第1章　客戶關(guān)系管理與大數(shù)據(jù)的關(guān)系
1.1　客戶關(guān)系管理成為企業(yè)的核心能力
1.2　客戶關(guān)系管理中的數(shù)據(jù)分析
1.3　大數(shù)據(jù)分析應(yīng)用的條件
1.3.1 全面準(zhǔn)確的海量數(shù)據(jù)
1.3.2 精細(xì)化管理理念的倡導(dǎo)
1.3.3 數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)的有效應(yīng)用
1.4　大數(shù)據(jù)應(yīng)用的最新進(jìn)展
第2章　數(shù)據(jù)挖掘概述
2.1　數(shù)據(jù)挖掘的發(fā)展歷史
2.2　統(tǒng)計(jì)分析與數(shù)據(jù)挖掘的主要區(qū)別
2.3　數(shù)據(jù)挖掘的主要成熟技術(shù)以及在客戶關(guān)系管理中的主要應(yīng)用
2.3.1　決策樹
2.3.2　神經(jīng)網(wǎng)絡(luò)
2.3.3　回歸
2.3.4　關(guān)聯(lián)規(guī)則
2.3.5　聚類
2.3.6　貝葉斯分類方法
2.3.7　支持向量機(jī)
2.3.8　主成分分析
2.3.9　假設(shè)檢驗(yàn)
2.4　互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)挖掘應(yīng)用的特點(diǎn)
第3章　客戶關(guān)系管理中常見的數(shù)據(jù)分析項(xiàng)目類型
3.1　目標(biāo)客戶的特征分析
3.2　目標(biāo)客戶的預(yù)測（響應(yīng)、分類）模型
3.3　運(yùn)營群體的活躍度定義
3.4　用戶路徑分析
3.5　交叉銷售模型
3.6　信息質(zhì)量模型
3.7　服務(wù)保障模型
3.8　用戶（買家、賣家）分層模型
3.9　賣家（買家）交易模型
3.10　信用風(fēng)險(xiǎn)模型
3.11　商品推薦模型
3.11.1　商品推薦介紹
3.11.2　關(guān)聯(lián)規(guī)則
3.11.3　協(xié)同過濾算法
3.11.4　商品推薦模型總結(jié)
3.12　數(shù)據(jù)產(chǎn)品
3.13　決策支持
第4章　數(shù)據(jù)分析是跨專業(yè)、跨團(tuán)隊(duì)的協(xié)調(diào)與合作
4.1　數(shù)據(jù)分析團(tuán)隊(duì)與業(yè)務(wù)團(tuán)隊(duì)的分工和定位
4.1.1　提出業(yè)務(wù)分析需求并且能勝任基本的數(shù)據(jù)分析
4.1.2　提供業(yè)務(wù)經(jīng)驗(yàn)和參考建議
4.1.3　策劃和執(zhí)行精細(xì)化運(yùn)營方案
4.1.4　跟蹤運(yùn)營效果、反饋和總結(jié)
4.2　數(shù)據(jù)化運(yùn)營是真正的多團(tuán)隊(duì)、多專業(yè)的協(xié)同作業(yè)
4.3　實(shí)例示范數(shù)據(jù)化運(yùn)營中的跨專業(yè)、跨團(tuán)隊(duì)協(xié)調(diào)合作
第5章　數(shù)據(jù)挖掘項(xiàng)目完整應(yīng)用案例
5.1　項(xiàng)目背景和業(yè)務(wù)分析需求的提出
5.2　數(shù)據(jù)分析師參與需求討論
5.3　制定需求分析框架和分析計(jì)劃
5.4　抽取樣本數(shù)據(jù)、熟悉數(shù)據(jù)、數(shù)據(jù)清洗和摸底
5.5　按計(jì)劃初步搭建挖掘模型
5.6　與業(yè)務(wù)方討論模型的初步結(jié)論，提出新的思路和模型優(yōu)化方案
5.7　按優(yōu)化方案重新抽取樣本并建模，提煉結(jié)論并驗(yàn)證模型
5.8　完成分析報(bào)告和落地應(yīng)用建議
5.9　制定具體的落地應(yīng)用方案和評估方案
5.10　業(yè)務(wù)方實(shí)施落地應(yīng)用方案并跟蹤、評估效果
5.11　落地應(yīng)用方案在實(shí)際效果評估后，不斷修正完善
