韩迎娣：市场调研与数据分析

【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】

• 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
• 大数据分析、建模、标签化管理、数据洞察产品需求
• 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
• 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
• 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
• 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

• 调研目的
• 调研对象
• 需要收集的数据
• 需要达成的效果
  • 网点周边商业

3、调研的五大维度

• 网点周边社区
• 网点周边用户
• 竞争对手
• 合作单位

3、调研的三种方法

• 实地调研
• 文案调研
• 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

• 固有误差
• 随机误差
• 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

• 某些消费者有“隐形需求”
• 调研的时间太远，不具备结论
• 霍桑效应
• 偏见与歧视
• 沉迷市场机会和体量导致市研失效
• 消费者是自我的导致市研失效
• 消费者难以场景化导致市研失效
• 8、从众心理导致虚假信息
• 9、维护形象导致虚假信息
• 10、思维锚定导致低效信息
• 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

• 整个大市场分析
• 整体市场下的细分市场分析
• 典型产品分析
• 新机会
• 风险

大数据技术图谱

• 大数据技术基础
• 大数据的数据源特点
• 大数据技术逻辑
• 大数据全域识别
• 大数据数据展现

5、大数据思维

• 全样
• 容错
• 相关
• 智能

案例：

二、数据分析

1、数据分析意识

• 对比关系
• 看趋势
• 重点数据

2、数据分析方法

• 对比分析法
• 结构分析法
• 交叉分析法
• 分组分析法
• 漏斗分析法
• 杜邦分析法
• 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

• 线性回归
• 聚类
• 分类

6、数据表达

• 分布数据可视化
• 分类数据可视化
• 线性关系数据可视化

7、数据挖掘

8、统计分析方法

• 集中趋势
• 离散程度
• 相关程度
• 参数估计
• 假设检验

9、

大数据分析与建模

• 建模
• 训练模型
• 应用模型
• 优化模型

2、大数据标签化管理

• 数据标签
• 标签
• 多样化标签与场景化应用
• 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

• 大数据挖掘流程与逻辑
• 大数据基本算法逻辑
• 大数据挖掘特性
• 大数据建模逻辑
• 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

• 业务场景
• 数据建模
• 挖掘算法
• 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

• 需求任务
• 研究目的
• 关键指标

6、产品生命周期 - 产品研发设计

• 策略研究
• 概念评估
• 产品研发
• 产品测试

7、产品生命周期 – 商业应用

• 导入
• 发展
• 成熟
• 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

• 传统价值
• 高阶价值

2、大数据驱动的客群洞察-数据维度

• 真实性
• 立体性
• 即时性

3、大数据驱动的客群洞察 – 营销维度

• 目标客群旅程
• 营销活动评估
• 社交表现追踪
• 行为趋势洞察

4、客群洞察与分析

• 基础属性
• 需求解构
• 客群分层
• 客户心智
• 内容偏好
• 产品能力
• 场景故事
• 金融价值
• 逻辑解析

5、客户在线的四大场景

• 输入场景
• 浏览场景
• 搜索场景
• 交易场景

6、金融应用场景与客群关系

• 可运营人群数 – 活跃用户
• 人群转化率 – 关系加深率
• 高价值人群总量
• 高价值人群活跃度

7、创新实践，端到端的整合场景

• 场景总览
• 预设GMV目标，反推各阶层用户体量

8、内容传播渠道

• 内容矩阵
• 数字媒介矩阵
• 融合匹配
• KOL选择

9、基于内容营销闭环的布局

• 基础内容投放
• 头部内容资源
• 人群关系触达

10、基于用户洞察体验升级需求