客户关系管理与大数据分析

【课程背景】

大数据已经运用到社会的各个领域，客户关系管理作为倡导以客户为中心的企业经营管理思想，其基石是企业的信息化，与大数据的融合将成为必然。

【课程对象】客户单位一线运维工程师、数据分析师、CIO及销售、客服

【课程时间】1-2天

【授课方法】案例+视频+讲解+点评

【课程大纲】

第一讲：大数据思维

1、 七种必备的大数据思维

1.1从 1－0≠8－7 开始说起

1.2统计，一门与赌博密不可分的技术

1.3串联，一种简单实用的日常分析法

1.4对比，常用也实用的分析方法

1.5拆分，庖丁解牛之后的透视

1.6合成，组合起来的魅力

1.7逻辑与反证，大视野大转换下的推理

1.8大数据分析的关键在于有用

2、 善用数据，但别自作聪明

2.1收集情报和信息的几种方法

2.2网络资料的鉴别与识别谣言

2.3网上的这些分析都是忽悠，你中招过吗

2.4大数据营销不能自作聪明，别小瞧你的消费者

3、 换个角度，让结论海阔天空

3.1如何看不同的趋势图

3.2模型都是靠不住的，挑战短板理论

3.3大数据也有做不到的事

第二讲 客户营销与客户关系

1 客户资源研究

1.1 谁是我们的客户

1.2 客户让渡价值

1.3 客户价值链1

1.4 以客户价值为轴，扩展竞争优势

2 客户关系营销

2.1 重新认识“客户关系

2.2 客户关系的类型及其选择

2.3 客户关系的PDCA改进

2.4 “4P+4C”：重构客户关系营销体系

客户接触点与维护

3.1 如何寻找客户接触点

3.2 接触点信息的动态维护

3.3 接触点管理：从顶层出发

4 客户满意度与忠诚度

4.1 客户满意度研究

4.2 客户忠诚度研究

4.3 如何创造持久的客户热情

第三讲　客户关系管理与大数据的关系

1　客户关系管理成为企业的核心能力

2　客户关系管理中的数据分析

3　大数据分析应用的条件

3.1 全面准确的海量数据

3.2 精细化管理理念的倡导

3.3 数据分析和数据挖掘技术的有效应用

4　大数据应用的最新进展

第四讲　大数据分析方法全聚合

1　数据挖掘的发展历史

2　统计分析与数据挖掘的主要区别

3　数据挖掘的主要成熟技术以及在客户关系管理中的主要应用

3.1　决策树

3.2　神经网络

3.3　回归

3.4　关联规则

3.5　聚类

3.6　贝叶斯分类方法

3.7　支持向量机

3.8　主成分分析

3.9　假设检验

4　互联网行业数据挖掘应用的特点

第五讲　客户关系管理中常见的数据分析项目类型

1　目标客户的特征分析

2　目标客户的预测（响应、分类）模型

3　运营群体的活跃度定义

4　用户路径分析

5　交叉销售模型

6　信息质量模型

7　服务保障模型

8　用户（买家、卖家）分层模型

9　卖家（买家）交易模型

10　信用风险模型

11　商品推荐模型

11.1　商品推荐介绍

11.2　关联规则

11.3　协同过滤算法

11.4　商品推荐模型总结

12　数据产品

13　决策支持