5.12　不同運(yùn)營方案的評估、總結(jié)和反饋
5.13　項(xiàng)目應(yīng)用后的總結(jié)和反思
第6章 頂尖數(shù)據(jù)挖掘平臺TipDM
6.1 TipDM產(chǎn)品功能
6.1.1 TipDM平臺提供的數(shù)據(jù)探索及預(yù)處理算法
6.1.2 TipDM平臺提供的分類與回歸算法
6.1.3 TipDM平臺提供的時(shí)序模式算法
6.1.4 TipDM平臺提供的聚類分析算法
6.1.5 TipDM平臺提供的關(guān)聯(lián)規(guī)則算法
6.2 TipDM使用說明
6.3 TipDM產(chǎn)品特點(diǎn)
6.3.1 支持CRISP-DM數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程
6.3.2 提供豐富的數(shù)據(jù)挖掘模型和靈活算法
6.3.3 具有多模型的整合能力
6.3.4 提供靈活多樣的應(yīng)用開發(fā)接口
6.3.5 海量數(shù)據(jù)的處理能力
6.3.6 適應(yīng)不同類型層次人員需求
第7章 數(shù)據(jù)挖掘在金融電信行業(yè)的應(yīng)用
7.1 案例二：電信3G客戶識別系統(tǒng)
7.1.1 挖掘目標(biāo)的提出
7.1.2 分析方法與過程
7.1.3 建模仿真
7.1.4 核心知識點(diǎn)
7.1.5 拓展思考
7.2 案例三：基于客戶分群的精準(zhǔn)智能營銷
7.2.1 挖掘目標(biāo)的提出
7.2.2 分析方法與過程
7.2.3 建模仿真
7.2.4 核心知識點(diǎn)
7.2.5 拓展思考
第8章 數(shù)據(jù)挖掘在互聯(lián)網(wǎng)行業(yè)的應(yīng)用
8.1 案例一：商業(yè)零售行業(yè)中的購物籃分析
8.1.1 挖掘目標(biāo)的提出
8.1.2 分析方法與過程
8.1.3 建模仿真
8.1.4 啟發(fā)與拓展
8.2 案例二：電子商務(wù)網(wǎng)站用戶行為分析
8.2.1 挖掘目標(biāo)的提出
8.2.2 分析方法與過程
8.2.3 建模仿真
8.2.4 啟發(fā)與拓展
8.3 案例三：基于用戶行為分析的定向網(wǎng)絡(luò)廣告投放
8.3.1 挖掘目標(biāo)的提出
8.3.2 分析方法與過程
8.3.3 建模仿真
8.3.4 結(jié)果及分析
8.3.5 啟發(fā)與拓展
第9章 數(shù)據(jù)挖掘在生產(chǎn)制造行業(yè)中的應(yīng)用
9.1 案例：基于RFM的企業(yè)客戶關(guān)系分析
9.1.1 挖掘目標(biāo)的提出
9.1.2 分析過程與方法
9.1.3 建模仿真
第1章　客戶關(guān)系管理與大數(shù)據(jù)的關(guān)系
1.1　客戶關(guān)系管理成為企業(yè)的核心能力
1.2　客戶關(guān)系管理中的數(shù)據(jù)分析
1.3　大數(shù)據(jù)分析應(yīng)用的條件
1.3.1 全面準(zhǔn)確的海量數(shù)據(jù)
1.3.2 精細(xì)化管理理念的倡導(dǎo)
1.3.3 數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)的有效應(yīng)用
1.4　大數(shù)據(jù)應(yīng)用的最新進(jìn)展
第2章　數(shù)據(jù)挖掘概述
2.1　數(shù)據(jù)挖掘的發(fā)展歷史
2.2　統(tǒng)計(jì)分析與數(shù)據(jù)挖掘的主要區(qū)別
2.3　數(shù)據(jù)挖掘的主要成熟技術(shù)以及在客戶關(guān)系管理中的主要應(yīng)用
2.3.1　決策樹
2.3.2　神經(jīng)網(wǎng)絡(luò)
2.3.3　回歸
2.3.4　關(guān)聯(lián)規(guī)則
2.3.5　聚類
2.3.6　貝葉斯分類方法
2.3.7　支持向量機(jī)
2.3.8　主成分分析
2.3.9　假設(shè)檢驗(yàn)
