課程簡(jiǎn)介
大數(shù)據(jù)落地已經(jīng)趨于常態(tài)，對(duì)于大數(shù)據(jù)，我們面臨的真正問(wèn)題轉(zhuǎn)變?yōu)椋?1.怎樣在日新月異的大數(shù)據(jù)處理技術(shù)中“淘金” 2.怎樣跟隨并利用好新的大數(shù)據(jù)實(shí)踐（比如中臺(tái)、數(shù)據(jù)湖）
本門課程介紹業(yè)界最前沿技術(shù)和真實(shí)的案例，帶你剖析技術(shù)框架產(chǎn)生的原因和它們解決的問(wèn)題，全面掌握大數(shù)據(jù)處理實(shí)戰(zhàn)技能。并在課程的最后，深入解決如何用數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)的問(wèn)題，通過(guò)電商、金融、短視頻等相關(guān)案例，詳解經(jīng)過(guò)處理的大數(shù)據(jù)是如何推動(dòng)業(yè)務(wù)不斷發(fā)展演進(jìn)，完成商業(yè)目標(biāo)的。
目標(biāo)收益
1. 深入大數(shù)據(jù)最新技術(shù)
2. 攻克數(shù)據(jù)中臺(tái)的難點(diǎn)
3. 用數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)價(jià)值
培訓(xùn)對(duì)象
1.希望掌握Flink為核心技術(shù)的流式計(jì)算的知識(shí)點(diǎn)、希望掌握海量數(shù)據(jù)處理的大數(shù)據(jù)工程師和架構(gòu)師；
2.希望了解數(shù)據(jù)中臺(tái)建設(shè)全貌和具體實(shí)現(xiàn)細(xì)節(jié)，希望開啟數(shù)據(jù)中臺(tái)建設(shè)的中臺(tái)負(fù)責(zé)人；
3.希望利用數(shù)據(jù)湖等新理念，打破數(shù)據(jù)孤島、構(gòu)建現(xiàn)代數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)治理負(fù)責(zé)人；
4.在利用以上技術(shù)構(gòu)建好數(shù)據(jù)基礎(chǔ)設(shè)施后，希望建立用戶畫像、開啟精準(zhǔn)營(yíng)銷等工作，切實(shí)發(fā)揮數(shù)據(jù)價(jià)值的數(shù)據(jù)科學(xué)家和產(chǎn)品負(fù)責(zé)人；
課程大綱
| 模塊一：流式計(jì)算(Flink)實(shí)戰(zhàn)（10月11日 13：30-17：30） |
1. 流式處理架構(gòu) 1.1 流式處理背景及架構(gòu)介紹 1.2 流式處理行業(yè)案例以及Flink的適用場(chǎng)景及應(yīng)用概述 1.3 Flink 與 Spark的比較以及為什么選擇Flink 1.4 Flink流式計(jì)算的編程模型[1]：DataStream API 1.5 Flink流式計(jì)算的編程模型[2]：FlinkSQL與UDF 2. Flink流式處理核心技術(shù) 2.1 三種Time與Watermark 2.2 Window窗口有狀態(tài)聚合計(jì)算詳解 2.3 開發(fā)自己的Flink Connector(Source & Sink) 2.4 看懂Flink WebUI和Flink Metrics體系 2.5 常見(jiàn)Flink Connector(Kafka，Elasticsearch，HDFS)的使用與調(diào)優(yōu) 2.6 Flink的Exactly-Once處理、狀態(tài)維護(hù)與容錯(cuò)機(jī)制。 2.7 Flink 流式處理時(shí)的反壓機(jī)制 3. 流式計(jì)算常見(jiàn)問(wèn)題的技術(shù)方案： 3.1 如何處理亂序和延遲的數(shù)據(jù)？ 