數(shù)字營(yíng)銷學(xué)課件 4第四章 統(tǒng)計(jì)技術(shù)和數(shù)字營(yíng)銷

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

恒豐銀行通過(guò)建立客戶理財(cái)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(shí)機(jī)，通過(guò)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(gòu)買或未購(gòu)買。這個(gè)問(wèn)題可以看作是一個(gè)典型的機(jī)器學(xué)習(xí)二分類問(wèn)題：基于歷史營(yíng)銷數(shù)據(jù)訓(xùn)練模型，讓模型自動(dòng)學(xué)習(xí)客戶購(gòu)買產(chǎn)品的偏好，并預(yù)測(cè)客戶下次購(gòu)買理財(cái)產(chǎn)品的概率。通過(guò)對(duì)模型預(yù)測(cè)出的所有客戶對(duì)所有產(chǎn)品的響應(yīng)概率進(jìn)行排序，可以從中選擇購(gòu)買概率最高的幾個(gè)產(chǎn)品推薦給客戶。通過(guò)以上過(guò)程，恒豐銀行成功實(shí)現(xiàn)了對(duì)營(yíng)銷大數(shù)據(jù)的有效處理和分析。恒豐銀行針對(duì)每個(gè)客戶進(jìn)行需求預(yù)測(cè)，預(yù)測(cè)某個(gè)有消費(fèi)歷史的客戶在下一階段是否會(huì)重復(fù)購(gòu)買，并且預(yù)測(cè)有重復(fù)購(gòu)買行為的客戶在接下來(lái)的消費(fèi)過(guò)程中會(huì)購(gòu)買多大價(jià)值的產(chǎn)品。同時(shí)，恒豐銀行還針對(duì)每個(gè)客戶進(jìn)行終身價(jià)值建模。通過(guò)分析每位客戶的消費(fèi)歷史，他們能夠計(jì)算出客戶的當(dāng)前價(jià)值和未來(lái)價(jià)值。這有助于業(yè)務(wù)人員把握重點(diǎn)客戶，并根據(jù)客戶價(jià)值的高低進(jìn)行分級(jí)服務(wù)。此外，他們能夠分析哪些客戶有流失傾向，并對(duì)流失階段的高價(jià)值客戶提供適當(dāng)?shù)臓I(yíng)銷優(yōu)惠和消費(fèi)引導(dǎo)。通過(guò)構(gòu)建基于大數(shù)據(jù)的營(yíng)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(gè)性化推薦系統(tǒng)和建立客戶價(jià)值預(yù)測(cè)模型，從而實(shí)現(xiàn)可持續(xù)發(fā)展。目錄第一節(jié)

數(shù)字營(yíng)銷分析方法概述第二節(jié)

典型的數(shù)字營(yíng)銷數(shù)據(jù)分析方法第三節(jié)

典型數(shù)字營(yíng)銷實(shí)驗(yàn)方法目錄第一節(jié)

數(shù)字營(yíng)銷分析方法概述第二節(jié)

典型的數(shù)字營(yíng)銷數(shù)據(jù)分析方法第三節(jié)

典型數(shù)字營(yíng)銷實(shí)驗(yàn)方法一、數(shù)字營(yíng)銷分析方法概述二、營(yíng)銷數(shù)據(jù)及分析技術(shù)的

發(fā)展過(guò)程第一節(jié)

數(shù)字營(yíng)銷分析方法概述一、數(shù)字營(yíng)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(yíng)銷學(xué)的基礎(chǔ)（二）數(shù)據(jù)分析方法的分類一、數(shù)字營(yíng)銷分析方法概述解釋性方法-預(yù)測(cè)性方法描述性方法

多元統(tǒng)計(jì)分析方法：聚類分析、因子分析/主成分分析、多維標(biāo)度分析、對(duì)應(yīng)分析數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)方法：聚類分析、文本挖掘無(wú)監(jiān)督學(xué)習(xí)有監(jiān)督學(xué)習(xí)多元統(tǒng)計(jì)分析方法：描述性統(tǒng)計(jì)、列聯(lián)表分析多元統(tǒng)計(jì)分析方法：方差分析、t檢驗(yàn)分析、回歸分析、判別分析、分層線性模型、時(shí)間序列等數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)方法：邏輯回歸、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隨機(jī)森林、Logit分析、路徑分析等實(shí)驗(yàn)方法：方差分析、t檢驗(yàn)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(jī)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(cè)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(jì)分析：描述性統(tǒng)計(jì)分析使用描述統(tǒng)計(jì)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(yíng)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(gè)或多個(gè)屬性（定性變量）對(duì)觀測(cè)數(shù)據(jù)進(jìn)行分類，進(jìn)而研究不同變量之間的關(guān)系。一、數(shù)字營(yíng)銷分析方法概述（二）數(shù)據(jù)分析方法的分類2.無(wú)監(jiān)督學(xué)習(xí)-描述性方法

