Excel营销数据分析宝典 大数据时代下易用、超值的数据分析技术PDF电子书下载

第Ⅰ部分 使用Excel汇总市场营销数据 3

第1章 使用PivotTable对市场营销数据进行交叉分析 3

1.1 分析True Colors Hardware本色五金商店）的销售情况 3

1.1.1 计算两个商店的销售百分比 4

1.1.2 按月汇总收益 7

1.1.3 计算各产品的收益 8

1.1.4 帕累托80-20原则 9

1.1.5 报表筛选器和切片器 9

1.2 分析La Petit面包店的销售情况 11

1.2.1 总结一周内各天对面包店销售情况的影响 13

1.2.2 产品季节性因素分析 13

1.2.3 分析面包店销售趋势 15

1.2.4 分析促销对销售情况的影响 16

1.3 分析人口结构如何影响销售情况 17

1.3.1 分析订阅者的年龄 17

1.3.2 分析订阅者的性别 18

1.3.3 描述订阅者的收入分布 19

1.3.4 描述订阅者的位置 20

1.3.5 构建年龄与收入的交叉分析 20

1.4 用GETPIVOTDATA函数从PivotTable中提取数据 21

1.5 本章小结 22

1.6 练习题 22

第2章 使用Excel图表汇总市场营销数据 25

2.1 组合图表 25

2.1.1 在柱形图中添加生动的产品图片 27

2.1.2 在图表中添加标签或表格 29

2.2 使用PivotChart汇总市场调研数据 30

2.3 确保添加新数据时图表自动更新 32

2.4 制作动态图表标签 33

2.5 销售团队月度业绩排名汇总 35

2.6 在图表中使用复选框来控制数据 37

2.7 使用迷你图汇总多个数据系列 39

2.8 使用GETPIVOTDATA创建本周销售报表 42

2.9 本章小结 44

2.10 练习题 44

第3章 使用Excel函数汇总市场营销数据 47

3.1 使用直方图汇总数据 47

3.1.1 使用TRANSPOSE函数 48

3.1.2 使用FREQUENCY函数 48

3.1.3 偏斜度与直方图图形 50

3.2 使用统计函数汇总市场营销数据 51

3.2.1 使用Excel函数计算数据集的典型值 51

3.2.2 典型值的哪种度量最佳 52

3.2.3 使用VAR和STDEV函数汇总差异 53

3.2.4 汇总数据集的经验法则 53

3.2.5 PERCENTILE.EXC和PERCENTRANK.EXC函数 54

3.2.6 LARGE与SMALL函数 54

3.2.7 使用COUNTIF和SUMIF函数 54

3.2.8 使用COUNTIFS、SUMIFS、AVERAGEIF和AVERAGEIFS函数 57

3.2.9 使用分类汇总来汇总数据 59

3.2.10 使用数组公式汇总ESPN杂志订阅者的人口统计数据 61

3.3 本章小结 62

3.4 练习题 63

第Ⅱ部分 定价策略 67

第4章 评估需求曲线并使用规划求解来最优化定价 67

4.1 评估线性和乘幂需求曲线 67

4.1.1 价格弹性 68

4.1.2 需求曲线的形式 68

4.2 使用Excel规划求解来最优化定价 71

4.2.1 剃须刀（不含刀片）的定价策略 72

4.2.2 结合配套产品 74

4.3 使用主观评估需求曲线进行定价 75

4.4 使用规划求解表对多种产品进行定价 77

4.5 本章小结 81

4.6 练习题 81

第5章 捆绑定价 85

5.1 为什么要捆绑 85

5.1.1 捆绑产品以获取消费者剩余 86

5.1.2 单纯捆绑 86

5.1.3 混合捆绑 87

5.2 使用演化规划求解找出最优捆绑定价 88

5.2.1 演化规划求解介绍 89

5.2.2 找出最优的捆绑定价 91

5.3 本章小结 93

5.4 练习题 93

第6章 非线性定价策略 97

6.1 需求曲线和支付意愿 98

6.2 使用非线性定价策略最大化利润 98

6.2.1 最优化标准数量折扣 99

6.2.2 最优化非标准数量折扣 101

6.2.3 最优化双重收费 101

6.3 本章小结 104

6.4 练习题 104

第7章 撇脂定价策略与销售 107

7.1 价格随时间而下降 107

7.1.1 学习曲线 107

7.1.2 竞争对手 108

7.1.3 撇脂定价策略 108

7.2 为何会有低价销售 109

7.3 本章小结 112

7.4 练习题 112

第8章 收益管理 115

