大数据时代的精确营销与服务运营

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。
培训收益：
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。
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等
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SAS和SPSS等
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：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/CROSS SELL）
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
讲师介绍：
段方博士　首席讲师
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。
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。

上一篇：企业服务营销实战-决胜每一个关键时刻

下一篇：展会营销策略与方法实战培训