價(jià)格:聯(lián)系客服報(bào)價(jià)
上課方式:公開(kāi)課/內(nèi)訓(xùn)/總裁班課程 時(shí)間上課時(shí)間:1天
授課對(duì)象:企業(yè)管理者、營(yíng)銷(xiāo)骨干、相關(guān)崗位人員
授課講師:張世民
從IT到DT,數(shù)字化時(shí)代已經(jīng)到來(lái),很多企業(yè)營(yíng)銷(xiāo)方式卻還停留在粗放狀態(tài),這是對(duì)數(shù)據(jù)資源的極大浪費(fèi)。今天的生活,移動(dòng)互聯(lián)網(wǎng)高度普及,人們?nèi)粘缀跛械男袨?,都可以被記錄和?chǔ)存下來(lái)。這些沉淀的數(shù)據(jù)資產(chǎn),對(duì)于企業(yè)而言就是最重要的營(yíng)銷(xiāo)利器。 阿里巴巴掌握了中國(guó)人的消費(fèi)記錄,騰訊獲取了我們的社交關(guān)系鏈,滴滴出行和百度地圖最清楚人們的行動(dòng)軌跡,美團(tuán)最了解我們的吃喝玩樂(lè)。甚至人們平時(shí)用鍵盤(pán)和手機(jī)打字,也被搜狗掌握了我們的輸入習(xí)慣。 然而,數(shù)據(jù)資產(chǎn)是傳統(tǒng)行業(yè)的短板,尤其在營(yíng)銷(xiāo)方面,數(shù)據(jù)利用基本上處于簡(jiǎn)單查詢(xún)、報(bào)表提交層面。主要是對(duì)現(xiàn)有數(shù)據(jù)的簡(jiǎn)單加工,很少涉及數(shù)據(jù)挖掘等深層應(yīng)用,數(shù)據(jù)開(kāi)發(fā)意識(shí)不強(qiáng),數(shù)據(jù)思維缺乏,數(shù)據(jù)應(yīng)用滯后。在客戶(hù)行為分析,消費(fèi)心理捕捉,個(gè)性化服務(wù)與業(yè)務(wù)創(chuàng)新、洞察市場(chǎng)趨勢(shì)等方面亟待提升。 大數(shù)據(jù)是一座待挖掘的“金礦”,其中最為關(guān)鍵的一個(gè)環(huán)節(jié),是對(duì)用戶(hù)畫(huà)像的應(yīng)用。什么是用戶(hù)畫(huà)像?可以簡(jiǎn)單理解為:個(gè)體有差異,群體有共性。也就是所謂物以類(lèi)聚,人以群分。這種差異和共性,可能體現(xiàn)在消費(fèi)特性上,也可能體現(xiàn)在行為偏好乃至心理活動(dòng)上。用戶(hù)畫(huà)像是個(gè)體的DNA,越了解它,就越能夠做出正確決策,從而達(dá)到最好的營(yíng)銷(xiāo)轉(zhuǎn)化效果。
▲了解大數(shù)據(jù)的時(shí)代背景和基礎(chǔ)條件,正確認(rèn)知大數(shù)據(jù)的應(yīng)用價(jià)值; ▲透視大數(shù)據(jù)的基本規(guī)律和特性,掌握大數(shù)據(jù)思維,提高工作效率; ▲結(jié)合自身行業(yè)特性,展開(kāi)數(shù)據(jù)分析,發(fā)現(xiàn)數(shù)據(jù)背后的問(wèn)題和機(jī)會(huì); ▲基于用戶(hù)畫(huà)像構(gòu)建,進(jìn)行點(diǎn)對(duì)點(diǎn)精準(zhǔn)營(yíng)銷(xiāo),為客戶(hù)提供個(gè)性服務(wù); ▲拓展數(shù)據(jù)獲取渠道,整合相關(guān)行業(yè)優(yōu)質(zhì)客戶(hù)資源,提升業(yè)績(jī)水平。
