课程简介
大数据思维-驱动精细化运营与营销
目标收益
培训对象
课程大纲
| 第一天 | 课程上午主要分享数据分析的相关概述、流程以及有效利用数据分析的关键，尤其是数据分析如何更好的拥抱大数据时代背景下的分析方法；下午为客户画像、数据分析应用于营销活动优化、用户分群驱动精细化运营、个性化推荐驱动精准营销的相关内容。 |
|
Part 1 如何做有效的数据分析 内容简介：本部分介绍数据分析的基本流程、常见问题、常见的数据研究方法，尤其是数据分析人员如何和数据应用方更有效的合作，驱动业务数据化运营；同时介绍数据分析不同的应用场景，以及企业应该如何从无到有搭建数据团队、搭建数据分析体系、设计数据驱动的组织架构（有效的组织架构是数据化运营战略落地的保障） |
开篇：从一个successful story开始 1.1数据分析的流程 1.2常见的数据收集方法和研究方法 1.3搭建数据分析体系：数据分析应用体系－驱动企业数据化运营的不同应用场景 1.4搭建数据分析团队：数据分析团队组织结构 1.5分析师与数据应用方如何有效合作 1.6蘑菇理论－一流互联网企业推崇备至的方法 1.7如何梳理企业的数据和智能化应用场景并进行规划和落地应用 案例：从无到有到有，搭建数据分析体系和完整的数据团队 将获得的收获：掌握如何系统的搭建数据分析体系和数据团队，以及数据分析如何有效的帮助业务提升。 |
|
Part 2 数据分析必备方法－问题树分析方法 内容简介：本部分介绍如何利用问题树（issue tree）来分析问题。问题树（issue tree）能保证解决问题的过程的完整性和逻辑性，是分析问题尤其是数据分析必须要掌握的方法。 |
2.1一个日常案例 2.2建立问题树的两种方法 2.3问题树分析方法的几个关键 2.4尝试用问题树分析问题 案例：如何通过数据分析来提升会员收入 将获得的收获：问题树（issue tree）是国际知名咨询公司麦肯锡公司咨询顾问最常用的问题分析方法，合理的使用该方法可以让数据分析的思路更加系统化，更加全面，数据分析的结论和建议更容易落地。 |
|
Part3 精细化运营基础——客户画像 内容简介：客户画像是精细化运营的数据基础。本部分讲介绍客户用户画像的价值、客户画像的方法和构成、以及常见应用场景 |
3.1客户画像的价值 3.2客户画像的构建和技术要求 3.3客户画像的组成部分 3.4客户画像的应用场景 案例：移动互联网应用画像 将获得的收获：掌握如何从零开始搭建用户画像体系，掌握客户画像体系都有哪些关键的构成，客户画像都有哪些常见的误区和陷阱，如何避免。 |
|
Part4 数据分析应用于营销活动优化 内容简介：本部分介绍最为常见的营销活动优化的分析方法。 |
4.1 通过ABtest优化营销活动 4.2 通过数据挖掘提升营销效果案例（successful story） 案例：一个月周期的大型网上活动如何优化 将获得的收获：避免拍脑袋做活动，掌握如何通过数据分析有效的对营销活动做系统化的优化。 |
|
Part5 客户分群数据分析方法与精细化营销 内容简介：本部分介绍客户分类方法和模型在精细化运营及营销中的应用。 |
5.1需要客户分类（客户细分）的常见场景 5.2客户分类常用算法和方法介绍 5.3客户分类实践案例（successful story） 案例：电商用户分群与精细化营销 将获得的收获：掌握最容易操作，也是最为经典的客户分群方法，并掌握如何根据不同客户群体的特征做可落地的运营优化。 |
|
Part6 个性化推荐与精准营销 内容简介：个性化推荐是大数据时代最常用的驱动精准用户营销的核心方法。本部分将介绍个性化推荐的原理、常见算法、应用关键、应用场景，以及具体的应用案例。 |
6.1个性化推荐概述 6.2个性化推荐应用关键和场景 6.3个性化推荐应用案例（successful story） 案例：商品如何做个性化推荐、新闻如何做个性化推荐、音乐如何做个性化推荐 将获得的收获：掌握产品经理或运营人员在个性化推荐中如何更好的发挥作用，如何让个性化推荐效果更好；掌握个性化推荐的关键成功要素；了解个性化推荐可能会陷入的误区甚至是失败，以及如何避免；了解新闻推荐、商品推荐的算法原理；掌握个性化推荐的关键构成模块。 |
