南京壹捌壹设计

壹捌壹常年滚动开设的重点课程

平面设计、工业设计、效果图、家具设计、建筑设计、室内设计、广告设计、景观设计、包装设计、数字新媒体、界面交互设计、创意平面设计、动画设计、影视后期制作。

Photoshop、Illustrator、cdr、id、ab、cad、3DsMAX、vray、Revit、peo-e/creo、catia、ug、solidworks、adobe premiere、after effects、Dreamweaver、Flash、Fireworks、犀牛Rhino等软件精品班和实操班培训；办公文秘、会计培训（真帐和实操）、会计职称、注册会计师、税务师、中级经济师。（大部分课程都设立了入门班、提高班、晋级班、实操班、vip班）

项目实战演练，提前积累运营经验

课程项目模拟企业真实工作内容，积攒真实工作经验

实战项目1：不借助任何模板，**现有素材装修自己的店铺

可以不利用任何花钱的工具装出通屏的效果，让首页显的高大上如同天猫店铺一样漂亮。

实战项目2：利用所学知识烧掉500元直通车费用

实战项目后，懂得直通车分析数据，懂得直通车上分以及提升产品权重的核心。在工作中能很好的利用直通车使将产品打造成爆款。

实战项目3：制定详情页策划表格

做到对产品的优势劣势心中有数，让自己对产品的策划更有思路，让美工完美配合自己的工作完成工作任务，使得策划方案得以顺利的实施。

实战项目4：制定店铺首页装修策划表格

按照客户需求及对产品的接受程度对产品进行先后排序布局；策划有吸引力的装修方案，提高点击率，提高店铺的转化率，使整体销售额显著提高。

实战项目5：编写产品宝贝标题

了解客户日常搜索习惯与偏好，按照客户搜索习惯写标题，大大增加产品流量，提高销售额，同时学会找到市场上的蓝海，更容易在市场上打造自己的产品，　打造爆款。

实战项目6：**淘宝助理学会批量修改宝贝与上传/导出宝贝

学会批量上传导入宝贝，学会宝贝不同平台的之间无缝搬家。使得产品搬家人力成本变低。节省更多时间用在宝贝优化上而非上传宝贝上。

实战项目7：**具体类目产品找出/设计处10张点击率高的宝贝主图

掌握并应用各种图片购物技巧以及图片表达形式，使得产品的点击率得到大幅度的提高从而导致产品销售额的成倍增长。

实战项目8：**现有产品，进行产品编码的设计

可以认识到产品编码的意义，**编码设计合理摆放产品，让产品发货有条不紊的进行。同时了解仓库结构，学会和仓库发货无缝对接，提高整体店铺发货效率减小出错率。

实战项目9：**指定的情境设计运费模板

学会不同类别的产品使用不同的形式去设置运费，大大提高了产品发布效率。

实战项目10：学习PS的基本功能，目标熟练运用PS软件

会使用PS的基本功能。在美工不在的情况下，可以对于主图详情页做一些基础的更改，同时可以帮助自己开店的同学独立运营店铺而不需要单独再去请美工作图。

实战项目11：对店铺进行整体策划（新入公司的情况）

学会掌握店铺策划的整体技巧，对于面试薪资提高有很大帮助。同时可以获取公司信任，进入公司以后可以参与店铺整体策划套路，快速融入公司角色，适应新公司的工作。

实战项目12：发布宝贝实现A B玩法操作（重复铺货玩法）

学会活动布局，让产品线更加完美；同时可以不浪费整店资源，让爆款产品得到更大化的利益，防止爆款产品被恶意进攻，使得爆款产品参加活动也不会影响日常销售额，从而大幅度提升整店的销售额。

实战项目13：活动策划及流程梳理，并形成文字方案

了解活动报名技巧、规则，掌握并熟练活动策划和整体流程梳理，提升整店的销售额；完美布局库存与预期销量的关系；学会预估活动前客服对答、销量预估，活动中缺货对应措施、问题处理方式及售后处理等。

实战项目14：淘宝客招募及管理措施，并形成文字方案

实战后学会**方法找对对应类目的淘宝客资源，不但在寻找工作时，可以是提高薪资的谈论资本，同时也是拓展流量渠道的一个重要方法，使得店铺产品更快速更安全的成为爆款。

实战项目15：爆款打造流程及方案，并形成文字方案

掌握爆款打造的方案及思路，掌握具体产品成长所必须具备的特点和细节，使得学员更加富有自信心，在面对任何公司面试**都不会产生手忙脚乱的感觉，获得更加清晰的店铺整体运营的思路。

