广州企飞企业管理有限公司
您的当前位置:首页企业内训课程详情
课程详情
基本信息
课程名称: 大数据时代的精确营销与服务运营
课程分类: 市场营销
培训对象
市场部负责人、电销中心负责人、客户中心总监、经理、主管、数据分析人员、IT开发人员
课程介绍

课程收益:

通过本次培训中实际案例的分享,了解数据管理和运营中的各种经验教训(别人花费上百亿学费买来的经验啊!),深刻理解大数据运营的意义,发掘客户精确营销和运营的价值。 通过本次培训中实际案例的分享,了解数据管理和运营中的各种经验教训(别人花费上百亿学费买来的经验啊!),深刻理解大数据运营的意义,发掘客户精确营销和运营的价值。

课程背景:

2012-2013年,中国的营销者正面临着一个极具挑战的经济时局,然而他们有机会通过撬动海量数据的杠杆来获取巨额收益。

面对中国5.13亿的互联网用户、多样化的1.8万亿GB数据,以及企业数据每年55%的增长速度,在蓬勃发展的中国市场环境中,大数据所带来的机遇前所未有,这将是中国市场的营销者们预期取得大回报的最佳时机。营销者必须知道如何透过数据库的挖掘与分析,让手中的数据与信息发挥最大的价值,通过有效整合、分析线上和线下数据,提高与客户、潜在客户互动的精准度

本讲座通过电信行业客户分析的实际案例,介绍数据分析技术在客户营销、企业管理等方面的应用价值。

培训目标:

大数据时代下,客户的重新认识和精确营销,企业的精细化运营,如何提升企业的核心竞争能力,如何更新企业运营的新理念。了解大数据处理的基本技术,包括数据仓库、云计算、数据挖掘、元数据等基本内容。解决数据质量的方法和经验,数据管理的组织机构设置等。

课程内容:

一、“大数据、大生意”:

1.概述

1)大数据概念和特点

2)大数据需要哪些技术支撑

3)大数据能够带来哪些新应用?

2.大数据时代带来对传统营销的挑战

1)大数据如何成为资产?

2)大数据如何体现精确营销

3)大数据的价值

3.大数据时代的新营销模式

1)互联网的营销模式——微博营销、网页营销等

2)CRM——“旧貌焕发新颜”

3)精确营销——装上了GPS,实现“精确打击”

4.如何在海量数据中整合线上、线下数据,形成你对消费者的独特洞察力

1)知道客户的各个属性——互联网时代不再“是否是狗”

2)客户的群体特征——“人以群分”

5.如何建立全渠道数据平台,拓展营销渠道,提高营销效率

1)客户接触渠道分类

2)电话、QQ、微博——全方位覆盖

3)如果进行广告的精确投放?

6.大数据的实现技术

1)HADOOP技术了

2)MAP/REDUCE算法

3)非结构化数据分析的特点


二、大数据下客户的“透视”:

1、客户是“上帝”,如何找到“上帝”?

1)上帝是什么样子?

上帝是什么视图?

2)客户是什么样子?

客户是什么视图?

3)提供哪些产品?

产品是什么视图?

4)如何建立客户和产品间的关系?

为合适的客户,找到合适的产品

2、我们对自己的客户(“上帝”)了解多少?

1)客户会有什么特点?

客户的基本特征(如:不同产品的年龄分布)

客户的群体特征(如:不同年龄群体关注点有哪些?)

现代营销模式的基础,以现有产品为基础,寻找群体客户适合的产品和服务。

客户的交往圈子(如:户外旅游圈子关注哪些产品?)

另一个角度规划产品和服务。

2)营销的方法

营销方法论和知识库(分析问题的知识库和方法树)

金融产品营销的特点(没有实物的高利产品)

贴片广告:《非诚勿扰2》里送保险,似乎比送房子更时尚

3)企业管理方面的情况

及时发现企业真实的情况(哪些运营的关键指标KPI?)

像人体一样,如何及时发现病症?(关键指标KPI的波动范围?)

示例:企业的数码仪表盘,展示企业的KPI;手机彩信及时展现KPI给领导。

3、如何“帮客户买产品,而不是推销其不需要的产品”

1)如何进行客户的“X光透视”?

(客户的统一视图包含哪些信息?哪些是关键属性?)

如何发现客户的真实需求?(服务与骚扰的区别)

示例:电信行业客户的统一视图

2)内部产品的科学选配

(如何提供专家般量化的分析,为用户提供最优的内部产品?