| 第二天 | 课程上午主要为精细化运营的相关数据分析、转化率提升、渠道质量数据分析内容；下午为客户价值分析、客户生命周期管理的相关内容。 |
|
Part1 数据支持产品精细化运营监控 内容简介：本部分介绍最常用也是最实用的构建监控数据体系，并容易实施监控的精细化运营数据监控方法。 |
1.1构建监控体系来及时发现产品运营的异动和用户问题 1.2通过客户/用户关键触点（漏斗模型和转化率分析）监控发现用户体验问题并优化（successful story） 案例：网络社区如何做KPI异动分析，并建设数据监控体系 将获得的收获：避免数据下跌较长时间才发现，通过数据监控最大程度上的提前发现问题，减少损失。掌握数据下跌最常见的分析方法，并掌握如何有效的建设数据监控体系，以及时发现数据下跌原因。 |
|
Part 2 电商收入与转化率提升分析 内容简介：本部分介绍电商收入的分析方法，并重点介绍如何提升转化率的数据分析方法。 |
2.1收入拆解和分析 2.2转化率拆解和分析（重点） 案例：电商收入和转化率分析 将获得的收获：掌握如何提升转化率的数据分析方法；基于转化率分析的结果，定位运营改进的方向 |
|
Part3 运营数据体系与精细化运营数据分析 内容简介：本部分介绍移动APP精细化运营的数据化运营体系AARRR模型，包括Acquisition客户获取、Activation客户活跃、Retention客户留存、Revenue获取收入、Refer自传播，和常见的分析和监控方法。值得注意的是，在当今社交媒体盛行的背景下，通过激发客户自传播成为节省推广费用的有效办法，而相应的数据分析和优化则显得尤为重要。 |
3.1 客户获取的数据分析体系 3.2 客户活跃的数据分析体系 3.3 客户留存的数据分析体系 3.4 客户收入的数据分析体系 3.5 客户自传的数据分析体系 案例：移动APP数据分析体系建设 将获得的收获：掌握如何从无到有建设移动APP的完整数据分析体系，包括如何有效的评估APP发展的健康度；移动APP核心KPI如何有效拆解，并通过数据分析发现重点改进方向。 |
|
Part 4营销推广渠道质量数据分析 内容简介：移动应用（APP或游戏）常常在营销渠道发展新用户方面花大量的金钱，而渠道方可能会利用不正当的手段（甚至是作弊）来做推广，如何有效的分析渠道质量，本部分将介绍相关常见的方法。 |
4.1渠道质量的数据分析维度 4.2渠道质量的数据分析方法（successful story） 案例：移动APP推广渠道质量分析和优化策略 将获得的收获：如何通过数据分析有效的发现渠道质量问题，可规避在推广上不必要的浪费；同时，掌握基于数据分析的渠道优化策略。 |
|
Part 5 客户价值计算和分析 内容简介：本部分介绍客户生命周期管理的常见计算方法和应用案例 |
5.1客户生命周期定义和计算 5.2客户生命周期价值常见计算方法 5.3客户生命周期价值应用案例（successful story） 案例：网络游戏客户生命周期价值计算 将获得的收获：清晰合理的计算出每个客户的价值，才能够更好的对不同价值人群做不同运营策略。通过案例，将掌握如何合理的计算客户价值，尤其是客户全生命周期的价值。 |
|
Part 6客户生命周期管理和应用 内容简介：本部分介绍游戏客户生命周期管理的建模方法和应用案例 |
案例：网络会员产品的客户生命周期管理 将获得的收获：基于数据分析的客户生命周期管理是会员管理的最常用和科学的方法。通过案例，将了解如何基于数据分析来区分不同客户所处的客户生命周期阶段（六个阶段：潜在客户、磨合期、成长期、成熟期、衰退期和流失），并对重要的生命周期阶段进行基于数据分析来优化运营策略。 |
| Part 7 大数据分析在不同行业的应用趋势 |
7.1大数据分析在重点行业的应用案例 7.2大数据分析应用过程中的误区和提示 案例：零售行业案例、影视行业案例、房产行业案例、金融行业案例等。 将获得的收获：更加全面的了解不同行业通过数据分析，尤其是基于大数据分析产生的运营提升的案例。拓展大数据分析应用的视野，以更好的启发数据分析在业务运营提升思路。 |
