企业可以对用户进行个性化推送，精准营销，极大提高了广告的效率。电子商务平台商品的搜索数据、浏览数据、交易数据、评价数据以及对应的用户数据来源于电子商务平台。通过对商业大数据的分析，能够更直接地了解消费者的动态。通过用户的点评数据，企业能够分析出用户满意或者不满意的地方，这些因素就是企业存在的优势和劣势。收集、分析用户的点评数据还有一个重要之处就是倾听用户的意见、了解用户的真实需求。半结构化数据用户属性标签、用户生成内容（UGC）、用户间社交网络数据来源于社交媒体平台。通过对社交网络的研究，企业可以跟踪信息传播路径。基于用户的行为和属性标签，可以生成用户画像，从而了解用户喜好，企业根据分析结果来开展精准营销。数据类型丨数据来源丨数据采集方法丨大数据采集面临的问题三、数据采集方法第1节

数据采集数据预处理数据采集

系统日志系统日志数据采集主要是收集公司业务平台日常产生的大量日志数据，供离线和在线大数据分析系统使用。很多互联网企业都有自己的海量数据采集工具用于系统日志采集，如Hadoop公司的Chukwa，Cloudera公司的Flume，以及Facebook公司的Scribe等。这些工具均采用分布式架构，能满足每秒数百兆字节的日志数据采集和传输需求。数据类型丨数据来源丨数据采集方法丨大数据采集面临的问题三、数据采集方法第1节

数据采集数据预处理数据采集

感知设备感知设备数据采集是指通过传感器、摄像头和其它智能终端自动采集信号、图片或录像来获取数据。在智能制造、可穿戴设备、物联网愈发普及的今天，高速、可靠的数据采集技术是当前需要重点突破的方向。科技快速发展，技术创新给大数据采集提供了新的方法，比如基于眼动(EM)、脑电图(EEG)、事件相关电位(ERP)、皮肤电反应(GSR)、肌电(EMG)、心电图(ECG)等前沿科技来采集数据。通过感知设备对生物数据进行采集的方式在广告、消费者评论领域均有很强的应用价值，逐渐成为营销领域研究者的“新宠”。数据类型丨数据来源丨数据采集方法丨大数据采集面临的问题三、数据采集方法第1节

数据采集数据预处理数据采集

网络爬虫网络爬虫是指按照一定规则在搜索引擎下载并存储网页的程序或脚本，又被称为网页蜘蛛、网络机器人。传统爬虫从获得一个或若干初始网页的URL开始，在抓取网页的过程中，不断从当前页面抽取新的URL放入队列，直到满足系统的停止条件后结束。从严格意义上来说，爬虫更像一种数据下载逻辑，很多软件都具备爬虫的功能(如Python、R、“火车头”、“八爪鱼”等)。数据类型丨数据来源丨数据采集方法丨大数据采集面临的问题三、数据采集方法第1节

数据采集数据预处理数据采集

市场调查利用上文所说的信息化手段收集资料非常方便，但对于有些数据，如顾客需求及偏好、顾客满意度、市场环境和行情信息、竞争对手信息以及战略合作伙伴方的情况等无法通过信息化手段取得资料时，则需要通过市场调查或科学的实验方法来获取一手数据。市场调查分为线下、线上两种。线下即传统人与人面对面的调查方式；线上即网络在线调查方式，相比线下方式可以在投入较少人力、时间和资金的情况下获取更大规模数据，许多企业和市场调研机构越来越多地采用线上网络市场调研的方式进行网络营销数据采集。数据类型丨数据来源丨数据采集方法丨大数据采集面临的问题四、大数据采集面临的问题第1节