2.4　互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)挖掘應(yīng)用的特點(diǎn)
第3章　客戶關(guān)系管理中常見的數(shù)據(jù)分析項(xiàng)目類型
3.1　目標(biāo)客戶的特征分析
3.2　目標(biāo)客戶的預(yù)測（響應(yīng)、分類）模型
3.3　運(yùn)營群體的活躍度定義
3.4　用戶路徑分析
3.5　交叉銷售模型
3.6　信息質(zhì)量模型
3.7　服務(wù)保障模型
3.8　用戶（買家、賣家）分層模型
3.9　賣家（買家）交易模型
3.10　信用風(fēng)險(xiǎn)模型
3.11　商品推薦模型
3.11.1　商品推薦介紹
3.11.2　關(guān)聯(lián)規(guī)則
3.11.3　協(xié)同過濾算法
3.11.4　商品推薦模型總結(jié)
3.12　數(shù)據(jù)產(chǎn)品
3.13　決策支持
第4章　數(shù)據(jù)分析是跨專業(yè)、跨團(tuán)隊(duì)的協(xié)調(diào)與合作
4.1　數(shù)據(jù)分析團(tuán)隊(duì)與業(yè)務(wù)團(tuán)隊(duì)的分工和定位
4.1.1　提出業(yè)務(wù)分析需求并且能勝任基本的數(shù)據(jù)分析
4.1.2　提供業(yè)務(wù)經(jīng)驗(yàn)和參考建議
4.1.3　策劃和執(zhí)行精細(xì)化運(yùn)營方案
4.1.4　跟蹤運(yùn)營效果、反饋和總結(jié)
4.2　數(shù)據(jù)化運(yùn)營是真正的多團(tuán)隊(duì)、多專業(yè)的協(xié)同作業(yè)
4.3　實(shí)例示范數(shù)據(jù)化運(yùn)營中的跨專業(yè)、跨團(tuán)隊(duì)協(xié)調(diào)合作
第5章　數(shù)據(jù)挖掘項(xiàng)目完整應(yīng)用案例
5.1　項(xiàng)目背景和業(yè)務(wù)分析需求的提出
5.2　數(shù)據(jù)分析師參與需求討論
5.3　制定需求分析框架和分析計(jì)劃
5.4　抽取樣本數(shù)據(jù)、熟悉數(shù)據(jù)、數(shù)據(jù)清洗和摸底
5.5　按計(jì)劃初步搭建挖掘模型
5.6　與業(yè)務(wù)方討論模型的初步結(jié)論，提出新的思路和模型優(yōu)化方案
5.7　按優(yōu)化方案重新抽取樣本并建模，提煉結(jié)論并驗(yàn)證模型
5.8　完成分析報(bào)告和落地應(yīng)用建議
5.9　制定具體的落地應(yīng)用方案和評估方案
5.10　業(yè)務(wù)方實(shí)施落地應(yīng)用方案并跟蹤、評估效果
5.11　落地應(yīng)用方案在實(shí)際效果評估后，不斷修正完善
5.12　不同運(yùn)營方案的評估、總結(jié)和反饋
5.13　項(xiàng)目應(yīng)用后的總結(jié)和反思
第6章 頂尖數(shù)據(jù)挖掘平臺TipDM
6.1 TipDM產(chǎn)品功能
6.1.1 TipDM平臺提供的數(shù)據(jù)探索及預(yù)處理算法
6.1.2 TipDM平臺提供的分類與回歸算法
6.1.3 TipDM平臺提供的時(shí)序模式算法
6.1.4 TipDM平臺提供的聚類分析算法
6.1.5 TipDM平臺提供的關(guān)聯(lián)規(guī)則算法
6.2 TipDM使用說明
6.3 TipDM產(chǎn)品特點(diǎn)
6.3.1 支持CRISP-DM數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程
6.3.2 提供豐富的數(shù)據(jù)挖掘模型和靈活算法
6.3.3 具有多模型的整合能力
6.3.4 提供靈活多樣的應(yīng)用開發(fā)接口
6.3.5 海量數(shù)據(jù)的處理能力
6.3.6 適應(yīng)不同類型層次人員需求
第7章 數(shù)據(jù)挖掘在金融電信行業(yè)的應(yīng)用
7.1 案例二：電信3G客戶識別系統(tǒng)
7.1.1 挖掘目標(biāo)的提出
7.1.2 分析方法與過程
7.1.3 建模仿真