3.2 海量數(shù)據(jù)規(guī)模下的性能調(diào)優(yōu)？ 3.3 雙流Join怎么用？ 3.4 實(shí)時(shí)數(shù)據(jù)與緯度表關(guān)聯(lián)怎么樣做最高效？ 3.5 如何在Flink中實(shí)現(xiàn)業(yè)務(wù)計(jì)算邏輯動(dòng)態(tài)更新？ 3.6 窗口聚合數(shù)據(jù)希望盡早輸出怎么辦？ 4. Flink在各大互聯(lián)網(wǎng)公司的典型應(yīng)用剖析 4.1 Flink在阿里、騰訊、微博的應(yīng)用 4.2 Flink在短視頻直播用戶行為分析的實(shí)戰(zhàn) |
| 模塊二：大數(shù)據(jù)中臺(tái)構(gòu)建實(shí)戰(zhàn)（10月17日 13：30-17：30） |
1.大數(shù)據(jù)中臺(tái)的前世今生 a)數(shù)據(jù)系統(tǒng)到大數(shù)據(jù)系統(tǒng)的發(fā)展 b)大數(shù)據(jù)系統(tǒng)的成本壓力與收益 c)中臺(tái)戰(zhàn)略是商業(yè)再造的戰(zhàn)略 d)分久必合的中臺(tái)發(fā)展史：專業(yè)分工、內(nèi)部競(jìng)爭(zhēng)、內(nèi)部計(jì)劃經(jīng)濟(jì)和內(nèi)部中臺(tái)化 e)阿里數(shù)據(jù)中臺(tái)的由來(lái) 2.大數(shù)據(jù)中臺(tái)的理念及其適用場(chǎng)景 a)大數(shù)據(jù)中臺(tái)的定義 b)大數(shù)據(jù)中臺(tái)的能力構(gòu)成 c)大數(shù)據(jù)中臺(tái)的核心思想 d)大數(shù)據(jù)中臺(tái)的價(jià)值：降低成本、提升效率、增進(jìn)協(xié)作、服務(wù)客戶 e)大數(shù)據(jù)中臺(tái)的設(shè)計(jì)思想 3.大數(shù)據(jù)中臺(tái)的方法論和案例 a)大數(shù)據(jù)中臺(tái)的架構(gòu) b)阿里大數(shù)據(jù)中臺(tái)四橫三縱的架構(gòu)實(shí)踐分析 c)螞蟻金服大數(shù)據(jù)中臺(tái)架構(gòu)：風(fēng)控、數(shù)據(jù)、業(yè)務(wù) 4.大數(shù)據(jù)中臺(tái)的架構(gòu)實(shí)戰(zhàn) a)日新月益的業(yè)務(wù)及運(yùn)營(yíng)變化：商業(yè)賦能、數(shù)據(jù)展示、智能決策 b)數(shù)據(jù)資產(chǎn)管理：資產(chǎn)地圖、資產(chǎn)分析、資產(chǎn)管理、資產(chǎn)應(yīng)用、資產(chǎn)運(yùn)營(yíng) c)統(tǒng)一數(shù)據(jù)服務(wù)：知識(shí)萃取中心、公共數(shù)據(jù)中心、垂直數(shù)據(jù)中心 d)智能數(shù)據(jù)研發(fā)：數(shù)據(jù)倉(cāng)庫(kù)規(guī)劃、模型構(gòu)建、指標(biāo)規(guī)范、數(shù)據(jù)同步、數(shù)據(jù)開發(fā)、任務(wù)調(diào)度、監(jiān)控告警 e)計(jì)算平臺(tái)：離線計(jì)算、實(shí)時(shí)計(jì)算、計(jì)算資源調(diào)度 f)分布式存儲(chǔ)平臺(tái) 5.大數(shù)據(jù)中臺(tái)運(yùn)營(yíng) a)以商業(yè)計(jì)劃BP為中心的IT和DT的高效組織 b)人力資源的高效組織 c)戰(zhàn)略投資與財(cái)務(wù)風(fēng)險(xiǎn)控制 d)大數(shù)據(jù)中臺(tái)的運(yùn)維及IT工程維護(hù) e)數(shù)據(jù)資產(chǎn)化與數(shù)據(jù)商業(yè)化 f)未來(lái)的演進(jìn) |
