本教材圍繞大數據營銷領域的主要應用場景，分別論述了大數據應用的原理、模型及其操作步驟。主要內容包括，大數據與市場營銷、營銷大數據分析基礎、產品分析與推薦、客戶行為分析、營銷效果預測、客戶生命周期價值預測、客戶流失預測、客戶細分、A/B測試。具體目錄附后。在編排上首先展示學習目的，之后是本章的主要內容，詳細講述原理、模型和實踐（含完整練習代碼）。最后在實訓指導部分講述大數據分析平臺的操作步驟，最后進行本章小結。
陳志軒，男，廣州城市理工學院 副教授、電子商務系主任、智能商務研究所所長；馬琦，廣州城市理工學院管理學院電子商務系副主任，其研究方向為營銷管理。二人常年擔任營銷學原理、廣告學、營銷案例分析與策劃等多門課程教學。二人在電子工業出版社合作出版的《大數據營銷》一書深受讀者歡迎，至今已經印刷上萬冊，為了完善此書，這次特意配套出版了實訓用書，以方便學生學習、練習。
第1章 大數據與市場營銷 1
1.1 大數據產生的背景 1
1.1.1 人類社會進步與大數據時代 1
1.1.2 大數據爆發原因 3
1.2 大數據的內涵 6
1.2.1 大數據的定義 6
1.2.2 大數據的特征 8
1.3 大數據營銷概論 9
1.3.1 大數據營銷的發展 9
1.3.2 大數據營銷的應用 14
本章小結 15
第2章 大數據營銷分析基礎 16
2.1 數據挖掘標準過程模型 16
2.2 大數據營銷的基本流程 18
2.3 大數據營銷的核心能力 21
2.3.1 大數據挖掘成功的要素 21
2.3.2 成為合格的大數據營銷人員 23
2.4 大數據營銷的分析模型與工具 25
2.4.1 常用的大數據營銷分析模型 25
2.4.2 大數據營銷分析工具 26
本章小結 29
第3章 數據準備 31
3.1 數據準備概要 31
3.1.1 數據結構類型 31
3.1.2 數據準備工作內容 32
3.2 數據清洗 33
3.2.1 缺失值處理 33
3.2.2 異常值處理 35
3.3 數據變換 37
3.3.1 數據規范化 37
3.3.2 數據規約 38
3.3.3 數據正態化 40
3.4 數據集成 41
3.4.1 實體識別 41
3.4.2 冗余屬性識別 41
3.4.3 刪除動作的討論 42
本章小結 44
第4章 數據探索 45
4.1 探索性數據分析 45
4.1.1 探索性數據分析的概念 45
4.1.2 探索性數據分析的內容和步驟 46
4.2 探索數據特征 47
4.2.1 認識數據集 47
4.2.2 探索分類型變量 50
4.2.3 探索數值型變量 56
4.2.4 探索變量的多元關系 61
4.3 發現派生特征變量 65
4.3.1 基于數據集觀察的發現 66
4.3.2 基于領域知識的發現 70
本章小結 80
第5章 消費者行為分析 81
5.1 消費者行為分析概要 81
5.1.1 消費者行為的內涵 81
5.1.2 消費者行為分析的內涵 82
5.2 回歸分析 83
5.2.1 線性回歸 83
5.2.2 邏輯回歸 85
5.3 邏輯回歸分析實例 87
5.3.1 數據集 87
5.3.2 數據分析與可視化 88
5.3.3 回歸分析 92
5.4 決策樹 99
5.4.1 決策樹簡介 99
5.4.2 決策樹的分類算法 100
5.4.3 決策樹的使用條件 101
5.5 決策樹分析實例 101
5.5.1 數據集 101
5.5.2 數據分析與可視化 103
5.5.3 決策樹分析 109
本章小結 113
【實訓——會員留存分析】 114
第6章 商品分析與推薦 117
6.1 商品分析概要 117
6.1.1 商品分析的內涵 117
6.1.2 商品分析的目標 118
6.2 商品分析實例 119
6.2.1 數據集概況 119
6.2.2 趨勢分析 122
6.3 商品推薦實現 133
6.3.1 商品推薦系統 133
6.3.2 協同過濾算法 134
6.3.3 商品推薦實例 135
本章小結 145
【實訓——服裝銷售數據分析】 146
第7章 營銷效果預測 150
7.1 市場營銷預測基礎 150
7.1.1 市場營銷中的預測分析 150
7.1.2 分類模型的評估 151
7.2 隨機森林模型 152
7.2.1 隨機森林的工作原理 152
7.2.2 隨機森林算法的優缺點 155
7.2.3 隨機森林算法的應用場景 155
7.3 市場營銷預測實例 156
7.3.1 數據集及其特征變量的選擇 156
7.3.2 特征變量的編碼 158
7.3.3 建立預測模型 160
本章小結 166
【實訓——價格優惠和客戶態度分析】 166
第8章 客戶終身價值預測 169
8.1 客戶終身價值基礎 169
8.1.1 客戶終身價值的內涵 169
8.1.2 客戶終身價值的意義 170
8.1.3 客戶終身價值的計算與分析 171
8.2 回歸模型的評估 172
8.3 客戶終身價值預測實例 173
8.3.1 數據集概況與數據清理 173
8.3.2 數據分析 177
8.3.3 價值預測 180
本章小結 187
【實訓 1 ——流量分析】 187
【實訓 2 ——汽車銷售量預測】 189
第9章 客戶細分 191
9.1 客戶管理基礎 191
9.1.1 客戶管理的定義 191
9.1.2 客戶管理的內容 192
9.1.3 大數據在客戶管理中的作用 193
9.2 聚類算法 194
9.2.1 聚類算法應用場景 194
9.2.2 聚類算法原理 195
9.2.3 k-means聚類算法的步驟 197
9.3 客戶細分中的聚類算法實例 198
9.3.1 數據集概況及數據清理 198
9.3.2 k - means聚類算法 202
9.3.3 解釋客戶群體 205
本章小結 207
【實訓——會員分群數據分析】 208
第10章 A/B測試 210
10.1 A/B測試基礎 210
10.1.1 A/B測試的概念 210
10.1.2 A/B測試的步驟 211
10.1.3 A/B測試的意義 214
10.2 營銷的A/B測試與檢驗 215
10.2.1 營銷的A/B測試 215
10.2.2 統計假設檢驗 215
10.3 A/B測試的評估實例 216
10.3.1 數據集概況 216
10.3.2 數據分析 218
10.3.3 統計假設檢驗 223
本章小結 227
【實訓—— A/B測試數據分析】 227
新書資訊