|
第一天 课程上午主要分享数据分析的相关概述、流程以及有效利用数据分析的关键，尤其是数据分析如何更好的拥抱大数据时代背景下的分析方法；下午为客户画像、数据分析应用于营销活动优化、用户分群驱动精细化运营、个性化推荐驱动精准营销的相关内容。 |
|
Part 1 如何做有效的数据分析 内容简介：本部分介绍数据分析的基本流程、常见问题、常见的数据研究方法，尤其是数据分析人员如何和数据应用方更有效的合作，驱动业务数据化运营；同时介绍数据分析不同的应用场景，以及企业应该如何从无到有搭建数据团队、搭建数据分析体系、设计数据驱动的组织架构（有效的组织架构是数据化运营战略落地的保障） 开篇：从一个successful story开始 1.1数据分析的流程 1.2常见的数据收集方法和研究方法 1.3搭建数据分析体系：数据分析应用体系－驱动企业数据化运营的不同应用场景 1.4搭建数据分析团队：数据分析团队组织结构 1.5分析师与数据应用方如何有效合作 1.6蘑菇理论－一流互联网企业推崇备至的方法 1.7如何梳理企业的数据和智能化应用场景并进行规划和落地应用 案例：从无到有到有，搭建数据分析体系和完整的数据团队 将获得的收获：掌握如何系统的搭建数据分析体系和数据团队，以及数据分析如何有效的帮助业务提升。 |
|
Part 2 数据分析必备方法－问题树分析方法 内容简介：本部分介绍如何利用问题树（issue tree）来分析问题。问题树（issue tree）能保证解决问题的过程的完整性和逻辑性，是分析问题尤其是数据分析必须要掌握的方法。 2.1一个日常案例 2.2建立问题树的两种方法 2.3问题树分析方法的几个关键 2.4尝试用问题树分析问题 案例：如何通过数据分析来提升会员收入 将获得的收获：问题树（issue tree）是国际知名咨询公司麦肯锡公司咨询顾问最常用的问题分析方法，合理的使用该方法可以让数据分析的思路更加系统化，更加全面，数据分析的结论和建议更容易落地。 |
|
Part3 精细化运营基础——客户画像 内容简介：客户画像是精细化运营的数据基础。本部分讲介绍客户用户画像的价值、客户画像的方法和构成、以及常见应用场景 3.1客户画像的价值 3.2客户画像的构建和技术要求 3.3客户画像的组成部分 3.4客户画像的应用场景 案例：移动互联网应用画像 将获得的收获：掌握如何从零开始搭建用户画像体系，掌握客户画像体系都有哪些关键的构成，客户画像都有哪些常见的误区和陷阱，如何避免。 |
|
Part4 数据分析应用于营销活动优化 内容简介：本部分介绍最为常见的营销活动优化的分析方法。 4.1 通过ABtest优化营销活动 4.2 通过数据挖掘提升营销效果案例（successful story） 案例：一个月周期的大型网上活动如何优化 将获得的收获：避免拍脑袋做活动，掌握如何通过数据分析有效的对营销活动做系统化的优化。 |
|
Part5 客户分群数据分析方法与精细化营销 内容简介：本部分介绍客户分类方法和模型在精细化运营及营销中的应用。 5.1需要客户分类（客户细分）的常见场景 5.2客户分类常用算法和方法介绍 5.3客户分类实践案例（successful story） 案例：电商用户分群与精细化营销 将获得的收获：掌握最容易操作，也是最为经典的客户分群方法，并掌握如何根据不同客户群体的特征做可落地的运营优化。 |
|
Part6 个性化推荐与精准营销 内容简介：个性化推荐是大数据时代最常用的驱动精准用户营销的核心方法。本部分将介绍个性化推荐的原理、常见算法、应用关键、应用场景，以及具体的应用案例。 6.1个性化推荐概述 6.2个性化推荐应用关键和场景 6.3个性化推荐应用案例（successful story） 案例：商品如何做个性化推荐、新闻如何做个性化推荐、音乐如何做个性化推荐 将获得的收获：掌握产品经理或运营人员在个性化推荐中如何更好的发挥作用，如何让个性化推荐效果更好；掌握个性化推荐的关键成功要素；了解个性化推荐可能会陷入的误区甚至是失败，以及如何避免；了解新闻推荐、商品推荐的算法原理；掌握个性化推荐的关键构成模块。 |
