大数据时代营销人的变革-预测营销 本书特色
本书以大数据和机器学习为基础，为营销人员提供了一个关于预测营销的导引手册，使得个性化营销得以付诸实践。本书涵盖了从零售到出版、从软件到制造的各种成功案例，希望读者可以从中获益。
本书分为三个主要部分。**部分，“预测营销完全入门”，介绍了预测性营销的许多基本元素，包括什么是预测营销软件，数据科学和预测分析工作原理，以及客户生命周期价值概念的基本元素。第二部分，“轻松上手预测营销就这九招”，会提供切实的战略指南，助你轻松入门。第三部分，“如何成为一个真正的预测营销高手”，对预测营销技术进行综述，为营销人提供一些职业建议，并探讨隐私和预测营销的未来。
本书是为准备学习预测营销的营销人员量身打造的，也适合正在公司里进行实战的营销人员和需要从事预测工作的大数据分析师阅读。
大数据时代营销人的变革-预测营销 内容简介
本书提供了一套数据驱动的营销框架，讲解如何基于大数据定位客户角色、预测客户价值、量身推荐产品、保留客户群体等内容。
本书主要目的是希望读者能有效地利用数据的价值，在大数据时代找到传统营销方式的出路，同时在思想上得到以下几个有用的大数据营销观点。
1、 利用基于数据的生命价值营销有效地挖掘高价值客户，减少在低价值客户身上花费的成本；
2、利用大数据分析手段，多保留和重新激活老客户才能保证高效地增长，而不是一味地增加新客户；
3、运用聚类、分类等数据挖掘算法发现你不曾知道的客户群，并用来区分和优化营销活动，使精准营销变为可能。
大数据时代营销人的变革-预测营销 目录
**部分 预测营销完全入门第1章 大数据和预测分析技术就在眼前 / 2预测营销革命 / 6客户权益的力量 / 8预测营销的应用 / 11预测营销普及率正在加快 / 14客户要求与品牌建立更有意义的联系 / 14早期采用者的经验表明，预测营销能带来巨大价值 / 17新技术的推出让预测营销变得简单 / 18建立预测营销系统需要什么条件 / 21第2章 预测分析技术简易入门手册 / 23什么是预测分析技术 / 24无监督学习技术：聚类模型 / 26聚类和细分的区别 / 26有监督学习：倾向性模型 / 29如何使用预测模型十分位数法 / 30预测模型和rfm模型对比 / 32强化学习和协同过滤 / 33不同类型的推荐模型 / 35预测分析流程 / 37数据收集、净化和准备 / 38异常值检测 / 38特征生成和提取 / 39分类器和系统设计 / 40预测分析技术的“*后一公里”问题 / 41第3章 首先要了解客户：建立完整的客户档案 / 43收集多少数据合适 / 45收集哪类信息 / 47准备数据以供分析 / 52人名的净化和验证 / 53地址的净化和验证 / 54链接和重复信息删除 / 55与it部门合作完成数据集成 / 56在你的数据中寻找数百个问题 / 61销售 / 61客户 / 62营销/渠道 / 66产品 / 67第4章 管理客户就像管理资产组合，要不断增值 / 68什么是客户生命周期价值 / 69历史生命周期价值 / 69预期客户价值 / 71向上生命周期价值 / 73提高单个客户的生命周期价值 / 75获取 / 75价值增长 / 76保留 / 76提高所有客户的生命周期价值 / 78加入更多（有价值）客户 / 78防止流失 / 79与不活跃客户互动 / 79第二部分 轻松上手预测营销就这九招第5章 **招：运用客户数据，优化营销开支 / 82对客户获取、保留和再激活进行投资 / 83优化获取成本 / 89优化客户保留预算 / 91根据客户价值区分投资额 / 92找到合适的产品吸引高价值客户 / 93一个终点归因的例子 / 95第6章 第二招：预测客户角色，让营销重回正轨 / 99聚类类型 / 101基于产品的聚类 / 101基于品牌的聚类 / 102基于行为的聚类 / 103利用聚类提高客户获取水平 / 106使用聚类时需要注意的几个问题 / 107运动变化中的聚类 / 107第7章 第三招：预测客户演变过程，为生命周期营销做准备 / 109客户的价值旅程 / 110**笔价值 / 112再现价值 / 113新价值 / 115生命周期营销策略 / 116潜在客户策略：我们帮得上忙吗 / 116新客户策略：谢谢你 / 118回头/活跃客户策略：我们爱你 / 120不活跃客户策略：记住我 / 121流失客户策略：我们想你 / 122第8章 第四招：预测客户价值，进行价值导向营销 / 123价值导向营销 / 123保留高价值客户 / 128提升中等价值客户的价值 / 129减少低价值客户服务成本 / 131第9章 第五招：预测购买或互动的可能性，为客户排名 / 132购买可能性预测 / 133首次买家的购买可能性 / 134重复的购买可能性 / 135使用购买可能性预测选择正确的折扣水平 / 135b2b营销中的预测性线索评分 / 138互动可能性模型 / 140邮件发送频率 / 143第10章 第六招：预测个人喜好，为每位客户量身推荐 / 147选择正确的客户或细分市场 / 148购买时推荐 / 149购买后推荐 / 150客户生命周期中的推荐 / 150理解客户使用场景 / 151内容——推荐什么 / 153除了推荐，还有什么 / 154第11章 第七招：启动预测计划，转化更多客户 / 156预测再营销活动 / 156针对放弃购物车付款的预测营销活动 / 159放弃搜索后的预测营销活动 / 160放弃网页浏览后的预测营销活动 / 161相似受众营销 / 162相似度或可达性优化 / 164第12章 