如:电信行业计算出最适合用户模式的资费进行选择)

示例:为客户定制最合适的资费:经过数据精算后,告诉客户,A产品比B产品更适合张三。

3)竞争对手产品的对比

与竞争对手间的产品差异化区隔

自己产品的优势和弱点(如何提供量化的分析结果?)

示例:竞争对手的客户回归

4)销售过程的处理

销售时机的把握销售语术的把握

4、大数据营销的作用和价值

1)数据和知识是人的本质特征

2)大脑是人与动物的差别

3)“事半功倍”是捷径

4)从“拼刺刀”到“信息战”;示例:某人关系图

5、如何避免对客户的骚扰

1)客户外呼的次数控制

2)客户外呼的内容控制

3)客户外呼的时机控制

4)语术的把握避免投诉

6、员工坐席的“服务适配”问题

1)客户是什么类型?

2)员工是什么类型?

3)产品的合适客户群如何?

4)如何让匹配的员工坐席为客户提供服务?


三、基础数据的收集和整理

1、数据的种类

1)客户数据内容(保险客户的基本资料)

2)产品数据内容(产品的编码)

3)营销数据内容(交易记录的保存)

4)服务数据内容(客户服务数据的保存)

5)金融数据的特点:(交易型数据较少、安全要求高等)

2、数据的存放方法

1)数据的清洗、转换和加载

2)存放在数据库/数据仓库

3)数据的基本分析工具EXCEL

3、数据的基本整理

1)数据的归类存放(建模型)

2)数据的基本加工

4、数据的基础分析

1)数据的基本汇总

2)数据中的“金子”:从石头中淘金子

3)数据挖掘:“啤酒和尿布”的故事

4)高级的数据挖掘工具SASSPSS

示例:切入几张工具的示意界面图

5、数据质量的基本保障

1)指标的口径描述和统一

2)后期补数据成本是前提收集数据成本的15

3)“差之毫厘谬以千里”

6、网销/电销数据的收集和整理

1)网销数据的收集/整理

2)电销数据的收集/整理

3)电销和网销数据的关键点:

示例:互联网电销企业的营销案例(产品关联分析)


四、客户的分析和认知

1、客户的定义和范畴

用户和客户的区别

客户是否要进行细分,如校园客户、家庭客户等

2、关于客户的基本“信息”(管中窥豹)

身份证信息行为爱好信息衍生信息

3、客户的基本属性标签(如旅行者推销旅行险等)

增值服务等方面,让服务更加贴近客户

4、客户的喜好(“不怕没缺点,就怕没爱好”)

经常出没的地方(高尔夫场、酒吧街、电影院等)

通过前台的观察和后台的询问等获取的知识

5、客户的细化分群

客户分群的依据(物以类聚、人以群分)

示例:电信行业客户分群案例

6、客户的知识库

实时调出符合条件的客户群体来

示例:电信行业客户知识库举例

7、如何识别欺诈客户

如何识别欺诈客户如何防范风险

示例:电销行业客户欺诈案例描述

8、客户的“再挖掘”(UPSELL/CROSSSELL

客户群中的“种子/关键”客户客户的交往圈分析

示例:客户交往圈分析案例

基于客户交往圈,进行客户“再挖掘”

9、客户的生命周期管理

客户的生命周期数据分析渗透到客户的生命周期全过程

10、电销/网销中能进行哪些客户分析和营销?

网络可以泄露客户更多的信息;(如何买到合适的数据?)

对客户更深层的了解,就可以进行合适的营销:


五、如何为合适的用户提供合适的金融产品?

1、营销的目的:为合适的用户提供合适的产品

除了“激情营销”,更需要“理性营销”;真正满足客户需求才能构建长久的营销关系;

客户的真实需求如何?

2、如何发现合适的用户

谁是合适的客户?标准有哪些?客户的担心、顾虑是什么?

3、如何提供合适的产品

从现有的产品客户中寻找目标客户特征

示例:客户针对性营销案例示例

4、营销案的设计和评估

如何吸引用户?如何让用户选择产品?

5、营销的过程和细节

类似CRM系统的营销流程管理

示例:电信行业CRM营销的流程框架图

6、营销的渠道选择

客户是否喜欢外呼电话,还是短信?还是网上营业厅?

