Excel營銷數據分析寶典—大數據時代下易用、超值的數據分析技術(PDF 64頁)
Excel營銷數據分析寶典—大數據時代下易用、超值的數據分析技術(PDF 64頁)內容簡介
目錄
第Ⅰ部分 使用 Excel 彙總市場
營銷數據
第 1 章 使用 PivotTable 對新利体育取现 數據
進行交叉分析·3
1.1 分析 True Colors Hardware (本色
五金商店)的銷售情況 ·3
1.1.1 計算兩個商店的銷售
百分比·· 4
1.1.2 按月彙總收益 7
1.1.3 計算各產品的收益· 8
1.1.4 帕累托 80-20 原則·· 9
1.1.5 報表篩選器和切片器 9
1.2 分析 La Petit 麵包店的銷售
情況·11
1.2.1 總結一周內各天對麵包店
銷售情況的影響 ·· 13
1.2.2 產品季節性因素分析· 13
1.2.3 分析麵包店銷售趨勢· 15
1.2.4 分析促銷對銷售情況的
影響· 16
1.3 分析人口結構如何影響銷售
情況·17
1.3.1 分析訂閱者的年齡·· 17
1.3.2 分析訂閱者的性別·· 18
1.3.3 描述訂閱者的收入分布 19
1.3.4 描述訂閱者的位置·· 20
1.3.5 構建年齡與收入的交叉分析· 20
1.4 用 GETPIVOTDATA 函數從
PivotTable中提取數據··21
1.5 本章小結22
1.6 練習題·22
第 2 章 使用 Excel 圖表彙總新利体育取现
數據 ·25
2.1 組合圖表25
2.1.1 在柱形圖中添加生動的產品
圖片 · 27
2.1.2 在圖表中添加標簽或表格 29
2.2 使用 PivotChart 彙總市場調研
數據·30
2.3 確保添加新數據時圖表自動
更新·32
2.4 製作動態圖表標簽··33
2.5 銷售團隊月度業績排名彙總··35
2.6 在圖表中使用複選框來控製
數據·37
2.7 使用迷你圖彙總多個數據係列39
2.8 使用 GETPIVOTDATA 創建
本周銷售報表·42
2.9 本章小結44
2.10 練習題··44
第 3 章 使用 Excel 函數彙總新利体育取现
數據 ·47
3.1 使用直方圖彙總數據 ·47
3.1.1 使用 TRANSPOSE 函數 48
Excel 營銷數據分析寶典——大數據時代下易用、超值的數據分析技術
XII
3.1.2 使用 FREQUENCY 函數 · 48
3.1.3 偏斜度與直方圖圖形· 50
3.2 使用統計函數彙總新利体育取现
數據·51
3.2.1 使用 Excel 函數計算數據集的
典型值 51
3.2.2 典型值的哪種度量最佳 52
3.2.3 使用 VAR 和 STDEV 函數
彙總差異·· 53
3.2.4 彙總數據集的經驗法則 53
3.2.5 PERCENTILE.EXC 和
PERCENTRANK.EXC
函數· 54
3.2.6 LARGE 與 SMALL 函數 · 54
3.2.7 使用 COUNTIF 和 SUMIF
函數· 54
3.2.8 使用 COUNTIFS、SUMIFS、
AVERAGEIF 和 AVERAGEIFS
函數· 57
3.2.9 使用分類彙總來彙總數據 ·· 59
3.2.10 使用數組公式彙總 ESPN 雜
誌訂閱者的人口統計數據 61
3.3 本章小結62
3.4 練習題 63
第Ⅱ部分 定 價 策 略
第 4 章 評估需求曲線並使用規劃
求解來最優化定價·67
4.1 評估線性和乘冪需求曲線 ··67
4.1.1 價格彈性 ·· 68
4.1.2 需求曲線的形式 68
4.2 使用 Excel 規劃求解來最優化
定價·71
4.2.1 剃須刀(不含刀片)的定價
策略· 72
4.2.2 結合配套產品· 74
4.3 使用主觀評估需求曲線進行
定價·75
4.4 使用規劃求解表對多種產品
進行定價··77
4.5 本章小結81
4.6 練習題·81
第 5 章 捆綁定價 85
5.1 為什麼要捆綁·85
5.1.1 捆綁產品以獲取消費者
剩餘 · 86
5.1.2 單純捆綁 86
5.1.3 混合捆綁 87
5.2 使用演化規劃求解找出最優
捆綁定價 ··88