数据采集数据预处理数据采集数据获取渠道缺乏项目二数据质量难以保证项目三隐私安全问题凸显缺少数据获取渠道，是数据分析面临的一大难题。很多行业和企业并没有积累数据的意识，导致很多数据存在空白。此外，大数据包含大量信息，可能涉及到用户的隐私和公司的机密，企业和政府不愿意分享数据。互联网时代，在线活动与在线交易不断增多，用户数据与隐私泄露事件时有发生，网络安全威胁更为严峻。数据挖掘一方面可以被企业有效利用，增强营销活动的精准度，提升营销效率；但另一方面，如果缺乏有效监管，用户数据被不法分子得到，将会带来严重的损失与危害。大数据的“大”是指全体样本，而非单指数据量大。现有平台数据质量参差不齐，大数据采集能力有待提升，实践中很难获得全样本数据，庞杂的数据中充斥着大量无效的干扰性数据、缺失内容，如何让收集到的数据样本丰富全面，是大数据给营销变革带来的挑战之一。数据采集数据预处理第2节

数据预处理数据清洗|数据集成|数据变换|数据归约一、数据清洗概念：数据清洗主要是通过填写缺失值对“脏数据”进行处理，识别或删除离群点，将数据库中所存数据精细化，并使剩余数据转化成标准可接受格式的过程，以达到格式标准化、异常数据消除、错误纠正、重复数据清除等目的。原始数据中的“脏数据”指源系统中不在给定的范围内、对于实际业务毫无意义、数据格式非法、存在不规范的编码和含糊业务逻辑的数据。在数据清洗步骤中，主要解决数据出现遗漏值、噪声、异常值等问题。数据采集数据预处理第2节

数据预处理数据清洗|数据集成|数据变换|数据归约一、数据清洗遗漏值（missing

value）遗漏值（missing

value）为数据遗漏、缺失的情况，如某客户的月消费数据缺失。在数据搜集阶段，由于设备故障或人为失误均有可能导致数据的遗漏，应将数据补全。处理遗漏数据最简单直接的方法是直接删去该变量值，但当数据遗漏比例很大时,此方法将造成大量数据流失；第二种方法是使用一个常数或该字段所有数据的平均值统一替换遗漏值，例如用其他用户消费均值替换某客户消费指标的遗漏值，此方法缺点是不具客观性，当数据本身具有类别或等级之分时，容易高估或低估数据；最后还可利用数据挖掘模式来填充遗漏值，使用回归分析、决策树、人工神经网络等数据挖掘推导工具来推测填补遗漏值。数据采集数据预处理第2节

数据预处理数据清洗|数据集成|数据变换|数据归约一、数据清洗噪声(noise)噪声(noise)表示数据中的随机误差或干扰项。在数据收集、整理的过程中，会产生大量的噪声数据，即“离群点”。比如在年龄收入曲线中，出现个别远离曲线的极端点。因为噪声数据不在合理的数据域内，所以分析、挖掘过程中输入和输出数据的质量难以保证，容易造成后续的挖掘结果不准确、不可靠。常用的消除噪声数据的方法分为两种。一种是噪声平滑方法(datapolishing)，常用分箱法处理，即将预处理数据分布到不同的箱中，通过参考周围实例平滑噪声数据。具体的分箱技术包括：平均值平滑，中位数平滑，按设定的箱边界平滑。另一种是噪声过滤(datafilters)，利用聚类方法对离群点进行分析、过滤。数据采集数据预处理第2节

数据预处理数据清洗|数据集成|数据变换|数据归约一、数据清洗异常值（abnormal

value）若某一些数据的表现与其他数据差距很大时,这些数据称为异常值（abnormal

value），如数据显示某用户的月消费金额基本在3000～5000元范围内，若账单有一条30000元的记录，即为异常值。异常值可通过经验判断、标准分数（或法则）、箱线图等方法来判断。对于异常值的处理需根据具体情况分析，若该异常值拥有特殊意义，则需保留；若由于仪器工具或人工失误导致，可根据情况考虑直接删除该数据，或用其它数值更替，将数据的范围归一化。数据采集数据预处理第2节

