大數(shù)據(jù)用戶行為畫像分析實(shí)操指南

定　價(jià)：￥79.00

作　者：	杜曉夢著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：	大數(shù)據(jù)及人工智能產(chǎn)教融合系列叢書
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787121106088	出版時(shí)間：	2021-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	224	字?jǐn)?shù)：

內(nèi)容簡介

　　本書系統(tǒng)地介紹了用戶行為分析的理論基礎(chǔ)和實(shí)施步驟，書中列舉了大量翔實(shí)的應(yīng)用案例。第1～2章概要介紹了用戶行為分析的基礎(chǔ)知識(shí)和應(yīng)用場景。第3～4章詳細(xì)介紹了基于大數(shù)據(jù)的用戶行為數(shù)據(jù)的采集、存儲(chǔ)和處理方法的技術(shù)原理和實(shí)施步驟，以及常用的采集與分析工具。第5～6章重點(diǎn)介紹了用戶行為分析的常用指標(biāo)和用戶模型構(gòu)建，以及用戶行為分析在企業(yè)日常運(yùn)營中的具體應(yīng)用。書中詳細(xì)闡述了用戶行為全程追蹤方法，介紹了轉(zhuǎn)化分析、用戶分群、用戶生命周期、用戶流失預(yù)警、用戶價(jià)值管理等經(jīng)典的精細(xì)化運(yùn)營模型。第7～9章詳細(xì)介紹了用戶畫像和標(biāo)簽體系的構(gòu)建方法、步驟，闡述了用戶畫像在推薦系統(tǒng)和智能營銷中的具體應(yīng)用。第10章詳細(xì)闡述了用戶行為分析在若干個(gè)不同行業(yè)的經(jīng)典應(yīng)用案例，包括金融、電商、房地產(chǎn)、快銷品、互聯(lián)網(wǎng)媒體等行業(yè)。本書既可以作為學(xué)習(xí)用戶行為分析理論的入門書，也可以給相關(guān)領(lǐng)域的實(shí)踐操作人員提供具體的實(shí)施步驟和應(yīng)用方面的啟迪。可供企事業(yè)管理人員、大數(shù)據(jù)從業(yè)人員和大專院校相關(guān)專業(yè)的師生閱讀參考。

作者簡介

　　杜曉夢北京大學(xué)營銷模型專業(yè)博士，曾入選 2018 年北京市“科技新星”；專長于跨學(xué)科數(shù)據(jù)科學(xué)建模、消費(fèi)者行為預(yù)測、互聯(lián)網(wǎng)廣告、社會(huì)媒體營銷、歸因模型、流失預(yù)警模型、社會(huì)網(wǎng)絡(luò)分析。唐曉密東北財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)專業(yè)碩士，擅長用戶在線行為分析、用戶智能營銷運(yùn)營、數(shù)據(jù)分析與挖掘等方向。擁有十多年的業(yè)務(wù)咨詢和數(shù)據(jù)分析工作經(jīng)歷，服務(wù)超過100多家客戶，涉及零售、金融、地產(chǎn)、煙草等行業(yè)。張銀虎中國地質(zhì)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)，長期從事大數(shù)據(jù)工作并擁有相關(guān)專利，從基層起步有著扎實(shí)的實(shí)戰(zhàn)經(jīng)驗(yàn)和問題解決方法論，擅長于架構(gòu)設(shè)計(jì)、數(shù)據(jù)處理和解決方案等，服務(wù)過眾多大型集團(tuán)客戶。