5.2.1 演化規劃求解介紹 89
5.2.2 找出最優的捆綁定價·· 91
5.3 本章小結93
5.4 練習題·93
第 6 章 非線性定價策略 ·97
6.1 需求曲線和支付意願 ·98
6.2 使用非線性定價策略最大化
利潤·98
6.2.1 最優化標準數量折扣·· 99
6.2.2 最優化非標準數量折扣· 101
6.2.3 最優化雙重收費· 101
6.3 本章小結·104
6.4 練習題··104
第 7 章 撇脂定價策略與銷售·107
7.1 價格隨時間而下降107
7.1.1 學習曲線 107
7.1.2 競爭對手 108
7.1.3 撇脂定價策略 · 108
7.2 為何會有低價銷售109
7.3 本章小結·112
7.4 練習題··112
第 8 章 收益管理 ·115
8.1 為貝茲汽車旅館和細分消費者
評估需求 116
8.1.1 評估需求曲線 ·· 116
8.1.2 最優化單一價格·· 117
8.1.3 使用兩種價格來細分消費者·· 118
目 錄
XIII
8.1.4 具有容量限製的細分市場 120
8.2 應對不確定因素·121
8.2.1 判定預訂限製·· 121
8.2.2 超售模型 122
8.3 降價策略·123
8.4 本章小結·125
8.5 練習題 ·125
第Ⅲ部分 預 測
第 9 章 簡單線性回歸及相關係數129
9.1 簡單線性回歸··129
9.1.1 分析毛家飯店的銷售情況·· 130
9.1.2 Excel 如何判定最佳擬合線 133
9.1.3 計算誤差或殘差· 134
9.1.4 定義 R 2 134
9.1.5 趨勢線的預測準確性·· 135
9.1.6 Excel 的 SLOPE、INTERCEPT
和 RSQ 函數 135
9.2 使用相關係數來總結線性關係·136
9.2.1 使用數據分析加載項來
找出相關係數 · 137
9.2.2 相關係數與均值回歸·· 139
9.3 本章小結·139
9.4 練習題 ·139
第 10 章 使用多元回歸分析預測銷 售
情況·141
10.1 多元線性回歸分析介紹 ··141
10.2 使用數據分析加載項運行回歸
分析 143
10.3 理解回歸分析的結果144
10.3.1 回歸係數 ·· 144
10.3.2 非線性回歸假設的 F
檢驗· 145
10.3.3 回歸預測擬合的準確性
和合優性·· 145
10.3.4 判定顯著的自變量·· 145
10.3.5 殘差結果和異常值·· 146
10.3.6 處理不顯著的自變量· 146
10.3.7 回歸係數說明 147
10.3.8 設置銷售配額 147
10.3.9 謹防盲目推斷 148
10.4 在回歸分析中使用定性
自變量148
10.5 對相互作用和非線性關係進行
建模·152
10.5.1 非線性關係· 152
10.5.2 相互作用·· 153
10.5.3 檢驗非線性關係和
相互作用·· 153
10.6 檢驗回歸假設的有效性155
10.6.1 正態分布的誤差項·· 155
10.6.2 異方差性：非常數方
差誤差項·· 156
10.6.3 自相關：誤差的非
獨立性 158
10.6.4 自相關的圖形化說明· 158
10.6.5 自相關檢測與校正·· 159
10.7 多重共線性·162
10.8 回歸分析的驗證··164
10.9 本章小結··166
10.10 練習題·166
第 11 章 在特殊事件發生時進行預測 169
11.1 構建基礎模型169
11.1.1 評估預測的準確性·· 172
11.1.2 細化基礎模型 173
11.1.3 檢查預測誤差的隨機性·· 175
11.2 本章小結··176
11.3 練習題176
第 12 章 對趨勢和季節性因素建模·177
12.1 使用移動平均線來平滑處理
數據並消除季節性因素 ··177
12.2 一個具有趨勢和季節性因素的
相加模型··179
12.3 一個具有趨勢和季節性因素的
相乘模型··181
12.4 本章小結··183
Excel 營銷數據分析寶典——大數據時代下易用、超值的數據分析技術
XIV
12.5 練習題184
第 13 章 移動平均比率預測法 ··185