多元統(tǒng)計(jì)分析方法：包括聚類分析、因子分析/主成分分析、多維標(biāo)度分析、對(duì)應(yīng)分析等。一、數(shù)字營(yíng)銷分析方法概述（二）數(shù)據(jù)分析方法的分類2.無(wú)監(jiān)督學(xué)習(xí)-描述性方法數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)方法：包括聚類分析、文本挖掘等。一、數(shù)字營(yíng)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(cè)性方法多元統(tǒng)計(jì)分析方法：方差分析、回歸分析、時(shí)間序列分析等。數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)方法：邏輯回歸、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隨機(jī)森林、Logit分析、路徑分析等。實(shí)驗(yàn)方法：主要包括實(shí)地實(shí)驗(yàn)和實(shí)驗(yàn)室實(shí)驗(yàn)。一、數(shù)字營(yíng)銷分析方法概述（二）數(shù)據(jù)分析方法的分類4.無(wú)監(jiān)督學(xué)習(xí)-解釋性和預(yù)測(cè)性方法無(wú)監(jiān)督學(xué)習(xí)-解釋性和預(yù)測(cè)性方法主要應(yīng)用于數(shù)據(jù)挖掘和機(jī)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(gè)步驟：首先對(duì)數(shù)據(jù)進(jìn)行分類處理，然后進(jìn)行邏輯回歸。一、數(shù)字營(yíng)銷分析方法概述（一）營(yíng)銷數(shù)據(jù)和分析技術(shù)的發(fā)展過(guò)程二、營(yíng)銷數(shù)據(jù)及分析技術(shù)的發(fā)展過(guò)程目錄第一節(jié)

數(shù)字營(yíng)銷分析方法概述第二節(jié)

典型的數(shù)字營(yíng)銷數(shù)據(jù)分析方法第三節(jié)

典型數(shù)字營(yíng)銷實(shí)驗(yàn)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(shì)。它主要包括以下三個(gè)方面的內(nèi)容：進(jìn)行統(tǒng)計(jì)分組和頻數(shù)統(tǒng)計(jì)；計(jì)算分布特征指標(biāo)，例如平均數(shù)、眾數(shù)、中位數(shù)、標(biāo)準(zhǔn)差等；制作圖表，例如條形圖、餅圖、散點(diǎn)圖、直方圖、雷達(dá)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(jì)量包括均值、方差、標(biāo)準(zhǔn)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(diǎn)矩、偏度、峰度、協(xié)方差和相關(guān)系數(shù)等。從集中趨勢(shì)、離散程度和分布形狀三個(gè)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(shì)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(biāo)準(zhǔn)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(cè)數(shù)據(jù)按照兩個(gè)或更多屬性進(jìn)行分類時(shí)所列出的頻數(shù)表，也被稱為交互分類表。列聯(lián)表由兩個(gè)以上的變量進(jìn)行交叉分類的頻數(shù)分布表組成，能夠同時(shí)描述兩個(gè)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(guò)列聯(lián)表分析，我們可以判斷同一個(gè)調(diào)查對(duì)象的兩個(gè)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(jī)分成兩組，分別用同樣的中草藥方劑進(jìn)行治療，但其中一組加一定量的人工牛黃，每個(gè)病人根據(jù)治療方法和治療效果進(jìn)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(wèn)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(dú)立。列聯(lián)表可以作為一種初步的知識(shí)檢驗(yàn)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(yàn)等方法進(jìn)行分析，這些方法分析的是各個(gè)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(jì)方法，它可以將研究對(duì)象（樣本或指標(biāo)）根據(jù)其特征進(jìn)行分類，將研究對(duì)象分為相對(duì)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(chǎng)細(xì)分領(lǐng)域，聚類分析可以根據(jù)細(xì)分變量將消費(fèi)者分為不同的細(xì)分市場(chǎng)，細(xì)分市場(chǎng)內(nèi)的消費(fèi)者彼此相似，而不同細(xì)分市場(chǎng)的消費(fèi)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(gè)顧客只屬于一個(gè)細(xì)分市場(chǎng)，而重疊聚類和模糊聚類認(rèn)為顧客可能同時(shí)屬于多個(gè)市場(chǎng)。在數(shù)字營(yíng)銷分析中，聚類分析方法有助于解決顧客畫(huà)像、客戶群體劃分等問(wèn)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(jià)值知識(shí)，并利用這些知識(shí)更好地組織信息。文本挖掘是圖像、語(yǔ)言、自然語(yǔ)言理解與知識(shí)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(guò)文本挖掘技術(shù)，可以分析出消費(fèi)者對(duì)各個(gè)品牌討論的內(nèi)容主題、頻率和情感等。由此可以了解消費(fèi)者對(duì)相關(guān)品牌的感知和偏好，對(duì)營(yíng)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(duì)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(guò)自變量來(lái)預(yù)測(cè)因變量，需要對(duì)因變量進(jìn)行特定的轉(zhuǎn)換。常用Logit模型來(lái)估計(jì)消費(fèi)者購(gòu)買產(chǎn)品的概率，通過(guò)將數(shù)據(jù)代入模型，可以根據(jù)自變量來(lái)估計(jì)消費(fèi)者購(gòu)買產(chǎn)品的概率，并將消費(fèi)者劃分為不同的群體。三、解釋性、預(yù)測(cè)性分析-事前分類典型方法（一）時(shí)間序列分析時(shí)間序列分析法就是將經(jīng)濟(jì)發(fā)展、購(gòu)買力大小、銷售變化等同一變數(shù)的一組觀察值，按時(shí)間順序加以排列，構(gòu)成統(tǒng)計(jì)的時(shí)間序列。通過(guò)觀察隨機(jī)序列的歷史數(shù)據(jù)，利用特定的數(shù)字方法來(lái)預(yù)測(cè)市場(chǎng)未來(lái)的發(fā)展趨勢(shì)和確定市場(chǎng)預(yù)測(cè)值。時(shí)間序列分析的主要特點(diǎn)是通過(guò)時(shí)間推移來(lái)研究和預(yù)測(cè)市場(chǎng)需求趨勢(shì)，不受其他外在因素的影響。三、解釋性、預(yù)測(cè)性分析-事前分類典型方法（二）決策樹(shù)決策樹(shù)以樹(shù)狀的層級(jí)結(jié)構(gòu)呈現(xiàn)分類過(guò)程，并提取分類規(guī)則。經(jīng)過(guò)修整后的決策樹(shù)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(biāo)變量和各個(gè)變量之間的層級(jí)關(guān)系。在用戶數(shù)據(jù)分析和挖掘方面，決策樹(shù)可以發(fā)揮重要作用，例如通過(guò)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(cè)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(gè)子分布的概率模型。混合模型描述了觀測(cè)數(shù)據(jù)在總體分布中的概率分布，它由K個(gè)子分布組成的混合分布構(gòu)成?；旌夏Ｐ筒恍枰^測(cè)數(shù)據(jù)提供關(guān)于子分布的信息，而是通過(guò)計(jì)算觀測(cè)數(shù)據(jù)在總體分布中的概率來(lái)進(jìn)行建模?；旌夏Ｐ驮跇I(yè)界主要應(yīng)用于顧客畫(huà)像研究。目錄第一節(jié)