8.1 为贝兹汽车旅馆和细分消费者评估需求 116

8.1.1 评估需求曲线 116

8.1.2 最优化单一价格 117

8.1.3 使用两种价格来细分消费者 118

8.1.4 具有容量限制的细分市场 120

8.2 应对不确定因素 121

8.2.1 判定预订限制 121

8.2.2 超售模型 122

8.3 降价策略 123

8.4 本章小结 125

8.5 练习题 125

第Ⅲ部分 预测 129

第9章 简单线性回归及相关系数 129

9.1 简单线性回归 129

9.1.1 分析毛家饭店的销售情况 130

9.1.2 Excel如何判定最佳拟合线 133

9.1.3 计算误差或残差 134

9.1.4 定义R2 134

9.1.5 趋势线的预测准确性 135

9.1.6 Excel的SLOPE、INTERCEPT和RSQ函数 135

9.2 使用相关系数来总结线性关系 136

9.2.1 使用数据分析加载项来找出相关系数 137

9.2.2 相关系数与均值回归 139

9.3 本章小结 139

9.4 练习题 139

第10章 使用多元回归分析预测销售情况 141

10.1 多元线性回归分析介绍 141

10.2 使用数据分析加载项运行回归分析 143

10.3 理解回归分析的结果 144

10.3.1 回归系数 144

10.3.2 非线性回归假设的F检验 145

10.3.3 回归预测拟合的准确性和合优性 145

10.3.4 判定显著的自变量 145

10.3.5 残差结果和异常值 146

10.3.6 处理不显著的自变量 146

10.3.7 回归系数说明 147

10.3.8 设置销售配额 147

10.3.9 谨防盲目推断 148

10.4 在回归分析中使用定性自变量 148

10.5 对相互作用和非线性关系进行建模 152

10.5.1 非线性关系 152

10.5.2 相互作用 153

10.5.3 检验非线性关系和相互作用 153

10.6 检验回归假设的有效性 155

10.6.1 正态分布的误差项 155

10.6.2 异方差性：非常数方差误差项 156

10.6.3 自相关：误差的非独立性 158

10.6.4 自相关的图形化说明 158

10.6.5 自相关检测与校正 159

10.7 多重共线性 162

10.8 回归分析的验证 164

10.9 本章小结 166

10.10 练习题 166

第11章 在特殊事件发生时进行预测 169

11.1 构建基础模型 169

11.1.1 评估预测的准确性 172

11.1.2 细化基础模型 173

11.1.3 检查预测误差的随机性 175

11.2 本章小结 176

11.3 练习题 176

第12章 对趋势和季节性因素建模 177

12.1 使用移动平均线来平滑处理数据并消除季节性因素 177

12.2 一个具有趋势和季节性因素的相加模型 179

12.3 一个具有趋势和季节性因素的相乘模型 181

12.4 本章小结 183

12.5 练习题 184

第13章 移动平均比率预测法 185

13.1 使用移动平均比率法 185

13.1.1 计算移动平均指标和中心移动平均指标 186

13.1.2 将趋势线拟合到中心移动平均指标 186

13.1.3 计算季节性指数 186

13.1.4 预测季度21～季度24期间的销量 187

13.2 将移动平均比率法应用于月度数据 187

13.3 本章小结 187

13.4 练习题 188

第14章 温特方法 189

14.1 温特方法的参数定义 189

14.2 初始化温特方法 190

14.3 估算平滑常数 191

14.4 对未来月份进行预测 192

14.5 平均绝对误差率（MAPE） 193

14.6 本章小结 194

14.7 练习题 194

第15章 使用类神经网络预测销售情况 195

15.1 回归分析和类神经网络 195

15.2 使用类神经网络 195

15.2.1 预测股市 196

15.2.2 驾驶汽车 196

15.2.3 直接市场目标 196

15.2.4 破产预测 197

15.2.5 商品扫描数据分析 197

15.2.6 类神经网络与电梯 197

15.2.7 信用卡与贷款 197

15.3 使用NeuralTools预测销售额 198

15.4 使用NeuralTools预测航空里程数 202

15.5 本章小结 202