| 模塊三：數(shù)據(jù)湖構(gòu)建實(shí)戰(zhàn)（10月24日 13：30-17：30） |
1.數(shù)據(jù)湖是什么湖？ a)什么是數(shù)據(jù)湖 b)原始數(shù)據(jù)保存的問(wèn)題 c)與數(shù)據(jù)倉(cāng)庫(kù)的區(qū)別 d)數(shù)據(jù)湖的關(guān)鍵技術(shù) e)數(shù)據(jù)沼澤與數(shù)據(jù)治理 f)數(shù)據(jù)河與數(shù)據(jù)源 2.數(shù)據(jù)湖的架構(gòu)及戰(zhàn)略分析 a)數(shù)據(jù)湖的常見(jiàn)架構(gòu) b)與數(shù)據(jù)倉(cāng)庫(kù)的關(guān)系和并存 c)數(shù)據(jù)湖與Hadoop的關(guān)系 d)數(shù)據(jù)湖與原始數(shù)據(jù)的關(guān)系 e)數(shù)據(jù)湖與大數(shù)據(jù) f)數(shù)據(jù)湖的安全保障 g)數(shù)據(jù)湖與元數(shù)據(jù) 3.數(shù)據(jù)湖技術(shù)分析與實(shí)戰(zhàn) a)Apache Hadoop數(shù)據(jù)湖的基礎(chǔ) b)Apache Kafka數(shù)據(jù)河流的基礎(chǔ) c)Apache Hudi數(shù)據(jù)湖存儲(chǔ) d)Apache Ranger數(shù)據(jù)湖安全 e)Apache Atlas數(shù)據(jù)湖治理與元數(shù)據(jù) 4.數(shù)據(jù)湖的案例分析 a)開源Hadoop數(shù)據(jù)湖案例分析 b)Amazon數(shù)據(jù)湖案例分析 c)阿里云EMR數(shù)據(jù)湖案例分析 d)阿里飛天數(shù)據(jù)湖案例分析 e)微軟Data lake as service案例分析 5.未來(lái)的發(fā)展 a)下一代數(shù)據(jù)倉(cāng)庫(kù) b)AI驅(qū)動(dòng) c)決策自動(dòng)化 |
| 模塊四：用數(shù)據(jù)做商業(yè)分析（10月31日 13：30-17：30） |
（一）如何應(yīng)對(duì)數(shù)字化轉(zhuǎn)型 第一節(jié)：阿里數(shù)據(jù)應(yīng)用轉(zhuǎn)型 數(shù)據(jù)倉(cāng)庫(kù)的建立 去IOE化和阿里云的成立 數(shù)據(jù)平臺(tái)到阿里金融 從成本中心到利潤(rùn)中心 第二節(jié)：數(shù)據(jù)中臺(tái)概念及重要性 數(shù)據(jù)結(jié)構(gòu)認(rèn)知：常用結(jié)構(gòu)及算法 商務(wù)數(shù)據(jù)分析流程 紅牛的數(shù)據(jù)搜集案例 文本挖掘分析 直播營(yíng)銷中的數(shù)據(jù)分析 第三節(jié)：如何構(gòu)建數(shù)據(jù)中臺(tái) 數(shù)據(jù)和算法的關(guān)系 數(shù)據(jù)可視化 推進(jìn)步驟和切入點(diǎn) 數(shù)據(jù)的存通用 典型案例分享——便利店O2O數(shù)據(jù)管理運(yùn)營(yíng) （二）精準(zhǔn)營(yíng)銷 第一節(jié)：精準(zhǔn)營(yíng)銷概述 STP策略 用戶需求分析 目標(biāo)用戶選擇 營(yíng)銷策略分析：定價(jià)、促銷 第二節(jié)：精準(zhǔn)定向的廣告系統(tǒng) 情境廣告系統(tǒng)介紹 精準(zhǔn)廣告投放 廣告相關(guān)性 語(yǔ)義匹配 排序、定價(jià)和CTR預(yù)估 Facebook算法改變調(diào)整影響廣告效果案例 第三節(jié)：精準(zhǔn)數(shù)據(jù)推送-今日頭條玩轉(zhuǎn)精準(zhǔn)營(yíng)銷 我是不是被竊聽了？ 