數(shù)字營(yíng)銷分析方法概述第二節(jié)

典型的數(shù)字營(yíng)銷數(shù)據(jù)分析方法第三節(jié)

典型數(shù)字營(yíng)銷實(shí)驗(yàn)方法一、實(shí)驗(yàn)方法概述實(shí)驗(yàn)方法是一種有目的地控制一定條件或創(chuàng)造一定條件來(lái)研究某種心理現(xiàn)象或被試者行為的方法。一、實(shí)驗(yàn)方法概述實(shí)驗(yàn)研究在應(yīng)用上有廣義和狹義之分：狹義上的實(shí)驗(yàn)方法指在實(shí)驗(yàn)室中應(yīng)用特定設(shè)備進(jìn)行研究，通常稱為實(shí)驗(yàn)室實(shí)驗(yàn)（laboratoryexperiment）；廣義的實(shí)驗(yàn)方法還包括在實(shí)際生活情境中進(jìn)行的研究，通常稱為實(shí)地實(shí)驗(yàn)（fieldexperiment），實(shí)驗(yàn)室實(shí)驗(yàn)?zāi)軌蚋_地控制實(shí)驗(yàn)進(jìn)行的條件。二、實(shí)地實(shí)驗(yàn)與A/B測(cè)試（一）A/B測(cè)試方法概述A/B測(cè)試（也稱為桶式測(cè)試或分割測(cè)試）是一種基于證據(jù)的實(shí)驗(yàn)方法，通過(guò)同時(shí)運(yùn)行兩個(gè)變體（A和B）的對(duì)照實(shí)驗(yàn)來(lái)提高應(yīng)用的性能。二、實(shí)地實(shí)驗(yàn)與A/B測(cè)試（一）A/B測(cè)試方法概述A/B測(cè)試的前身是隨機(jī)對(duì)照試驗(yàn)-雙盲測(cè)試，最早應(yīng)用于醫(yī)療/生物實(shí)驗(yàn)中。該方法通過(guò)將研究對(duì)象隨機(jī)分組，對(duì)不同組實(shí)施不同的干預(yù)來(lái)對(duì)照其效果。在雙盲測(cè)試中，被試的病人會(huì)被隨機(jī)分成兩個(gè)組，在不知情的情況下分別被提供安慰劑和測(cè)試用藥，其他條件嚴(yán)格控制。經(jīng)過(guò)一段時(shí)間的試驗(yàn)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(cè)試用藥是否真的有效。二、實(shí)地實(shí)驗(yàn)與A/B測(cè)試（二）A/B測(cè)試的實(shí)施流程設(shè)定項(xiàng)目目標(biāo)；設(shè)計(jì)測(cè)試方案，完成測(cè)試內(nèi)容的準(zhǔn)備工