數(shù)字營銷學(xué)課件 4第四章 統(tǒng)計技術(shù)和數(shù)字營銷

第四章統(tǒng)計技術(shù)和數(shù)字營銷MARKETING數(shù)字營銷學(xué)黃勁松教授/博士生導(dǎo)師開篇案例：恒豐銀行的營銷大數(shù)據(jù)分析

恒豐銀行通過建立客戶理財偏好模型，為客戶推薦最適合他們的產(chǎn)品。例如，在合適的時機，通過用戶偏好模型向用戶推薦產(chǎn)品，推薦的結(jié)果是用戶的購買或未購買。這個問題可以看作是一個典型的機器學(xué)習(xí)二分類問題：基于歷史營銷數(shù)據(jù)訓(xùn)練模型，讓模型自動學(xué)習(xí)客戶購買產(chǎn)品的偏好，并預(yù)測客戶下次購買理財產(chǎn)品的概率。通過對模型預(yù)測出的所有客戶對所有產(chǎn)品的響應(yīng)概率進行排序，可以從中選擇購買概率最高的幾個產(chǎn)品推薦給客戶。通過以上過程，恒豐銀行成功實現(xiàn)了對營銷大數(shù)據(jù)的有效處理和分析。恒豐銀行針對每個客戶進行需求預(yù)測，預(yù)測某個有消費歷史的客戶在下一階段是否會重復(fù)購買，并且預(yù)測有重復(fù)購買行為的客戶在接下來的消費過程中會購買多大價值的產(chǎn)品。同時，恒豐銀行還針對每個客戶進行終身價值建模。通過分析每位客戶的消費歷史，他們能夠計算出客戶的當(dāng)前價值和未來價值。這有助于業(yè)務(wù)人員把握重點客戶，并根據(jù)客戶價值的高低進行分級服務(wù)。此外，他們能夠分析哪些客戶有流失傾向，并對流失階段的高價值客戶提供適當(dāng)?shù)臓I銷優(yōu)惠和消費引導(dǎo)。通過構(gòu)建基于大數(shù)據(jù)的營銷方案，恒豐銀行深入洞察客戶的行為、需求和偏好，幫助銀行更深入地了解客戶、打造個性化推薦系統(tǒng)和建立客戶價值預(yù)測模型，從而實現(xiàn)可持續(xù)發(fā)展。目錄第一節(jié)

數(shù)字營銷分析方法概述第二節(jié)

典型的數(shù)字營銷數(shù)據(jù)分析方法第三節(jié)

典型數(shù)字營銷實驗方法目錄第一節(jié)

數(shù)字營銷分析方法概述第二節(jié)

典型的數(shù)字營銷數(shù)據(jù)分析方法第三節(jié)

典型數(shù)字營銷實驗方法一、數(shù)字營銷分析方法概述二、營銷數(shù)據(jù)及分析技術(shù)的

發(fā)展過程第一節(jié)

數(shù)字營銷分析方法概述一、數(shù)字營銷分析方法概述（一）研究方法“洋蔥”模型數(shù)據(jù)收集和數(shù)據(jù)分析是“洋蔥”的核心，也是數(shù)字營銷學(xué)的基礎(chǔ)（二）數(shù)據(jù)分析方法的分類一、數(shù)字營銷分析方法概述解釋性方法-預(yù)測性方法描述性方法

多元統(tǒng)計分析方法：聚類分析、因子分析/主成分分析、多維標度分析、對應(yīng)分析數(shù)據(jù)挖掘與機器學(xué)習(xí)方法：聚類分析、文本挖掘無監(jiān)督學(xué)習(xí)有監(jiān)督學(xué)習(xí)多元統(tǒng)計分析方法：描述性統(tǒng)計、列聯(lián)表分析多元統(tǒng)計分析方法：方差分析、t檢驗分析、回歸分析、判別分析、分層線性模型、時間序列等數(shù)據(jù)挖掘與機器學(xué)習(xí)方法：邏輯回歸、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機、隨機森林、Logit分析、路徑分析等實驗方法：方差分析、t檢驗分析、回歸分析、聯(lián)合分析、結(jié)構(gòu)方程模型等