數(shù)據(jù)挖掘：抓取、分類與解讀 用戶畫像 個(gè)性推薦 案例：精準(zhǔn)營(yíng)銷助力品牌推廣 第四節(jié)：精準(zhǔn)營(yíng)銷在金融中的運(yùn)用-消費(fèi)金融 客戶細(xì)分:客戶地圖 價(jià)格策略：成本覆蓋損失 營(yíng)銷策略：人海戰(zhàn)術(shù)+線上+線下 大數(shù)據(jù)運(yùn)用：營(yíng)銷輔助 （三）用戶畫像基礎(chǔ) 第一節(jié)：客戶畫像概述 什么是PERSONA？客戶畫像的重要性 數(shù)據(jù)的來(lái)源，客戶畫像的基礎(chǔ) 客戶畫像的應(yīng)用領(lǐng)域（推薦、定制、搜索） 定量畫像與定性畫像 第二節(jié)：以騰訊的用研為例-定性與定量結(jié)合 屌絲和長(zhǎng)尾：找出你真正的用戶 人口統(tǒng)計(jì)分析-年齡、性別、地域等顯性分析 ZMET分析，深層次畫像：建立表象特征到挖掘價(jià)值屬性 訪談的話術(shù)與技巧，內(nèi)在價(jià)值標(biāo)簽的提取 某產(chǎn)品訪談案例分享 第三節(jié)：畫像的應(yīng)用-某Q閱讀為例 用戶的人口統(tǒng)計(jì)數(shù)據(jù) 用戶行為數(shù)據(jù) 用戶的消費(fèi)行為數(shù)據(jù) 尋找讀者的痛點(diǎn)和爽點(diǎn) 第四節(jié)：用戶畫像在金融中的運(yùn)用-高凈值客戶分析 AUM：最常用的標(biāo)簽 活躍度：你眼中的客戶和真實(shí)的客戶 新思路：綜合貢獻(xiàn)度 （四）交叉銷售 第一節(jié)：交叉銷售的場(chǎng)景與運(yùn)用 交叉銷售，從關(guān)聯(lián)推薦和微信廣告說(shuō)起 從4P到4C，渠道的利用 別讓我思考，滿足用戶的便利性需求 ARPU,GMV如何倍增 第二節(jié)：某寶-瘋狂的賽車之買了又買 項(xiàng)目背景：擴(kuò)容細(xì)分類目下產(chǎn)品展示 Pidmatch模塊：寶貝和產(chǎn)品關(guān)聯(lián) CRM審核和產(chǎn)品關(guān)聯(lián)訂正信息模塊 買了又買模塊：產(chǎn)品關(guān)聯(lián)推薦 產(chǎn)品展示的視覺(jué)交互改進(jìn) 灰度測(cè)試及產(chǎn)品上線 第三節(jié)： 某Q的閱讀-渠道運(yùn)營(yíng)的力量 從閱文免費(fèi)新規(guī)說(shuō)開去 Wap、APP和Web不同的渠道 外部渠道互換：預(yù)裝、換量、和移動(dòng)結(jié)算 集齊七龍珠，抱緊黃鉆大腿 蚊子腿也是肉：某Q空間Banner圖 總結(jié)：互聯(lián)網(wǎng)運(yùn)營(yíng)也遵循商業(yè)規(guī)律 第四節(jié)：銀行軟開及運(yùn)營(yíng) 一張圖：矩陣管理與金字塔管理 資源的重要性，會(huì)哭的孩子有奶喝 誰(shuí)說(shuō)大象不能跳舞，銀行的覺(jué)醒 新動(dòng)向：科技金融戰(zhàn)略 （五）總結(jié) 要點(diǎn)總結(jié)及工具推薦 |
|
模塊一：流式計(jì)算(Flink)實(shí)戰(zhàn)（10月11日 13：30-17：30） 1. 流式處理架構(gòu) 1.1 流式處理背景及架構(gòu)介紹 1.2 流式處理行業(yè)案例以及Flink的適用場(chǎng)景及應(yīng)用概述 1.3 Flink 與 Spark的比較以及為什么選擇Flink 1.4 Flink流式計(jì)算的編程模型[1]：DataStream API 1.5 Flink流式計(jì)算的編程模型[2]：FlinkSQL與UDF 2. Flink流式處理核心技術(shù) 2.1 三種Time與Watermark 2.2 Window窗口有狀態(tài)聚合計(jì)算詳解 2.3 開發(fā)自己的Flink Connector(Source & Sink) 2.4 看懂Flink WebUI和Flink Metrics體系 2.5 常見(jiàn)Flink Connector(Kafka，Elasticsearch，HDFS)的使用與調(diào)優(yōu) 2.6 Flink的Exactly-Once處理、狀態(tài)維護(hù)與容錯(cuò)機(jī)制。 