7.1.4 核心知識點(diǎn)
7.1.5 拓展思考
7.2 案例三：基于客戶分群的精準(zhǔn)智能營銷
7.2.1 挖掘目標(biāo)的提出
7.2.2 分析方法與過程
7.2.3 建模仿真
7.2.4 核心知識點(diǎn)
7.2.5 拓展思考
第8章 數(shù)據(jù)挖掘在互聯(lián)網(wǎng)行業(yè)的應(yīng)用
8.1 案例一：商業(yè)零售行業(yè)中的購物籃分析
8.1.1 挖掘目標(biāo)的提出
8.1.2 分析方法與過程
8.1.3 建模仿真
8.1.4 啟發(fā)與拓展
8.2 案例二：電子商務(wù)網(wǎng)站用戶行為分析
8.2.1 挖掘目標(biāo)的提出
8.2.2 分析方法與過程
8.2.3 建模仿真
8.2.4 啟發(fā)與拓展
8.3 案例三：基于用戶行為分析的定向網(wǎng)絡(luò)廣告投放
8.3.1 挖掘目標(biāo)的提出
8.3.2 分析方法與過程
8.3.3 建模仿真
8.3.4 結(jié)果及分析
8.3.5 啟發(fā)與拓展
第9章 數(shù)據(jù)挖掘在生產(chǎn)制造行業(yè)中的應(yīng)用
9.1 案例：基于RFM的企業(yè)客戶關(guān)系分析
9.1.1 挖掘目標(biāo)的提出
9.1.2 分析過程與方法
9.1.3 建模仿真
第1章　客戶關(guān)系管理與大數(shù)據(jù)的關(guān)系
1.1　客戶關(guān)系管理成為企業(yè)的核心能力
1.2　客戶關(guān)系管理中的數(shù)據(jù)分析
1.3　大數(shù)據(jù)分析應(yīng)用的條件
1.3.1 全面準(zhǔn)確的海量數(shù)據(jù)
1.3.2 精細(xì)化管理理念的倡導(dǎo)
1.3.3 數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)的有效應(yīng)用
1.4　大數(shù)據(jù)應(yīng)用的最新進(jìn)展
第2章　數(shù)據(jù)挖掘概述
2.1　數(shù)據(jù)挖掘的發(fā)展歷史
2.2　統(tǒng)計(jì)分析與數(shù)據(jù)挖掘的主要區(qū)別
2.3　數(shù)據(jù)挖掘的主要成熟技術(shù)以及在客戶關(guān)系管理中的主要應(yīng)用
2.3.1　決策樹
2.3.2　神經(jīng)網(wǎng)絡(luò)
2.3.3　回歸
2.3.4　關(guān)聯(lián)規(guī)則
2.3.5　聚類
2.3.6　貝葉斯分類方法
2.3.7　支持向量機(jī)
2.3.8　主成分分析
2.3.9　假設(shè)檢驗(yàn)
2.4　互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)挖掘應(yīng)用的特點(diǎn)
第3章　客戶關(guān)系管理中常見的數(shù)據(jù)分析項(xiàng)目類型
3.1　目標(biāo)客戶的特征分析
3.2　目標(biāo)客戶的預(yù)測（響應(yīng)、分類）模型
3.3　運(yùn)營群體的活躍度定義
3.4　用戶路徑分析
3.5　交叉銷售模型
3.6　信息質(zhì)量模型
3.7　服務(wù)保障模型
3.8　用戶（買家、賣家）分層模型
3.9　賣家（買家）交易模型
3.10　信用風(fēng)險(xiǎn)模型
3.11　商品推薦模型
3.11.1　商品推薦介紹
3.11.2　關(guān)聯(lián)規(guī)則
3.11.3　協(xié)同過濾算法
3.11.4　商品推薦模型總結(jié)
3.12　數(shù)據(jù)產(chǎn)品
3.13　決策支持
第4章　數(shù)據(jù)分析是跨專業(yè)、跨團(tuán)隊(duì)的協(xié)調(diào)與合作
4.1　數(shù)據(jù)分析團(tuán)隊(duì)與業(yè)務(wù)團(tuán)隊(duì)的分工和定位
4.1.1　提出業(yè)務(wù)分析需求并且能勝任基本的數(shù)據(jù)分析
4.1.2　提供業(yè)務(wù)經(jīng)驗(yàn)和參考建議
4.1.3　策劃和執(zhí)行精細(xì)化運(yùn)營方案
