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