2.7 Flink 流式處理時(shí)的反壓機(jī)制 3. 流式計(jì)算常見(jiàn)問(wèn)題的技術(shù)方案： 3.1 如何處理亂序和延遲的數(shù)據(jù)？ 3.2 海量數(shù)據(jù)規(guī)模下的性能調(diào)優(yōu)？ 3.3 雙流Join怎么用？ 3.4 實(shí)時(shí)數(shù)據(jù)與緯度表關(guān)聯(lián)怎么樣做最高效？ 3.5 如何在Flink中實(shí)現(xiàn)業(yè)務(wù)計(jì)算邏輯動(dòng)態(tài)更新？ 3.6 窗口聚合數(shù)據(jù)希望盡早輸出怎么辦？ 4. Flink在各大互聯(lián)網(wǎng)公司的典型應(yīng)用剖析 4.1 Flink在阿里、騰訊、微博的應(yīng)用 4.2 Flink在短視頻直播用戶行為分析的實(shí)戰(zhàn) |
|
模塊二：大數(shù)據(jù)中臺(tái)構(gòu)建實(shí)戰(zhàn)（10月17日 13：30-17：30） 1.大數(shù)據(jù)中臺(tái)的前世今生 a)數(shù)據(jù)系統(tǒng)到大數(shù)據(jù)系統(tǒng)的發(fā)展 b)大數(shù)據(jù)系統(tǒng)的成本壓力與收益 c)中臺(tái)戰(zhàn)略是商業(yè)再造的戰(zhàn)略 d)分久必合的中臺(tái)發(fā)展史：專業(yè)分工、內(nèi)部競(jìng)爭(zhēng)、內(nèi)部計(jì)劃經(jīng)濟(jì)和內(nèi)部中臺(tái)化 e)阿里數(shù)據(jù)中臺(tái)的由來(lái) 2.大數(shù)據(jù)中臺(tái)的理念及其適用場(chǎng)景 a)大數(shù)據(jù)中臺(tái)的定義 b)大數(shù)據(jù)中臺(tái)的能力構(gòu)成 c)大數(shù)據(jù)中臺(tái)的核心思想 d)大數(shù)據(jù)中臺(tái)的價(jià)值：降低成本、提升效率、增進(jìn)協(xié)作、服務(wù)客戶 e)大數(shù)據(jù)中臺(tái)的設(shè)計(jì)思想 3.大數(shù)據(jù)中臺(tái)的方法論和案例 a)大數(shù)據(jù)中臺(tái)的架構(gòu) b)阿里大數(shù)據(jù)中臺(tái)四橫三縱的架構(gòu)實(shí)踐分析 c)螞蟻金服大數(shù)據(jù)中臺(tái)架構(gòu)：風(fēng)控、數(shù)據(jù)、業(yè)務(wù) 4.大數(shù)據(jù)中臺(tái)的架構(gòu)實(shí)戰(zhàn) a)日新月益的業(yè)務(wù)及運(yùn)營(yíng)變化：商業(yè)賦能、數(shù)據(jù)展示、智能決策 b)數(shù)據(jù)資產(chǎn)管理：資產(chǎn)地圖、資產(chǎn)分析、資產(chǎn)管理、資產(chǎn)應(yīng)用、資產(chǎn)運(yùn)營(yíng) c)統(tǒng)一數(shù)據(jù)服務(wù)：知識(shí)萃取中心、公共數(shù)據(jù)中心、垂直數(shù)據(jù)中心 d)智能數(shù)據(jù)研發(fā)：數(shù)據(jù)倉(cāng)庫(kù)規(guī)劃、模型構(gòu)建、指標(biāo)規(guī)范、數(shù)據(jù)同步、數(shù)據(jù)開發(fā)、任務(wù)調(diào)度、監(jiān)控告警 e)計(jì)算平臺(tái)：離線計(jì)算、實(shí)時(shí)計(jì)算、計(jì)算資源調(diào)度 f)分布式存儲(chǔ)平臺(tái) 5.