第八招：启动预测计划，提升客户价值 / 166增加客户价值的秘诀 / 166购买后预测营销项目 / 168客户欢迎活动 / 168购买后推荐 / 170再补充活动和重复购买活动 / 170新产品推介 / 172客户答谢活动 / 172预测分析时代的客户忠诚项目 / 175谈谈全渠道营销 / 177第13章 第九招：启动预测计划，留住更多客户 / 180理解什么是保留率 / 180负流失的概念 / 181理解你的商业模式 / 182价值迁移也是流失的一种形式 / 185流失管理项目 / 186主动保留管理 / 187挽留客户要花多少钱 / 189客户保留和钱包份额 / 190找到流失的根本原因 / 190客户再激活活动 / 191四步完成再激活 / 192第三部分 如何成为一个真正的预测营销高手第14章 预测营销能力一览表 / 196预测营销的组织能力 / 196预测营销的技术能力 / 199客户数据整合 / 201预测的洞察力 / 202营销活动自动化 / 203询问预测营销供应商哪些问题 / 203你是否要对你的客户获得完整且准确的印象 / 204我能获取哪种市场细分和目标市场确定 / 206在市场细分或推荐中采取行动有多简单 / 206除了有关功能的问题，问问自己，这个供应商是否适合你 / 207第15章 预测式（相关）营销技术综述 / 209自己动手进行预测营销 / 209外包给营销服务提供商 / 211活动管理和营销云选择 / 212其他你可能听说过的工具 / 213网络分析 / 216数据管理平台（dmps） / 216电子邮件服务提供商（esps） / 217客户关系管理（crm） / 218高级分析 / 218哪个解决方案适合我 / 219无论你做什么——开始行动 / 220以小规模为起点 / 220将客户数据导入，将数据科学外包 / 221用预测营销补充你现有的基础设施 / 221第16章 给有抱负的预测营销者的职业建议 / 223商业理解比精通数学更胜一筹 / 224问正确的问题 / 225将艺术和营销科学融合 / 226学习他人 / 227第17章 隐私、愉悦和逾越的区别 / 229个人信息类型 / 230避免侵犯客户隐私的情形发生 / 232给予客户掌控权 / 232硬边界和政府立法 / 233第18章 预测营销的未来 / 235先进的预测性分析模型 / 237像预测营销者一样思考 / 238附录a 客户数据类型综述 / 243
大数据时代营销人的变革-预测营销 作者简介
Ömer Artun一位科班出身的科学家，内心其实是一位企业家，总有一种对知识的渴求和挑战现状的欲望。1999年博士毕业后加入麦肯锡，在几个项目中测试数据科学方法；2002年加入Micro Warehouse公司，担任营销副总裁，将数据科学引入日常经营中；2006年加入百思买公司，担任新组建的企业业务部门高级总裁。他坚信，数据驱动下的预测营销将成为未来十年的新潮流。创立了AgilOne公司，旨在通过一个易用、强劲的云平台，向每位营销人提供大数据和预测分析技术服务。Dominique Levin她修读了工程、设计和商业管理专业。过去20年，在大大小小的公司做市场营销，足迹遍布各大洲，客户既有企业也有个人，是客户数据重要性最早的推崇者之一。2000年经营了自己的第一家数据公司LogLogic，该公司随后被TIBCO软件公司收购。之后陆续在几家科技公司工作，包括Fundly和Totango，负责建立高度数据驱动的营销组织。
译者介绍：曹正凤，统计学博士，经管之家（原人大经济论坛）大数据中心总工程师，经管之家（原人大经济论坛）CDA大数据分析师培训负责人，北京博宇通达科技有限公司技术总监。致力于大数据分析前沿领域研究，主持人大经济论坛基于Hadoop架构的论坛主题推荐系统项目，参与国家社科基金项目《基于大数据整合的空气质量测度方法研究》，发表多篇论文，且发表的EI核心收录论文受到多次检索。秦磊，经济学博士，对外经济贸易大学统计学院讲师、硕士生导师，对外经济贸易大学大数据与风险管理研究中心成员。主要研究数据挖掘、大数据计算、时间序列、金融风险管理及其应用。先后在国内核心期刊《统计研究》、《数量经济技术经济研究》、《中国科学：数学》、《数理统计与管理》、《中国管理科学》、《商业经济与管理》上公开发表多篇学术论文，出版译著《智能大数据SMART准则：数据分析方法、案例和行动纲领》，主持北京市自然科学基金、211项目等多项课题。谢邦昌，台湾大学生物统计学博士，辅仁大学统计信息学系教授。现任中华数据挖掘协会（Chung-hua Data Mining Society，CDMS）理事长，辅仁大学统计资讯学系教授，华通人商用信息有限公司高级顾问。中国人民大学应用统计科学研究中心学术委员会委员。中国人民大学统计学系Data Mining中心客座教授，上海财经大学统计学系客座教授。厦门大学计划统计学系客座教授。西南财经大学客座教授。他是数据挖掘界领军人物及世界知名统计学家。发表过近三百篇关于统计和数据挖掘的论文，出版了近五十余本相关专著，拥有丰富的大数据分析行业经验。王淑燕，女，山东菏泽人，辅仁大学商学研究所博士，研究领域为应用统计科学及大数据分析，曾在《运筹与管理》、《ICIQ 2014 19thInternational Conference on Information Quality》和《American Journal of Industrialand Business Management》等国内外杂志发表论文数篇。