13.1 使用移動平均比率法185
13.1.1 計算移動平均指標和中心
移動平均指標 186
13.1.2 將趨勢線擬合到中心移動
平均指標·· 186
13.1.3 計算季節性指數 186
13.1.4 預測季度21～季度24 期
間的銷量 187
13.2 將移動平均比率法應用於月度
數據 187
13.3 本章小結··187
13.4 練習題188
第 14 章 溫特方法189
14.1 溫特方法的參數定義189
14.2 初始化溫特方法··190
14.3 估算平滑常數191
14.4 對未來月份進行預測192
14.5 平均絕對誤差率(MAPE)·193
14.6 本章小結··194
14.7 練習題194
第 15 章 使用類神經網絡預測銷售
情況·195
15.1 回歸分析和類神經網絡 ··195
15.2 使用類神經網絡··195
15.2.1 預測股市 ·· 196
15.2.2 駕駛汽車 ·· 196
15.2.3 直接市場目標· 196
15.2.4 破產預測 ·· 197
15.2.5 商品掃描數據分析·· 197
15.2.6 類神經網絡與電梯·· 197
15.2.7 信用卡與貸款· 197
15.3 使用NeuralTools 預測銷售額··198
15.4 使用 NeuralTools 預測航空
裏程數 ··202
15.5 本章小結··202
15.6 練習題203
第Ⅳ部分 客 戶 需 求
第 16 章 聯合分析法··207
16.1 產品、屬性和等級 ·207
16.2 全輪廓聯合分析法 ·209
16.2.1 確定產品輪廓 209
16.2.2 運行回歸分析· 211
16.2.3 屬性和等級排名 ·· 212
16.2.4 使用聯合分析法細分
市場· 213
16.2.5 用聯合分析法進行價值
導向定價·· 213
16.3 使用演化規劃求解生成產品
輪廓·214
16.4 製定聯合分析模擬器 218
16.5 研究聯合分析的其他形式··220
16.5.1 自適應/混合型聯合分析·· 220
16.5.2 基於選擇的聯合分析· 220
16.6 本章小結··220
16.7 練習題221
第 17 章 邏輯回歸分析·223
17.1 為何邏輯回歸分析是必要的·223
17.2 邏輯回歸模型226
17.3 邏輯回歸模型的最大似然
評估·227
17.3.1 使用邏輯回歸分析來
評估概率·· 228
17.3.2 闡釋邏輯回歸分析的
回歸係數·· 229
17.4 使用 StatTools 評估和驗證邏輯
回歸分析假設229
17.4.1 使用 StatTools 運行邏輯
回歸分析·· 229
17.4.2 StatTools 邏輯回歸分析
輸出說明·· 231
17.4.3 具有不止一個自變量的
邏輯回歸分析 231
目 錄
XV
17.5 用計數數據執行邏輯回歸
分析 233
17.6 本章小結··234
17.7 練習題235
第 18 章 離散選擇分析 ·237
18.1 隨機效用理論237
18.2 巧克力偏好的離散選擇分析·238
18.3 將價格和品牌價值納入離散
選擇分析中·241
18.3.1 價格優化 ·· 243
18.3.2 評估品牌價值· 245
18.3.3 驗證離散選擇分析中的
顯著性 245
18.4 動態離散選擇分析·246
18.5 不相關可選項的獨立性(IIA)
假設 247
18.6 離散選擇與價格彈性248
18.7 本章小結··248
18.8 練習題249
第Ⅴ部分 客 戶 價 值
第 19 章 計算客戶的生命周期價值·255
19.1 基礎客戶價值模板·255
19.2 使用雙向表格衡量敏感度
分析 257
19.3 乘數的顯式表達式·257
19.4 變化的邊際利潤··258
19.5 DIRECTV、客戶價值以及
《勝利之光》(FNL)··259
19.6 評估客戶仍會保持活躍的
幾率 260
19.7 超越基礎客戶生命周期價值
模型 261
19.8 本章小結··261
19.9 練習題261
第 20 章 使用客戶價值對業務估值·263
20.1 價值評估入門263
20.2 使用客戶價值對業務估值 ·264
20.3 使用單向表格衡量敏感度