數(shù)據(jù)挖掘與機器學(xué)習(xí)方法：各種潛分類方法，如聚類回歸、混合模型（MixtureModels）等根據(jù)數(shù)據(jù)分析的目的，可以分為描述性分析方法和解釋性/預(yù)測性分析方法根據(jù)分析前是否有明確數(shù)據(jù)的分類，可以分為事前已確定分類和事前未確定分類（二）數(shù)據(jù)分析方法的分類1.有監(jiān)督學(xué)習(xí)-描述性方法

描述性統(tǒng)計分析：描述性統(tǒng)計分析使用描述統(tǒng)計量和數(shù)據(jù)可視化等方法描述數(shù)據(jù)的基本特征。

一、數(shù)字營銷分析方法概述（二）數(shù)據(jù)分析方法的分類1.有監(jiān)督學(xué)習(xí)-描述性方法列聯(lián)表：是一種交叉分類頻數(shù)分布表，用于按兩個或多個屬性（定性變量）對觀測數(shù)據(jù)進行分類，進而研究不同變量之間的關(guān)系。一、數(shù)字營銷分析方法概述（二）數(shù)據(jù)分析方法的分類2.無監(jiān)督學(xué)習(xí)-描述性方法

多元統(tǒng)計分析方法：包括聚類分析、因子分析/主成分分析、多維標度分析、對應(yīng)分析等。一、數(shù)字營銷分析方法概述（二）數(shù)據(jù)分析方法的分類2.無監(jiān)督學(xué)習(xí)-描述性方法數(shù)據(jù)挖掘與機器學(xué)習(xí)方法：包括聚類分析、文本挖掘等。一、數(shù)字營銷分析方法概述（二）數(shù)據(jù)分析方法的分類3.有監(jiān)督學(xué)習(xí)-解釋性和預(yù)測性方法多元統(tǒng)計分析方法：方差分析、回歸分析、時間序列分析等。數(shù)據(jù)挖掘與機器學(xué)習(xí)方法：邏輯回歸、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機、隨機森林、Logit分析、路徑分析等。實驗方法：主要包括實地實驗和實驗室實驗。一、數(shù)字營銷分析方法概述（二）數(shù)據(jù)分析方法的分類4.無監(jiān)督學(xué)習(xí)-解釋性和預(yù)測性方法無監(jiān)督學(xué)習(xí)-解釋性和預(yù)測性方法主要應(yīng)用于數(shù)據(jù)挖掘和機器學(xué)習(xí)中，包括聚類回歸和混合模型等方法。這些方法在深度學(xué)習(xí)中得到廣泛應(yīng)用，本質(zhì)可以看作是兩個步驟：首先對數(shù)據(jù)進行分類處理，然后進行邏輯回歸。一、數(shù)字營銷分析方法概述（一）營銷數(shù)據(jù)和分析技術(shù)的發(fā)展過程二、營銷數(shù)據(jù)及分析技術(shù)的發(fā)展過程目錄第一節(jié)

數(shù)字營銷分析方法概述第二節(jié)

典型的數(shù)字營銷數(shù)據(jù)分析方法第三節(jié)

