數(shù)據(jù)化運營：系統(tǒng)方法與實踐案例

定　價：￥79.00

作　者：	趙宏田江麗萍李寧著
出版社：	機械工業(yè)出版社
叢編項：	產(chǎn)品管理與運營系列叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787111604518	出版時間：	2018-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	323	字數(shù)：

內容簡介

　　本書以互聯(lián)網(wǎng)企業(yè)中常見數(shù)據(jù)運營場景為切入點，以工作中實際面臨解決的問題為案例，從方法、技術、業(yè)務、實踐4個維度講述數(shù)據(jù)運營的場景及應用方式。書中從實踐出發(fā)，結合工作中數(shù)據(jù)運營經(jīng)驗，以應用案例為主線，通過業(yè)務分析+代碼實踐這種更“接地氣”的方式講述數(shù)據(jù)的應用。書中對于搭建數(shù)據(jù)監(jiān)控指標體系、數(shù)據(jù)分析、數(shù)據(jù)挖掘、ABTest、埋點策略、用戶畫像建模等常見數(shù)據(jù)運營方式做了詳細的介紹。

作者簡介

　　作者簡介趙宏田畢業(yè)于中國地質大學（武漢）和武漢大學，獲工學和經(jīng)濟學雙學士學位，現(xiàn)在某跨境電商從事大數(shù)據(jù)開發(fā)相關工作。擁有豐富的數(shù)據(jù)分析和數(shù)據(jù)化運營經(jīng)驗，負責過經(jīng)營分析、SEO/SEM流量數(shù)據(jù)倉庫建設、競品爬蟲、企業(yè)BI搭建，以及多家公司用戶畫像項目的從0到1搭建。業(yè)余時間喜歡對工作中關鍵點進行總結和積累，開源項目的貢獻者，知乎專欄作者，撰寫了大量專業(yè)文章，廣受好評。博客地址：https：//zhuanlan.zhihu.com/pythoncrawl 開源貢獻地址：https：//github.com/HunterChao江麗萍統(tǒng)計學碩士，某互聯(lián)網(wǎng)醫(yī)療公司數(shù)據(jù)分析師。從事經(jīng)營分析及數(shù)據(jù)運營多年，曾在不同行業(yè)以研究員、項目經(jīng)理、咨詢顧問、數(shù)據(jù)分析專家的身份參與大量的數(shù)據(jù)運營項目，擁有豐富的互聯(lián)網(wǎng)數(shù)據(jù)運營項目經(jīng)驗。曾在某公司成功帶領小組打通公司層面數(shù)據(jù)，對關鍵業(yè)務條線從業(yè)務流、數(shù)據(jù)流進行流程化梳理；推動公司數(shù)據(jù)產(chǎn)品實現(xiàn)由0到1的突破。希望能將數(shù)據(jù)分析與業(yè)務運營結合的更加緊密，以數(shù)據(jù)驅動運營，以數(shù)據(jù)推動業(yè)務。李寧中國商業(yè)聯(lián)合會數(shù)據(jù)分析專業(yè)委員會特聘專家，現(xiàn)就職于某外賣訂餐平臺，擔任數(shù)據(jù)專家。先后在艾瑞、攜程從事數(shù)據(jù)相關工作。樂于分享，維護著微信公眾號“數(shù)據(jù)自由之路”（dataFreeLife），分享自己在數(shù)據(jù)和運營方面的經(jīng)驗和心得，同時是知乎、36大數(shù)據(jù)和51CTO等媒體的專欄作家。曾多次被行業(yè)內的各種數(shù)據(jù)峰會邀請擔任分享嘉賓，并以評審專家身份參與由中數(shù)委牽頭的《中國大數(shù)據(jù)人才培養(yǎng)標準（第1版）》的編審工作。

圖書目錄

目　錄
前　言
基　礎　篇
第1章　概述：數(shù)據(jù)運營基礎 002
1.1　大數(shù)據(jù)時代 002
1.2　企業(yè)數(shù)據(jù)應用方式 004
1.3　數(shù)據(jù)運營的崗位職責 007
1.4　數(shù)據(jù)運營應掌握的技能 009
1.5　本章小結 013
第2章　業(yè)務：數(shù)據(jù)驅動運營 014
2.1　如何用數(shù)據(jù)驅動運營 014
2.1.1　定義數(shù)據(jù)分析目標 014
2.1.2　目標分解與聚焦 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 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)務指標梳理（搭建運營監(jiān)控指標體系） 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 085
應　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 146
?第5章　案例：競品數(shù)據(jù)對標分析 148
5.1　網(wǎng)絡爬蟲基礎知識 148
5.1.1　開發(fā)環(huán)境準備 149
5.1.2　Web前端基礎 149
5.1.3　解析網(wǎng)頁 152
5.1.4　數(shù)據(jù)存儲 159
5.2　網(wǎng)站結構分析 166
5.3　Scrapy爬蟲架構 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 177
5.5.1　爬蟲腳本部署在服務器端 178
5.5.2　分布式爬蟲的實現(xiàn) 178
5.6　反爬手段及應對機制 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 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　應用背景與分析維度 185
6.2　基于用戶細分的行為分析 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)品改進與運營建議 195
6.6　本章小結 195
?第7章　案例：RFM用戶價值模型應用 196
7.1　應用背景與目標 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 209
?第8章　案例：用戶流失分析與預測 210
8.1　應用背景與目標 210
8.2　問題分析與模型構建 211
8.3　數(shù)據(jù)處理與結果 212
8.3.1　確定用戶流失周期 212
8.3.2　抽取訓練數(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 229
?第9章　案例：站內文章自動分類打標簽 230
9.1　應用背景與目標 230
9.2　問題分析與模型構建 231
9.3　案例中主要應用的技術 232
9.3.1　數(shù)據(jù)預處理 232
9.3.2　TF-IDF詞空間向量轉換 233
9.3.3　文章關鍵詞提取 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)預處理） 236
9.4.2　數(shù)據(jù)結構處理 238
9.4.3　計算文本的TF-IDF權重矩陣 240
9.4.4　用樸素貝葉斯方法分類文章 242
9.5　本章小結 245
提　高　篇
?第10章　應用：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　用戶畫像模型及應用場景 250
10.1.3　數(shù)倉架構及項目流程 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)務背景 262
10.3.1　案例背景介紹 262
10.3.2　數(shù)據(jù)倉庫相關表介紹 262
10.4　用戶畫像建模 267
10.4.1　業(yè)務需求梳理 267
10.4.2　用戶標簽體系及開發(fā)內容 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　標簽權重配置 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)質量管理 314
10.6　用戶畫像應用方式 317
10.6.1　業(yè)務精細化運營 317
10.6.2　數(shù)據(jù)分析 319
10.6.3　精準營銷 319
10.6.4　用戶個性化推薦 322
10.7　本章小結 323