
精细化运营·决策树·可视化·互联网·社会化媒体·引爆点
主讲人——傅志华TonyFu
讲师简介:
傅志华先生在互联网行业、产品与营销研究有超过十年的经验,谙熟数据分析和数据挖掘方法。曾担任腾讯社交网络数据分析中心总监以及腾讯公司数据协会会长,专注于移动互联网、社交网络、开放平台、APP、网络游戏以及网络会员服务的深度研究,并通过数据分析和数据挖掘支撑互联网产品精细化营销。
在腾讯前,曾就职于艾瑞市场咨询、易观国际、中国互联网协会,并任 DCCI 互联网数据中心副总裁,在此期间,傅志华先生曾对互联网主流二十多个细分领域进行研究,并对移动互联网、电子商务、网络游戏、社会化媒体以及网络广告等领域进行深入的跟踪研究,并在多家 IT 类杂志发表文章。
最近参与的演讲:
中国网络传播学年会澳门国际会议: 演讲:中国社会化媒体雨效果评估体系
中国移动互联网发展趋势
Social Beta深圳年会:探索互联网社区的传播评估体系
课程大纲:
第一天上午(180分钟) |
|
一、大数据特征、挑战与应用关键 (70分钟) |
(1)大数据的特征与挑战 介绍大数据的特征以及三个重要的转变; (2)大数据的发展驱动力 介绍互联网与移动互联网在大数据发展中的作用以及相关的生态变化; (3)互联网大数据应用 介绍百度\腾讯\阿里的大数据体系以及应用方向; (4)我们怎么用大数据 介绍大数据在互联网企业的落地存在的问题、方法和具体应用场景; |
二、大数据相关电影剪辑—《点球成金》给我们的启示 |
( 20分钟) |
三、大数据支撑产品精细化运营监控 (90分钟) |
介绍如何通过大数据分析及时发现互联网产品运营的问题与机会 (1) 产品运营监控金字塔(上)——纵向结构:物理拆解 介绍如何通过构建产品运营金字塔监控体系来及时发现互联网产品运营KPI的异动和问题 1.1金字塔原理简介 1.2产品运营监控指标金字塔指引 1.3产品运营监控指标金字塔示例 (2)产品运营监控金字塔(下)——横向结构:用户关键触点监控与优化 2.1什么是用户触点 2.2Google的GA、友盟统计在关键触点上给我们哪些启发 2.3关键触点应用实例:以A社区为例 2.4有哪些启发 |
第一天下午(180分钟) |
|
四、大数据支撑产品精细化运营 (180 分钟) |
(1)数据支撑互联网产品营销活动优化 40 分钟 介绍数据在日常的产品运营活动中的使用方法 1.1 通过 Abtest 提升营销创意效果 1.2 通过数据挖掘优化营销效果 (2)大数据用户生命周期管理与产品精细化营销 140 分钟 介绍如何通过用户生命周期管理和数据挖掘结合的办法,来发现潜在用户,预警用户流失,优化产品 运营效果 2.1 用户生命周期管理简介 2.1.1 用户生命周期管理是什么 2.1.2 用户生命周期管理的价值杠杆 2.1.3 实施用户生命周期管理的关键 2.2 用户生命周期管理的实现方法——数据准备及模型建设 2.2.1 建模 2.2.2 模型应用情况 2.3 用户生命周期管理方案试点、固化及应用 2.3.1 方案试点和固化 2.3.2 用户生命周期管理系统应用及展望 |
第二天上午(180分钟) |
|
五、大数据推荐在互联网产品的应用 (90 分钟) |
(1) 推荐的原理介绍与关键思想 介绍推荐算法的原理与常见算法思想 1.1 推荐算法概述 1.2 推荐算法核心的思想 (2)推荐在互联网音乐中的应用案例 通过案例介绍音乐推荐的思想、流程、算法及注意事项 2.1 推荐核心思想 2.2 推荐算法流程 2.3 推荐偏好判断 2.4 物品相似度计算 2.5 推荐效果 (3)推荐在应用推荐中的应用 通过案例介绍应用推荐的实现方法 3.1 通过决策树算法来实现推荐 3.2 通过人口属性结合应用质量实现推荐 |
六、分类方法在互联网产品精细化运营中的应用(90 分钟) |
(1)需要用户分类(用户细分)的常见场景 介绍用户细分在互联网产品运营中常用到的场景 (2)用户分类常用算法介绍 介绍用户细分的常见算法和效果 (3)用户分类实践案例 通过具体的案例从背景\目标\数据\实施\效果等角度介绍用户细分方法在互联网产品运营的具体应用 |
第二天下午(180分钟) |
|
七、社会化媒体发展与大数据语义分析应用(60 分钟) |
(1)社会化媒体发展与大数据品牌营销 介绍社会化媒体包括微博\微信的发展情况与大数据营销的机会 1.1 社会化媒体正在发生的变局 1.2 社会化媒体发展带来的挑战 1.3 社会化大数据如何助力品牌营销 (2)大数据洞察口碑与管理口碑 介绍如何口碑形成的机制,测量口碑的数据方法以及如何通过大数据激发口碑 2.1 口碑形成机制 2.2 口碑三大分类 2.3 管理与激发口碑 2.4 口碑价值与模型 (3)大数据舆情监测与管理 介绍负面舆情监控关键方法 3.1 负面舆情的影响 3.2 舆情监测关键成功要素 3.3 舆情监测与负面预警 3.4 社会化媒体时代危机公关七要素 3.5 舆情管理机制与提示 (4)大数据社会化媒体传播与舆情监测体系 介绍如何通过形成系统化的社会化传播监控体系 4.1 构建监测体系的必要性与挑战 4.2 网络舆情与口碑测量体系的误区 4.3 社会化媒体营销与传播评估体系 |
八、数据可视化的技巧 |
(1)数据可视化的价值 介绍数据可视化的价值 1.1 商业价值 1.2 用户价值 (2)数据可视化的几个关键 介绍数据可视化的关键要素 2.1 简洁 2.2 层次 2.3 可对比 2.4 颜色表意 2.5 可探索 2.6 讲故事 数据如何引爆产品 |
九、数据如何引爆产品传播 |
本部分介绍如何通过数据挖掘形成有意思的发现,为互联网产品宣传\公关提供引爆的传播点 (1)大数据传播的常识 介绍通过大数据挖掘来传播互联网产品的注意事项 (2)大数据传播的流程和方法 介绍如何选题、数据分析、选择引爆点、图谱设计等流程,以及每个环节中的难点和注意点 (3)大数据传播策划的几个关键 通过具体的案例介绍大数据引爆产品传播的关键要素 |
详细安排:
【咨询方式】
电话:010-68454276
手机:15210500313(周老师)QQ:2881989708
15210507396(刘老师)QQ:2881989707
邮箱:zhoulei@pinggu.org
ljbing@pinggu.org
——Join Learn!
【精细化运营·决策树·可视化·互联网·社会化媒体·引爆点】
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13