典型數(shù)字營銷實驗方法一、描述性分析-事前分類典型方法（一）描述性分析描述性分析常用于揭示數(shù)據(jù)的整體分布情況和趨勢。它主要包括以下三個方面的內(nèi)容：進行統(tǒng)計分組和頻數(shù)統(tǒng)計；計算分布特征指標，例如平均數(shù)、眾數(shù)、中位數(shù)、標準差等；制作圖表，例如條形圖、餅圖、散點圖、直方圖、雷達圖等。一、描述性分析-事前分類典型方法（一）描述性分析描述統(tǒng)計量包括均值、方差、標準差、最大值、最小值、極差、中位數(shù)、分位數(shù)、眾數(shù)、變異系數(shù)、中心矩、原點矩、偏度、峰度、協(xié)方差和相關(guān)系數(shù)等。從集中趨勢、離散程度和分布形狀三個方面可以描述數(shù)據(jù)集的分布特征。數(shù)據(jù)分布特征集中趨勢離散程度分布形狀眾數(shù)中位數(shù)平均數(shù)異眾比率四分位差方差/標準差極差平均差離散系數(shù)偏態(tài)系數(shù)峰態(tài)系數(shù)一、描述性分析-事前分類典型方法（二）列聯(lián)表列聯(lián)表是一種將觀測數(shù)據(jù)按照兩個或更多屬性進行分類時所列出的頻數(shù)表，也被稱為交互分類表。列聯(lián)表由兩個以上的變量進行交叉分類的頻數(shù)分布表組成，能夠同時描述兩個或更多變量之間的情況。一、描述性分析-事前分類典型方法（二）列聯(lián)表通過列聯(lián)表分析，我們可以判斷同一個調(diào)查對象的兩個特性之間是否存在明顯的相關(guān)性。例子：某醫(yī)院收得某類型重癥病人204例，隨機分成兩組，分別用同樣的中草藥方劑進行治療，但其中一組加一定量的人工牛黃，每個病人根據(jù)治療方法和治療效果進行分類，得出如下表格：一、描述性分析-事前分類典型方法（二）列聯(lián)表列聯(lián)表分析的基本問題是判斷所考察的各屬性之間是否存在關(guān)聯(lián)，即它們是否獨立。列聯(lián)表可以作為一種初步的知識檢驗工具使用。列聯(lián)表分析適用于定性數(shù)據(jù)，通常使用卡方檢驗等方法進行分析，這些方法分析的是各個分類方法中的頻度數(shù)據(jù)。二、描述性分析-非事前分類典型方法（一）聚類分析聚類分析是一種多元統(tǒng)計方法，它可以將研究對象（樣本或指標）根據(jù)其特征進行分類，將研究對象分為相對同質(zhì)的群組，群組內(nèi)的成員彼此相似，而不同群組的成員彼此不同。二、描述性分析-非事前分類典型方法（一）聚類分析在市場細分領(lǐng)域，聚類分析可以根據(jù)細分變量將消費者分為不同的細分市場，細分市場內(nèi)的消費者彼此相似，而不同細分市場的消費者彼此不同。二、描述性分析-非事前分類典型方法（一）聚類分析聚類分析包括三種方法，分別是非重疊聚類、重疊聚類和模糊聚類。非重疊聚類假設(shè)每個顧客只屬于一個細分市場，而重疊聚類和模糊聚類認為顧客可能同時屬于多個市場。在數(shù)字營銷分析中，聚類分析方法有助于解決顧客畫像、客戶群體劃分等問題。二、描述性分析-非事前分類典型方法（二）文本挖掘文本挖掘可以提取文本文件中有效、新穎、有用、可理解的有價值知識，并利用這些知識更好地組織信息。文本挖掘是圖像、語言、自然語言理解與知識挖掘中的重要內(nèi)容。二、描述性分析-非事前分類典型方法（二）文本挖掘通過文本挖掘技術(shù)，可以分析出消費者對各個品牌討論的內(nèi)容主題、頻率和情感等。由此可以了解消費者對相關(guān)品牌的感知和偏好，對營銷決策制定具有重要的參考意義。二、描述性分析-非事前分類典型方法（三）Logit分析Logit分析與回歸分析類似，都是分析自變量對因變量的影響，但這里的因變量是分類變量。由于Logit模型的因變量不服從正態(tài)分布，因此不能直接通過自變量來預(yù)測因變量，需要對因變量進行特定的轉(zhuǎn)換。常用Logit模型來估計消費者購買產(chǎn)品的概率，通過將數(shù)據(jù)代入模型，可以根據(jù)自變量來估計消費者購買產(chǎn)品的概率，并將消費者劃分為不同的群體。三、解釋性、預(yù)測性分析-事前分類典型方法（一）時間序列分析時間序列分析法就是將經(jīng)濟發(fā)展、購買力大小、銷售變化等同一變數(shù)的一組觀察值，按時間順序加以排列，構(gòu)成統(tǒng)計的時間序列。通過觀察隨機序列的歷史數(shù)據(jù)，利用特定的數(shù)字方法來預(yù)測市場未來的發(fā)展趨勢和確定市場預(yù)測值。時間序列分析的主要特點是通過時間推移來研究和預(yù)測市場需求趨勢，不受其他外在因素的影響。三、解釋性、預(yù)測性分析-事前分類典型方法（二）決策樹決策樹以樹狀的層級結(jié)構(gòu)呈現(xiàn)分類過程，并提取分類規(guī)則。經(jīng)過修整后的決策樹模型可以用于發(fā)現(xiàn)數(shù)據(jù)的內(nèi)在關(guān)系，找出目標變量和各個變量之間的層級關(guān)系。在用戶數(shù)據(jù)分析和挖掘方面，決策樹可以發(fā)揮重要作用，例如通過分類器將客戶分為潛在客戶、虛假客戶和現(xiàn)有客戶。四、解釋性、預(yù)測性分析-非事前分類典型方法（一）混合模型混合模型（mixturemodel）是一種能夠表示總體分布中包含K個子分布的概率模型?；旌夏Ｐ兔枋隽擞^測數(shù)據(jù)在總體分布中的概率分布，它由K個子分布組成的混合分布構(gòu)成?；旌夏Ｐ筒恍枰^測數(shù)據(jù)提供關(guān)于子分布的信息，而是通過計算觀測數(shù)據(jù)在總體分布中的概率來進行建模。混合模型在業(yè)界主要應(yīng)用于顧客畫像研究。目錄第一節(jié)