15.6 练习题 203

第Ⅳ部分 客户需求 207

第16章 联合分析法 207

16.1 产品、属性和等级 207

16.2 全轮廓联合分析法 209

16.2.1 确定产品轮廓 209

16.2.2 运行回归分析 211

16.2.3 属性和等级排名 212

16.2.4 使用联合分析法细分市场 213

16.2.5 用联合分析法进行价值导向定价 213

16.3 使用演化规划求解生成产品轮廓 214

16.4 制定联合分析模拟器 218

16.5 研究联合分析的其他形式 220

16.5.1 自适应／混合型联合分析 220

16.5.2 基于选择的联合分析 220

16.6 本章小结 220

16.7 练习题 221

第17章 逻辑回归分析 223

17.1 为何逻辑回归分析是必要的 223

17.2 逻辑回归模型 226

17.3 逻辑回归模型的最大似然评估 227

17.3.1 使用逻辑回归分析来评估概率 228

17.3.2 阐释逻辑回归分析的回归系数 229

17.4 使用StatTools评估和验证逻辑回归分析假设 229

17.4.1 使用StatTools运行逻辑回归分析 229

17.4.2 StatTools逻辑回归分析输出说明 231

17.4.3 具有不止一个自变量的逻辑回归分析 231

17.5 用计数数据执行逻辑回归分析 233

17.6 本章小结 234

17.7 练习题 235

第18章 离散选择分析 237

18.1 随机效用理论 237

18.2 巧克力偏好的离散选择分析 238

18.3 将价格和品牌价值纳入离散选择分析中 241

18.3.1 价格优化 243

18.3.2 评估品牌价值 245

18.3.3 验证离散选择分析中的显著性 245

18.4 动态离散选择分析 246

18.5 不相关可选项的独立性（IIA）假设 247

18.6 离散选择与价格弹性 248

18.7 本章小结 248

18.8 练习题 249

第Ⅴ部分 客户价值 255

第19章 计算客户的生命周期价值 255

19.1 基础客户价值模板 255

19.2 使用双向表格衡量敏感度分析 257

19.3 乘数的显式表达式 257

19.4 变化的边际利润 258

19.5 DIRECTV、客户价值以及《胜利之光》（FNL） 259

19.6 评估客户仍会保持活跃的几率 260

19.7 超越基础客户生命周期价值模型 261

19.8 本章小结 261

19.9 练习题 261

第20章 使用客户价值对业务估值 263

20.1 价值评估入门 263

20.2 使用客户价值对业务估值 264

20.3 使用单向表格衡量敏感度分析 266

20.4 使用客户价值来评估一家企业的市场价值 266

20.5 本章小结 267

20.6 练习题 267

第21章 客户价值、蒙特卡罗模拟法与市场营销决策 269

21.1 客户价值的马可夫链模型 269

21.2 使用蒙特卡罗模拟法预测市场营销活动是否会成功 273

21.2.1 使用一个单向数据表格来模拟高朋网团购活动 276

21.2.2 使用柱状图来汇总模拟结果 277

21.3 本章小结 278

21.4 练习题 278

第22章 在获取客户和留存客户之间分配市场营销资源 281

22.1 对资金投入与获取客户和留存客户之间的关系进行建模 281

22.2 优化留存和获取投入的基础模型 283

22.3 基础模型的改进 285

22.4 本章小结 287

22.5 练习题 287

第Ⅵ部分 市场细分 291

第23章 聚类分析 291

23.1 对美国城市进行聚类 291

23.1.1 属性标准化 292

23.1.2 聚类选取 293

23.1.3 规划求解如何找出最优聚类 294

23.1.4 设置用于聚类分析的规划求解模型 295

23.1.5 聚类说明 297

23.1.6 判定聚类的适当数量 298

23.2 使用联合分析法对市场进行细分 298

23.3 本章小结 301

23.4 练习题 302

第24章 协同过滤 303

24.1 基于用户的协同过滤 303

24.1.1 评估用户相似性 304

24.1.2 评估Theresa对《爱慕》的评分 305

24.2 基于内容项的过滤 307

24.3 基于内容项和基于用户的协同过滤的对比 309

24.4 Netflix比赛 309

24.5 本章小结 310

24.6 练习题 310