4.1.4　跟蹤運(yùn)營效果、反饋和總結(jié)
4.2　數(shù)據(jù)化運(yùn)營是真正的多團(tuán)隊(duì)、多專業(yè)的協(xié)同作業(yè)
4.3　實(shí)例示范數(shù)據(jù)化運(yùn)營中的跨專業(yè)、跨團(tuán)隊(duì)協(xié)調(diào)合作
第5章　數(shù)據(jù)挖掘項(xiàng)目完整應(yīng)用案例
5.1　項(xiàng)目背景和業(yè)務(wù)分析需求的提出
5.2　數(shù)據(jù)分析師參與需求討論
5.3　制定需求分析框架和分析計(jì)劃
5.4　抽取樣本數(shù)據(jù)、熟悉數(shù)據(jù)、數(shù)據(jù)清洗和摸底
5.5　按計(jì)劃初步搭建挖掘模型
5.6　與業(yè)務(wù)方討論模型的初步結(jié)論，提出新的思路和模型優(yōu)化方案
5.7　按優(yōu)化方案重新抽取樣本并建模，提煉結(jié)論并驗(yàn)證模型
5.8　完成分析報(bào)告和落地應(yīng)用建議
5.9　制定具體的落地應(yīng)用方案和評估方案
5.10　業(yè)務(wù)方實(shí)施落地應(yīng)用方案并跟蹤、評估效果
5.11　落地應(yīng)用方案在實(shí)際效果評估后，不斷修正完善
5.12　不同運(yùn)營方案的評估、總結(jié)和反饋
5.13　項(xiàng)目應(yīng)用后的總結(jié)和反思
第6章 頂尖數(shù)據(jù)挖掘平臺TipDM
6.1 TipDM產(chǎn)品功能
6.1.1 TipDM平臺提供的數(shù)據(jù)探索及預(yù)處理算法
6.1.2 TipDM平臺提供的分類與回歸算法
6.1.3 TipDM平臺提供的時(shí)序模式算法
6.1.4 TipDM平臺提供的聚類分析算法
6.1.5 TipDM平臺提供的關(guān)聯(lián)規(guī)則算法
6.2 TipDM使用說明
6.3 TipDM產(chǎn)品特點(diǎn)
6.3.1 支持CRISP-DM數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程
6.3.2 提供豐富的數(shù)據(jù)挖掘模型和靈活算法
6.3.3 具有多模型的整合能力
6.3.4 提供靈活多樣的應(yīng)用開發(fā)接口
6.3.5 海量數(shù)據(jù)的處理能力
6.3.6 適應(yīng)不同類型層次人員需求
第7章 數(shù)據(jù)挖掘在金融電信行業(yè)的應(yīng)用
7.1 案例二：電信3G客戶識別系統(tǒng)
7.1.1 挖掘目標(biāo)的提出
7.1.2 分析方法與過程
7.1.3 建模仿真
7.1.4 核心知識點(diǎn)
7.1.5 拓展思考
7.2 案例三：基于客戶分群的精準(zhǔn)智能營銷
7.2.1 挖掘目標(biāo)的提出
7.2.2 分析方法與過程
7.2.3 建模仿真
7.2.4 核心知識點(diǎn)
7.2.5 拓展思考
第8章 數(shù)據(jù)挖掘在互聯(lián)網(wǎng)行業(yè)的應(yīng)用
8.1 案例一：商業(yè)零售行業(yè)中的購物籃分析
8.1.1 挖掘目標(biāo)的提出
8.1.2 分析方法與過程
8.1.3 建模仿真
8.1.4 啟發(fā)與拓展
8.2 案例二：電子商務(wù)網(wǎng)站用戶行為分析
8.2.1 挖掘目標(biāo)的提出
8.2.2 分析方法與過程
8.2.3 建模仿真
8.2.4 啟發(fā)與拓展
8.3 案例三：基于用戶行為分析的定向網(wǎng)絡(luò)廣告投放
8.3.1 挖掘目標(biāo)的提出
8.3.2 分析方法與過程
8.3.3 建模仿真
8.3.4 結(jié)果及分析
8.3.5 啟發(fā)與拓展
第9章 數(shù)據(jù)挖掘在生產(chǎn)制造行業(yè)中的應(yīng)用
9.1 案例：基于RFM的企業(yè)客戶關(guān)系分析
9.1.1 挖掘目標(biāo)的提出
9.1.2 分析過程與方法
9.1.3 建模仿真
9.1.4 核心知識點(diǎn)
9.1.5 拓展思考
 

