如果您想要查看如何报名，请直接到本文末尾。

2021年5月22-23日（周末两天）杭州站

2021年6月05-06日（周末两天）北京站

下图：宋星大课堂：数据化营销与运营知识地图

（下载高清原图请加工作人员微信（见下二维码），回复关键字“知识地图”，并帮忙转发该地图）

5月解锁杭州站，非常期待与杭州的朋友见面。另外，6月北京站一起开放报名欢迎新老同学参加！

本次课程中大约有50%的内容被新的内容所取代，而另外50%也进行了重新升级。这可能是吸引老学员返场的重要因素。新的课程强调了从前端（数字营销）到后端（数据化运营）的完整的链路，并给出了利用数据驱动后链路营销，或者更准确地说，是利用数据驱动深度消费者运营的策略、方法与案例。新的课程回答了诸多大家关心的问题：

企业正在处于什么样的数据生态，以及应该构建什么样的数据生态
深度营销和运营的关键数据如何获取
如何利用数据进行更先进更精准的营销投放
如何利用数据优化投放的效果
如何在消费者运营中应用关键数据
如何让“围墙花园”的数据为我所用
如何大幅度促进消费者的转化，以及激活留存的客户，并不断提升他们的忠诚度
私域运营背后的数据逻辑，以及如何让这些数据发挥更大的价值
……

具体的课程内容和报名的方式，见后文。但我要首先感谢2000多位朋友在过往21期的全情支持。在新的一期，我极为期待与新老朋友们相见。

时间地点

杭州站

授课日期：2021年5月22日、23日（周末）两天
授课时间：两天均是9:00-18:00
授课地点：杭州市某交通便利地点的四星级以上酒店的LED大会厅
特别说明：如果确实因为不可抗力（如疫情）而无法举办的，我们会全额退款。请大家放心。
早鸟报名截止日期：2021年5月17日前（含）

北京站

授课日期：2021年6月5日、6日（周末）两天
授课时间：两天均是9:00-18:00
授课地点：北京市某交通便利地点的四星级以上酒店的LED大会厅
特别说明：如果确实因为不可抗力（如疫情）而无法举办的，我们会全额退款。请大家放心。
早鸟报名截止日期：2021年5月31日前（含）

谁来讲

大课堂从第一期开始，都是由宋星全程讲授。

宋星是数据化互联网营销与运营资深的从业者和行业意见领袖，“互联网分析在中国（www.chinawebanalytics.cn）”博客（原“网站分析在中国”）全文作者，新南威尔士大学营销分析行业顾问委员会（UNSW Marketing Analytics Advisory Board）委员。阳狮传媒集团特聘顾问、腾讯星河计划顾问、百度集团顾问与钻石讲师、Google mLab顾问、北京航空航天大学特聘教授，也是前阳狮传媒集团数据技术与创新事业部总经理，前Adobe Omniture Business Unit亚太区首席商业咨询顾问。

作为中国最早的网站分析与优化实践者和推广者，在超过14年的互联网数据分析从业历程中，宋星服务了近百家致力在互联网业务领域取得突破的企业，并撰写了超过260篇业内脍炙人口的文章。他的个人博客“网站分析在中国”（现更名为：“互联网分析在中国”）是互联网从业者必看的网站之一，也是业内唯一一个完全由一个人撰写的专业博客。这一博客在超过11年的历史中获得了近300万的读者。同时，他也创立了互联网数据分析领域拥有超过11年历史的最著名的沙龙：WAW（Web Analytics Wednesday），这个沙龙直到今天仍然是每个月行业从业者的干货盛会。

宋星全程讲授的公开课《数据驱动的互联网营销和运营大课堂》在2016年5月到2021年1月的5年时间内，在北京、上海、深圳、广州和台北等地，一共开设21场，场均超过120人。

截至第21期，有超过580家企业参加了大课堂，目前这一数字仍在上涨。

下图为部分参加课程的企业，排名不分先后。

内容进一步升级

课程吸收了前21期同学们的诸多反馈，最新的这次升级，内容会更加聚焦于大家最关心的内容：数据与其应用场景的结合、数据对效果的优化、数据在营销和运营上深入的应用，更多的实操以及当前行业主流的发展热点与趋势。

全部内容共7个大部分，31个子部分，超过100个知识点，以及超过30个精彩的案例。

课程的大提纲（到二级目录）如下图所示。更细的内容提纲，请继续下拉。

详细内容提纲

引言：重回后链路

营销“话语权”的易主
消费者的蜕变：碎片化与粉末化的时代
从“公海”到“私汤”
营销的链路与后链路

第一部分：数字化背后的数据基础

1. 第一方数据（私域数据）：消费者行为的追踪与监测
- a) 对人的“名字”进行标记与追踪
- b) 消费者行为追踪的原理（适用于几乎所有用户触点）
- c) 对人的行为进行追踪（1）：基础监测
- d) 对人的行为进行追踪（2）：事件监测
- e) Web，APP，以及小程序的用户行为追踪
2. 营销与运营的核心度量与KPI
3. 来自企业之外的公域数据
- a) 数据的提供方
- b) 数据居间交易

