一、培训简述
大数据时代下，精准营销面对深刻变革。结合大数据技术，精准营销被带来深入的改变。大流量套餐多层次多渠道立体化精准营销需要通过大数据与人工智能建模进行改变。
本课程系统性的介绍了人工智能在大流量套餐多层次多渠道立体化精准营销的关键技术。包括对机器学习算法、深度学习知识的介绍，以及对TensorFlow的使用操作学习。详解了
1）流量套餐目标客户建模与画像
2）流量套餐目标客户分群与分级
3）流量套餐营销渠道建模与画像
4）流量套餐营销话术建模与画像
5）分层分级的多渠道立体化营销策略设计
6）营销落地与模型反馈调优
7）模型固化、成果输出、报奖
课程首先从人工智能的基本应用出发，然后分别介绍了人工智能在搜索中的各个环节落地的算法，每个环节中都包含了原理、代码、实践，通过三位一体的方式完成教学。最后讲解了深度学习的应用场景，提升了技术的深度。课程循序渐进，实战性强。

二、培训特色
运营商的AI发展有其自身特色。运营商走在信息网络的最前沿，能获取用户核心数据，同时一直为用户提供全面的ICT服务。运营商在信息化与数据方面有长远的积累，这给运营商发展AI带来一定的优势与差异性。面对人工智能所带来的机会与挑战，面对人工智能产业的快速成熟，作为运营商要快速拥抱AI时代的到来，发挥运营商在人工智能领域的优势。因此人工智能技术、在人工智能领域的创新思路成为通往AI时代的关键知识。
大流量套餐多层次多渠道立体化精准营销建模是运营商智能化转型的一个方向，通过AI技术，可以非常有效的改善运营的效率，提升管理水平，为此运营商需要掌握家庭宽带多层次多渠道立体化精准营销模型。

三、培训收益
1）通过本课程的学习,学员可以用较短的时间掌握人工智能领域的基础和精华内容。
2）掌握人工智能中涉及到的相关概念。了解如何获取数据以及特征工程。熟悉数据预处理方法。理解模型训练过程，并通过案例实战掌握四个应用场景
3）流量套餐目标客户建模与画像
4）流量套餐目标客户分群与分级
5）流量套餐营销渠道建模与画像
6）流量套餐营销话术建模与画像
7）分层分级的多渠道立体化营销策略设计
8）营销落地与模型反馈调优
9）模型固化、成果输出、报奖。

四、培训工具
本课程采用知识点讲解、案例分析、上机实际操作、动画演示、互动讨论，讲师点评、实战演练、项目展示等多种教学手段与方法，将实战工具与应用案例结合起来，达到学以致用、解决实际问题的目的。
培训工具：PPT讲义、项目案例演示、投影仪、白板、白纸、彩笔、音响设备、话筒等。

五、培训时长
     共计8天，每天6课时

六、培训大纲

时间	主题	内容
第一天	流量套餐目标客户建模与画像	一、流量套餐目标客户建模与画像实战-基于Python 1. 案例背景说明 2. 流量套餐目标客户建模与画像实战业务背景分析 3. 案例数据集介绍 4. 客户画像基础知识介绍 1）什么是用户画像 2）用户画像标签体系建设方法 3）时间衰减模型在用户画像的应用 4）使用机器学习技术计算标签 5. 大流量套餐客户建模特征建模 1）上网行为特征 2）APP下载特征 3）流量使用特征 4）网页浏览特征等 6. 基于机器学习技术预测客户标签 7. 用户生命周期理论分析 8. 宽带用户画像分析
	流量套餐目标客户分群与分级	一、流量套餐目标客户分群与分级-基于Python 1. 案例背景说明 2. 流量套餐目标客户分群与分级业务背景分析 3. 案例数据集介绍 4. 客户分群基础知识介绍 1）什么是客户分群 2）客户分群建设方法 3）基于规则的方法 4）基于模型(聚类)的方法 a)KMeans原理 b)RFM模型 5. 基于雷达图方法分析客户价值 6. 宽带客户价值计算变种RFM 7. 基于流量套餐的用户行为数据，完成用户建模
第二天	流量套餐营销渠道建模与画像	一、流量套餐营销渠道建模与画像-基于Python 1. 案例背景说明 2. 流量套餐营销渠道建模与画像业务背景分析 3. 案例数据集介绍 4. 营销渠道建模基础知识介绍 1）什么是营销渠道建模 2）营销渠道建模建设方法 3）基于规则的方法 4）基于模型的方法 a)KMeans原理 b)RFM模型 c)交叉分析方法 d)决策选择模型-规划算法 5. 基于雷达图方法分析营销渠道价值 6. 营销渠道价值计算变种RFM 7. 基于营销渠道行为数据，完成营销渠道建模
第三天	流量套餐营销话术建模与画像	一、流量套餐营销话术建模与画像-基于Python 1. 案例背景说明 2. 流量套餐营销话术建模与画像业务背景分析 3. 案例数据集介绍 4. 营销话术建模基础知识介绍 1）什么是营销话术建模 2）营销话术建模建设方法 3）基于规则的方法 4）基于模型的方法 a) 自然语言处理技术 b) 知识库 c) 知识图谱 d) 基于分类算法完成营销话术响应分析 5. 基于NLP方法分析营销话术价值与建模 6. 基于NLP方法分析营销数据，完成话术建模
第四天	基于分类器完成客户响应预测	一、基于分类器完成客户响应预测-基于Python 1. 案例背景说明 2. 客户响应预测业务背景分析 3. 案例数据集介绍 4. 客户响应预测基础知识介绍 1）什么是营销响应 2）基于XGBoost完成响应预测建模 3）基于规则的方法 5. 客户响应预测模型搭建
第五天	营销落地与模型反馈调优	一、营销落地与模型反馈调优-基于Python 1. 案例背景说明 2. 营销落地与模型反馈调优业务背景分析 3. 案例数据集介绍 4. 营销落地与模型反馈调优基础知识介绍 1）什么是模型反馈调优 2）模型反馈调优建模建设方法 3）模型反馈调优机制设计方法 5. 案例实践：用户分群优化 6. 案例实践：渠道建模优化 7. 案例实践：营销策略优化
	模型固化、成果输出、报奖等	一、模型固化、成果输出、报奖等-基于Python 1. 案例背景说明 2. 模型固化、成果输出、报奖等业务背景分析 3. 案例数据集介绍 4. 模型固化、成果输出、报奖等基础知识介绍 1）什么是模型固化 2）模型固化建设方法 3）模型固化设计方法 5. 案例实践：用户分群模型固化与成果输出 6. 案例实践：渠道建模模型固化与成果输出 7. 案例实践：营销策略模型固化与成果输出
第六天 - 第八天	课题优化开发与辅导	基于运营商自有课题进行研究与辅导 课题代码开发 课题优化建议