首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    什么是数据导向营销?数据在手,一切都可能发生!

    营销,曾一度被认为是神秘莫测的魔法,现在已经成为一种可量化、以数据为基础的功能。但在企业中,如何利用数据分析推动营销决策呢? 名字总被赋予阴郁的含义,如今,数字化市场营销宣布将客户数据作为他们新的主宰者。不经过对数据分析的切实考量,就不能下营销决策。营销魔法已经开始量化,但数据导向的市场营销究竟意味着什么呢? “可以说,在市场营销历史上最重要的演变是能够了解你所拥有的数据的含义,什么数据是可以拿到的,如何组织并最终激活这些数据,”一家利用客户数据创建并交付一对一营销视频的技术供应商, SundaySky的

    05

    一篇文章让你看懂数据分析的目的、方法、工具及实际应用

    我特别不喜欢装逼的产品经理,看文章也一样不喜欢华而不实的。所以督促自己写文章时,把懂的、经历过的能细就写的尽量详细;不懂的就去学,然后把整理的笔记分享出来,数据分析方面我涉入不多,内容由于缺少实战经验,会比较基础和理论,希望同样对你有帮助。 1. 明确数据分析的目的   做数据分析,必须要有一个明确的目的,知道自己为什么要做数据分析,想要达到什么效果。比如:为了评估产品改版后的效果比之前有所提升;或通过数据分析,找到产品迭代的方向等。   明确了数据分析的目的,接下来需要确定应该收集的数据都有哪些。 2

    09

    【系列文】数据分析在保险行业的运用

    数据分析在保险行业的运用 由于客户的价值我们可能直接无法得到,这可能需要通过客户的属性信息或行为信息来判断。所以通过客户数据来判断客户价值,进行客户价值管理是未来的趋势,而数据分析就是这一方法的重要技术手段。现在数据分析可以说在商业中的应用越来越广泛,尤其是在互联网、通讯、金融、零售业中的应用,自上世纪数据分析技术在美国应用以来,现在已推广到全世界更多的行业之中。上世纪90年代末数据分析这一概念随着沃尔玛啤酒与尿布的典型案例来到中国来。那么数据分析技术在国内应用如何呢?在保险行业的应用又会如何呢? 一、数据

    09

    案例解析:海底捞、银行、商务酒店、香水单品市场、运营和销售数据挖掘

    最近这段时间花了不少时间整理了关于数据采集、数据分析、数据挖掘的案例,这些案例包括了海底捞、银行信用分析、商务酒店分析、香水单品的市场竞争分析、渠道分析、客户特征分析、销售和运营数据分析,包括比较详细介绍数据来源、数据处理、数据分析、数据应用等数据分析知识。 一、银行信用卡欺诈与拖欠行为分析: 1、客户信用等级影响因素      1.1客户信用卡申请数据预处理      1.2信用卡申请成功影响因素 2、信用卡客户信用等级影响因素 3、基于消费的信用等级影响因素 4、信用卡欺诈判断模型      4.1基于

    04

    90%的人都做错的用户画像,到底应该怎么做?

    前几天,有个搞运营的小伙伴向我吐槽,熬了几个夜做出来的用户画像被老板说垃圾。不管是市场人员、运营人员还是产品经理,都躲不开“用户画像”,但经常听到伙伴们抱怨,这个词太大了,根本不知道从哪里下手。 老李给大家归纳了一套用户画像学习方法,从理论到实践,教大家怎么做好用户画像。 ◆ 什么是用户画像? 简单来说,用户画像=给用户打标签。举个例子,如果你关注老李的头条,每天看的都是数据分析类的内容,那你就会被打上“数据分析”、“职场”等标签,下次打开头条,给你推荐的就是“如何转行数据分析”、“数据分析必备工具”等文章

    02

    邮箱安全第7期 | 邮箱大数据分析平台与异常预警模型

    上一期我们谈到通过WEB应用防火墙技术来防护邮箱系统自身的安全问题,由此解决了应用层防护不当导致的邮箱系统被黑客技术入侵的问题,本期我们介绍针对邮箱系统整体大数据审计分析平台的架构部署平台的技术架构以及邮件内容的异常分析。通过本期的介绍您将了解到邮箱大数据处理的全生命周期以及技术架构,另外,了解如何对邮箱业务异常进行基本的判断。 01 邮箱大数据分析处理过程 大数据中心重点实现企业网络环境安全类、管理类、流量数据以及资产、用户的基本数据的采集。数据采集层实现全流量审计引擎、日志采集引擎和资产、用户数据的

    010

    深入浅出为你解析关于大数据的所有事情

    大数据是什么?为什么要使用大数据?大数据有哪些流行的工具?本文将为您解答。 现在,大数据是一个被滥用的流行词,但是它真正的价值甚至是一个小企业都可以实现。 通过整合不同来源的数据,比如:网站分析、社交数据、用户、本地数据,大数据可以帮助你了解的全面的情况。大数据分析正在变的越来越容易,成本越来越低,而且相比以前能更容易的加速对业务的理解。 大数据通常与企业商业智能(BI)和数据仓库有共同的特点:高成本、高难度、高风险。 以前的商业智能和数据仓库的举措是失败的,因为他们需要花费数月甚至是数年的时间才能让股东得

    05
    领券