分析·266
20.4 使用客戶價值來評估一家企業的
市場價值··266
20.5 本章小結··267
20.6 練習題267
第 21 章 客戶價值、蒙特卡羅模擬法與
新利体育取现 決策·269
21.1 客戶價值的馬可夫鏈模型··269
21.2 使用蒙特卡羅模擬法預測市場
營銷活動是否會成功 273
21.2.1 使用一個單向數據表格
來模擬高朋網團購活動·· 276
21.2.2 使用柱狀圖來彙總模擬
結果 277
21.3 本章小結··278
21.4 練習題278
第 22 章 在獲取客戶和留存客戶之間
分配新利体育取现 資源281
22.1 對資金投入與獲取客戶和留存
客戶之間的關係進行建模··281
22.2 優化留存和獲取投入的基礎
模型·283
22.3 基礎模型的改進··285
22.4 本章小結··287
22.5 練習題287
第Ⅵ部分 市 場 細 分
第 23 章 聚類分析 ··291
23.1 對美國城市進行聚類 291
23.1.1 屬性標準化· 292
23.1.2 聚類選取·· 293
23.1.3 規劃求解如何找出最優
聚類· 294
23.1.4 設置用於聚類分析的規劃
求解模型·· 295
23.1.5 聚類說明·· 297
23.1.6 判定聚類的適當數量· 298
Excel 營銷數據分析寶典——大數據時代下易用、超值的數據分析技術
XVI
23.2 使用聯合分析法對市場進行
細分 298
23.3 本章小結··301
23.4 練習題302
第 24 章 協同過濾303
24.1 基於用戶的協同過濾303
24.1.1 評估用戶相似性 304
24.1.2 評估 Theresa 對《愛慕》
的評分 305
24.2 基於內容項的過濾·307
24.3 基於內容項和基於用戶的協同
過濾的對比·309
24.4 Netflix 比賽 309
24.5 本章小結··310
24.6 練習題310
第 25 章 將分類樹用於細分市場··311
25.1 決策樹介紹·311
25.2 構造一棵決策樹··312
25.2.1 決策樹說明 · 315
25.2.2 決策樹與聚類分析有何
不同· 315
25.3 精簡決策樹和 CART·315
25.4 本章小結··316
25.5 練習題316
第Ⅶ部分 預測新產品的銷售情況
第 26 章 用 S 曲線預測新產品的
銷售情況321
26.1 研究 S 曲線·321
26.2 擬合珀爾或邏輯斯蒂曲線 ·323
26.3 用季節性因素擬合 S 曲線·325
26.4 擬合龔鉑茲曲線··327
26.5 珀爾曲線與龔鉑茲曲線
對比 328
26.6 本章小結··329
26.7 練習題329
第 27 章 巴斯擴散模型·331
27.1 巴斯模型介紹331
27.2 評估巴斯模型332
27.3 使用巴斯模型預測新產品的
銷售情況··334
27.4 收縮意向數據336
27.5 使用巴斯模型來模擬新產品的
銷售情況··337
27.6 巴斯模型的改進··338
27.7 本章小結··339
27.8 練習題339
第 28 章 使用哥白尼原則預測未來的
銷售時長 ··341
28.1 使用哥白尼原則··341
28.2 模擬產品的剩餘生命期342
28.3 本章小結··343
28.4 練習題343
第Ⅷ部分 零 售 業
第 29 章 購物籃分析和電梯理論 ·347
29.1 計算兩種產品的搭配度347
29.1.1 創建命名區域 348
29.1.2 同時計算多個雙向產品
組合的搭配度 ·· 349
29.2 計算三向搭配度··350
29.3 數據挖掘傳奇揭秘 ·353
29.4 使用搭配度優化商場布局··353
29.5 本章小結··355
29.6 練習題355
第 30 章 RFM 分析和直郵廣告
活動優化 ··357
30.1 RFM 分析 357
30.1.1 計算 R、F 和 M 358
30.1.2 R、F 和 M 是何值時應該
郵寄目錄·· 360
30.2 一個 RFM 成功案例··362
30.3 使用演化規劃求解優化直郵
廣告活動··362
..............................