数据预处理数据清洗|数据集成|数据变换|数据归约二、数据集成概念：数据清洗后方可进行数据集成，数据集成是将来自多个数据源的数据合并，统一存放在一个数据库中。由于描述同一个概念的属性在不同数据库可能有不同的名字，在进行数据集成时常会引起数据的不一致和冗余。命名的不一致常常也会导致同一属性值的内容不同。使用数据量太大的数据进行分析不仅会降低数据挖掘速度，也会误导数据挖掘进程。因此进行数据清洗之后，在数据集成中还需要注意消除数据的不一致、重复和冗余。数据采集数据预处理第2节

数据预处理数据清洗|数据集成|数据变换|数据归约二、数据集成数据不一致数据不一致是指两条及以上数据出现数据的矛盾性或不相容性的情况。由于整合数据后,不同来源的数据属性可能不同，在数据表达、比例定义或编码上也会有所不同，因此产生数值或字段不一致的状况。例如在两个不同的数据表中，用户在线时长分别用小时和分钟两种单位来记录。为使数据保持一致，需要先确定作为标准的字段，然后对另外的字段进行单位的换算或者修改来保持数据一致。数据采集数据预处理第2节

数据预处理数据清洗|数据集成|数据变换|数据归约二、数据集成数据重复重复数据是指重复出现的数值或字段。对于重复数据的处理方法也需根据实际情况进行判断：如因数据库信息有重合，在数据整合后发生的数据重复，删除多余记录只保留一条即可；如确实为几条不同的记录，如同一用户对同一规格的产品、下单两次，则两条均需保留。数据采集数据预处理第2节

数据预处理数据清洗|数据集成|数据变换|数据归约二、数据集成数据冗余数据冗余是指数据之间的重复，也可以说是同一数据存储在不同数据文件中的现象。属性命名的不一致,也有可能导致集中的冗余数据。数据冗余的处理主要是针对具有相同意义或彼此间存在已知数学关系的字段,也就是此变量的属性或代表的意义可由另一变量推导而得，如数据中含有用户1-12月的“月消费金额”及全年的“年消费金额”，“年消费金额”完全可以由每月消费金额累加得出，即为数据冗余。为使数据更加简洁，可将该字段剔除。若数据冗余因属性命名不一致导致，需经具体判断后处理或保留。数据采集数据预处理第2节

数据预处理数据清洗|数据集成|数据变换|数据归约三、数据变换概念：数据变换是将数据转换成适合于各种数据挖掘模式的形式，以转换原始数据或重新编码的方式提升数据价值，其中可能涉及数据数值与数据类别的转换。例如,将数值型数据转换为离散型的类别数据，根据领域知识将旧变量合并成新的变量，或将数据归一化以避免尺度的差异，常见如人工神经网络对输入数据的归一化。对于数据的数值转换，可采取归一化和标准化方法，归一化（normalization）是将属性数据按比例缩放到一个特定的区间，如[-1,1]或[0,1]，标准化（standardization）则是依据数据的均值和标准差进行标准化处理。对于数据的属性转换，可视情况将离散数据转换为连续数据，如将顾客评论中“比较满意”“满意”“非常满意”转化为数值8、9、10，或是将连续数据转换为离散数据，例如按照顾客的价值评分把顾客分为白银贵宾、黄金贵宾、铂金贵宾、钻石贵宾。数据采集数据预处理第2节

