數(shù)據(jù)化運(yùn)營(yíng)：系統(tǒng)方法與實(shí)踐案例

定　價(jià)：￥79.00

作　者：	趙宏田江麗萍李寧著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：	產(chǎn)品管理與運(yùn)營(yíng)系列叢書
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787111604518	出版時(shí)間：	2018-08-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	323	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書以互聯(lián)網(wǎng)企業(yè)中常見(jiàn)數(shù)據(jù)運(yùn)營(yíng)場(chǎng)景為切入點(diǎn)，以工作中實(shí)際面臨解決的問(wèn)題為案例，從方法、技術(shù)、業(yè)務(wù)、實(shí)踐4個(gè)維度講述數(shù)據(jù)運(yùn)營(yíng)的場(chǎng)景及應(yīng)用方式。書中從實(shí)踐出發(fā)，結(jié)合工作中數(shù)據(jù)運(yùn)營(yíng)經(jīng)驗(yàn)，以應(yīng)用案例為主線，通過(guò)業(yè)務(wù)分析+代碼實(shí)踐這種更“接地氣”的方式講述數(shù)據(jù)的應(yīng)用。書中對(duì)于搭建數(shù)據(jù)監(jiān)控指標(biāo)體系、數(shù)據(jù)分析、數(shù)據(jù)挖掘、ABTest、埋點(diǎn)策略、用戶畫像建模等常見(jiàn)數(shù)據(jù)運(yùn)營(yíng)方式做了詳細(xì)的介紹。

作者簡(jiǎn)介

　　作者簡(jiǎn)介趙宏田畢業(yè)于中國(guó)地質(zhì)大學(xué)（武漢）和武漢大學(xué)，獲工學(xué)和經(jīng)濟(jì)學(xué)雙學(xué)士學(xué)位，現(xiàn)在某跨境電商從事大數(shù)據(jù)開(kāi)發(fā)相關(guān)工作。擁有豐富的數(shù)據(jù)分析和數(shù)據(jù)化運(yùn)營(yíng)經(jīng)驗(yàn)，負(fù)責(zé)過(guò)經(jīng)營(yíng)分析、SEO/SEM流量數(shù)據(jù)倉(cāng)庫(kù)建設(shè)、競(jìng)品爬蟲、企業(yè)BI搭建，以及多家公司用戶畫像項(xiàng)目的從0到1搭建。業(yè)余時(shí)間喜歡對(duì)工作中關(guān)鍵點(diǎn)進(jìn)行總結(jié)和積累，開(kāi)源項(xiàng)目的貢獻(xiàn)者，知乎專欄作者，撰寫了大量專業(yè)文章，廣受好評(píng)。博客地址：https：//zhuanlan.zhihu.com/pythoncrawl 開(kāi)源貢獻(xiàn)地址：https：//github.com/HunterChao江麗萍統(tǒng)計(jì)學(xué)碩士，某互聯(lián)網(wǎng)醫(yī)療公司數(shù)據(jù)分析師。從事經(jīng)營(yíng)分析及數(shù)據(jù)運(yùn)營(yíng)多年，曾在不同行業(yè)以研究員、項(xiàng)目經(jīng)理、咨詢顧問(wèn)、數(shù)據(jù)分析專家的身份參與大量的數(shù)據(jù)運(yùn)營(yíng)項(xiàng)目，擁有豐富的互聯(lián)網(wǎng)數(shù)據(jù)運(yùn)營(yíng)項(xiàng)目經(jīng)驗(yàn)。曾在某公司成功帶領(lǐng)小組打通公司層面數(shù)據(jù)，對(duì)關(guān)鍵業(yè)務(wù)條線從業(yè)務(wù)流、數(shù)據(jù)流進(jìn)行流程化梳理；推動(dòng)公司數(shù)據(jù)產(chǎn)品實(shí)現(xiàn)由0到1的突破。希望能將數(shù)據(jù)分析與業(yè)務(wù)運(yùn)營(yíng)結(jié)合的更加緊密，以數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)，以數(shù)據(jù)推動(dòng)業(yè)務(wù)。李寧中國(guó)商業(yè)聯(lián)合會(huì)數(shù)據(jù)分析專業(yè)委員會(huì)特聘專家，現(xiàn)就職于某外賣訂餐平臺(tái)，擔(dān)任數(shù)據(jù)專家。先后在艾瑞、攜程從事數(shù)據(jù)相關(guān)工作。樂(lè)于分享，維護(hù)著微信公眾號(hào)“數(shù)據(jù)自由之路”（dataFreeLife），分享自己在數(shù)據(jù)和運(yùn)營(yíng)方面的經(jīng)驗(yàn)和心得，同時(shí)是知乎、36大數(shù)據(jù)和51CTO等媒體的專欄作家。曾多次被行業(yè)內(nèi)的各種數(shù)據(jù)峰會(huì)邀請(qǐng)擔(dān)任分享嘉賓，并以評(píng)審專家身份參與由中數(shù)委牽頭的《中國(guó)大數(shù)據(jù)人才培養(yǎng)標(biāo)準(zhǔn)（第1版）》的編審工作。

