用戶行為分析：如何用數(shù)據(jù)驅(qū)動增長

定　價(jià)：￥69.90

作　者：	張溪夢邢昊等著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787111681519	出版時(shí)間：	2021-06-01	包裝：	精裝
開本：	32開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　很多時(shí)候企業(yè)都是在摸索前行，或基于自身的判斷來尋找和服務(wù)用戶。但對于用戶是誰、用戶在哪里、用戶喜歡什么、用戶會對什么做出反應(yīng)、用戶在商業(yè)場景中的什么時(shí)間做過什么等問題，很多企業(yè)都回答不出來。在當(dāng)下，對用戶信息的了解和應(yīng)用能力，很大程度上決定了企業(yè)在新競爭“食物鏈”上的排名。當(dāng)新的生產(chǎn)要素——數(shù)據(jù)，逐漸進(jìn)入大家的視野后，企業(yè)家們開始隱約意識到數(shù)據(jù)可能會成為新的發(fā)展動力，用戶行為數(shù)據(jù)將是激發(fā)企業(yè)創(chuàng)新活力的重要資源。但如何擁有像虎鯨一樣的超聲波定位系統(tǒng)，即全方位洞察用戶需求、滿足用戶需求的能力呢？本書為幫助企業(yè)能在商業(yè)競爭中立于不敗之地，能對用戶行為數(shù)據(jù)發(fā)揮價(jià)值的過程建立系統(tǒng)的認(rèn)知，并習(xí)得快速實(shí)踐的能力，讓企業(yè)高效落地?cái)?shù)據(jù)驅(qū)動增長而撰寫。本書內(nèi)容包括從商業(yè)進(jìn)化的角度認(rèn)識用戶行為數(shù)據(jù)的重要性及如何發(fā)揮其價(jià)值（第1章），用戶行為數(shù)據(jù)如何通過數(shù)據(jù)驅(qū)動增長金字塔（規(guī)劃、采集、分析、應(yīng)用）為企業(yè)帶來貢獻(xiàn)（第2~5章），以及用戶行為數(shù)據(jù)驅(qū)動增長的實(shí)戰(zhàn)案例集（第6章）。本書適合企業(yè)的高層管理者及有一定工作經(jīng)驗(yàn)的產(chǎn)品經(jīng)理、數(shù)據(jù)分析師、互聯(lián)網(wǎng)運(yùn)營人員、數(shù)據(jù)運(yùn)營人員等閱讀，不管您身處互聯(lián)網(wǎng)企業(yè)，還是身處數(shù)字化轉(zhuǎn)型和升級的傳統(tǒng)企業(yè)，只要您擁有或者正在準(zhǔn)備擁有自己的線上產(chǎn)品，便能通過本書找到“如何落地?cái)?shù)據(jù)驅(qū)動增長”的體系化內(nèi)容。

作者簡介

　　張溪夢踐行數(shù)據(jù)驅(qū)動增長20余年，在創(chuàng)建GrowingIO之前，曾就職于eBay和LinkedIn。在LinkedIn任美國商業(yè)分析部高級總監(jiān)，親手創(chuàng)建了近百人的商業(yè)數(shù)據(jù)分析和數(shù)據(jù)科學(xué)團(tuán)隊(duì)，支撐LinkedIn所有與營收相關(guān)業(yè)務(wù)的高速增長。2013年，Data Science Central評選其為“世界前十位前沿?cái)?shù)據(jù)科學(xué)家”。2015年5月，回國創(chuàng)立GrowingIO，致力于幫助企業(yè)提升數(shù)據(jù)驅(qū)動能力，實(shí)現(xiàn)更好的增長。與此同時(shí)，張溪夢也是暢銷書《首席增長官》的作者和《增長黑客》的譯者。邢昊畢業(yè)于清華大學(xué)自動化系和經(jīng)管學(xué)院，擁有16年的企業(yè)數(shù)字戰(zhàn)略轉(zhuǎn)型、互聯(lián)網(wǎng)營銷和信息化管理咨詢經(jīng)驗(yàn)。加入GrowingIO后，帶領(lǐng)咨詢服務(wù)團(tuán)隊(duì)為如家、安踏、方太、招商仁和人壽、獵聘、站酷、陌陌等上百家傳統(tǒng)企業(yè)和互聯(lián)網(wǎng)企業(yè)提供增長咨詢服務(wù)，協(xié)助企業(yè)打造增長組織，執(zhí)行增長策略，實(shí)現(xiàn)數(shù)字化業(yè)務(wù)占比增加、用戶生命價(jià)值增長和互聯(lián)網(wǎng)營銷效率提升等實(shí)戰(zhàn)成果，廣受業(yè)內(nèi)認(rèn)可與好評。