引言:數(shù)字時(shí)代企業(yè)生存之道——保持饑餓感 【案例解析】誰(shuí)奪走了分眾傳媒的電梯生意 第一單元:數(shù)字化背景下的商業(yè)變革 一、數(shù)據(jù)資產(chǎn)是傳統(tǒng)產(chǎn)業(yè)的短板 1.數(shù)據(jù)思維:數(shù)據(jù)意識(shí)較弱,人才儲(chǔ)備不足 2.數(shù)據(jù)采集:數(shù)據(jù)積累時(shí)間長(zhǎng),但質(zhì)量不佳 3.數(shù)據(jù)開(kāi)發(fā):應(yīng)用場(chǎng)景不夠,缺乏業(yè)務(wù)突破點(diǎn) 4.數(shù)據(jù)應(yīng)用:條件所限,缺少應(yīng)用的成功案例 5.數(shù)據(jù)共享:數(shù)據(jù)不統(tǒng)一,難以發(fā)揮整體作用 二、大數(shù)據(jù)運(yùn)營(yíng)及數(shù)據(jù)挖掘應(yīng)用 1. 產(chǎn)品研發(fā):數(shù)據(jù)反饋與產(chǎn)品定位 2. 用戶(hù)畫(huà)像:消費(fèi)者心理行為分析 3. 精準(zhǔn)營(yíng)銷(xiāo):痛點(diǎn)捕捉與需求觸達(dá) 【案例解析】從產(chǎn)品定義到精準(zhǔn)營(yíng)銷(xiāo),眾安保險(xiǎn)如何玩轉(zhuǎn)大數(shù)據(jù) 4. 風(fēng)險(xiǎn)管控:數(shù)據(jù)監(jiān)測(cè)與風(fēng)險(xiǎn)預(yù)警 【案例解析】上海外灘陳毅廣場(chǎng)踩踏事件的反思和啟示 5. 運(yùn)營(yíng)效率:智能化和精細(xì)化管理 6.創(chuàng)新服務(wù):消費(fèi)者個(gè)性化需求滿(mǎn)足 【案例解析】門(mén)店暴增,“優(yōu)剪”的大數(shù)據(jù)思維和顛覆式創(chuàng)新 三、大數(shù)據(jù)的外部環(huán)境和基礎(chǔ)條件 1. 阿里巴巴新戰(zhàn)略:數(shù)字經(jīng)濟(jì)體 2. 大數(shù)據(jù)三個(gè)要素 (1)大——海量,平臺(tái)級(jí) (2)數(shù)——信息,結(jié)構(gòu)化 (3)據(jù)——精準(zhǔn)、可依賴(lài) 3. 大數(shù)據(jù)的六個(gè)特征 【案例解析】五常大米,下單即送 4.大數(shù)據(jù)的三種類(lèi)型 (1)消費(fèi)數(shù)據(jù)——多維度記錄 (2)機(jī)器和傳感數(shù)據(jù)——圖文、語(yǔ)音、影像 (3)行為數(shù)據(jù)——位置、軌跡、交易 5.大數(shù)據(jù)與5G 6.大數(shù)據(jù)與物聯(lián)網(wǎng) 7.大數(shù)據(jù)與云計(jì)算 8.大數(shù)據(jù)與人工智能 第二單元:大數(shù)據(jù)開(kāi)發(fā)流程及應(yīng)用策略 一、大數(shù)據(jù)開(kāi)發(fā)和應(yīng)用方向 1. 發(fā)現(xiàn)運(yùn)營(yíng)存在的不足 2. 市場(chǎng)變化和競(jìng)對(duì)動(dòng)態(tài) 3. 客戶(hù)需求與極致體驗(yàn) 4. 個(gè)性化營(yíng)銷(xiāo)方案制定 5. 洞察行業(yè)周期性走勢(shì) 6. 為決策提供有效依據(jù) 二、大數(shù)據(jù)分析挖掘方法和要點(diǎn) 1. 統(tǒng)計(jì)性分析 (1)設(shè)定指標(biāo)——轉(zhuǎn)化率、留存率、活躍度 (2)不同維度的統(tǒng)計(jì)分析 (3)導(dǎo)向性的數(shù)據(jù)提取 【案例解析】飛機(jī)真的是最安全的交通工具? 【實(shí)戰(zhàn)分享】從某外賣(mài)平臺(tái)的統(tǒng)計(jì)數(shù)據(jù)中,你能看出什么? 2. 預(yù)測(cè)性分析 (1)捕捉各個(gè)因素之間的內(nèi)在關(guān)聯(lián) (2)通過(guò)歷史數(shù)據(jù)發(fā)掘規(guī)律和趨勢(shì) (3)風(fēng)險(xiǎn)評(píng)估,預(yù)判和管控 【案例解析】為什么電力數(shù)據(jù)真實(shí)反映了國(guó)民經(jīng)濟(jì)運(yùn)行狀況? 【案例解析】“雙十一”背后阿里云強(qiáng)悍的數(shù)據(jù)處理能力 3. 