圖書目錄

目錄
第1章走近用戶行為分析\t1
1．1 用戶行為分析與畫像的概念\t3
1．2 用戶行為分析的意義\t4
1．3 大數(shù)據(jù)與用戶行為分析\t7
1．4 用戶行為分析的幾個(gè)重要階段\t8
1．4．1 獲取用戶行為數(shù)據(jù)\t8
1．4．2 明確分析指標(biāo)與維度\t8
1．4．3 分析結(jié)果可視化呈現(xiàn)\t10
第2章行為數(shù)據(jù)分析的使用場景\t14
2．1 了解用戶使用習(xí)慣\t14
2．2 提升用戶操作體驗(yàn)\t15
2．3 監(jiān)控業(yè)務(wù)轉(zhuǎn)化過程\t17
2．4 持續(xù)性輔助用戶運(yùn)營效果\t19
第3章基于大數(shù)據(jù)的行為分析――傳統(tǒng)埋碼\t23
3．1 行為數(shù)據(jù)采集方法與技術(shù)原理\t23
3．2 行為數(shù)據(jù)的統(tǒng)計(jì)原理\t26
3．3 行為統(tǒng)計(jì)的分類方法\t31
3．3．1 使用層面的分類\t31
3．3．2 技術(shù)處理層面的分類\t32
3．4 基于大數(shù)據(jù)的行為數(shù)據(jù)存儲(chǔ)與計(jì)算\t34
3．4．1 行為數(shù)據(jù)采集系統(tǒng)示例\t34
3．4．2 存儲(chǔ)與分析系統(tǒng)示例\t40
第4章基于大數(shù)據(jù)的行為分析――無埋碼\t67
4．1 無埋碼技術(shù)的實(shí)現(xiàn)原理\t67
4．2 無埋碼技術(shù)的使用實(shí)例\t69
4．3 無埋碼采集系統(tǒng)示例\t70
4．3．1 連接應(yīng)用\t70
4．3．2 配置無埋碼事件\t71
4．4 其他無埋碼渠道的行為數(shù)據(jù)分析\t74
第5章行為分析的指標(biāo)與模型\t77
5．1 用戶行為分析的3個(gè)層次\t77
5．2 行為分析指標(biāo)\t78
5．2．1 渠道類指標(biāo)\t78
5．2．2 訪問類指標(biāo)\t78
5．2．3 轉(zhuǎn)化類指標(biāo)\t79
5．2．4 留存類指標(biāo)\t80
5．2．5 社交類指標(biāo)\t81
5．3 用戶模型構(gòu)建\t81
5．3．1 傳統(tǒng)的用戶模型構(gòu)建方法\t82
5．3．2 大數(shù)據(jù)時(shí)代下基于行為數(shù)據(jù)的用戶模型構(gòu)建方法\t83
5．4 用戶行為全程追蹤\t85
5．4．1 用戶獲取\t86
5．4．2 用戶轉(zhuǎn)化\t86
5．4．3 用戶留存\t87
5．4．4 產(chǎn)生收入\t87
5．4．5 用戶傳播\t88
5．5 轉(zhuǎn)化分析模型\t89
5．5．1 科學(xué)地構(gòu)建漏斗\t89
5．5．2 漏斗對比分析法\t90
5．5．3 漏斗與客戶流向結(jié)合分析法\t90
5．5．4 微轉(zhuǎn)化行為分析法\t91
5．5．5 用戶注意力分析法\t92
5．6 精細(xì)化運(yùn)營模型\t93
5．6．1 用戶常規(guī)分群體系構(gòu)建\t93
5．6．2 用戶生命周期模型構(gòu)建\t95
5．6．3 用戶流失預(yù)警模型構(gòu)建\t96
5．6．4 用戶價(jià)值管理（RFM）模型構(gòu)建\t98
5．6．5 大小數(shù)據(jù)融合的用戶畫像模型構(gòu)建\t99
第6章行為分析與日常運(yùn)營\t101
6．1 用戶行為分析與渠道運(yùn)營\t101
6．1．1 渠道歸因模型\t101
6．1．2 渠道引流趨勢分析\t102
6．1．3 不同渠道用戶畫像\t103
6．1．4 不同渠道用戶站內(nèi)行為\t103
6．2 用戶行為分析與產(chǎn)品運(yùn)營\t104
6．2．1 用戶健康度分析\t104
6．2．2 用戶路徑分析模型\t105
6．2．3 漏斗分析模型\t107
6．2．4 用戶點(diǎn)擊模型\t108
6．3 用戶行為分析與營銷運(yùn)營\t109
6．3．1 用戶行為分析與活動(dòng)方案設(shè)計(jì)\t109
6．3．2 用戶行為分析與活動(dòng)方案執(zhí)行\(zhòng)t110
6．3．3 用戶行為分析與活動(dòng)效果評估\t111
6．4 用戶行為分析與用戶運(yùn)營\t112
6．4．1 用戶行為分析與拉新\t112
6．4．2 用戶行為分析與轉(zhuǎn)化\t114
6．4．3 用戶行為分析與留存\t116
第7章用戶畫像\t118
7．1 用戶畫像概述\t119
7．1．1 用戶畫像的定義\t119
7．1．2 用戶畫像的構(gòu)建原則\t120
7．1．3 用戶畫像的應(yīng)用領(lǐng)域\t121
7．2 兩種常見的用戶畫像\t122
7．2．1 用戶角色（User Persona）\t122
7．2．2 用戶檔案（User Profile）\t125
7．3 用戶畫像的調(diào)研\(zhòng)t131
7．3．1 背景描述\t131
7．3．2 需求調(diào)研\(zhòng)t132
7．3．3 業(yè)務(wù)理解\t134
第8章標(biāo)簽體系――用戶畫像的刻畫\t135
8．1 標(biāo)簽體系的構(gòu)建\t135
8．1．1 ID拉通\t136
8．1．2 結(jié)構(gòu)化標(biāo)簽體系和非結(jié)構(gòu)化標(biāo)簽體系\t145
8．1．3 標(biāo)簽體系的構(gòu)建\t147
8．2 標(biāo)簽體系的分析方法及應(yīng)用\t151
8．2．1 群組構(gòu)建\t151
8．2．2 用戶群組分析\t153
8．2．3 微觀畫像\t154
8．2．4 用戶相似度\t155
第9章用戶畫像的大數(shù)據(jù)應(yīng)用\t159
9．1 用戶畫像與推薦系統(tǒng)\t159
9．1．1 推薦系統(tǒng)簡介\t159
9．1．2 矩陣計(jì)算\t160
9．1．3 基于用戶的協(xié)同過濾示例\t161
9．2 用戶畫像與智能營銷（一）\t166
9．2．1 營銷場景構(gòu)建\t167
9．2．2 業(yè)務(wù)規(guī)則\t167
9．2．3 實(shí)時(shí)化的自動(dòng)營銷\t167
9．3 用戶畫像與智能營銷（二）\t168
9．3．1 用戶畫像與電話營銷\t168
9．3．2 用戶畫像與電話回訪\t169
9．3．3 用戶畫像與二次銷售\t169
9．3．4 用戶畫像與投訴\t169
第10章案例與詳解\t171
10．1 金融行業(yè)用戶全渠道行為分析\t171
10．1．1 分析背景\t171
10．1．2 用戶行為分析過程\t173
10．2 電商行業(yè)用戶行為分析\t177
10．2．1 分析背景\t177
10．2．2 用戶行為分析過程\t179
10．3 房地產(chǎn)行業(yè)用戶行為分析\t183
10．3．1 分析背景\t183
10．3．2 用戶行為分析過程\t185
10．4 快消行業(yè)用戶行為分析\t188
10．4．1 分析背景\t188
10．4．2 用戶行為分析過程\t189
10．5 媒體行業(yè)用戶行為分析――以電影網(wǎng)為例\t196
10．5．1 分析背景\t196
10．5．2 用戶行為分析過程\t197