美工必备技能，让你全方位掌握。

**淘宝设计案例实战，让你掌握店铺装修技巧，拥有实战美工功力。提升店铺视觉装修，确保店铺转化率。

淘宝美工实战班

大纲	课程简介	课程收益
photoshop 软件基础	photoshop简称ps，是设计、网络行业**为常用的图像处理软件，集图像扫描、编辑修改、图像美化、图像合成等功能于一身，是目前全球**流行的图像处理软件之一，除平面广告行业外，应用已扩展到摄影、室内外设计、服装设计、工业设计、网页设计、软件界面设计甚至时尚娱乐、办公应用等。	学习Photoshop常用工具及图形图像的调色、饱和度、文字编排处理，创意性画面的制作，图像处理软件的十大主流功能：图像润饰和修补；图层、蒙板和通道的使用技巧；文字和路径功能的使用；滤镜特效制作技巧；动作功能的使用等，达到能够独立从事美工设计的工作的基本能力。更具体的课程信息见photoshop课程。
小试牛刀图片 处理技巧	本章主要学习主图及直通车图设计标准，图像处理各种方法，颜色校正，图片修复技巧，造型美化等图片的后期基本处理技巧。**实战，掌握图像处理的各种方法。	1、了解美工行业的需求及需要掌握的知识； 2、**学习掌握店铺主图及直通车的设计标准； 3、图像裁剪，抠图，调色，修饰等图像处理技巧； 4、实战练习处理图像及设计直通车图。
淘宝首页常见 模块设计	学习店铺常用的橱窗图设计，优惠券制作，以及相关的客服模块等小模块的制作方法，运用PS软件实战实训，熟练运用！	1、了解首页装修的模块尺寸及橱窗图版式设计； 2、**学习掌握橱窗图制作标准及设计步骤； 3、学会举一反三，优惠券设计，客服模块制作； 4、了解设计师常用素材网站及素材收集方法。
焦点图海报设计 高级技法	掌握淘宝常见的焦点图（海报及钻展）的版式设计方法，加强练习掌握海报的构图技法，及文案版式设计快速构建高上大的电商海报，场景构建，配色技巧。	1、了解常见焦点图海报钻展等的模块位置及尺寸； 2、掌握海报文案与配图的四个基本原则； 3、掌握焦点图常见元素及高级构图手法； 4、案例演示，实战练习掌握海报制作技巧。
爆款详情页 设计秘诀	掌握淘宝商品详情的内容结构陈列技巧，模块构建的原理方法，**快速架构详情页，临摹详情页掌握其制作方法！	1、了解淘宝详情页需要的图片类型及展示位置等； 2、掌握淘宝详情页的设计标准及设计技巧； 3、掌握常见的淘宝详情页的设计结构及案例分析； 4、案例演示，实战练习掌握详情页制作方法。
店铺装修实战 之一店招	本章主要学习店铺招牌包含的内容，店铺招牌的快速制作，店铺招牌装修、店铺导航和固定背景设置方法，**实战练习，掌握店铺店招制作装修的秘诀。	1、了解淘宝店铺招牌的呈现的内容要素； 2、掌握店铺招牌的快速设计制作的技巧； 3、熟练掌握店铺招牌的各种装修方法； 4、熟练掌握店铺导航和固定背景的装修方法。
店铺装修实战 之二突出950	本章主要学习如何突出950/990宽度布局的焦点图海报，单张海报和轮播海报添加的方法，全屏橱窗图添加方法，掌握好这些知识点，让学员　掌握店铺首页的装修方法！	1、了解店铺版本差异及各模块的尺寸及使用方法； 2、掌握系统990/950/750/190模块设置的技巧； 3、熟练掌握店铺单张多张海报的装修方法； 4、数量掌握店铺全屏橱窗及固定模块装修方法。
店铺装修实战 之三切片	本章主要学习切片及代码布局页面，主要针对店铺橱窗及详情页关联列表切片，掌握切片方法，及添加链接等方法，掌握天猫和淘宝安装技巧和方法！	1、掌握淘宝首页及详情关联列表内容的切图方法； 2、掌握淘宝爆款详情页切片的存储及优化技巧； 3、结合代码灵活布局店铺的页面设计，学会修改删添布局，学会基本的代码用法。
无线端设计 高级装修	无线端设计以及无线端首页常用模块讲解；无线端装修布局实例及无线装修实操；无线端链接添加及相应链接转换方法；无线端手机详情神笔装修的方法技巧。	1、了解无线端首页模块作用尺寸及运用方法。  2、掌握无线端相应链接添加及相应转换方法。 3、掌握无线端详情神笔装修原理，注意事项等。  4、了解无线端活动专题页的设计及链接方法。
短视频类型 及上传	淘宝短视频的重要性，主图视频-商品型短视频介绍以及内容型短视频类型介绍 如何制作短视频和发布短视频，首页详情页如何添加短视频。	1、了解高质量视频的视频类型及相应的尺寸要求。  2、了解编辑视频的相应软件和简单操作。 3、如何在淘宝首页，商详页等位置上传短视频；
视觉营销玩转 图片点击率	促销海报是如何炼成的，从素材到合成，从卖点到文案提炼 ，确定店铺主题、风格，增强购买欲和提高竞争力，店铺视觉效果的案例分析与实际操作直通车、钻展图的高点击率分析并实践。	1、了解各种淘宝图片色彩搭配的技巧和方法；  2、掌握海报中字体的字体的用法及设计方法； 3、了解数据化营销的相关知识，学会提炼卖点；  4、学会看数据优化详情图、直通车图，钻展图。