教育背景：
清華大學(xué)經(jīng)濟(jì)管理學(xué)院工商管理碩士

主要工作經(jīng)歷及業(yè)績
北京同昌惠德科技有限公司副總經(jīng)理、國際電子商務(wù)師聯(lián)合會(huì)北京管理中心主任；
曾任美國著名CRM軟件產(chǎn)品咨詢顧問；香港上市公司總裁助理；外企銷售部經(jīng)理；亞星汽車山西分公司經(jīng)理；清華大學(xué)EMBA項(xiàng)目主管；國家“八五”、“九五”重點(diǎn)軍工項(xiàng)目主任，所參加項(xiàng)目曾獲部級科技進(jìn)步二等獎(jiǎng)。

擅長客戶關(guān)系管理(CRM)、服務(wù)營銷、客戶服務(wù)、企業(yè)電子商務(wù)、企業(yè)信息化、物流管理等領(lǐng)域的培訓(xùn)與咨詢。

具有扎實(shí)的理論功底，豐富的行業(yè)知識及企業(yè)管理經(jīng)驗(yàn)，能將復(fù)雜深?yuàn)W的理論用淺顯的企業(yè)實(shí)踐案例加以闡述，講課擅長啟發(fā)、互動(dòng)。

主講課程有：
《360°客戶關(guān)系管理》、《商業(yè)銀行的客戶關(guān)系管理》、《汽車行業(yè)客戶關(guān)系管理》、《電信行業(yè)的客戶關(guān)系管理維護(hù)與提升》、《卓越的客戶服務(wù)技巧》、《客戶服務(wù)體系》、《企業(yè)電子商務(wù)》、《電子商務(wù)與網(wǎng)絡(luò)營銷》、《企業(yè)信息化與電子商務(wù)》、《汽車行業(yè)物流與供應(yīng)鏈管理》、《時(shí)間管理》等。

• 企業(yè)政府關(guān)系與媒體關(guān)系管理

   

  課程大綱一、企業(yè)與政府的關(guān)系企業(yè)處理政府事務(wù)的六大誤區(qū)政府精簡和改組所發(fā)生的變化政府官員與企業(yè)之間的三大關(guān)系如何理解政府的“離不開、靠不住”怎樣與官員共舞如何與同一個(gè)政府部門的不同官員打交道學(xué)習(xí)企業(yè)與政府部門打交道的6大要領(lǐng)爭取政府支持的6大關(guān)鍵點(diǎn)政府機(jī)構(gòu)工作的運(yùn)作程序企業(yè)人員必須遵..

