大数据营销(微课版）方法、工具与实例

大数据营销已经逐渐成为包括工商管理学科在内的重要前沿课程之一。本书以作者原创的大数据营销理论和企业应用实例为主，系统呈现了大数据营销的理论、方法、工具和实例，是不可多得的兼具原创性与落地性的著作。全书分为7章，前3章明晰大数据营销的框架体系和数据类型，后4章分别围绕顾客价值衡量与动态监测、精准产品推荐、精准顾客画像三个主题从理论、方法、工具到实例逐一展开分析。 本书每一章都设置了学习目标、引例、课后习题，第4章到第7章还设置了实操练习，具有很强的理论性、实践性、操作性、针对性和可读性。 本书可作为工商管理类本科生和 MBA、EMBA、MEM等的教材或参考书，也可作为企业中高级管理人员的培训教材和自学读物。

王晓玉 华南理工大学工商管理学院市场营销系副教授。香港城市大学商学院、台湾大学管理学院，及美国佛罗里达州立大学商学院访问学者。主持多项国家社科基金青年项目和省部级项目，在Journal of Business and Industrial Marketing（SCI检索）等中英文期刊发表论文三十余篇，为银行、保险、汽车、工业品等十几家企业提供咨询诊断和大数据分析、实现精准营销。

第 1章 大数据营销概论 学习目标 引例　方太“双十一”推广实例 1.1　大数据营销的定义 1.2　建立营销数据库 1.3　寻找合适的营销理论 1.4　用营销语言解读统计模型 1.5　符合行为模式的统计模型 1.6　一对一营销 课后习题 第　2章 大数据时代的营销战略 学习目标 引例　基于消费者价值的数据分析助力B2B企业制定更科学的营销战略实例 2.1　经典的营销理论框架. 2.2　大数据时代营销战略的决策模式变化 2.3　营销资料架构 2.4　消费者行为的特质：异质性和动态性 2.5　营销思潮的演进 2.6　消费者的隐私权 课后习题 第3章　如何构建有效的客户关系营销数据库 学习目标 引例　构建营销数据库并借助大数据分析实现4S店精准服务实例 3.1　构建营销数据库的作用 3.1.1　服务于营销管理系统 3.1.2　服务于营销研究实务 3.1.3　服务于营销决策支持系统 3.2　构建营销数据库的流程 3.2.1　营销研究问题的设定 3.2.2　营销研究设计的规划 3.2.3　会员样本的抽取 3.2.4　构建营销数据库需要回答的问题 3.3　客户基本静态数据文件 3.3.1　会员静态数据 3.3.2　态度的衡量 3.3.3　数据编码 3.3.4　信度与效度 3.3.5　会员数据库的完整性 3.4　客户动态的交易数据文件 3.4.1　会员动态数据 3.4.2　交易日期数据文件 3.4.3　产品特性编码文件 课后习题 第4章　基于ARFM模型的顾客价值解析与策略运用 学习目标 引例　某新型中药饮片公司通过大数据营销提升顾客价值实例 4.1　顾客价值的衡量 4.1.1　RFM指标. 4.1.2　RFM指标的特性 4.2　RFM模型的给分机制 4.2.1　五等均分法的给分机制 4.2.2　不等比例法的给分机制 4.2.3　Bob Stone的给分机制 4.3　顾客价值与购买期间 4.3.1　平均购买期间 4.3.2　加权平均购买期间 4.4　活跃性与RFM分析 4.4.1　ARFM模型 4.4.2　刷卡行为的活跃性分析 4.4.3　CAI的预测能力 4.4.4　监控CAI的变化 4.5　顾客终身价值 4.5.1　顾客交易稳定度分析 4.5.2　对购买期间模型的反思与顾客静止的预测 4.5.3　价值迁徙形态与预测 课后习题 实操练习 第5章　基于因素分析的购物篮分析 学习目标 引例　基于购物篮分析的银行财富管理产品精准推荐实例 5.1　“啤酒+尿布”案例的反思 5.1.1　挑选购买行为相似的客户 5.1.2　界定适当的产品范围 5.2　产品关联性的相关系数 5.2.1　数据格式与推荐机制 5.2.2　相关系数的意义 5.2.3　将大量数据摘要成少数信息的注意事项 5.3　数据缩减检测的信度分析 5.3.1　品牌忠诚度调查范例 5.3.2　RFM分数与产品变量 5.4　购物篮分析与因素分析 5.4.1　购物篮分析 5.4.2　银行服务态度调查范例 5.4.3　因素分析存在的几个问题 5.4.4　因素分析的执行与结果 5.4.5　对产品树的反思 5.5　购物篮分析的哲学与延伸 课后习题. 实操练习 第6章　基于联合分析的新产品推荐系统 学习目标 引例　基于联合分析的银行财富管理产品推荐实例 6.1　两种产品推荐系统 6.1.1　合作过滤式推荐系统 6.1.2　内容基础式推荐系统 6.2　联合分析的应用方法 6.2.1　挑选属性与水平 6.2.2　使用正交设计建立产品轮廓 6.2.3　属性水平与虚拟变量 6.2.4　估计个性化偏好结构 6.3　联合分析的营销应用 6.3.1　挑选目标客群 6.3.2　愿付价格分析 6.3.3　预测产品的购买概率 6.3.4　最优定价分析 6.4　回归分析 6.4.1　只有一个解释变量的简单回归 6.4.2　模型的预测能力 6.4.3　置信区间 6.5　大数据营销的新产品推荐系统 6.5.1　选取共同的产品属性 6.5.2　建立考虑集合 6.5.3　二元罗吉斯回归 6.6　三种层次模型 6.6.1　总体层次模型 6.6.2　细分层次模型 6.6.3　个人层次模型与产品推荐系统 课后习题 实操练习 第7章　基于CHAID的顾客分群锁定与画像 学习目标 引例　大数据营销助力金属焊接企业精准锁定目标客户实例 7.1　物以类聚和人以群分 7.1.1　物以类聚 7.1.2　人以群分 7.2　决定细分市场的个数 7.2.1　两种营销成本 7.2.2　最佳群数的变化趋势 7.3　市场细分 7.3.1　事前细分法 7.3.2　事后细分法 7.3.3　行为细分变量 7.3.4　会员数据库变量 7.4　集群分析 7.4.1　相似性的衡量 7.4.2　层级式集群法 7.4.3　非层级式集群法 7.4.4　数据库的集群分析 7.4.5　以回归系数为集群变量 7.5　细分轮廓的描述与目标客群的锁定 7.5.1　利用卡方检验描述细分轮廓 7.5.2　利用F检验锁定目标客群 7.6　基于CHAID的顾客画像 7.6.1　线性回归的限制 7.6.2　CHAID的概念 7.6.3　因变量为定量指标的顾客画像 7.6.4　因变量为定性指标的顾客画像 课后习题 实操练习