数据预处理数据清洗|数据集成|数据变换|数据归约四、数据规约概念：数据归约的主要目的是得到与原始数据具有相同信息但较精简的数据集。数据挖掘时数据量往往非常大，数据归约技术通过选择替代的、较少的数据来减少数据量，可以有效缩减数据规模，在尽可能保持数据原貌的前提下最大限度地精简数据量，使得大数据挖掘更精准高效。企业根据现实情况主要进行维度规约和数值规约两方面的处理。数据维度归约常用于分类或预测问题，最直接的方式是以目标变量作为比较基准，利用特征选取法将变量维度中与目标变量不相关的属性删除，或利用主成分分析法将变量作线性转换，只留下提供较多信息的几个主成分，以缩小变量维度。数值规约通过选择替代的、较少的数据来减少数据量，包括有参数方法和无参数方法。参数方法可采用回归模型与对数线性模型来实现，非参数化方法包括直方图、聚类、抽样、数据立方体聚集等方法。案例3-1拥抱大数据：1号店的电商营销之道大数据时代的到来，颠覆了传统的市场营销模式与理念，要求市场营销不能再仅凭嗅觉和感觉做事，也要依靠科技和分析洞察能力。近年来随着我国大数据产业的发展，越来越多的国内企业投身到这场变革的浪潮中来。1号店作为中国电子商务行业最早的“网上超市”，是最早将大数据融入到营销中的企业之一。1号店的大数据营销主要有以下举措：建立营销系统，实现全自动化构建数据仓库，挖掘用户价值立足产品特点，打造产品推荐抓住用户个性，提高用户体验利用网络技术，实现自动调价基本概念

结构化数据(StructuredData)

半结构化数据（Semi-StructuredData）

数据整合(DataIntegration)

数据归约(DataReduction)

非结构化数据(UnstructuredData)

数据清理(DataCleaning)数据转换(DataTransformation)思考题简述大数据分析的流程及每一步的主要任务。举例说明大数据的类型，分别有什么特点？营销实践中，可以通过哪些渠道收集用户数据，如何确保隐私保护等问题？数据预处理的流程是什么，对于大数据分析有什么作用？THANKS!

第4章

营销大数据分析本章内容

第1节

预测分析

第2节

文本分析

第3节

社交网络分析

第4节

数据分析工具学习目标

理解并掌握预测分析的内容、作用及分析方法

理解并掌握文本分析的内容、作用及分析流程

理解并掌握社交网络分析的内容、作用及分析指标

了解数据分析常用工具及其特点导入案例

大数据助力京东物流顾客享受分钟级收货体验“购物车还没清空，就接到了配送的电话”,“京东物流速度简直不可思议”……京东物流数据显示，2021年618期间，最快仅4分钟就将快递送至客户手中。618当日，京东稳定履约背后的技术数据也首次公开：全国日均单量预测准确率超过95.5%，32座亚洲一号护航，机器人仓单日订单处理量超过100%，智能快递车送达业务量同比增长24倍。通过大数据，京东能够有效分析出消费者的偏好，将消费者的订货需求准确传达给最近的仓库，精准高速配送的同时也不会发生送错现象。京东物流“预测式发货（AnticipatoryShipping）”正是利用大数据预测，直接锁定潜在客户需求，实现精准营销。根据预测结果，京东物流将货物运送至距离潜在客户最近的物流网点，实现“单未下货先行”；消费者下单后，直接从距离最近的仓库调拨货物，让消费者购买商品实现“即买即得”。本章知识结构预测分析文本分析数据分析工具营销大数据分析社交网络分析分析内容：用户行为、偏好、关系、价值预测分析方法：回归、决策树、随机森林、神经网络、支持向量机、KNN算法等分析内容：用户特征、情感、需求分析分析流程：数据采集、数据预处理、数据分析社交网络核心概念及相关理论分析内容：营销推荐网络、用户间关系、用户与企业互动分析分析指标：网络密度、中心度、凝聚子群等EXCEL、SPSS、SAS、R、Python、MATLAB、Tableau等预测分析概述丨预测分析方法一、预测分析概述第1节

预测分析预测分析的内容

用户行为预测从大量的历史用户数据中挖掘出用户的特定行为及其规律，快速准确地预测未来一定时间内即将发生的用户行为，如浏览、搜索、点击、收藏、购买、流失、违约等未来行为动向。用户偏好预测基于历史数据对用户品类偏好、价格偏好、渠道偏好、品牌偏好等进行预测，挖掘用户兴趣，为用户提供“投其所好”的个性化产品和服务，增强用户粘性及对企业的忠诚度。用户关系预测基于用户数据（如微博中的用户基本信息、所在位置、微博内容、粉丝用户、关注用户等属性数据）进行预测分析，挖掘用户间潜在的链接关系，降低网络稀疏性、提高营销效率。用户价值预测结合交易数据预测用户整个生命周期的购买力，识别和重点维护高价值用户。文本分析社交网络分析数据分析工具预测分析预测分析概述丨预测分析方法一、预测分析概述第1节