  ￥10,000   元/ 天

  人氣：906  

  

• 大數(shù)據(jù)及人工智能背景下消費(fèi)和小微信貸線上獲客、產(chǎn)品設(shè)計(jì)、風(fēng)控應(yīng)對策略

   

  第一部分：金融科技發(fā)展?fàn)顩r的介紹一、金融科技的現(xiàn)狀與發(fā)展趨勢（一）宏觀背景1、金融科技（支付寶人臉識別技術(shù)、APPLEPAY、虹膜技術(shù)、二維碼支付技術(shù)）2、利率市場化3、金融脫媒（二）移動(dòng)互聯(lián)技術(shù)的發(fā)展使互聯(lián)網(wǎng)金融成為可能1、移動(dòng)互聯(lián)網(wǎng)技術(shù)2、移動(dòng)支付技術(shù)3、H5、APP（三）互聯(lián)網(wǎng)金融對傳統(tǒng)銀行資產(chǎn)業(yè)務(wù)的顛覆和沖..

  ￥   元/ 天

  人氣：993  

  

• 大數(shù)據(jù)時(shí)代——提升患者管理，構(gòu)建專業(yè)藥房

   

  【課程導(dǎo)言】：移動(dòng)互聯(lián)時(shí)代下，實(shí)體門店面臨巨大的挑戰(zhàn)，同時(shí)也是一種機(jī)會(huì)。馬云說：不是實(shí)體門店不行了，而是你的實(shí)體門店不行了。面臨新的沖擊實(shí)體店如何進(jìn)行創(chuàng)新，如何守住老陣地，如何利用新武器，這是所有實(shí)體連鎖共同面臨的問題。課程從互聯(lián)網(wǎng)環(huán)境對我們的實(shí)體店挑戰(zhàn)和我們面臨的消費(fèi)者消費(fèi)習(xí)慣和方式的的變化入手，通過分析新零售良品鋪?zhàn)樱懼?，名?chuàng)優(yōu)品的..

  ￥   元/ 天

  人氣：781  

  

• 服裝行業(yè)終端店長——客戶關(guān)系管理課程

   

  【課程大綱】1.客戶關(guān)系管理的定義2.客戶關(guān)系管理的流程3.VIP客戶的分級管理4.客戶開發(fā)的渠道5.客戶維護(hù)的技巧與方法6.老客戶的維系與營銷方法7.新客戶及潛大客戶的維系與營銷方法..

  ￥   元/ 天

  人氣：1060  

  

• 服裝行業(yè)終端導(dǎo)購——客戶關(guān)系管理課程

   

  【課程內(nèi)容】1.客戶關(guān)系管理的定義2.客戶關(guān)系管理的流程3.VIP客戶的分級管理4.客戶開發(fā)的渠道5.客戶維護(hù)的技巧與方法6.老客戶的維系與營銷方法7. 新客戶及潛大客戶的維系與營銷方法..

  ￥   元/ 天

  人氣：1027  

  

• 電商互聯(lián)網(wǎng)大數(shù)據(jù)營銷之落地實(shí)踐鐵律

   

  課程背景：未來人貨場一切數(shù)字化，數(shù)據(jù)將成為一種資源，沒有數(shù)據(jù)沒有未來，企業(yè)如何構(gòu)建自己的大數(shù)據(jù)未來？人工智能已經(jīng)來臨，人工智能在營銷板塊的應(yīng)用本質(zhì)就是大數(shù)據(jù)營銷！企業(yè)的ERP、CRM、報(bào)表等等僅僅是零散的死數(shù)據(jù)，如何激活流動(dòng)產(chǎn)生閉環(huán)，產(chǎn)生效益？經(jīng)驗(yàn)將成為負(fù)債，未來將利用數(shù)據(jù)產(chǎn)品規(guī)劃、定位、策劃、人群分析、活動(dòng)策劃，數(shù)據(jù)成為商業(yè)的起點(diǎn)！人為..

  ￥19,100   元/ 天

  人氣：1369