第25章 将分类树用于细分市场 311

25.1 决策树介绍 311

25.2 构造一棵决策树 312

25.2.1 决策树说明 315

25.2.2 决策树与聚类分析有何不同 315

25.3 精简决策树和CART 315

25.4 本章小结 316

25.5 练习题 316

第Ⅶ部分 预测新产品的销售情况 321

第26章 用S曲线预测新产品的销售情况 321

26.1 研究S曲线 321

26.2 拟合珀尔或逻辑斯蒂曲线 323

26.3 用季节性因素拟合S曲线 325

26.4 拟合龚铂兹曲线 327

26.5 珀尔曲线与龚铂兹曲线对比 328

26.6 本章小结 329

26.7 练习题 329

第27章 巴斯扩散模型 331

27.1 巴斯模型介绍 331

27.2 评估巴斯模型 332

27.3 使用巴斯模型预测新产品的销售情况 334

27.4 收缩意向数据 336

27.5 使用巴斯模型来模拟新产品的销售情况 337

27.6 巴斯模型的改进 338

27.7 本章小结 339

27.8 练习题 339

第28章 使用哥白尼原则预测未来的销售时长 341

28.1 使用哥白尼原则 341

28.2 模拟产品的剩余生命期 342

28.3 本章小结 343

28.4 练习题 343

第Ⅷ部分 零售业 347

第29章 购物篮分析和电梯理论 347

29.1 计算两种产品的搭配度 347

29.1.1 创建命名区域 348

29.1.2 同时计算多个双向产品组合的搭配度 349

29.2 计算三向搭配度 350

29.3 数据挖掘传奇揭秘 353

29.4 使用搭配度优化商场布局 353

29.5 本章小结 355

29.6 练习题 355

第30章 RFM分析和直邮广告活动优化 357

30.1 RFM分析 357

30.1.1 计算R、F和M 358

30.1.2 R、F和M是何值时应该邮寄目录 360

30.2 一个RFM成功案例 362

30.3 使用演化规划求解优化直邮广告活动 362

30.4 本章小结 364

30.5 练习题 364

第31章 使用SCAN＊PRO模型及其变体 365

31.1 SCAN＊PRO模型介绍 365

31.2 对士力架巧克力条的销售情况建模 366

31.3 软件销量预测 368

31.3.1 模型说明 370

31.3.2 未来销量预测 371

31.3.3 自相关性检查 371

31.3.4 对销售趋势进行建模 371

31.4 本章小结 372

31.5 练习题 372

第32章 分配零售空间及销售资源 375

32.1 识别销量与市场营销活动之间的关系 375

32.2 对销售团队活动的市场营销反响进行建模 376

32.2.1 拟合乘幂曲线 376

32.2.2 拟合ADBUDG曲线 378

32.3 优化销售活动分配 380

32.4 使用龚铂兹曲线分配超市货架空间 382

32.5 本章小结 382

32.6 练习题 383

第33章 通过几个数据点来预测销售数据 385

33.1 预测电影票房 385

33.2 调整模型以提高预测准确性 387

33.2.1 找出异常值 387

33.2.2 最小化平方误差 388

33.2.3 忽略持久力 388

33.3 使用前3周票房预测电影票房 388

33.4 本章小结 389

33.5 练习题 390

第Ⅸ部分 广告 393

第34章 衡量广告效益 393

34.1 广告效应存量（Adstock）模型 393

34.2 评估广告效应的另一个模型 396

34.3 广告宣传优化：脉动与持续支出对比 397

34.4 本章小结 400

34.5 练习题 401

第35章 媒体选择模型 403

35.1 线性媒体分配模型 403

35.2 数量折扣 406

35.3 蒙特卡罗媒体分配模拟法 407

35.4 本章小结 411

35.5 练习题 411

第36章 点击付费（PPC）在线广告 413

36.1 点击付费广告定义 413

36.2 PPC广告的盈利模型 414

36.3 谷歌AdWords竞拍 416

36.3.1 判定每次点击广告客户需要付出的费用 416

36.3.2 竞拍示例 417

36.4 使用竞价模拟器来优化竞价 418

36.5 本章小结 418

36.6 练习题 419

第Ⅹ部分 市场营销研究工具 423

第37章 主成分分析（PCA） 423