圖書目錄

目　　錄
推薦語
前　言　做“商海”中的虎鯨
致　謝
第1章　走進(jìn)用戶行為數(shù)據(jù)分析
1.1　用戶行為數(shù)據(jù)登場 // 1
1.1.1　沒有用戶行為數(shù)據(jù)的困境 // 2
1.1.2　商業(yè)進(jìn)化：一切向用戶靠攏 // 3
1.2　什么是用戶行為數(shù)據(jù) // 7
1.2.1　狹義的用戶行為數(shù)據(jù) // 7
1.2.2　廣義的用戶行為數(shù)據(jù) // 9
1.2.3　用戶行為數(shù)據(jù)的“5 1”要素 // 12
1.2.4　用戶行為數(shù)據(jù)的隱私與權(quán)限 // 14
1.3　用戶行為數(shù)據(jù)的一個(gè)趨勢和兩個(gè)價(jià)值 // 15
1.3.1　一個(gè)趨勢：在數(shù)字孿生世界下，用戶行為數(shù)據(jù)的遷移 // 15
1.3.2　價(jià)值一：理解用戶需求，指導(dǎo)業(yè)務(wù)升級 // 17
1.3.3　價(jià)值二：預(yù)測用戶行為，引導(dǎo)業(yè)務(wù)創(chuàng)新 // 21
1.4　如何讓用戶行為數(shù)據(jù)發(fā)揮價(jià)值 // 26
1.4.1　用戶行為數(shù)據(jù)驅(qū)動增長常見的困難 // 26
1.4.2　數(shù)據(jù)驅(qū)動增長金字塔：規(guī)劃—采集—分析—應(yīng)用 // 27
第2章　數(shù)據(jù)規(guī)劃
2.1　數(shù)據(jù)驅(qū)動增長的“總設(shè)計(jì)師” // 29
2.1.1　數(shù)據(jù)規(guī)劃常見的問題 // 29
2.1.2　如何進(jìn)行數(shù)據(jù)規(guī)劃 // 31
2.2　指標(biāo)體系規(guī)劃的三大思路 // 32
2.2.1　OSM模型 // 32
2.2.2　UJM模型 // 36
2.2.3　場景化 // 40
2.3　指標(biāo)分級 // 42
2.4　數(shù)據(jù)看板 // 44
2.4.1　數(shù)據(jù)看板的意義 // 44
2.4.2　數(shù)據(jù)看板的分類：戰(zhàn)略看板、分析看板、實(shí)時(shí)看板 // 46
2.4.3　如何搭建數(shù)據(jù)看板 // 51
2.4.4　搭建數(shù)據(jù)看板常見的六大問題 // 58
第3章　數(shù)據(jù)采集
3.1　數(shù)據(jù)采集常見的問題 // 62
3.2　用戶行為數(shù)據(jù)采集方法：埋點(diǎn)和無埋點(diǎn) // 64
3.2.1　埋點(diǎn)和無埋點(diǎn)的定義 // 64
3.2.2　埋點(diǎn)采集和無埋點(diǎn)采集的適用場景 // 68
3.2.3　不同場景如何選擇采集方式：以App注冊為例 // 70
3.2.4　客戶端埋點(diǎn)或服務(wù)端埋點(diǎn) // 72
3.3　如何高效落地?cái)?shù)據(jù)采集 // 74
3.3.1　埋點(diǎn)方案四要素 // 74
3.3.2　埋點(diǎn)的團(tuán)隊(duì)協(xié)作流程 // 80
3.3.3　數(shù)據(jù)指標(biāo)管理 // 84
3.4　數(shù)據(jù)集成，搭建客戶數(shù)據(jù)平臺（CDP） // 87
3.4.1　從用戶行為數(shù)據(jù)到客戶數(shù)據(jù)平臺 // 88
3.4.2　客戶數(shù)據(jù)平臺的三種類型 // 91
3.4.3　實(shí)現(xiàn)客戶數(shù)據(jù)平臺的四大原則 // 93
3.4.4　案例：電商如何搭建客戶數(shù)據(jù)平臺 // 97
第4章　數(shù)據(jù)分析
4.1　業(yè)務(wù)導(dǎo)向的數(shù)據(jù)分析整體思路 // 104
4.2　用戶流轉(zhuǎn)地圖 // 106
4.2.1　全域—全局—局部 // 106
4.2.2　繪制用戶流轉(zhuǎn)地圖 // 107
4.2.3　案例：B2B企業(yè)官網(wǎng)的用戶流轉(zhuǎn)地圖 // 112
4.3　十大數(shù)據(jù)分析模型 // 116
4.3.1　事件分析 // 116
4.3.2　漏斗分析 // 118
4.3.3　熱圖分析 // 119
4.3.4　留存分析 // 122
4.3.5　留存魔法師 // 123
4.3.6　事件流分析 // 125
