本教材围绕大数据营销领域的主要应用场景，分别论述了大数据应用的原理、模型及其操作步骤。主要内容包括，大数据与市场营销、营销大数据分析基础、产品分析与推荐、客户行为分析、营销效果预测、客户生命周期价值预测、客户流失预测、客户细分、A/B测试。具体目录附后。在编排上首先展示学习目的，之后是本章的主要内容，详细讲述原理、模型和实践（含完整练习代码）。最后在实训指导部分讲述大数据分析平台的操作步骤，最后进行本章小结。
陈志轩，男，广州城市理工学院 副教授、电子商务系主任、智能商务研究所所长；马琦，广州城市理工学院管理学院电子商务系副主任，其研究方向为营销管理。二人常年担任营销学原理、广告学、营销案例分析与策划等多门课程教学。二人在电子工业出版社合作出版的《大数据营销》一书深受读者欢迎，至今已经印刷上万册，为了完善此书，这次特意配套出版了实训用书，以方便学生学习、练习。
第1章 大数据与市场营销 1
1.1 大数据产生的背景 1
1.1.1 人类社会进步与大数据时代 1
1.1.2 大数据爆发原因 3
1.2 大数据的内涵 6
1.2.1 大数据的定义 6
1.2.2 大数据的特征 8
1.3 大数据营销概论 9
1.3.1 大数据营销的发展 9
1.3.2 大数据营销的应用 14
本章小结 15
第2章 大数据营销分析基础 16
2.1 数据挖掘标准过程模型 16
2.2 大数据营销的基本流程 18
2.3 大数据营销的核心能力 21
2.3.1 大数据挖掘成功的要素 21
2.3.2 成为合格的大数据营销人员 23
2.4 大数据营销的分析模型与工具 25
2.4.1 常用的大数据营销分析模型 25
2.4.2 大数据营销分析工具 26
本章小结 29
第3章 数据准备 31
3.1 数据准备概要 31
3.1.1 数据结构类型 31
3.1.2 数据准备工作内容 32
3.2 数据清洗 33
3.2.1 缺失值处理 33
3.2.2 异常值处理 35
3.3 数据变换 37
3.3.1 数据规范化 37
3.3.2 数据规约 38
3.3.3 数据正态化 40
3.4 数据集成 41
3.4.1 实体识别 41
3.4.2 冗余属性识别 41
3.4.3 删除动作的讨论 42
本章小结 44
第4章 数据探索 45
4.1 探索性数据分析 45
4.1.1 探索性数据分析的概念 45
4.1.2 探索性数据分析的内容和步骤 46
4.2 探索数据特征 47
4.2.1 认识数据集 47
4.2.2 探索分类型变量 50
4.2.3 探索数值型变量 56
4.2.4 探索变量的多元关系 61
4.3 发现派生特征变量 65
4.3.1 基于数据集观察的发现 66
4.3.2 基于领域知识的发现 70
本章小结 80
第5章 消费者行为分析 81
5.1 消费者行为分析概要 81
5.1.1 消费者行为的内涵 81
5.1.2 消费者行为分析的内涵 82
5.2 回归分析 83
5.2.1 线性回归 83
5.2.2 逻辑回归 85
5.3 逻辑回归分析实例 87
5.3.1 数据集 87
5.3.2 数据分析与可视化 88
5.3.3 回归分析 92
5.4 决策树 99
5.4.1 决策树简介 99
5.4.2 决策树的分类算法 100
5.4.3 决策树的使用条件 101
5.5 决策树分析实例 101
5.5.1 数据集 101
5.5.2 数据分析与可视化 103
5.5.3 决策树分析 109
本章小结 113
【实训——会员留存分析】 114
第6章 商品分析与推荐 117
6.1 商品分析概要 117
6.1.1 商品分析的内涵 117
6.1.2 商品分析的目标 118
6.2 商品分析实例 119
6.2.1 数据集概况 119
6.2.2 趋势分析 122
6.3 商品推荐实现 133
6.3.1 商品推荐系统 133
6.3.2 协同过滤算法 134
6.3.3 商品推荐实例 135
本章小结 145
【实训——服装销售数据分析】 146
第7章 营销效果预测 150
7.1 市场营销预测基础 150
7.1.1 市场营销中的预测分析 150
7.1.2 分类模型的评估 151
7.2 随机森林模型 152
7.2.1 随机森林的工作原理 152
7.2.2 随机森林算法的优缺点 155
7.2.3 随机森林算法的应用场景 155
7.3 市场营销预测实例 156
7.3.1 数据集及其特征变量的选择 156
7.3.2 特征变量的编码 158
7.3.3 建立预测模型 160
本章小结 166
【实训——价格优惠和客户态度分析】 166
第8章 客户终身价值预测 169
8.1 客户终身价值基础 169
8.1.1 客户终身价值的内涵 169
8.1.2 客户终身价值的意义 170
8.1.3 客户终身价值的计算与分析 171
8.2 回归模型的评估 172
8.3 客户终身价值预测实例 173
8.3.1 数据集概况与数据清理 173
8.3.2 数据分析 177
8.3.3 价值预测 180
本章小结 187
【实训 1 ——流量分析】 187
【实训 2 ——汽车销售量预测】 189
第9章 客户细分 191
9.1 客户管理基础 191
9.1.1 客户管理的定义 191
9.1.2 客户管理的内容 192
9.1.3 大数据在客户管理中的作用 193
9.2 聚类算法 194
9.2.1 聚类算法应用场景 194
9.2.2 聚类算法原理 195
9.2.3 k-means聚类算法的步骤 197
9.3 客户细分中的聚类算法实例 198
9.3.1 数据集概况及数据清理 198
9.3.2 k - means聚类算法 202
9.3.3 解释客户群体 205
本章小结 207
【实训——会员分群数据分析】 208
第10章 A/B测试 210
10.1 A/B测试基础 210
10.1.1 A/B测试的概念 210
10.1.2 A/B测试的步骤 211
10.1.3 A/B测试的意义 214
10.2 营销的A/B测试与检验 215
10.2.1 营销的A/B测试 215
10.2.2 统计假设检验 215
10.3 A/B测试的评估实例 216
10.3.1 数据集概况 216
10.3.2 数据分析 218
10.3.3 统计假设检验 223
本章小结 227
【实训—— A/B测试数据分析】 227
书单推荐