圖書目錄

目　錄
前　言
基　礎(chǔ)　篇
第1章　概述：數(shù)據(jù)運(yùn)營(yíng)基礎(chǔ) 002
1.1　大數(shù)據(jù)時(shí)代 002
1.2　企業(yè)數(shù)據(jù)應(yīng)用方式 004
1.3　數(shù)據(jù)運(yùn)營(yíng)的崗位職責(zé) 007
1.4　數(shù)據(jù)運(yùn)營(yíng)應(yīng)掌握的技能 009
1.5　本章小結(jié) 013
第2章　業(yè)務(wù)：數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng) 014
2.1　如何用數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng) 014
2.1.1　定義數(shù)據(jù)分析目標(biāo) 014
2.1.2　目標(biāo)分解與聚焦 016
2.1.3　數(shù)據(jù)運(yùn)營(yíng)重點(diǎn) 019
2.2　流量運(yùn)營(yíng)分析 021
2.2.1　流量運(yùn)營(yíng)規(guī)劃 021
2.2.2　流量分析 023
2.2.3　解讀PV、UV 027
2.2.4　跳出率分析 029
2.2.5　漏斗圖分析 030
2.2.6　A/B測(cè)試 032
2.3　用戶運(yùn)營(yíng)分析 033
2.3.1　用戶分群 034
2.3.2　用戶行為分析 040
2.3.3　用戶生命周期價(jià)值 047
2.4　本章小結(jié) 051
?第3章　報(bào)表：數(shù)據(jù)管理模板 052
3.1　個(gè)性化數(shù)據(jù)管理報(bào)告—Excel 054
3.1.1　創(chuàng)建報(bào)告的準(zhǔn)備工作 054
3.1.2　報(bào)告自動(dòng)化步驟 055
3.1.3　從數(shù)據(jù)源表到數(shù)據(jù)轉(zhuǎn)化表 056
3.1.4　報(bào)告正文展示 062
3.1.5　自動(dòng)化報(bào)表腳本 064
3.2　搭建數(shù)據(jù)分析報(bào)告模板—PPT 066
3.2.1　業(yè)務(wù)指標(biāo)梳理（搭建運(yùn)營(yíng)監(jiān)控指標(biāo)體系） 067
3.2.2　分析思路與框架 078
3.2.3　圖表展現(xiàn) 079
3.2.4　數(shù)據(jù)與結(jié)論 080
3.2.5　報(bào)告布局與排版 081
3.2.6　PPT隨Excel模板自動(dòng)更新 084
3.3　本章小結(jié) 085
應(yīng)　用　篇
?第4章　理論：數(shù)據(jù)分析方法 088
4.1　數(shù)據(jù)分析理論模型 088
4.1.1　4P營(yíng)銷理論 089
4.1.2　5W2H分析法 090
4.1.3　PEST分析方法 092
4.1.4　SWOT 093
4.1.5　邏輯樹 095
4.2　數(shù)據(jù)分析方法與運(yùn)用場(chǎng)景 095
4.2.1　多維分析 095
4.2.2　趨勢(shì)分析 097
4.2.3　綜合評(píng)價(jià)法 101
4.2.4　轉(zhuǎn)化分析 103
4.2.5　數(shù)據(jù)挖掘方法 106
4.3　可視化：常用圖表的特點(diǎn)及適用場(chǎng)合 106
4.3.1　環(huán)形圖 107
4.3.2　矩陣圖 108
4.3.3　組合圖 112
4.3.4　文字云 118
4.4　AB Test的原理與實(shí)現(xiàn) 125
4.4.1　AB Test的原理 126
4.4.2　AB Test的埋點(diǎn)與報(bào)表部署 128
4.4.3　AB Test的分析方法 129
4.4.4　AB Test的常見(jiàn)誤區(qū) 132
4.5　埋點(diǎn)策略與實(shí)現(xiàn) 134
4.5.1　utm來(lái)源埋點(diǎn) 135
4.5.2　頁(yè)面PV埋點(diǎn) 137
4.5.3　單擊埋點(diǎn)native 139
4.5.4　單擊埋點(diǎn)hybrid 141
4.5.5　業(yè)務(wù)埋點(diǎn) 142
4.5.6　曝光埋點(diǎn) 144
4.5.7　埋點(diǎn)常見(jiàn)問(wèn)題 145
4.6　本章小結(jié) 146
?第5章　案例：競(jìng)品數(shù)據(jù)對(duì)標(biāo)分析 148
5.1　網(wǎng)絡(luò)爬蟲基礎(chǔ)知識(shí) 148
5.1.1　開(kāi)發(fā)環(huán)境準(zhǔn)備 149
5.1.2　Web前端基礎(chǔ) 149
5.1.3　解析網(wǎng)頁(yè) 152
5.1.4　數(shù)據(jù)存儲(chǔ) 159
5.2　網(wǎng)站結(jié)構(gòu)分析 166