可視化分析 (1)形成觀點(diǎn)和結(jié)論 (2)文不如表,表不如圖 (3)呈現(xiàn)方式——Excel、PPT或其他分析工具 【案例解析】城市大腦——智能交通最重要的支點(diǎn) 4. 分析思維訓(xùn)練 (1)對(duì)比、轉(zhuǎn)化、關(guān)聯(lián),橫向與縱向擴(kuò)展 (2)深入了解各業(yè)務(wù)板塊,使分析工作貼合實(shí)際 (3)比數(shù)據(jù)分析更重要的是大數(shù)據(jù)思維和意識(shí) 【思維訓(xùn)練】為什么大部分人對(duì)中國(guó)房?jī)r(jià)走勢(shì)預(yù)測(cè)失誤? 【實(shí)戰(zhàn)分享】如何通過(guò)數(shù)據(jù)分析識(shí)別已損壞的共享雨傘? 三、數(shù)據(jù)開(kāi)發(fā)流程 1. 數(shù)據(jù)接入 2. 數(shù)據(jù)整合 3. 數(shù)據(jù)清洗 4. 數(shù)據(jù)分析 5. 數(shù)據(jù)呈現(xiàn) 6. 建模應(yīng)用 四、大數(shù)據(jù)內(nèi)部采集與外部整合 1. 內(nèi)部數(shù)據(jù)采集要點(diǎn) (1)完整性——數(shù)據(jù)累積效應(yīng) (2)連續(xù)性——周期變化趨勢(shì) (3)多維度——數(shù)據(jù)的多樣性 (4)傾向性——目標(biāo)數(shù)據(jù)提取 2. 外部數(shù)據(jù)渠道開(kāi)拓與整合優(yōu)化 (1)“互聯(lián)網(wǎng)+”的趨勢(shì) (2)構(gòu)建跨平臺(tái)信息采集體系 【實(shí)戰(zhàn)分享】WiFi運(yùn)營(yíng)商“百米生活”與公安網(wǎng)監(jiān)的大數(shù)據(jù)合作 第三單元:基于用戶(hù)畫(huà)像的精準(zhǔn)營(yíng)銷(xiāo)和創(chuàng)新服務(wù) 一、什么是用戶(hù)畫(huà)像 1. 用戶(hù)DNA 2. 營(yíng)銷(xiāo)依據(jù) 3. 效果轉(zhuǎn)化 【案例解析】今日頭條為什么讓巨頭們恐慌? 【案例解析】70后談存錢(qián)、80后談還錢(qián)、90后談花錢(qián) 二、用戶(hù)畫(huà)像構(gòu)建 1 . 用戶(hù)需求洞察 (1)用戶(hù)角色屬性劃分 (2)用戶(hù)真?zhèn)涡枨笳鐒e (3)保持傾聽(tīng),獨(dú)立判斷 【案例解析】郵政VS順豐,用戶(hù)的槽點(diǎn)在哪里? 2. 數(shù)據(jù)源的建立 (1)用戶(hù)數(shù)據(jù) (2)行為數(shù)據(jù) (3)消費(fèi)數(shù)據(jù) (4)商品數(shù)據(jù) (5)客服數(shù)據(jù) 3. 數(shù)據(jù)建模及規(guī)則 (1)群體畫(huà)像模型 (2)購(gòu)買(mǎi)興趣模型 (3)產(chǎn)品定義模型 (4)風(fēng)險(xiǎn)管控模型 【案例解析】瞄準(zhǔn)社區(qū)生鮮,錢(qián)大媽?xiě){什么火爆? 三、用戶(hù)標(biāo)簽體系 1. 用戶(hù)的基礎(chǔ)信息 2. 用戶(hù)的社會(huì)屬性 3. 用戶(hù)的行為偏好 4. 用戶(hù)的心理特征 5. 用戶(hù)的異常情況 6. 用戶(hù)的使用特權(quán) 【實(shí)戰(zhàn)分享】用戶(hù)畫(huà)像偏差:某廚具廠家線(xiàn)上推廣遭遇的困惑 【實(shí)戰(zhàn)分享】用戶(hù)群體重構(gòu):某家電生產(chǎn)企業(yè)的營(yíng)銷(xiāo)模式轉(zhuǎn)型策略
擅長(zhǎng)領(lǐng)域:互聯(lián)網(wǎng)+大數(shù)據(jù)開(kāi)發(fā)/互聯(lián)網(wǎng)轉(zhuǎn)型/大數(shù)據(jù)分析/通用管理/高效溝通/MTP
深圳市
城市
23
課程
192
案例