大数据营销实训

图书标准信息

• 作者 陈志轩
• 出版社 电子工业出版社
• 出版时间 2022-07
• 版次 1
• ISBN 9787121438271
• 定价 49.00元
• 装帧 其他
• 开本 其他
• 纸张 胶版纸
• 页数 240页
• 字数 385.6千字

【内容简介】

本教材围绕大数据营销领域的主要应用场景，分别论述了大数据应用的原理、模型及其操作步骤。主要内容包括，大数据与市场营销、营销大数据分析基础、产品分析与推荐、客户行为分析、营销效果预测、客户生命周期价值预测、客户流失预测、客户细分、A/B测试。具体目录附后。在编排上首先展示学习目的，之后是本章的主要内容，详细讲述原理、模型和实践（含完整练习代码）。最后在实训指导部分讲述大数据分析平台的操作步骤，最后进行本章小结。

【作者简介】

陈志轩，男，广州城市理工学院 副教授、电子商务系主任、智能商务研究所所长；马琦，广州城市理工学院管理学院电子商务系副主任，其研究方向为营销管理。二人常年担任营销学原理、广告学、营销案例分析与策划等多门课程教学。二人在电子工业出版社合作出版的《大数据营销》一书深受读者欢迎，至今已经印刷上万册，为了完善此书，这次特意配套出版了实训用书，以方便学生学习、练习。

【目录】

第1章  大数据与市场营销1

1.1  大数据产生的背景1

1.1.1  人类社会进步与大数据时代1

1.1.2  大数据爆发原因3

1.2  大数据的内涵6

1.2.1  大数据的定义6

1.2.2  大数据的特征8

1.3  大数据营销概论9

1.3.1  大数据营销的发展9

1.3.2  大数据营销的应用14

本章小结15

第2章  大数据营销分析基础16

2.1  数据挖掘标准过程模型16

2.2  大数据营销的基本流程18

2.3  大数据营销的核心能力21

2.3.1  大数据挖掘成功的要素21

2.3.2  成为合格的大数据营销人员23

2.4  大数据营销的分析模型与工具25

2.4.1  常用的大数据营销分析模型25

2.4.2  大数据营销分析工具26

本章小结29

第3章  数据准备31

3.1  数据准备概要31

3.1.1  数据结构类型31

3.1.2  数据准备工作内容32

3.2  数据清洗33

3.2.1  缺失值处理33

3.2.2  异常值处理35

3.3  数据变换37

3.3.1  数据规范化37

3.3.2  数据规约38

3.3.3  数据正态化40

3.4  数据集成41

3.4.1  实体识别41

3.4.2  冗余属性识别41

3.4.3  删除动作的讨论42

本章小结44

第4章  数据探索45

4.1  探索性数据分析45

4.1.1  探索性数据分析的概念45

4.1.2  探索性数据分析的内容和步骤46

4.2  探索数据特征47

4.2.1  认识数据集47

4.2.2  探索分类型变量50

4.2.3  探索数值型变量56

4.2.4  探索变量的多元关系61

4.3  发现派生特征变量65

4.3.1  基于数据集观察的发现66

4.3.2  基于领域知识的发现70

本章小结80

第5章  消费者行为分析81

5.1  消费者行为分析概要81

5.1.1  消费者行为的内涵81

5.1.2  消费者行为分析的内涵82

5.2  回归分析83

5.2.1  线性回归83

5.2.2  逻辑回归85

5.3  逻辑回归分析实例87

5.3.1  数据集87

5.3.2  数据分析与可视化88

5.3.3  回归分析92

5.4  决策树99

5.4.1  决策树简介99

5.4.2  决策树的分类算法100

5.4.3  决策树的使用条件101

5.5  决策树分析实例101

5.5.1  数据集101

5.5.2  数据分析与可视化103

5.5.3  决策树分析109

本章小结113

【实训——会员留存分析】114

第6章  商品分析与推荐117

6.1  商品分析概要117

6.1.1  商品分析的内涵117

6.1.2  商品分析的目标118

6.2  商品分析实例119

6.2.1  数据集概况119

6.2.2  趋势分析122

6.3  商品推荐实现133

6.3.1  商品推荐系统133

6.3.2  协同过滤算法134

6.3.3  商品推荐实例135

本章小结145

【实训——服装销售数据分析】146

第7章  营销效果预测150

7.1  市场营销预测基础150

7.1.1  市场营销中的预测分析150

7.1.2  分类模型的评估151

7.2  随机森林模型152

7.2.1  随机森林的工作原理152

7.2.2  随机森林算法的优缺点155

7.2.3  随机森林算法的应用场景155

7.3  市场营销预测实例156

7.3.1  数据集及其特征变量的选择156

7.3.2  特征变量的编码158

7.3.3  建立预测模型160

本章小结166

【实训——价格优惠和客户态度分析】166

第8章  客户终身价值预测169

8.1  客户终身价值基础169

8.1.1  客户终身价值的内涵169

8.1.2  客户终身价值的意义170

8.1.3  客户终身价值的计算与分析171

8.2  回归模型的评估172

8.3  客户终身价值预测实例173

8.3.1  数据集概况与数据清理173

8.3.2  数据分析177

8.3.3 价值预测180

本章小结187

【实训 1 ——流量分析】187

【实训 2 ——汽车销售量预测】189

第9章  客户细分191

9.1  客户管理基础191

9.1.1  客户管理的定义191

9.1.2  客户管理的内容192

9.1.3  大数据在客户管理中的作用193

9.2  聚类算法194

9.2.1  聚类算法应用场景194

9.2.2  聚类算法原理195

9.2.3  k-means聚类算法的步骤197

9.3  客户细分中的聚类算法实例198

9.3.1  数据集概况及数据清理198

9.3.2  k - means聚类算法202

9.3.3  解释客户群体205

本章小结207

【实训——会员分群数据分析】208

第10章  A/B测试210

10.1  A/B测试基础210

10.1.1  A/B测试的概念210

10.1.2  A/B测试的步骤211

10.1.3  A/B测试的意义214

10.2  营销的A/B测试与检验215

10.2.1  营销的A/B测试215

10.2.2  统计假设检验215

10.3  A/B测试的评估实例216

10.3.1  数据集概况216

10.3.2  数据分析218

10.3.3  统计假设检验223

本章小结227

【实训—— A/B测试数据分析】227