37.1 定义PCA 423

37.2 线性组合、方差和协方差 423

37.2.1 样本方差和标准差 424

37.2.2 样本协方差 425

37.2.3 样本相关系数 425

37.3 深入研究主成分分析 429

37.3.1 找出第一主成分 430

37.3.2 找出第二主成分 432

37.3.3 找出PC3到PC6 433

37.3.4 应该保留多少个主成分 433

37.3.5 公因子方差 434

37.4 PCA的其他用途 434

37.5 本章小结 435

37.6 练习题 436

第38章 多维尺度分析（MDS） 437

38.1 相似度数据 437

38.2 美国城市距离的MDS分析 438

38.2.1 OFFSET函数 438

38.2.2 设置距离数据的MDS 439

38.3 早餐食品的MDS分析 442

38.4 找出消费者的理想点 445

38.5 本章小结 448

38.6 练习题 448

第39章 分类演算法：朴素贝叶斯分类器和判别分析 451

39.1 条件概率 451

39.2 贝叶斯定理 452

39.3 朴素贝叶斯分类器 454

39.4 线性判别分析 458

39.4.1 找出最优线性分类规则 459

39.4.2 找出最重要的特性 461

39.4.3 分类矩阵 461

39.4.4 评估分类规则的质量 461

39.4.5 具有两个以上分组的线性分类 462

39.4.6 涉及非线性关系和相互作用的分类规则 462

39.5 模型校验 462

39.6 朴素贝叶斯出人意料的优点 462

39.7 本章小结 463

39.8 练习题 463

第40章 方差分析：单因素方差分析 465

40.1 验证分组平均值是否不同 465

40.2 单因素ANOVA的示例 466

40.3 ANOVA中方差的作用 467

40.4 使用单因素ANOVA进行预测 468

40.5 对比 469

40.6 本章小结 471

40.7 练习题 472

第41章 方差分析：双因素方差分析 473

41.1 双因素ANOVA介绍 473

41.2 无重复双因素ANOVA 473

41.3 可重复双因素ANOVA 476

41.3.1 没有相互作用时的销量预测 478

41.3.2 具有相互作用的双因素ANOVA 479

41.4 本章小结 480

41.5 练习题 480

第Ⅺ部分 互联网和社会化营销 485

第42章 网络 485

42.1 衡量一个节点的重要性 485

42.1.1 度数中心性 485

42.1.2 亲近中心性 486

42.1.3 中介中心性 487

42.2 衡量一个链接的重要性 489

42.3 总结网络结构 490

42.3.1 六度分离理论 491

42.3.2 L的定义和计算 491

42.3.3 局部聚类系数 492

42.4 随机网络与规则网络 493

42.4.1 随机网络 493

42.4.2 规则网络 494

42.4.3 这确实是一个很小的世界 495

42.5 富者益富 496

42.6 Klout评分系统 498

42.7 本章小结 498

42.8 练习题 499

第43章 The Tipping Point背后的数学原理 501

43.1 网络传播 501

43.2 The Tipping Point的巴斯版本 505

43.3 本章小结 508

43.4 练习题 508

第44章 病毒式营销 509

44.1 瓦茨模型 509

44.2 一个更为复杂的病毒式市场营销模型 510

44.2.1 二项分布和泊松随机变量 511

44.2.2 构建病毒式市场营销模型 512

44.2.3 使用数据表格来变更R 513

44.3 本章小结 514

44.4 练习题 514

第45章 文本挖掘 517

45.1 文本挖掘定义 517

45.2 对非结构化文本进行结构化处理 518

45.2.1 二进制编码 521

45.2.2 频率编码 521

45.2.3 词频和倒排文档频率评分编码 521

45.3 在现实场景中应用文本挖掘 521

45.3.1 文本挖掘和电影评论 521

45.3.2 航空公司推特文的情绪分析 522

45.3.3 使用推特文来预测电影票房 522

45.3.4 使用推特文来预测证券市场 523

45.3.5 使用推特文来评估超级碗橄榄球赛广告 523

45.4 本章小结 524

45.5 练习题 524