數(shù)據(jù)化運營：系統(tǒng)方法與實踐案例

目　錄
前　言
基　礎(chǔ)　篇
第1章　概述：數(shù)據(jù)運營基礎(chǔ) 002
1.1　大數(shù)據(jù)時代 002
1.2　企業(yè)數(shù)據(jù)應(yīng)用方式 004
1.3　數(shù)據(jù)運營的崗位職責(zé) 007
1.4　數(shù)據(jù)運營應(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)動運營 014
2.1　如何用數(shù)據(jù)驅(qū)動運營 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)運營重點 019
2.2　流量運營分析 021
2.2.1　流量運營規(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測試 032
2.3　用戶運營分析 033
2.3.1　用戶分群 034
2.3.2　用戶行為分析 040
2.3.3　用戶生命周期價值 047
2.4　本章小結(jié) 051
?第3章　報表：數(shù)據(jù)管理模板 052
3.1　個性化數(shù)據(jù)管理報告—Excel 054
3.1.1　創(chuàng)建報告的準(zhǔn)備工作 054
3.1.2　報告自動化步驟 055
3.1.3　從數(shù)據(jù)源表到數(shù)據(jù)轉(zhuǎn)化表 056
3.1.4　報告正文展示 062
3.1.5　自動化報表腳本 064
3.2　搭建數(shù)據(jù)分析報告模板—PPT 066
3.2.1　業(yè)務(wù)指標(biāo)梳理（搭建運營監(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　報告布局與排版 081
3.2.6　PPT隨Excel模板自動更新 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)分析方法與運用場景 095
4.2.1　多維分析 095
4.2.2　趨勢分析 097
4.2.3　綜合評價法 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：常用圖表的特點及適用場合 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的原理與實現(xiàn) 125
4.4.1　AB Test的原理 126
4.4.2　AB Test的埋點與報表部署 128
4.4.3　AB Test的分析方法 129
4.4.4　AB Test的常見誤區(qū) 132
4.5　埋點策略與實現(xiàn) 134
4.5.1　utm來源埋點 135
4.5.2　頁面PV埋點 137
4.5.3　單擊埋點native 139
4.5.4　單擊埋點hybrid 141
4.5.5　業(yè)務(wù)埋點 142
4.5.6　曝光埋點 144
4.5.7　埋點常見問題 145
4.6　本章小結(jié) 146
?第5章　案例：競品數(shù)據(jù)對標(biāo)分析 148
5.1　網(wǎng)絡(luò)爬蟲基礎(chǔ)知識 148
5.1.1　開發(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 152
5.1.4　數(shù)據(jù)存儲 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　項目優(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　分布式爬蟲的實現(xiàn) 178
5.6　反爬手段及應(yīng)對機制 179
5.6.1　禁止IP請求 180
5.6.2　禁止非瀏覽器訪問 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 182
5.6.5　手機App頁面數(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)與運營建議 195
6.6　本章小結(jié) 195
?第7章　案例：RFM用戶價值模型應(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 210
8.1　應(yīng)用背景與目標(biāo) 210
8.2　問題分析與模型構(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)測流失用戶 221
8.3.4　流失用戶分析 224
8.4　問題定位與解決方案 226
8.5　本章小結(jié) 229
?第9章　案例：站內(nèi)文章自動分類打標(biāo)簽 230
9.1　應(yīng)用背景與目標(biāo) 230
9.2　問題分析與模型構(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 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)用場景 250
10.1.3　數(shù)倉架構(gòu)及項目流程 254
10.2　用戶畫像管理 257
10.2.1　模塊化開發(fā) 257
10.2.2　存儲方式 259
10.2.3　更新機制 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)倉庫相關(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)簽體系及開發(fā)內(nèi)容 268
10.4.3　用戶畫像開發(fā)流程 274
10.4.4　時間衰減系數(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)化運營 317
10.6.2　數(shù)據(jù)分析 319
10.6.3　精準(zhǔn)營銷 319
10.6.4　用戶個性化推薦 322
10.7　本章小結(jié) 323