培训讲师:段方
课程收益: 通过本次培训中实际案例的分享,了解数据管理的各种经验教训(别人花费上百亿学费买来的经验啊!),深刻理解大数据的意义,发掘用户行为分析的价值。 通过本次培训中实际案例的分享,了解数据管理的各种经验教训(别人花费上百亿学费买来的经验啊!),深刻理解大数据意义,发掘客户精确营销的价值。 培训目标: 4G时代,运营商产生了更多的大数据,通过对客户的重新认识和精确营销,可以提升企业的核心竞争能力,可以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、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、4G时代的“大数据、大机遇”: 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? 4)4G时代产生的大数据内容 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 4)4G大数据对于运营商的价值 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、微信营销、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)运营商的4G营销——终端、流量、内容 【示例】淘宝等电商的大数据营销案例分享 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” 3)如何发掘4G潜在客户? 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? 4)4G时代营销渠道的拓展 6.大数据的实现架构和体系 1)HADOOP技术了 2)MAP/REDUCE算法 3)非结构化数据分析的特点 4)数据仓库技术 5)数据的ETL过程描述 6)数据挖掘概述 7)中国移动的经营分析系统实例介绍 【示例】互联网企业(BAT)的大数据架构分享
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?有什么样的客户标签? 3)提供哪些产品? 产品是什么视图?有什么产品标签? 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?) 【示例】电信客户交往圈分析案例 客户的内容消费特征(如:客户喜好哪些内容?) 另一个角度规划产品和服务。 2)大数据时代营销的方法 营销方法论和知识库(分析问题的知识库和方法树) 4G时代的营销:“大数据、微营销” 营销的渠道规划:实时营销和事件营销 【示例】美剧《纸牌屋》的大数据营销; 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】:电信企业的数码仪表盘,展示企业的KPI;如何通过手机彩信及时展现KPI给领导。 【示例】4G时代手机APP大数据应用展示 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】:电信行业客户的内容标签展示 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”分析 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 5)不能外呼、不能发短信时,如何进行营销? 【示例】学习互联网的模式,“先有客户,再有生意”。 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、基础数据的收集和分析 1、数据的种类 1)客户数据内容(电信客户的基本资料) 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)电信数据的特点:(交易型数据较多、价值密度降低等) 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等 4)数据仓库的基本原理 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、数据挖掘技术 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)数据挖掘过程 5)数据挖掘算法介绍 包括:关联分析、聚类分析、决策树分析、孤立点分析等算法 【示例】:某省移动客户分群案例剖析(数据挖掘中分类算法) 6)高级的数据挖掘工具SAS和SPSS等 【示例】:切入几张工具的界面图 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倍 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】:电销企业的营销案例(借助数据挖掘中产品关联分析)
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、集团客户等 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 客户资料信息透露的内容 3、客户的基本属性标签(如对周杰伦粉丝推荐其新歌作为彩铃等) 增值服务等方面,让服务更加贴近客户 如何爬取客户的内容信息 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 【示例】通过DPI解析,获取用户的内容信息 5、客户的细化分群 客户分群的依据(物以类聚、人以群分) 数据挖掘技术应用客户分群的方法: 【示例】:电信行业客户内容标签案例 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】:客户手机阅读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 营销活动的实时性提升 【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、智慧网络运营 1、PCC内容概述: 不同的策略和计费,决定不同的传输性能等; 借助DPI和大数据技术,如何识别网络上的承载业务和价值评估; 采用差异化策略,进行优质客户的优质网络服务。 2、融合通信介绍: 直面微信的竞争; 获取更多的客户数据; 借助大数据分析,展开差异化竞争; 3、基于大数据的网络优化介绍: 4G基站选址分析; 基站选址的成本效益分析等; 【示例】电信网络方面的大数据分析; 4、与虚拟运营商的竞争分析 虚拟运营商的产品分析; 虚拟运营商的客户分析; 虚拟运营商的结算分析等;
七、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
八、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
九、总结和展望 |