數(shù)字營銷分析方法概述第二節(jié)

典型的數(shù)字營銷數(shù)據(jù)分析方法第三節(jié)

典型數(shù)字營銷實驗方法一、實驗方法概述實驗方法是一種有目的地控制一定條件或創(chuàng)造一定條件來研究某種心理現(xiàn)象或被試者行為的方法。一、實驗方法概述實驗研究在應(yīng)用上有廣義和狹義之分：狹義上的實驗方法指在實驗室中應(yīng)用特定設(shè)備進行研究，通常稱為實驗室實驗（laboratoryexperiment）；廣義的實驗方法還包括在實際生活情境中進行的研究，通常稱為實地實驗（fieldexperiment），實驗室實驗?zāi)軌蚋_地控制實驗進行的條件。二、實地實驗與A/B測試（一）A/B測試方法概述A/B測試（也稱為桶式測試或分割測試）是一種基于證據(jù)的實驗方法，通過同時運行兩個變體（A和B）的對照實驗來提高應(yīng)用的性能。二、實地實驗與A/B測試（一）A/B測試方法概述A/B測試的前身是隨機對照試驗-雙盲測試，最早應(yīng)用于醫(yī)療/生物實驗中。該方法通過將研究對象隨機分組，對不同組實施不同的干預(yù)來對照其效果。在雙盲測試中，被試的病人會被隨機分成兩個組，在不知情的情況下分別被提供安慰劑和測試用藥，其他條件嚴格控制。經(jīng)過一段時間的試驗后，比較這兩組病人的表現(xiàn)是否具有顯著的差異，從而決定測試用藥是否真的有效。二、實地實驗與A/B測試（二）A/B測試的實施流程設(shè)定項目目標；設(shè)計測試方案，完成測試內(nèi)容的準備工