第二部分：数据驱动的高效触达与获客

数字广告的暗涌：动态化与智能化的广告时代
- a) 传统互联网广告 vs 现代数字广告
- b) 人群定向的两种主要数据实现方式
基于公域数据的精准人群触达
- a) 精准背后的真相
- b) 效果类为主的公域数据驱动的广告投放
  - i. 公开RTB——“边缘化”但为什么仍然非常重要
  - ii. 公域数据驱动的广告投放的数字化生态：交易市场、Trading Desk、DMP以及供应方
  - iii. PD——优先交易“不优先”
  - iv. 大行其道的私有RTBv. 效果类投放的Trading Desk：功能与应用
- c) 品牌类为主的公域数据驱动的广告投放
  - i. AG（PG、PDB）：程序化合约投放
  - ii. PA：私有竞价的广告投放
- d) 公域数据在广告投放生态内的流转
- e) 典型案例
基于私域数据的精准人群触达a) 基于私域数据的再营销
- b) 通过私域数据实现的受众放大投放
- c) 私域数据投放效果提升的关键要素
- d) 典型案例
消费者数据管理体系：DMP（数据管理平台）的原理与应用
- a) 消费者数据与DMP（营销数据管理平台）【*含少量技术原理讲解】
- b) DMP的逻辑架构以及企业是否需要自建
- c) DMP的标签体系以及三种主要选人策略
- d) DMP的数据激活与应用
- e) Look-alike人群放大的原理、应用与广告投放

第三部分：流量的数据化运营

流量渠道的追踪【*含一定的技术原理讲解】
- a) 流量渠道标记（link tag）与追踪
- b) 小程序流量的标记与追踪
- c) APP流量来源的追踪方式
- d) 特殊类型流量（动态流量）来源的追踪
流量渠道的经典效果评估方法
- a) 流量价值的一维评估方法
- b) 流量价值的Engagement-ROI评估模型
流量渠道的高阶效果评估方法
- a) 营销渠道的数字化归因
- b) 归因分析和实战
- c) 归因模型和实战
- d) 跨域与跨设备归因的实现方式
实战
- a) 实战1：搜索竞价排名的分析和优化
- b) 实战2：信息流广告的数据分析与优化原理与实操
- c) 实战3：流量作弊、识别与保护

第四部分：消费者的数据化运营之一：转化的数据分析与优化

流量转化的数据化思维方法
转化的优化一：承接优化——建立有效的流量初期接触转化
- a) 着陆页优化的最佳实践
- b) 如何正确使用热力图优化着陆页
- c) 着陆页构建的核心思维及黄金12法则
- d) 案例
- e) AB测试及落地页的AB测试
转化优化之二：主流程优化——转化核心步骤的构建和流失控制
- a) 主转化进程优化的思维方式
- b) 转化漏斗的构建与转化漏斗的分析方式的升级
- c) 案例（web端和移动端）
转化优化之三：微转化优化——利用用户微妙的心理变化强化转化
- a) 微转化分析及优化方法
- b) 产品介绍页（详情页）策划和优化
- c) 案例

案例：转化分析和优化的真实沙盘案例

宏观数据快速诊断
流量分析与优化
- a) 流量初步分析
- b) 流量的Engagement-ROI分析
- c) 归因分析
- d) 流量与落地页匹配优化
主转化进程分析
- a) 转化漏斗分析与评估
- b) 转化泄漏点定位
商品详情页优化
- a) 商品浏览环节消费者行为分析
- b) AB测试与优化建议
购物车及支付优化
- a) 购物环节消费者行为分析
- b) AB测试与优化建议
优化实效与总结

第五部分：消费者的数据化运营之二：深度消费者运营

长转化耗时情形下的转化优化
- a) 表面ROI（ROAS）与真实ROI（ROAS）
- b) 同类群分析
- c) 寻找真实ROI（ROAS）背后的实时驱动指标
- d) 基于实时驱动指标的优化案例
消费者忠诚分析与优化
- a) 消费者忠诚衡量的核心指标
- b) 基于参照系流量的复购率分析
- c) 忠诚度下降的原因挖掘与应对
  - i. 商品角度
  - ii. 流量角度
  - iii. 客户角度
消费者全链路运营
- a) 私域流量运营的四种形态
- b) 消费者全链路运营的执行框架
- c) 全链路运营业务角度的核心策略
  - i. 诱饵、触点、规则
  - ii. “诱饵”作用的变迁：从以转化为目的到成为深度运营的入口
  - iii. 通过“诱饵”获得消费者ID
  - iv. 触点的价值与营销触点规划
  - v. 规则：宏观策略与SOP
- d) 全链路运营的数据策略与CDP
  - i. 数据策略的三核心：标记人、认识人、应用人
  - ii. CDP的核心功能架构
  - iii. 在四类触点上分别获取数据
  - iv. 数据的打通与ID匹配
  - v. 人群的分群与深度运营中的标签应用
- e) 全链路运营的数据应用
  - i. 增强客户运营
  - ii. 运营触点、渠道与流程的自动化
  - iii. 基于私域数据的客户唤回
案例
- a) 一个私域流量运营从前端到后端的闭环案例
- b) 线上全链路消费者闭环运营案例
- c) 线上线下相结合的消费者闭环运营案例