漫谈数据挖掘

谈到BI，就会谈到数据挖掘(Datamining)。数据挖掘是指用某些方法和工具，对数据进行分析，发现隐藏规律并利的一种方法。下面我们将**具体的例子来学习什么是数据挖掘。

体验什么是数据挖掘——案例“上大学分析”

某社会机构，收集了大量的学生考大学的数据。该机构希望找出一些规律，以推动更多的学生考大学。该机构委托你来做这个分析工作，给出具体的可以推动更多学生考大学的建议。

收集到的数据如下：

你可能会考虑用SQL语句进行查询分析。但问题是：

1.用什么语句查呢？要组合什么条件呢？

2.你想查到怎样的结果呢？这个结果对决策有帮助吗？

那数据挖掘一下吧！但如何挖掘呢？

不了解数据挖掘的人，往往会认为只需要让计算机去挖掘一下，计算机就能帮我们找出想要的东西。计算机哪会这样神奇，在数据挖掘之前，我们必须要自己好好分析一下。

1.明确挖掘的目标。

我们看看原始需求是这样的：该机构希望找出一些规律，以推动更多的学生考大学。

你可能会说：该目标也太大了一点吧！现在该机构委托你做这个事情，人家不是专业人士，你还指望人家什么都帮你做好吗？那要你干嘛！

我们仔细分析一下，原始数据有姓名、性别、IQ、家庭年收入、兄弟姐妹数量、是否想上大学字段，要推动更多学生考大学，我们无非就是要分析出：

1)有上大学计划的人主要原因是什么呢？

2)无上大学计划的人主要原因是什么呢？

分析出这些原因，就可以提出针对性的建议了。

2.明确因果关系

看下面这个图：

对原始数据表进行分析，我们可以推论出：家庭收入、性别、兄弟姐妹数量、IQ这些因素，很可能会影响有否上大学计划。至于姓名会不会影响，我们可以用常识判断应该不会，故可以排除。

这样我们就可以确定输入列有：家庭收入、性别、兄弟姐妹数量、IQ，可预测列为：有上大学计划否。

数据挖掘的目标就是找出输入列与可预测列的关系，只要找到这个规律，就可以提出针对性的建议，也可以利用这个规律做预测。

以上工作准备就绪后，我们就需要选择合适的分析方法来数据挖掘了。我们选择“决策树”的方法，下面是决策树的部分分析结果：

说明：

1.**上面的一个节点表示有55%的人有计划上大学，45%的人没有计划。

2.第二层节点，以IQ为条件进行划分，IQ大于100的人中，有上大学计划的人有79%之多，而IQ小于等于100的人，有上大学计划的人只有35%，这说明IQ是很重要的影响因素。