示例:用户偏好渠道分析的案例

7、如何避免对客户的过渡打扰

限制每月的外呼次数;

8、网销/电销的客户数据挖掘

9、客户的挽留和延伸销售

识别真正有价值的客户;

案例:客户价值评估介绍

尽量让客户进入更高级别,避免降级:(电信行业的价格战,将钻石卡用户打成了金卡;金卡用户打成了银卡)


六、如何编写漂亮的分析报告(既有漂亮里子,也要有漂亮面子)

1、数据是基础

2、分析报告是展现形式

3、分析报告的思路

4、分析报告的方法

示例:分析报告演示


七、数据的质量问题

(数据仓库项目的60%精力是在解决数据质量问题)

1、数据质量的问题表现

接通率的量化依据数据转换成为成功订单几率的描述

示例:数据质量的问题分布图

2、数据质量的根源在哪里

业务管理的标准化指标的口径一致性问题

3、数据质量的管理模式

理清数据的来龙去脉列出数据的监控点

4、数据质量的量化评估方法

数据质量的评估标准

示例:数据质量的评估指标


八、云计算技术

1.Hadoop项目简介

2.HDFS体系结构

3.HDFS关键运行机制

4.MapReduce产生背景

5.MapReduce编程模型

6.MapReduce实现机制

7.MapReduce案例分析

8.HIVE介绍

9.HBASE介绍


九、总结和展望

师资介绍

段方:

专业背景:

1.北京大学信息与通信工程专业  博士后从事数据仓库方面研究,提出了分级式数据仓库理论

2.北京邮电大学电子工程系  博士从事计算机电信集成(CTI)方面研究,是该方向中国第一个博士毕业生,后期从事数据仓库/数据挖掘等相关技术的研究工作。

主讲课程:

《大数据时代的精确营销与服务运营》

《大数据中数据挖掘及案例(含CRISP-DM)》

工作经验:

1.在电信领域积累了十余年的行业专业业务经验,具有市场、技术的背景,拥有10年的全球最大移动运营商总部的实际管理工作经验;

2.负责主持过移动集团国内大型信息系统的系统开发、运维管理,主持建立了世界最大的数据仓库系统;

3.引导了国内电信领域在数据仓库和信息分析领域的业务、技术发展,带动了相关产业的发展,主持编著了国内电信领域数据仓库的第一本专业书籍;

4.99年开始了对呼叫中心的研究和探讨。熟悉呼叫中心领域的相关技术和运营,并具体主持设计了大规模的呼叫中心系统;曾为多家知名企业提供呼叫中心咨询服务,并以顾问的身份,参加过如下较大项目的评审过程:

1)信息产业部2000年问题呼叫中心;

2)中国互联网信息中心(CNNIC)呼叫中心;

3)中国吉通公司北京总部呼叫中心;

4)首都信息发展公司的呼叫中心;

5)中国移动公司呼叫中心改造系统;

同时,也应中国联通公司、国信公司之邀,进行过有关的技术交流活动;

业绩情况

1.段博士主持设计并完成了世界上最大的数据仓库系统建设

段博士在中国移动工作期间,创制性地提出了分级式数据仓库理论,主持设计并建设了中国移动的“经营分析系统”,前后投资了六十多亿,建成了目前国际最大容量的数据仓库系统。

2.提出的分级式数据仓库理论:在国内首次系统性地引入了数据仓库的各种业务应用(报表/指标/OLAP/数据挖掘等),建立了系统的数据仓库数据质量管理体系。并完成了《移动通信海量数据仓库构建与应用研究》的博士后报告。

3.带动了国内数据仓库产业的发展:通过段博士主持和设计的最大的数据仓库系统,填补了国内在数据仓库领域技术和应用的很多空白,带动了国内一批数据仓库领域的研究力量,对国内数据仓库行业的发展起到了积极的推动作用。

4.组织了中国移动在数据仓库领域的队伍

带动中国移动的相关员工,通过多次的培训,逐步组织了各省公司的数据仓库骨干团队,对系统的维护、新业务的开发和工程项目的管理等方面,积累了宝贵的经验。

5.段博士先后在电子工业出版社出版了《数据仓库技术及其在电信领域中的应用》和《数据仓库基础》两本书籍,并发表了几十篇文章。

曾服务客户:

北京移动、成都移动、遂宁移动、山东移动、上海奉贤区电信、上海联通、国信公司、首都信息发展公司、信息产业部、深圳金立手机、杭州苏宁电器、北京中交集团……

联系我们
电话: 020-32167831
传真: 020-32167831
邮箱:qifei@qifei365.com
QQ: 1069864262
友情链接

全国统一客服热线:13802400687(7x24小时服务,接受咨询和报名)
广东电话:020-32167831    客服邮箱:(E-mail:qifei@qifei365.com)
版权所有 广州企飞企业管理有限公司 Copyright 2014-2015 qifei365.com All Rights Reserved
粤ICP备15051667号