5.3　Scrapy爬蟲架構(gòu) 168
5.3.1　items模塊 170
5.3.2　pipelines模塊 171
5.3.3　settings模塊 172
5.3.4　爬蟲模塊 173
5.4　數(shù)據(jù)爬取與解析 174
5.5　項(xiàng)目?jī)?yōu)化與改進(jìn) 177
5.5.1　爬蟲腳本部署在服務(wù)器端 178
5.5.2　分布式爬蟲的實(shí)現(xiàn) 178
5.6　反爬手段及應(yīng)對(duì)機(jī)制 179
5.6.1　禁止IP請(qǐng)求 180
5.6.2　禁止非瀏覽器訪問(wèn) 180
5.6.3　ajax加載目標(biāo)數(shù)據(jù) 181
5.6.4　需要登錄后才能訪問(wèn) 182
5.6.5　手機(jī)App頁(yè)面數(shù)據(jù)抓取 182
5.7　本章小結(jié) 184
?第6章　案例：某互聯(lián)網(wǎng)醫(yī)療產(chǎn)品用戶特征分析 185
6.1　應(yīng)用背景與分析維度 185
6.2　基于用戶細(xì)分的行為分析 186
6.3　用戶來(lái)源渠道分析 190
6.4　基于前端展示的用戶行為分析 191
6.5　產(chǎn)品改進(jìn)與運(yùn)營(yíng)建議 195
6.6　本章小結(jié) 195
?第7章　案例：RFM用戶價(jià)值模型應(yīng)用 196
7.1　應(yīng)用背景與目標(biāo) 196
7.2　基于規(guī)則的劃分 198
7.3　基于聚類方法的劃分 203
7.4　本章小結(jié) 209
?第8章　案例：用戶流失分析與預(yù)測(cè) 210
8.1　應(yīng)用背景與目標(biāo) 210
8.2　問(wèn)題分析與模型構(gòu)建 211
8.3　數(shù)據(jù)處理與結(jié)果 212
8.3.1　確定用戶流失周期 212
8.3.2　抽取訓(xùn)練數(shù)據(jù)建立決策樹模型 214
8.3.3　線上部署腳本定期監(jiān)測(cè)流失用戶 221
8.3.4　流失用戶分析 224
8.4　問(wèn)題定位與解決方案 226
8.5　本章小結(jié) 229
?第9章　案例：站內(nèi)文章自動(dòng)分類打標(biāo)簽 230
9.1　應(yīng)用背景與目標(biāo) 230
9.2　問(wèn)題分析與模型構(gòu)建 231
9.3　案例中主要應(yīng)用的技術(shù) 232
9.3.1　數(shù)據(jù)預(yù)處理 232
9.3.2　TF-IDF詞空間向量轉(zhuǎn)換 233
9.3.3　文章關(guān)鍵詞提取 234
9.3.4　樸素貝葉斯分類 235
9.4　數(shù)據(jù)處理與模型檢驗(yàn) 235
9.4.1　文本分詞處理（數(shù)據(jù)分類與數(shù)據(jù)預(yù)處理） 236
9.4.2　數(shù)據(jù)結(jié)構(gòu)處理 238
9.4.3　計(jì)算文本的TF-IDF權(quán)重矩陣 240
9.4.4　用樸素貝葉斯方法分類文章 242
9.5　本章小結(jié) 245
提　高　篇
?第10章　應(yīng)用：用戶畫像建模 248
10.1　用戶畫像簡(jiǎn)介 248
10.1.1　什么是用戶畫像 249
10.1.2　用戶畫像模型及應(yīng)用場(chǎng)景 250
10.1.3　數(shù)倉(cāng)架構(gòu)及項(xiàng)目流程 254
10.2　用戶畫像管理 257
10.2.1　模塊化開(kāi)發(fā) 257
10.2.2　存儲(chǔ)方式 259
10.2.3　更新機(jī)制 259
10.3　業(yè)務(wù)背景 262
10.3.1　案例背景介紹 262
10.3.2　數(shù)據(jù)倉(cāng)庫(kù)相關(guān)表介紹 262
10.4　用戶畫像建模 267
10.4.1　業(yè)務(wù)需求梳理 267
10.4.2　用戶標(biāo)簽體系及開(kāi)發(fā)內(nèi)容 268
10.4.3　用戶畫像開(kāi)發(fā)流程 274
10.4.4　時(shí)間衰減系數(shù) 279
10.4.5　標(biāo)簽權(quán)重配置 280
10.5　用戶畫像數(shù)據(jù)開(kāi)發(fā) 282
10.5.1　建立用戶屬性畫像 283
10.5.2　建立用戶行為畫像 289
10.5.3　建立用戶偏好畫像 303
10.5.4　建立群體用戶畫像 308
10.5.5　畫像效果驗(yàn)收 313
10.5.6　畫像數(shù)據(jù)質(zhì)量管理 314
10.6　用戶畫像應(yīng)用方式 317
10.6.1　業(yè)務(wù)精細(xì)化運(yùn)營(yíng) 317
10.6.2　數(shù)據(jù)分析 319
10.6.3　精準(zhǔn)營(yíng)銷 319
10.6.4　用戶個(gè)性化推薦 322
10.7　本章小結(jié) 323