时间 | 主题 | 内容 |
第一天 | 流量套餐目标客户建模与画像 | 一、流量套餐目标客户建模与画像实战-基于Python 1. 案例背景说明 2. 流量套餐目标客户建模与画像实战业务背景分析 3. 案例数据集介绍 4. 客户画像基础知识介绍 1)什么是用户画像 2)用户画像标签体系建设方法 3)时间衰减模型在用户画像的应用 4)使用机器学习技术计算标签 5. 大流量套餐客户建模特征建模 1)上网行为特征 2)APP下载特征 3)流量使用特征 4)网页浏览特征等 6. 基于机器学习技术预测客户标签 7. 用户生命周期理论分析 8. 宽带用户画像分析 |
流量套餐目标客户分群与分级 | 一、流量套餐目标客户分群与分级-基于Python 1. 案例背景说明 2. 流量套餐目标客户分群与分级业务背景分析 3. 案例数据集介绍 4. 客户分群基础知识介绍 1)什么是客户分群 2)客户分群建设方法 3)基于规则的方法 4)基于模型(聚类)的方法 a)KMeans原理 b)RFM模型 5. 基于雷达图方法分析客户价值 6. 宽带客户价值计算变种RFM 7. 基于流量套餐的用户行为数据,完成用户建模 |
|
第二天 | 流量套餐营销渠道建模与画像 | 一、流量套餐营销渠道建模与画像-基于Python 1. 案例背景说明 2. 流量套餐营销渠道建模与画像业务背景分析 3. 案例数据集介绍 4. 营销渠道建模基础知识介绍 1)什么是营销渠道建模 2)营销渠道建模建设方法 3)基于规则的方法 4)基于模型的方法 a)KMeans原理 b)RFM模型 c)交叉分析方法 d)决策选择模型-规划算法 5. 基于雷达图方法分析营销渠道价值 6. 营销渠道价值计算变种RFM 7. 基于营销渠道行为数据,完成营销渠道建模 |
第三天 | 流量套餐营销话术建模与画像 | 一、流量套餐营销话术建模与画像-基于Python 1. 案例背景说明 2. 流量套餐营销话术建模与画像业务背景分析 3. 案例数据集介绍 4. 营销话术建模基础知识介绍 1)什么是营销话术建模 2)营销话术建模建设方法 3)基于规则的方法 4)基于模型的方法 a) 自然语言处理技术 b) 知识库 c) 知识图谱 d) 基于分类算法完成营销话术响应分析 5. 基于NLP方法分析营销话术价值与建模 6. 基于NLP方法分析营销数据,完成话术建模 |
第四天 | 基于分类器完成客户响应预测 | 一、基于分类器完成客户响应预测-基于Python 1. 案例背景说明 2. 客户响应预测业务背景分析 3. 案例数据集介绍 4. 客户响应预测基础知识介绍 1)什么是营销响应 2)基于XGBoost完成响应预测建模 3)基于规则的方法 5. 客户响应预测模型搭建 |
第五天 | 营销落地与模型反馈调优 | 一、营销落地与模型反馈调优-基于Python 1. 案例背景说明 2. 营销落地与模型反馈调优业务背景分析 3. 案例数据集介绍 4. 营销落地与模型反馈调优基础知识介绍 1)什么是模型反馈调优 2)模型反馈调优建模建设方法 3)模型反馈调优机制设计方法 5. 案例实践:用户分群优化 6. 案例实践:渠道建模优化 7. 案例实践:营销策略优化 |
模型固化、成果输出、报奖等 | 一、模型固化、成果输出、报奖等-基于Python 1. 案例背景说明 2. 模型固化、成果输出、报奖等业务背景分析 3. 案例数据集介绍 4. 模型固化、成果输出、报奖等基础知识介绍 1)什么是模型固化 2)模型固化建设方法 3)模型固化设计方法 5. 案例实践:用户分群模型固化与成果输出 6. 案例实践:渠道建模模型固化与成果输出 7. 案例实践:营销策略模型固化与成果输出 |
|
第六天 - 第八天 | 课题优化开发与辅导 |
|