一、培訓簡述
大數據時代下，精準營銷面對深刻變革。結合大數據技術，精準營銷被帶來深入的改變。大流量套餐多層次多渠道立體化精準營銷需要通過大數據與人工智能建模進行改變。
本課程系統性的介紹了人工智能在大流量套餐多層次多渠道立體化精準營銷的關鍵技術。包括對機器學習算法、深度學習知識的介紹，以及對TensorFlow的使用操作學習。詳解了
1）流量套餐目標客戶建模與畫像
2）流量套餐目標客戶分群與分級
3）流量套餐營銷渠道建模與畫像
4）流量套餐營銷話術建模與畫像
5）分層分級的多渠道立體化營銷策略設計
6）營銷落地與模型反饋調優
7）模型固化、成果輸出、報獎
課程首先從人工智能的基本應用出發，然后分別介紹了人工智能在搜索中的各個環節落地的算法，每個環節中都包含了原理、代碼、實踐，通過三位一體的方式完成教學。最后講解了深度學習的應用場景，提升了技術的深度。課程循序漸進，實戰性強。

二、培訓特色
運營商的AI發展有其自身特色。運營商走在信息網絡的最前沿，能獲取用戶核心數據，同時一直為用戶提供全面的ICT服務。運營商在信息化與數據方面有長遠的積累，這給運營商發展AI帶來一定的優勢與差異性。面對人工智能所帶來的機會與挑戰，面對人工智能產業的快速成熟，作為運營商要快速擁抱AI時代的到來，發揮運營商在人工智能領域的優勢。因此人工智能技術、在人工智能領域的創新思路成為通往AI時代的關鍵知識。
大流量套餐多層次多渠道立體化精準營銷建模是運營商智能化轉型的一個方向，通過AI技術，可以非常有效的改善運營的效率，提升管理水平，為此運營商需要掌握家庭寬帶多層次多渠道立體化精準營銷模型。

三、培訓收益
1）通過本課程的學習,學員可以用較短的時間掌握人工智能領域的基礎和精華內容。
2）掌握人工智能中涉及到的相關概念。了解如何獲取數據以及特征工程。熟悉數據預處理方法。理解模型訓練過程，并通過案例實戰掌握四個應用場景
3）流量套餐目標客戶建模與畫像
4）流量套餐目標客戶分群與分級
5）流量套餐營銷渠道建模與畫像
6）流量套餐營銷話術建模與畫像
7）分層分級的多渠道立體化營銷策略設計
8）營銷落地與模型反饋調優
9）模型固化、成果輸出、報獎。

四、培訓工具
本課程采用知識點講解、案例分析、上機實際操作、動畫演示、互動討論，講師點評、實戰演練、項目展示等多種教學手段與方法，將實戰工具與應用案例結合起來，達到學以致用、解決實際問題的目的。
培訓工具：PPT講義、項目案例演示、投影儀、白板、白紙、彩筆、音響設備、話筒等。

五、培訓時長
     共計8天，每天6課時

六、培訓大綱

時間	主題	內容
第一天	流量套餐目標客戶建模與畫像	一、流量套餐目標客戶建模與畫像實戰-基于Python 1. 案例背景說明 2. 流量套餐目標客戶建模與畫像實戰業務背景分析 3. 案例數據集介紹 4. 客戶畫像基礎知識介紹 1）什么是用戶畫像 2）用戶畫像標簽體系建設方法 3）時間衰減模型在用戶畫像的應用 4）使用機器學習技術計算標簽 5. 大流量套餐客戶建模特征建模 1）上網行為特征 2）APP下載特征 3）流量使用特征 4）網頁瀏覽特征等 6. 基于機器學習技術預測客戶標簽 7. 用戶生命周期理論分析 8. 寬帶用戶畫像分析
	流量套餐目標客戶分群與分級	一、流量套餐目標客戶分群與分級-基于Python 1. 案例背景說明 2. 流量套餐目標客戶分群與分級業務背景分析 3. 案例數據集介紹 4. 客戶分群基礎知識介紹 1）什么是客戶分群 2）客戶分群建設方法 3）基于規則的方法 4）基于模型(聚類)的方法 a)KMeans原理 b)RFM模型 5. 基于雷達圖方法分析客戶價值 6. 寬帶客戶價值計算變種RFM 7. 基于流量套餐的用戶行為數據，完成用戶建模
第二天	流量套餐營銷渠道建模與畫像	一、流量套餐營銷渠道建模與畫像-基于Python 1. 案例背景說明 2. 流量套餐營銷渠道建模與畫像業務背景分析 3. 案例數據集介紹 4. 營銷渠道建模基礎知識介紹 1）什么是營銷渠道建模 2）營銷渠道建模建設方法 3）基于規則的方法 4）基于模型的方法 a)KMeans原理 b)RFM模型 c)交叉分析方法 d)決策選擇模型-規劃算法 5. 基于雷達圖方法分析營銷渠道價值 6. 營銷渠道價值計算變種RFM 7. 基于營銷渠道行為數據，完成營銷渠道建模
第三天	流量套餐營銷話術建模與畫像	一、流量套餐營銷話術建模與畫像-基于Python 1. 案例背景說明 2. 流量套餐營銷話術建模與畫像業務背景分析 3. 案例數據集介紹 4. 營銷話術建模基礎知識介紹 1）什么是營銷話術建模 2）營銷話術建模建設方法 3）基于規則的方法 4）基于模型的方法 a) 自然語言處理技術 b) 知識庫 c) 知識圖譜 d) 基于分類算法完成營銷話術響應分析 5. 基于NLP方法分析營銷話術價值與建模 6. 基于NLP方法分析營銷數據，完成話術建模
第四天	基于分類器完成客戶響應預測	一、基于分類器完成客戶響應預測-基于Python 1. 案例背景說明 2. 客戶響應預測業務背景分析 3. 案例數據集介紹 4. 客戶響應預測基礎知識介紹 1）什么是營銷響應 2）基于XGBoost完成響應預測建模 3）基于規則的方法 5. 客戶響應預測模型搭建
第五天	營銷落地與模型反饋調優	一、營銷落地與模型反饋調優-基于Python 1. 案例背景說明 2. 營銷落地與模型反饋調優業務背景分析 3. 案例數據集介紹 4. 營銷落地與模型反饋調優基礎知識介紹 1）什么是模型反饋調優 2）模型反饋調優建模建設方法 3）模型反饋調優機制設計方法 5. 案例實踐：用戶分群優化 6. 案例實踐：渠道建模優化 7. 案例實踐：營銷策略優化
	模型固化、成果輸出、報獎等	一、模型固化、成果輸出、報獎等-基于Python 1. 案例背景說明 2. 模型固化、成果輸出、報獎等業務背景分析 3. 案例數據集介紹 4. 模型固化、成果輸出、報獎等基礎知識介紹 1）什么是模型固化 2）模型固化建設方法 3）模型固化設計方法 5. 案例實踐：用戶分群模型固化與成果輸出 6. 案例實踐：渠道建模模型固化與成果輸出 7. 案例實踐：營銷策略模型固化與成果輸出
第六天 - 第八天	課題優化開發與輔導	基于運營商自有課題進行研究與輔導 課題代碼開發 課題優化建議