预测分析预测分析在营销中的作用

识别潜在客户项目三项目二项目四企业通过大数据预测分析，能够有效识别高质量潜在客户，并以高效、针对性地吸引和触达客户，使营销活动更具目标性，从而大幅降低成本。增强客户粘性提升客户价值减少客户流失文本分析社交网络分析数据分析工具预测分析企业通过大数据预测分析，能够为客户提供更优惠便捷的产品或服务选择，创造极致顾客体验，增强客户粘性，巩固客户关系，提高客户忠诚度。企业通过大数据预测分析，能够识别客户价值，从而对高价值目标客户重点营销，同时提升低价值客户贡献度，充分挖掘现有客户的潜力，获取最大价值回报。企业通过大数据预测分析，预测顾客隐藏的趋势与行为，识别潜在流失客户，便于主动出击，实施挽回计划，减少客户流失，最大限度降低损失。文本分析社交网络分析数据分析工具预测分析第1节

预测分析预测分析概述丨预测分析方法二、预测分析方法

回归分析（RegressionAnalysis）回归分析是在自变量和因变量间关系的基础上建立回归方程，并将该方程作为预测模型，根据自变量在预测期的值来预测因变量数值的分析方法。按照自变量个数分类，分为一元回归和多元回归分析；按照自变量和因变量间关系分类，分为线性回归和非线性回归。如谷歌在

2014年发布的通过电影相关搜索量数据提前预测电影上映首周票房收入的预测模型，采用的就是最为简单的线性回归方法，但其预测准确度高达94%。线性模型虽然表面上看起来简单，精准度却很高。越是简单的模型越容易被人们理解和分析，简单且效果好是实际应用中一直追求的目标。文本分析社交网络分析数据分析工具预测分析第1节

预测分析预测分析概述丨预测分析方法二、预测分析方法决策树是一种树形结构，由3个主要部分组成：根节点、分支和叶子节点。最顶部的是根节点，表示一个待分类的数据类别或属性，从根结点开始分支分裂，直到叶子节点给出结果。三种经典算法：ID3、C4.5和CART算法，不同算法会根据不同标准选择最优的分裂属性，进而生成一棵完整的决策树。右图为一棵构建好的决策树。决策树（DecisionTrees）文本分析社交网络分析数据分析工具预测分析第1节

预测分析预测分析概述丨预测分析方法二、预测分析方法随机森林通过建立多棵随机生成的决策树而形成。通俗来讲，随机森林是若干决策树进行“投票表决”的过程：每棵决策树给出“投票结果”，随机森林的输出结果则是将若干单个决策树的“投票结果”整合后的“最终投票结果”。仍以决策树的分类问题为例，如果随机森林中包含1000棵决策树，有892棵决策树的预测结果为“有购买意向”，108棵决策树的预测结果为“无购买意向”，经过1000棵决策树的“投票表决”，判断结果为该用户有购买意向。随机森林（RandomForest）文本分析社交网络分析数据分析工具预测分析第1节

预测分析预测分析概述丨预测分析方法二、预测分析方法以一个经典的单层神经网络为例，包含输入层、中间层（也叫隐藏层）、输出层三个层次。类比生物神经元的工作原理，在人工神经网络中，一个神经元有n个输入，每一个输入对应一个权值w，神经元内会对输入与权重做乘法后求和，求和的结果与偏置做差，最终将结果放入激活函数中，由激活函数给出最后的输出结果。人工神经网络（ArtificialNeuralNetwork）文本分析社交网络分析数据分析工具预测分析第1节