第Ⅰ部分 使用 Excel 彙總市場
營銷數據
第 1 章 使用 PivotTable 對新利体育取现 數據
進行交叉分析·3
1.1 分析 True Colors Hardware (本色
五金商店)的銷售情況 ·3
1.1.1 計算兩個商店的銷售
百分比·· 4
1.1.2 按月彙總收益 7
1.1.3 計算各產品的收益· 8
1.1.4 帕累托 80-20 原則·· 9
1.1.5 報表篩選器和切片器 9
1.2 分析 La Petit 麵包店的銷售
情況·11
1.2.1 總結一周內各天對麵包店
銷售情況的影響 ·· 13
1.2.2 產品季節性因素分析· 13
1.2.3 分析麵包店銷售趨勢· 15
1.2.4 分析促銷對銷售情況的
影響· 16
1.3 分析人口結構如何影響銷售
情況·17
1.3.1 分析訂閱者的年齡·· 17
1.3.2 分析訂閱者的性別·· 18
1.3.3 描述訂閱者的收入分布 19
1.3.4 描述訂閱者的位置·· 20
1.3.5 構建年齡與收入的交叉分析· 20
1.4 用 GETPIVOTDATA 函數從
PivotTable中提取數據··21
1.5 本章小結22
1.6 練習題·22
第 2 章 使用 Excel 圖表彙總新利体育取现
數據 ·25
2.1 組合圖表25
2.1.1 在柱形圖中添加生動的產品
圖片 · 27
2.1.2 在圖表中添加標簽或表格 29
2.2 使用 PivotChart 彙總市場調研
數據·30
2.3 確保添加新數據時圖表自動
更新·32
2.4 製作動態圖表標簽··33
2.5 銷售團隊月度業績排名彙總··35
2.6 在圖表中使用複選框來控製
數據·37
2.7 使用迷你圖彙總多個數據係列39
2.8 使用 GETPIVOTDATA 創建
本周銷售報表·42
2.9 本章小結44
2.10 練習題··44
第 3 章 使用 Excel 函數彙總新利体育取现
數據 ·47
3.1 使用直方圖彙總數據 ·47
3.1.1 使用 TRANSPOSE 函數 48
Excel 營銷數據分析寶典——大數據時代下易用、超值的數據分析技術
XII
3.1.2 使用 FREQUENCY 函數 · 48
3.1.3 偏斜度與直方圖圖形· 50
3.2 使用統計函數彙總新利体育取现
數據·51
3.2.1 使用 Excel 函數計算數據集的
典型值 51
3.2.2 典型值的哪種度量最佳 52
3.2.3 使用 VAR 和 STDEV 函數
彙總差異·· 53
3.2.4 彙總數據集的經驗法則 53
3.2.5 PERCENTILE.EXC 和
PERCENTRANK.EXC
函數· 54
3.2.6 LARGE 與 SMALL 函數 · 54
3.2.7 使用 COUNTIF 和 SUMIF
函數· 54
3.2.8 使用 COUNTIFS、SUMIFS、
AVERAGEIF 和 AVERAGEIFS
函數· 57
3.2.9 使用分類彙總來彙總數據 ·· 59
3.2.10 使用數組公式彙總 ESPN 雜
誌訂閱者的人口統計數據 61
3.3 本章小結62
3.4 練習題 63
第Ⅱ部分 定 價 策 略
第 4 章 評估需求曲線並使用規劃
求解來最優化定價·67
4.1 評估線性和乘冪需求曲線 ··67
4.1.1 價格彈性 ·· 68
4.1.2 需求曲線的形式 68
4.2 使用 Excel 規劃求解來最優化
定價·71
4.2.1 剃須刀(不含刀片)的定價
策略· 72
4.2.2 結合配套產品· 74
4.3 使用主觀評估需求曲線進行
定價·75
4.4 使用規劃求解表對多種產品
進行定價··77
4.5 本章小結81
4.6 練習題·81
第 5 章 捆綁定價 85
5.1 為什麼要捆綁·85
5.1.1 捆綁產品以獲取消費者
剩餘 · 86
5.1.2 單純捆綁 86
5.1.3 混合捆綁 87
5.2 使用演化規劃求解找出最優
捆綁定價 ··88
5.2.1 演化規劃求解介紹 89
5.2.2 找出最優的捆綁定價·· 91
5.3 本章小結93
5.4 練習題·93
第 6 章 非線性定價策略 ·97