4.3.7　用戶分群分析 // 127
4.3.8　用戶細(xì)查 // 129
4.3.9　分布分析 // 130
4.3.10　歸因分析 // 131
4.4　渠道分析 // 133
4.4.1　找到投放渠道 // 133
4.4.2　打造黃金落地頁 // 138
4.5　運(yùn)營分析 // 144
4.5.1　被低估的搜索框 // 144
4.5.2　活動迭代分析 // 148
4.6　產(chǎn)品健康度分析 // 151
4.6.1　產(chǎn)品健康度是“用戶體驗(yàn)的體檢” // 151
4.6.2　關(guān)鍵行為矩陣與功能留存矩陣 // 153
4.6.3　案例：內(nèi)容型App的產(chǎn)品健康度分析 // 155
第5章　數(shù)據(jù)應(yīng)用
5.1　數(shù)據(jù)應(yīng)用無處不在 // 159
5.2　A/B測試 // 160
5.2.1　廣泛應(yīng)用的A/B 測試 // 160
5.2.2　七個(gè)步驟建立A/B測試的閉環(huán) // 162
5.2.3　案例：A/B測試提升影視會員產(chǎn)品的付費(fèi)轉(zhuǎn)化率 // 172
5.3　產(chǎn)品迭代 // 174
5.3.1　產(chǎn)品迭代全流程 // 174
5.3.2　六大要素量化、評估產(chǎn)品迭代效果 // 177
5.3.3　案例：數(shù)據(jù)驅(qū)動App首頁迭代 // 181
5.4　精細(xì)化運(yùn)營 // 189
5.4.1　精細(xì)化運(yùn)營的關(guān)鍵 // 189
5.4.2　用戶標(biāo)簽與用戶畫像 // 193
5.4.3　用戶分層運(yùn)營 // 198
5.4.4　案例：盟大集團(tuán)（產(chǎn)業(yè)互聯(lián)網(wǎng)）如何進(jìn)行用戶全生命周期運(yùn)營 // 206
5.5　機(jī)器學(xué)習(xí) // 212
5.5.1　機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘 // 212
5.5.2　用戶行為數(shù)據(jù)提升推薦算法效率 // 215
5.5.3　案例：預(yù)測客戶購買行為 // 220
第6章　用戶行為數(shù)據(jù)驅(qū)動增長實(shí)戰(zhàn)
6.1　歐冶云商：數(shù)據(jù)驅(qū)動B2B增長 // 226
6.1.1　B2B增長的挑戰(zhàn)和機(jī)遇 // 226
6.1.2　探索產(chǎn)品的核心價(jià)值主張 // 228
6.1.3　優(yōu)化用戶轉(zhuǎn)化路徑 // 232
6.1.4　精細(xì)化的會員運(yùn)營體系 // 242
6.2　推薦獲客量增長500%：好好住的增長團(tuán)隊(duì)實(shí)踐 // 247
6.2.1　為什么好好住要搭建增長團(tuán)隊(duì) // 247
6.2.2　從0到1搭建增長團(tuán)隊(duì)的三個(gè)步驟 // 248
6.2.3　閉環(huán)式的工作流程 // 251
6.2.4　好好住的推送迭代 // 256
6.3　月活躍用戶數(shù)從0到8萬：地產(chǎn)行業(yè)如何打造小程序私域流量池 // 259
6.3.1　“公盤私客”發(fā)展過程中的問題與機(jī)遇 // 260
6.3.2　創(chuàng)新產(chǎn)品“中原C管家”的思考和孵化 // 261
6.3.3　0元推廣費(fèi)用，“中原C管家”的增長效果 // 265
6.3.4　用戶行為數(shù)據(jù)賦能經(jīng)紀(jì)人營銷 // 268
6.4　酷開網(wǎng)絡(luò)：增長無處不在，OTT領(lǐng)航家庭經(jīng)濟(jì)的數(shù)字化轉(zhuǎn)型 // 273
6.4.1　酷開網(wǎng)絡(luò)的增長框架 // 273
6.4.2　明道：洞察家庭用戶與精細(xì)化場景流程 // 276
6.4.3　取勢：指標(biāo)管理體系建設(shè)，挖掘精細(xì)化流量的價(jià)值 // 277
6.4.4　優(yōu)術(shù)：分析引擎體系建設(shè)，提升轉(zhuǎn)化率 // 282
6.4.5　踐行：關(guān)注用戶全生命周期，用增長實(shí)驗(yàn)實(shí)現(xiàn)流量再生 // 287
6.4.6　案例：洞察流量—大轉(zhuǎn)盤抽獎(jiǎng)活動的用戶旅程 // 287
后記 // 295