3.第三层节点是年收入，第四层是兄弟姐妹数量。

4.决策树算法会分析原始数据，将影响程度**大的因素排在上面，次之的因素排在后面。

由上面的分析，我们可以得到这样的一些信息：

1.越是IQ高的越有上大学的计划。

2.家庭收入越高，越有上大学计划。

3.兄弟姐妹越多，上大学计划就越微。

4.性别没有在这棵树出现，说明性别对有否上大学计划没有明显影响。

接下来我们就可以提出针对性的建议，以推动更多人考大学：

1.大学学位有限，目前重点应该是鼓励更多的聪明的学生考大学。

2.聪明的学生不计划上大学，主要原因是家庭收入低、兄弟姐妹多，针对这样的情况，政府可考虑降低大学学费，或对低收入、多子女的家庭进行资助。

总结一下数据挖掘的过程：

1.明确你的目标，收集相关数据。

2.根据目标分析这些数据，找出输入列、可预测列。

3.选择合适的数据挖掘方法。

4.分析数据挖掘结果，给出建议。

第2、3步可能需要不断地尝试和调试，才能找到合适的分析结果。

怎么样？这个过程不简单吧？以上这个例子已经经过我的简化和提炼，其目标就是让大家能容易理解什么是数据挖掘，实际工作中的数据挖掘难度是很高的，需要具备这些能力：

1.能深彻体会业务的要求，能将客户笼统的需求转化为实在的工作指导。

2.能分析出输入列、可预测列。

3.熟悉各种数据挖掘方法，会选择合适的方法进行分析。

4.能深入分析数据挖掘的结果，综合运用你的各种知识，为客户提出针对性的决策建议。

常见的数据挖掘方法

常见的数据挖掘方法有分类、聚类、关联、回归、时间序列分析、离散序列分成、偏差分析、贝叶斯、神经网络等等。这些内容都涉及到深厚的数学知识，下面只是一些肤浅的介绍，让大家有个大概的认识，为大家进一步学习打好基础。

数据挖掘算法——分类

例：某银行每天收到很多信用卡办理的申请，为提高效率和准确性，想应用数据挖掘技术来改善工作，你会怎样考虑呢？

该银行有大量的历史数据，将申请者分为高、中、低三种风险类型，这样输入列就是申请者的学历、收入、职业等信息，而可预测列就是风险类型。这样对历史数据进行数据挖掘后，当有新的申请者提交资料，系统就可以判断该申请者风险类型为高、中还是低了。

以上的算法就是“分类”，该挖掘方法需人工指定类别，然后找出一组属性与该类别的关系，利用这些关系来预测新的情况。

数据挖掘算法——聚类

“聚类”与“分类”很相似，同样是找出一组属性与类别的关系，不同的是这类别不是事先指定的，而是由数据挖掘自己找出分类。

例：某公司收集了很多客户的资料，记录了客户的年龄和收入。该公司相对这些数据进行分析，找出可以重点营销的客户对象。我们可指定输入列为年龄和收入，经过聚类数据挖掘后，发现客户群可以划分为三个群体：低收入年轻客户、高收入中年客户、收入相对低的年老客户。根据这样的分析结果，公司可采取决策，重点针对高收入中年客户进行营销活动。

数据挖掘算法——关联

例：在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。原来，美国的妇女们经常会嘱咐她们的丈夫下班以后要为孩子买尿布。而丈夫在买完尿布之后又要顺手买回自己爱喝的啤酒，因此啤酒和尿布在一起购买的机会还是很多的。

上述这个例子经常会被人拿来说，但很少人会举一反三地应用这个例子。我们有很多超市记录了大量的交易数据，只要对这些交易数据做一下关联分析，就很可能会得到不少价值巨大的商业机会。上述这个“尿布 啤酒”的例子，就是应用了关联分析，发现尿布和啤酒两个东西经常被一起卖掉。关联分析主要用来找出某些东西“摆在一起“的机会。我们上网上商城购买东西，你每选择一个商品，就可能会向你推销一堆别的商品，这很可能就是关联分析在“作怪”。

数据挖掘算法——回归

变量X、Y可能存在关系，我们可以将大量的(X、Y)绘制到一张图上，形成一张散点图。如果这些散点更好都在一条直线附近，那么这条直线的方程就可以近似代表X与Y的关系。