大數(shù)據(jù)中臺(tái)運(yùn)營(yíng) a)以商業(yè)計(jì)劃BP為中心的IT和DT的高效組織 b)人力資源的高效組織 c)戰(zhàn)略投資與財(cái)務(wù)風(fēng)險(xiǎn)控制 d)大數(shù)據(jù)中臺(tái)的運(yùn)維及IT工程維護(hù) e)數(shù)據(jù)資產(chǎn)化與數(shù)據(jù)商業(yè)化 f)未來(lái)的演進(jìn) |
|
模塊三：數(shù)據(jù)湖構(gòu)建實(shí)戰(zhàn)（10月24日 13：30-17：30） 1.數(shù)據(jù)湖是什么湖？ a)什么是數(shù)據(jù)湖 b)原始數(shù)據(jù)保存的問(wèn)題 c)與數(shù)據(jù)倉(cāng)庫(kù)的區(qū)別 d)數(shù)據(jù)湖的關(guān)鍵技術(shù) e)數(shù)據(jù)沼澤與數(shù)據(jù)治理 f)數(shù)據(jù)河與數(shù)據(jù)源 2.數(shù)據(jù)湖的架構(gòu)及戰(zhàn)略分析 a)數(shù)據(jù)湖的常見(jiàn)架構(gòu) b)與數(shù)據(jù)倉(cāng)庫(kù)的關(guān)系和并存 c)數(shù)據(jù)湖與Hadoop的關(guān)系 d)數(shù)據(jù)湖與原始數(shù)據(jù)的關(guān)系 e)數(shù)據(jù)湖與大數(shù)據(jù) f)數(shù)據(jù)湖的安全保障 g)數(shù)據(jù)湖與元數(shù)據(jù) 3.數(shù)據(jù)湖技術(shù)分析與實(shí)戰(zhàn) a)Apache Hadoop數(shù)據(jù)湖的基礎(chǔ) b)Apache Kafka數(shù)據(jù)河流的基礎(chǔ) c)Apache Hudi數(shù)據(jù)湖存儲(chǔ) d)Apache Ranger數(shù)據(jù)湖安全 e)Apache Atlas數(shù)據(jù)湖治理與元數(shù)據(jù) 4.數(shù)據(jù)湖的案例分析 a)開源Hadoop數(shù)據(jù)湖案例分析 b)Amazon數(shù)據(jù)湖案例分析 c)阿里云EMR數(shù)據(jù)湖案例分析 d)阿里飛天數(shù)據(jù)湖案例分析 e)微軟Data lake as service案例分析 5.未來(lái)的發(fā)展 a)下一代數(shù)據(jù)倉(cāng)庫(kù) b)AI驅(qū)動(dòng) c)決策自動(dòng)化 |
|
模塊四：用數(shù)據(jù)做商業(yè)分析（10月31日 13：30-17：30） （一）如何應(yīng)對(duì)數(shù)字化轉(zhuǎn)型 第一節(jié)：阿里數(shù)據(jù)應(yīng)用轉(zhuǎn)型 數(shù)據(jù)倉(cāng)庫(kù)的建立 去IOE化和阿里云的成立 數(shù)據(jù)平臺(tái)到阿里金融 從成本中心到利潤(rùn)中心 第二節(jié)：數(shù)據(jù)中臺(tái)概念及重要性 數(shù)據(jù)結(jié)構(gòu)認(rèn)知：常用結(jié)構(gòu)及算法 商務(wù)數(shù)據(jù)分析流程 紅牛的數(shù)據(jù)搜集案例 文本挖掘分析 直播營(yíng)銷中的數(shù)據(jù)分析 第三節(jié)：如何構(gòu)建數(shù)據(jù)中臺(tái) 數(shù)據(jù)和算法的關(guān)系 數(shù)據(jù)可視化 推進(jìn)步驟和切入點(diǎn) 數(shù)據(jù)的存通用 