第1章 大数据与市场营销 1__eol__1.1 大数据产生的背景 1__eol__1.1.1 人类社会进步与大数据时代 1__eol__1.1.2 大数据爆发原因 3__eol__1.2 大数据的内涵 6__eol__1.2.1 大数据的定义 6__eol__1.2.2 大数据的特征 8__eol__1.3 大数据营销概论 9__eol__1.3.1 大数据营销的发展 9__eol__1.3.2 大数据营销的应用 14__eol__本章小结 15__eol__第2章 大数据营销分析基础 16__eol__2.1 数据挖掘标准过程模型 16__eol__2.2 大数据营销的基本流程 18__eol__2.3 大数据营销的核心能力 21__eol__2.3.1 大数据挖掘成功的要素 21__eol__2.3.2 成为合格的大数据营销人员 23__eol__2.4 大数据营销的分析模型与工具 25__eol__2.4.1 常用的大数据营销分析模型 25__eol__2.4.2 大数据营销分析工具 26__eol__本章小结 29__eol__第3章 数据准备 31__eol__3.1 数据准备概要 31__eol__3.1.1 数据结构类型 31__eol__3.1.2 数据准备工作内容 32__eol__3.2 数据清洗 33__eol__3.2.1 缺失值处理 33__eol__3.2.2 异常值处理 35__eol__3.3 数据变换 37__eol__3.3.1 数据规范化 37__eol__3.3.2 数据规约 38__eol__3.3.3 数据正态化 40__eol__3.4 数据集成 41__eol__3.4.1 实体识别 41__eol__3.4.2 冗余属性识别 41__eol__3.4.3 删除动作的讨论 42__eol__本章小结 44__eol__第4章 数据探索 45__eol__4.1 探索性数据分析 45__eol__4.1.1 探索性数据分析的概念 45__eol__4.1.2 探索性数据分析的内容和步骤 46__eol__4.2 探索数据特征 47__eol__4.2.1 认识数据集 47__eol__4.2.2 探索分类型变量 50__eol__4.2.3 探索数值型变量 56__eol__4.2.4 探索变量的多元关系 61__eol__4.3 发现派生特征变量 65__eol__4.3.1 基于数据集观察的发现 66__eol__4.3.2 基于领域知识的发现 70__eol__本章小结 80__eol__第5章 消费者行为分析 81__eol__5.1 消费者行为分析概要 81__eol__5.1.1 消费者行为的内涵 81__eol__5.1.2 消费者行为分析的内涵 82__eol__5.2 回归分析 83__eol__5.2.1 线性回归 83__eol__5.2.2 逻辑回归 85__eol__5.3 逻辑回归分析实例 87__eol__5.3.1 数据集 87__eol__5.3.2 数据分析与可视化 88__eol__5.3.3 回归分析 92__eol__5.4 决策树 99__eol__5.4.1 决策树简介 99__eol__5.4.2 决策树的分类算法 100__eol__5.4.3 决策树的使用条件 101__eol__5.5 决策树分析实例 101__eol__5.5.1 数据集 101__eol__5.5.2 数据分析与可视化 103__eol__5.5.3 决策树分析 109__eol__本章小结 113__eol__【实训——会员留存分析】 114__eol__第6章 商品分析与推荐 117__eol__6.1 商品分析概要 117__eol__6.1.1 商品分析的内涵 117__eol__6.1.2 商品分析的目标 118__eol__6.2 商品分析实例 119__eol__6.2.1 数据集概况 119__eol__6.2.2 趋势分析 122__eol__6.3 商品推荐实现 133__eol__6.3.1 商品推荐系统 133__eol__6.3.2 协同过滤算法 134__eol__6.3.3 商品推荐实例 135__eol__本章小结 145__eol__【实训——服装销售数据分析】 146__eol__第7章 营销效果预测 150__eol__7.1 市场营销预测基础 150__eol__7.1.1 市场营销中的预测分析 150__eol__7.1.2 分类模型的评估 151__eol__7.2 随机森林模型 152__eol__7.2.1 随机森林的工作原理 152__eol__7.2.2 随机森林算法的优缺点 155__eol__7.2.3 随机森林算法的应用场景 155__eol__7.3 市场营销预测实例 156__eol__7.3.1 数据集及其特征变量的选择 156__eol__7.3.2 特征变量的编码 158__eol__7.3.3 建立预测模型 160__eol__本章小结 166__eol__【实训——价格优惠和客户态度分析】 166__eol__第8章 客户终身价值预测 169__eol__8.1 客户终身价值基础 169__eol__8.1.1 客户终身价值的内涵 169__eol__8.1.2 客户终身价值的意义 170__eol__8.1.3 客户终身价值的计算与分析 171__eol__8.2 回归模型的评估 172__eol__8.3 客户终身价值预测实例 173__eol__8.3.1 数据集概况与数据清理 173__eol__8.3.2 数据分析 177__eol__8.3.3 价值预测 180__eol__本章小结 187__eol__【实训 1 ——流量分析】 187__eol__【实训 2 ——汽车销售量预测】 189__eol__第9章 客户细分 191__eol__9.1 客户管理基础 191__eol__9.1.1 客户管理的定义 191__eol__9.1.2 客户管理的内容 192__eol__9.1.3 大数据在客户管理中的作用 193__eol__9.2 聚类算法 194__eol__9.2.1 聚类算法应用场景 194__eol__9.2.2 聚类算法原理 195__eol__9.2.3 k-means聚类算法的步骤 197__eol__9.3 客户细分中的聚类算法实例 198__eol__9.3.1 数据集概况及数据清理 198__eol__9.3.2 k - means聚类算法 202__eol__9.3.3 解释客户群体 205__eol__本章小结 207__eol__【实训——会员分群数据分析】 208__eol__第10章 A/B测试 210__eol__10.1 A/B测试基础 210__eol__10.1.1 A/B测试的概念 210__eol__10.1.2 A/B测试的步骤 211__eol__10.1.3 A/B测试的意义 214__eol__10.2 营销的A/B测试与检验 215__eol__10.2.1 营销的A/B测试 215__eol__10.2.2 统计假设检验 215__eol__10.3 A/B测试的评估实例 216__eol__10.3.1 数据集概况 216__eol__10.3.2 数据分析 218__eol__10.3.3 统计假设检验 223__eol__本章小结 227__eol__【实训—— A/B测试数据分析】 227__eol____eol__