所谓的回归，就是要找到一个函数代表变量X1,X2,X3,...与Y的关系，该函数所绘制出来的曲线，能尽量拟合这些“散点”。

下图是某软件公司某项目测试时间与发现缺陷数量的关系图：

回归可分为线性回归和非线性回归，线性回归比较容易操作，但一般情况下数据很难是线性的，而非线性回归就超复杂了。

上图的线性模型采用的是多阶段的线性回归，指数模型采用的是多阶段的指数回归，而黑色曲线代表的是真实数据，从图中看，似乎指数模型的吻合度更高一点。

数据挖掘算法——时间序列分析

例1：炒股的人都想预测明天是涨还是跌，实际上我们已经积累了大量的历史数据，说不定还是可以预测的！某股票已经连续涨了3天，明天会不会再涨呢？某股票连续跌了7天了，明天应该不会再跌了吧？

例2：很多商家会在某些节假日时，重点销售某些产品，以求可以卖出更多，圣诞节快到了，应该主推什么产品好呢？实际上各商家的收款系统中，记录了大量的与时间相关的销售数据，如果对这些数据做一下时间序列分析，说不定能找到重大商机。

时间序列分析，输入列都是与时间相关的数据，同时需要考虑季节、历史等因素，这样就可以预测某个时间会怎样了。

数据挖掘算法——离散序列分析

某网站对访问者的操作进行了统计，如下：

说明：

1.访问者进入首页后，有20%会进入天气页面，40%进入新闻页面，20%进入商业页面。

2.从首页进入新闻页面的机会是40%，而从天气进入新闻的机会是10%。

以上的分析对于优化网站是很有帮助的，上述的分析用到了离散序列分析技术。

离散序列分析，输入列是一系列有“次序”的数据，**这一系列有次序的数据预测另外一个数据情况。

数据挖掘算法——偏差分析

例：某银行有信用卡异常使用情况的监控系统，如果发现某些用卡行为与客户往常习惯不一样时，会发出警告。

信用卡每次使用情况，包括时间、地点、金额、商户等信息都会记录下来。利用正常的历史数据对系统进行训练，告诉系统这些是“正常”的使用情况，当出现新的用卡记录与这些正常使用的特征不符时，则可以发出警告。偏差分析的原理就是用正常的数据去训练系统，由系统去判断新数据是否在正常范围？有没有偏差？

软件项目管理如果达到CMMI4级或以上的层次，就会使用基线来管理项目，基线上下限范围内可认为是“正常”的，如果超出上下限，则认为是“偏差”，需要分析原因并采取措施。这种用基线来管理项目，其实也是一种数据挖掘算法-偏差分析。

数据挖掘算法——贝叶斯

贝叶斯算法是一种根据历史事件发生的概率来推测将来的算法，由伟大的数学家ThomasBayes所创建的。ThomasBayes，1702年出生于英国伦敦。

该算法的原理是这样的：如果事情A、事情B、事情C、...、这些事情发生了，那么事情X发生的几率是多少。前面这些事情叫做前提事情，可以是一个到多个，前提事情越多分析起来就越复杂但会更加准确。

举个例子：据说麦当劳当年发现，如果顾客购买了汉堡包和薯条，那么顾客再购买可乐的机会是70%，于是麦当劳就将这三个产品捆绑在一起作为套餐，于是销量大增。对于这个案例，前提事件就是购买汉堡包和购买薯条，要预测的是顾客会不会买可乐，预测结果就是有70%机会会买。我们可以利用贝叶斯原理来进行数据挖掘。

数据挖掘算法——神经网络

人脑其实是由数量庞大的神经细胞组成的，神经细胞庞大的数量及复杂的结构，让人类充满了智慧。人一出世，脑袋是一片空白的，当我们学会了某样东西的时候，我们会对起进行推演和归纳。比方说我们认识了这是一条狗，当我们见到另外一条不同品种狗的时候，我们会判断这也是一条狗。而计算机的判断一般来说就比较死板了，如果有细微的偏差就会认不出来。

神经网络算法其实就是**计算机来构造类似于人脑的神经细胞网络（当然该网络无论如何不能跟人脑相比），**一些训练，能让该网络能识别某一类事物。文字识别、指纹识别等都是应用了神经网络技术的。

**数据训练，我们可以在输入列与可预测列之间找到合适的神经网络，然后**这个网络对新情况进行判断。

相关推荐：南京淘宝开店培训   南京淘宝运营培训班   南京淘宝美工培训学校