市场调研与数据分析

【课程背景】

    现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，同时也会释放出庞大的数据能量，大数据就是这个高科技时代的产物，大数据并不在“大”，而在于“有用”。价值含量、挖掘、应用比数量更为重要。对于需求的动态变化，需建立一个多维度的产品应用、客群画像，才能够做到“大数据比产品本身更了解产品，比客户自己更了解自己需求”，大数据的产品应用场景让数据重新理解产品，把产品自身、服务与客户形成强关系，在产品使用过程中建立数据触角，随时可清晰了解产品应用状态，客户的体验与场景需求。

    课程将以大数据分析切入点，还原金融环境中的实际案例，帮助学员理解大数据是什么？大数据有什么特点，区别在哪里？数据如何洞察产品需求？产品整个生命周期的数据管理该如何做？大数据洞察的客群特点是什么？如何构建金融应用场景与客群关系？使学员学之解惑，学之能用。

【课程收益】

Ø  金融大数据的应用现状与痛点，大数据特点，技术图谱及大数据思维

Ø  大数据分析、建模、标签化管理、数据洞察产品需求

Ø  大数据下的产品场景，找回需求原点，构建金融产品需求场景

Ø  金融产品数据分析与挖掘、金融产品研发前置分析及商业应用全周期

Ø  大数据洞察的客户关系，洞察维度，客群分析，客群在线的四大场景

Ø  金融应用场景与客群关系，基于用户洞察体验需求升级

【课程特色】干货，没有废话；科学，逻辑清晰；实战，学之能用；投入，案例精彩

【课程对象】产品研发团队、产品经理、产品需求调研团队、营销、营销分析、运营

【课程时间】6小时

【课程大纲】

一、市场调研维度与用户认知

1、思维创新技术路径

2、市场调研的目的

Ø  调研目的

Ø  调研对象

Ø  需要收集的数据

Ø  需要达成的效果

3、调研的五大维度

Ø   网点周边商业

Ø   网点周边社区

Ø   网点周边用户

Ø   竞争对手

Ø   合作单位

3、调研的三种方法

Ø   实地调研

Ø   文案调研

Ø   特殊调研

4、市场调研的3个目的

5、市场调研的数据陷阱

6、用户存在无意识的感知偏误

7、用户观念跟不上企业创新

二、市场调研方法与失效因素

1、市场调研中容易混淆的3种误差

Ø  固有误差

Ø  随机误差

Ø  主观误差

13、市场调研 - 行业成熟度

14、市场调研 - 市场发展空间

15、市场调研 - 未来市场规模

16、市场调研 - 行业发展趋势

17、致使市场调研失效的7个因素

Ø  某些消费者有“隐形需求”

Ø  调研的时间太远，不具备结论

Ø  霍桑效应

Ø  偏见与歧视

Ø  沉迷市场机会和体量导致市研失效

Ø  消费者是自我的导致市研失效

Ø  消费者难以场景化导致市研失效

Ø  8、从众心理导致虚假信息

Ø  9、维护形象导致虚假信息

Ø  10、思维锚定导致低效信息

Ø  11、广告干扰导致低效信息

18、如何整理市场调研数据

19、市场调研分析报告

Ø  整个大市场分析

Ø  整体市场下的细分市场分析

Ø  典型产品分析

Ø  新机会

Ø  风险

大数据技术图谱

Ø   大数据技术基础

Ø   大数据的数据源特点

Ø   大数据技术逻辑

Ø   大数据全域识别

Ø   大数据数据展现

5、大数据思维

Ø  全样

Ø  容错

Ø  相关

Ø  智能

案例：

二、数据分析

1、数据分析意识

Ø  对比关系

Ø  看趋势

Ø  重点数据

2、数据分析方法

Ø  对比分析法

Ø  结构分析法

Ø  交叉分析法

Ø  分组分析法

Ø  漏斗分析法

Ø  杜邦分析法

Ø  矩阵关联分析法

2、数据分析报告对产品研发的影响

3、数据预处理

4、特征分析

5、算法建模

Ø  线性回归

Ø  聚类

Ø  分类

6、数据表达

Ø  分布数据可视化

Ø  分类数据可视化

Ø  线性关系数据可视化

7、数据挖掘

8、统计分析方法

Ø  集中趋势

Ø  离散程度

Ø  相关程度

Ø  参数估计

Ø  假设检验

9、

大数据分析与建模

Ø   建模

Ø   训练模型

Ø   应用模型

Ø   优化模型

2、大数据标签化管理

Ø   数据标签

Ø   标签

Ø   多样化标签与场景化应用

Ø   基于标签化的产品画像

3、数据洞察金融产品需求

4、大数据为金融产品赋能

5、金融大数据的数据挖掘与建模

Ø   大数据挖掘流程与逻辑

Ø   大数据基本算法逻辑

Ø   大数据挖掘特性

Ø   大数据建模逻辑

Ø   数据＋模型＝产品能力？

案例：

三、贯穿整个金融产品生命周期的数据挖掘

1、金融大数据分析与数据挖掘

Ø  业务场景

Ø  数据建模

Ø  挖掘算法

Ø  相关分析

2、大数据应用场景及场景解析

3、找回需求原点，构建产品需求场景

4、产品数据分析与挖掘的样本条件

5、产品研发前置分析

Ø  需求任务

Ø  研究目的

Ø  关键指标

6、产品生命周期 - 产品研发设计

Ø  策略研究

Ø  概念评估

Ø  产品研发

Ø  产品测试

7、产品生命周期 – 商业应用

Ø  导入

Ø  发展

Ø  成熟

Ø  衰退

8、产品商业应用的数据触角

案例：

四、大数据洞察的客群分析

1、与客户关系的核心

Ø  传统价值

Ø  高阶价值

2、大数据驱动的客群洞察-数据维度

Ø  真实性

Ø  立体性

Ø  即时性

3、大数据驱动的客群洞察 – 营销维度

Ø  目标客群旅程

Ø  营销活动评估

Ø  社交表现追踪

Ø  行为趋势洞察

4、客群洞察与分析

Ø  基础属性

Ø  需求解构

Ø  客群分层

Ø  客户心智

Ø  内容偏好

Ø  产品能力

Ø  场景故事

Ø  金融价值

Ø  逻辑解析

5、客户在线的四大场景

Ø  输入场景

Ø  浏览场景

Ø  搜索场景

Ø  交易场景

6、金融应用场景与客群关系

Ø  可运营人群数 – 活跃用户

Ø  人群转化率 – 关系加深率

Ø  高价值人群总量

Ø  高价值人群活跃度

7、创新实践，端到端的整合场景

Ø  场景总览

Ø  预设GMV目标，反推各阶层用户体量

8、内容传播渠道

Ø  内容矩阵

Ø  数字媒介矩阵

Ø  融合匹配

Ø  KOL选择

9、基于内容营销闭环的布局

Ø  基础内容投放

Ø  头部内容资源

Ø  人群关系触达

10、基于用户洞察体验升级需求