典型案例分享——便利店O2O數(shù)據(jù)管理運(yùn)營(yíng) （二）精準(zhǔn)營(yíng)銷 第一節(jié)：精準(zhǔn)營(yíng)銷概述 STP策略 用戶需求分析 目標(biāo)用戶選擇 營(yíng)銷策略分析：定價(jià)、促銷 第二節(jié)：精準(zhǔn)定向的廣告系統(tǒng) 情境廣告系統(tǒng)介紹 精準(zhǔn)廣告投放 廣告相關(guān)性 語(yǔ)義匹配 排序、定價(jià)和CTR預(yù)估 Facebook算法改變調(diào)整影響廣告效果案例 第三節(jié)：精準(zhǔn)數(shù)據(jù)推送-今日頭條玩轉(zhuǎn)精準(zhǔn)營(yíng)銷 我是不是被竊聽了？ 數(shù)據(jù)挖掘：抓取、分類與解讀 用戶畫像 個(gè)性推薦 案例：精準(zhǔn)營(yíng)銷助力品牌推廣 第四節(jié)：精準(zhǔn)營(yíng)銷在金融中的運(yùn)用-消費(fèi)金融 客戶細(xì)分:客戶地圖 價(jià)格策略：成本覆蓋損失 營(yíng)銷策略：人海戰(zhàn)術(shù)+線上+線下 大數(shù)據(jù)運(yùn)用：營(yíng)銷輔助 （三）用戶畫像基礎(chǔ) 第一節(jié)：客戶畫像概述 什么是PERSONA？客戶畫像的重要性 數(shù)據(jù)的來(lái)源，客戶畫像的基礎(chǔ) 客戶畫像的應(yīng)用領(lǐng)域（推薦、定制、搜索） 定量畫像與定性畫像 第二節(jié)：以騰訊的用研為例-定性與定量結(jié)合 屌絲和長(zhǎng)尾：找出你真正的用戶 人口統(tǒng)計(jì)分析-年齡、性別、地域等顯性分析 ZMET分析，深層次畫像：建立表象特征到挖掘價(jià)值屬性 訪談的話術(shù)與技巧，內(nèi)在價(jià)值標(biāo)簽的提取 某產(chǎn)品訪談案例分享 第三節(jié)：畫像的應(yīng)用-某Q閱讀為例 用戶的人口統(tǒng)計(jì)數(shù)據(jù) 用戶行為數(shù)據(jù) 用戶的消費(fèi)行為數(shù)據(jù) 尋找讀者的痛點(diǎn)和爽點(diǎn) 第四節(jié)：用戶畫像在金融中的運(yùn)用-高凈值客戶分析 AUM：最常用的標(biāo)簽 活躍度：你眼中的客戶和真實(shí)的客戶 新思路：綜合貢獻(xiàn)度 （四）交叉銷售 第一節(jié)：交叉銷售的場(chǎng)景與運(yùn)用 交叉銷售，從關(guān)聯(lián)推薦和微信廣告說(shuō)起 從4P到4C，渠道的利用 別讓我思考，滿足用戶的便利性需求 ARPU,GMV如何倍增 第二節(jié)：某寶-瘋狂的賽車之買了又買 項(xiàng)目背景：擴(kuò)容細(xì)分類目下產(chǎn)品展示 Pidmatch模塊：寶貝和產(chǎn)品關(guān)聯(lián) CRM審核和產(chǎn)品關(guān)聯(lián)訂正信息模塊 買了又買模塊：產(chǎn)品關(guān)聯(lián)推薦 產(chǎn)品展示的視覺(jué)交互改進(jìn) 灰度測(cè)試及產(chǎn)品上線 第三節(jié)： 某Q的閱讀-渠道運(yùn)營(yíng)的力量 從閱文免費(fèi)新規(guī)說(shuō)開去 Wap、APP和Web不同的渠道 外部渠道互換：預(yù)裝、換量、和移動(dòng)結(jié)算 集齊七龍珠，抱緊黃鉆大腿 蚊子腿也是肉：某Q空間Banner圖 總結(jié)：互聯(lián)網(wǎng)運(yùn)營(yíng)也遵循商業(yè)規(guī)律 第四節(jié)：銀行軟開及運(yùn)營(yíng) 一張圖：矩陣管理與金字塔管理 資源的重要性，會(huì)哭的孩子有奶喝 誰(shuí)說(shuō)大象不能跳舞，銀行的覺(jué)醒 新動(dòng)向：科技金融戰(zhàn)略 （五）總結(jié) 要點(diǎn)總結(jié)及工具推薦 |
近期公開課推薦