|
第二天 课程上午主要为精细化运营的相关数据分析、转化率提升、渠道质量数据分析内容；下午为客户价值分析、客户生命周期管理的相关内容。 |
|
Part1 数据支持产品精细化运营监控 内容简介：本部分介绍最常用也是最实用的构建监控数据体系，并容易实施监控的精细化运营数据监控方法。 1.1构建监控体系来及时发现产品运营的异动和用户问题 1.2通过客户/用户关键触点（漏斗模型和转化率分析）监控发现用户体验问题并优化（successful story） 案例：网络社区如何做KPI异动分析，并建设数据监控体系 将获得的收获：避免数据下跌较长时间才发现，通过数据监控最大程度上的提前发现问题，减少损失。掌握数据下跌最常见的分析方法，并掌握如何有效的建设数据监控体系，以及时发现数据下跌原因。 |
|
Part 2 电商收入与转化率提升分析 内容简介：本部分介绍电商收入的分析方法，并重点介绍如何提升转化率的数据分析方法。 2.1收入拆解和分析 2.2转化率拆解和分析（重点） 案例：电商收入和转化率分析 将获得的收获：掌握如何提升转化率的数据分析方法；基于转化率分析的结果，定位运营改进的方向 |
|
Part3 运营数据体系与精细化运营数据分析 内容简介：本部分介绍移动APP精细化运营的数据化运营体系AARRR模型，包括Acquisition客户获取、Activation客户活跃、Retention客户留存、Revenue获取收入、Refer自传播，和常见的分析和监控方法。值得注意的是，在当今社交媒体盛行的背景下，通过激发客户自传播成为节省推广费用的有效办法，而相应的数据分析和优化则显得尤为重要。 3.1 客户获取的数据分析体系 3.2 客户活跃的数据分析体系 3.3 客户留存的数据分析体系 3.4 客户收入的数据分析体系 3.5 客户自传的数据分析体系 案例：移动APP数据分析体系建设 将获得的收获：掌握如何从无到有建设移动APP的完整数据分析体系，包括如何有效的评估APP发展的健康度；移动APP核心KPI如何有效拆解，并通过数据分析发现重点改进方向。 |
|
Part 4营销推广渠道质量数据分析 内容简介：移动应用（APP或游戏）常常在营销渠道发展新用户方面花大量的金钱，而渠道方可能会利用不正当的手段（甚至是作弊）来做推广，如何有效的分析渠道质量，本部分将介绍相关常见的方法。 4.1渠道质量的数据分析维度 4.2渠道质量的数据分析方法（successful story） 案例：移动APP推广渠道质量分析和优化策略 将获得的收获：如何通过数据分析有效的发现渠道质量问题，可规避在推广上不必要的浪费；同时，掌握基于数据分析的渠道优化策略。 |
|
Part 5 客户价值计算和分析 内容简介：本部分介绍客户生命周期管理的常见计算方法和应用案例 5.1客户生命周期定义和计算 5.2客户生命周期价值常见计算方法 5.3客户生命周期价值应用案例（successful story） 案例：网络游戏客户生命周期价值计算 将获得的收获：清晰合理的计算出每个客户的价值，才能够更好的对不同价值人群做不同运营策略。通过案例，将掌握如何合理的计算客户价值，尤其是客户全生命周期的价值。 |
|
Part 6客户生命周期管理和应用 内容简介：本部分介绍游戏客户生命周期管理的建模方法和应用案例 案例：网络会员产品的客户生命周期管理 将获得的收获：基于数据分析的客户生命周期管理是会员管理的最常用和科学的方法。通过案例，将了解如何基于数据分析来区分不同客户所处的客户生命周期阶段（六个阶段：潜在客户、磨合期、成长期、成熟期、衰退期和流失），并对重要的生命周期阶段进行基于数据分析来优化运营策略。 |
|
Part 7 大数据分析在不同行业的应用趋势 7.1大数据分析在重点行业的应用案例 7.2大数据分析应用过程中的误区和提示 案例：零售行业案例、影视行业案例、房产行业案例、金融行业案例等。 将获得的收获：更加全面的了解不同行业通过数据分析，尤其是基于大数据分析产生的运营提升的案例。拓展大数据分析应用的视野，以更好的启发数据分析在业务运营提升思路。 |
近期公开课推荐