6.1 需求曲線和支付意願 ·98
6.2 使用非線性定價策略最大化
利潤·98
6.2.1 最優化標準數量折扣·· 99
6.2.2 最優化非標準數量折扣· 101
6.2.3 最優化雙重收費· 101
6.3 本章小結·104
6.4 練習題··104
第 7 章 撇脂定價策略與銷售·107
7.1 價格隨時間而下降107
7.1.1 學習曲線 107
7.1.2 競爭對手 108
7.1.3 撇脂定價策略 · 108
7.2 為何會有低價銷售109
7.3 本章小結·112
7.4 練習題··112
第 8 章 收益管理 ·115
8.1 為貝茲汽車旅館和細分消費者
評估需求 116
8.1.1 評估需求曲線 ·· 116
8.1.2 最優化單一價格·· 117
8.1.3 使用兩種價格來細分消費者·· 118
目 錄
XIII
8.1.4 具有容量限製的細分市場 120
8.2 應對不確定因素·121
8.2.1 判定預訂限製·· 121
8.2.2 超售模型 122
8.3 降價策略·123
8.4 本章小結·125
8.5 練習題 ·125
第Ⅲ部分 預 測
第 9 章 簡單線性回歸及相關係數129
9.1 簡單線性回歸··129
9.1.1 分析毛家飯店的銷售情況·· 130
9.1.2 Excel 如何判定最佳擬合線 133
9.1.3 計算誤差或殘差· 134
9.1.4 定義 R 2 134
9.1.5 趨勢線的預測準確性·· 135
9.1.6 Excel 的 SLOPE、INTERCEPT
和 RSQ 函數 135
9.2 使用相關係數來總結線性關係·136
9.2.1 使用數據分析加載項來
找出相關係數 · 137
9.2.2 相關係數與均值回歸·· 139
9.3 本章小結·139
9.4 練習題 ·139
第 10 章 使用多元回歸分析預測銷 售
情況·141
10.1 多元線性回歸分析介紹 ··141
10.2 使用數據分析加載項運行回歸
分析 143
10.3 理解回歸分析的結果144
10.3.1 回歸係數 ·· 144
10.3.2 非線性回歸假設的 F
檢驗· 145
10.3.3 回歸預測擬合的準確性
和合優性·· 145
10.3.4 判定顯著的自變量·· 145
10.3.5 殘差結果和異常值·· 146
10.3.6 處理不顯著的自變量· 146
10.3.7 回歸係數說明 147
10.3.8 設置銷售配額 147
10.3.9 謹防盲目推斷 148
10.4 在回歸分析中使用定性
自變量148
10.5 對相互作用和非線性關係進行
建模·152
10.5.1 非線性關係· 152
10.5.2 相互作用·· 153
10.5.3 檢驗非線性關係和
相互作用·· 153
10.6 檢驗回歸假設的有效性155
10.6.1 正態分布的誤差項·· 155
10.6.2 異方差性：非常數方
差誤差項·· 156
10.6.3 自相關：誤差的非
獨立性 158
10.6.4 自相關的圖形化說明· 158
10.6.5 自相關檢測與校正·· 159
10.7 多重共線性·162
10.8 回歸分析的驗證··164
10.9 本章小結··166
10.10 練習題·166
第 11 章 在特殊事件發生時進行預測 169
11.1 構建基礎模型169
11.1.1 評估預測的準確性·· 172
11.1.2 細化基礎模型 173
11.1.3 檢查預測誤差的隨機性·· 175
11.2 本章小結··176
11.3 練習題176
第 12 章 對趨勢和季節性因素建模·177
12.1 使用移動平均線來平滑處理
數據並消除季節性因素 ··177
12.2 一個具有趨勢和季節性因素的
相加模型··179
12.3 一個具有趨勢和季節性因素的
相乘模型··181
12.4 本章小結··183
Excel 營銷數據分析寶典——大數據時代下易用、超值的數據分析技術
XIV
12.5 練習題184
第 13 章 移動平均比率預測法 ··185
13.1 使用移動平均比率法185
13.1.1 計算移動平均指標和中心
移動平均指標 186
13.1.2 將趨勢線擬合到中心移動