预测分析预测分析概述丨预测分析方法二、预测分析方法支持向量机的基本思想是求解能够正确划分训练数据集并且几何间隔最大的分离超平面。SVM和线性回归的思想有相似之处，两者都是寻找一条最佳直线，但定义方法不同，线性回归要求直线到各个点的距离最近，而SVM要求直线离两边点距离尽量大。如下图，SVM划分直线使得圆形和三角形分离尽量大。支持向量机（Support

Vector

Machine）文本分析社交网络分析数据分析工具预测分析第1节

预测分析预测分析概述丨预测分析方法二、预测分析方法KNN算法的思路正如其名，是借助样本点附近的K个“Neighbors”是什么类别来判断该样本的所属类别。以经典示意图进行说明。有两类已知标签的数据（蓝方块和红三角），绿圆圈是需要进行分类判断的样本点。如果K=3（判断范围为小圆区域），范围内红三角多，则绿圆圈属于红三角类别；而如果K=5（判断范围为大圆区域），范围内蓝方块多，则绿圆圈属于蓝方块类别。KNN（K-NearestNeighbors）文本分析（TextAnalysis）又称文本挖掘（TextMining)，是指从大量非结构化文本数据中抽取特征词进行量化以表示文本信息。社交网络分析数据分析工具预测分析文本分析第2节

文本分析文本分析概述丨文本分析流程一、文本分析概述文本分析可以回答“是什么？”“为什么？”揭示出非结构化文本信息中的人物、事件、时间、地点等内容反映用户购买和使用产品的潜在动机和真实需求为客户体验、市场研究、用户调查以及数据分析和媒体测量提供关键解决方案社交网络分析数据分析工具预测分析文本分析第2节

文本分析文本分析概述丨文本分析流程这里是文本这里是文本这里是文本这里是文本数据采集数据分析二、文本分析流程数据预处理数据分析用户交流记录客户投诉意见用户产品评论用户搜索记录……分词清洗剔除停止词拼写检查词干化关键词抽取语义网络分析情感倾向分析主题建模……社交网络分析数据分析工具预测分析文本分析第2节

文本分析文本分析概述丨文本分析流程一、文本分析概述用户特征分析对用户在社交网络平台发表观点、撰写文章、与朋友互动等活动产生的文本进行分析，得到能够表达用户日常行为的主题词，进而得知用户特征。用户情感分析用户评论信息中包含着丰富的情感色彩和情感倾向，如喜、怒、哀、乐、批评、赞扬等。基于这些带有主观色彩的评论，企业识别出用户文本背后蕴含的情绪或情感。用户需求分析通过对用户在社交平台、购物网站上在线交流、分享经验、发表评价等活动生成的内容进行文本分析，能够快速、准确地捕捉用户需求。文本分析的内容在计算机找出输入或识别等错误后，根据检查结果决定是否进行改正将英文单词的派生形式或中文词语的同义词提取和还原为对应词干对仅具有语言学的意义，而对所表达的内容没有太大意义的词进行过滤对文本中的HTML标签、URL地址、图像等没有实质性意义的内容进行清洗按照一定规则对文本语料中的基本词汇进行划分社交网络分析数据分析工具预测分析文本分析第2节

文本分析文本分析概述丨文本分析流程（一）数据采集（二）数据预处理分词清洗停用词过滤拼写检查词干化营销文本数据来源渠道丰富，如社交平台上的用户交流记录、客户意见建议、在线口碑、用户评论、搜索引擎中的用户搜索记录、用户发表的微博等自媒体内容等。社交网络分析数据分析工具预测分析文本分析第2节

文本分析文本分析概述丨文本分析流程（三）数据分析关键词抽取关键词抽取（KeywordsExtraction）可以精炼文本信息，读者通过几个关键词便可领略文本大意。在提取得到关键词后，还可对每个关键词进行词频统计，并制作个性化词云图。应用：右图为2021年鸿星尔克河南捐款