平均指標·· 186
13.1.3 計算季節性指數 186
13.1.4 預測季度21～季度24 期
間的銷量 187
13.2 將移動平均比率法應用於月度
數據 187
13.3 本章小結··187
13.4 練習題188
第 14 章 溫特方法189
14.1 溫特方法的參數定義189
14.2 初始化溫特方法··190
14.3 估算平滑常數191
14.4 對未來月份進行預測192
14.5 平均絕對誤差率(MAPE)·193
14.6 本章小結··194
14.7 練習題194
第 15 章 使用類神經網絡預測銷售
情況·195
15.1 回歸分析和類神經網絡 ··195
15.2 使用類神經網絡··195
15.2.1 預測股市 ·· 196
15.2.2 駕駛汽車 ·· 196
15.2.3 直接市場目標· 196
15.2.4 破產預測 ·· 197
15.2.5 商品掃描數據分析·· 197
15.2.6 類神經網絡與電梯·· 197
15.2.7 信用卡與貸款· 197
15.3 使用NeuralTools 預測銷售額··198
15.4 使用 NeuralTools 預測航空
裏程數 ··202
15.5 本章小結··202
15.6 練習題203
第Ⅳ部分 客 戶 需 求
第 16 章 聯合分析法··207
16.1 產品、屬性和等級 ·207
16.2 全輪廓聯合分析法 ·209
16.2.1 確定產品輪廓 209
16.2.2 運行回歸分析· 211
16.2.3 屬性和等級排名 ·· 212
16.2.4 使用聯合分析法細分
市場· 213
16.2.5 用聯合分析法進行價值
導向定價·· 213
16.3 使用演化規劃求解生成產品
輪廓·214
16.4 製定聯合分析模擬器 218
16.5 研究聯合分析的其他形式··220
16.5.1 自適應/混合型聯合分析·· 220
16.5.2 基於選擇的聯合分析· 220
16.6 本章小結··220
16.7 練習題221
第 17 章 邏輯回歸分析·223
17.1 為何邏輯回歸分析是必要的·223
17.2 邏輯回歸模型226
17.3 邏輯回歸模型的最大似然
評估·227
17.3.1 使用邏輯回歸分析來
評估概率·· 228
17.3.2 闡釋邏輯回歸分析的
回歸係數·· 229
17.4 使用 StatTools 評估和驗證邏輯
回歸分析假設229
17.4.1 使用 StatTools 運行邏輯
回歸分析·· 229
17.4.2 StatTools 邏輯回歸分析
輸出說明·· 231
17.4.3 具有不止一個自變量的
邏輯回歸分析 231
目 錄
XV
17.5 用計數數據執行邏輯回歸
分析 233
17.6 本章小結··234
17.7 練習題235
第 18 章 離散選擇分析 ·237
18.1 隨機效用理論237
18.2 巧克力偏好的離散選擇分析·238
18.3 將價格和品牌價值納入離散
選擇分析中·241
18.3.1 價格優化 ·· 243
18.3.2 評估品牌價值· 245
18.3.3 驗證離散選擇分析中的
顯著性 245
18.4 動態離散選擇分析·246
18.5 不相關可選項的獨立性(IIA)
假設 247
18.6 離散選擇與價格彈性248
18.7 本章小結··248
18.8 練習題249
第Ⅴ部分 客 戶 價 值
第 19 章 計算客戶的生命周期價值·255
19.1 基礎客戶價值模板·255
19.2 使用雙向表格衡量敏感度
分析 257
19.3 乘數的顯式表達式·257
19.4 變化的邊際利潤··258
19.5 DIRECTV、客戶價值以及
《勝利之光》(FNL)··259
19.6 評估客戶仍會保持活躍的
幾率 260
19.7 超越基礎客戶生命周期價值
模型 261
19.8 本章小結··261
19.9 練習題261
第 20 章 使用客戶價值對業務估值·263
20.1 價值評估入門263
20.2 使用客戶價值對業務估值 ·264
20.3 使用單向表格衡量敏感度
分析·266
20.4 使用客戶價值來評估一家企業的
市場價值··266
20.5 本章小結··267
20.6 練習題267
第 21 章 客戶價值、蒙特卡羅模擬法與
新利体育取现 決策·269
21.1 客戶價值的馬可夫鏈模型··269
21.2 使用蒙特卡羅模擬法預測市場
營銷活動是否會成功 273
21.2.1 使用一個單向數據表格
來模擬高朋網團購活動·· 276
21.2.2 使用柱狀圖來彙總模擬
結果 277
21.3 本章小結··278
21.4 練習題278
第 22 章 在獲取客戶和留存客戶之間
分配新利体育取现 資源281
22.1 對資金投入與獲取客戶和留存
客戶之間的關係進行建模··281
22.2 優化留存和獲取投入的基礎
模型·283
22.3 基礎模型的改進··285
22.4 本章小結··287
22.5 練習題287
第Ⅵ部分 市 場 細 分
第 23 章 聚類分析 ··291
23.1 對美國城市進行聚類 291
23.1.1 屬性標準化· 292
23.1.2 聚類選取·· 293
23.1.3 規劃求解如何找出最優
聚類· 294
23.1.4 設置用於聚類分析的規劃
求解模型·· 295
23.1.5 聚類說明·· 297
23.1.6 判定聚類的適當數量· 298
Excel 營銷數據分析寶典——大數據時代下易用、超值的數據分析技術
XVI
23.2 使用聯合分析法對市場進行
細分 298
23.3 本章小結··301
23.4 練習題302
第 24 章 協同過濾303
24.1 基於用戶的協同過濾303
24.1.1 評估用戶相似性 304
24.1.2 評估 Theresa 對《愛慕》
的評分 305
24.2 基於內容項的過濾·307
24.3 基於內容項和基於用戶的協同
過濾的對比·309
24.4 Netflix 比賽 309
24.5 本章小結··310
24.6 練習題310
第 25 章 將分類樹用於細分市場··311
25.1 決策樹介紹·311
25.2 構造一棵決策樹··312
25.2.1 決策樹說明 · 315
25.2.2 決策樹與聚類分析有何
不同· 315
25.3 精簡決策樹和 CART·315
25.4 本章小結··316
25.5 練習題316
第Ⅶ部分 預測新產品的銷售情況
第 26 章 用 S 曲線預測新產品的
銷售情況321
26.1 研究 S 曲線·321
26.2 擬合珀爾或邏輯斯蒂曲線 ·323
26.3 用季節性因素擬合 S 曲線·325
26.4 擬合龔鉑茲曲線··327
26.5 珀爾曲線與龔鉑茲曲線
對比 328
26.6 本章小結··329
26.7 練習題329
第 27 章 巴斯擴散模型·331
27.1 巴斯模型介紹331
27.2 評估巴斯模型332
27.3 使用巴斯模型預測新產品的
銷售情況··334
27.4 收縮意向數據336
27.5 使用巴斯模型來模擬新產品的
銷售情況··337
27.6 巴斯模型的改進··338
27.7 本章小結··339
27.8 練習題339
第 28 章 使用哥白尼原則預測未來的
銷售時長 ··341
28.1 使用哥白尼原則··341
28.2 模擬產品的剩餘生命期342
28.3 本章小結··343
28.4 練習題343
第Ⅷ部分 零 售 業
第 29 章 購物籃分析和電梯理論 ·347
29.1 計算兩種產品的搭配度347
29.1.1 創建命名區域 348
29.1.2 同時計算多個雙向產品
組合的搭配度 ·· 349
29.2 計算三向搭配度··350
29.3 數據挖掘傳奇揭秘 ·353
29.4 使用搭配度優化商場布局··353
29.5 本章小結··355
29.6 練習題355
第 30 章 RFM 分析和直郵廣告
活動優化 ··357
30.1 RFM 分析 357
30.1.1 計算 R、F 和 M 358
30.1.2 R、F 和 M 是何值時應該
郵寄目錄·· 360
30.2 一個 RFM 成功案例··362
30.3 使用演化規劃求解優化直郵
廣告活動··362
..............................
用戶登陸
大數據熱門資料
大數據相關下載