數據運營：數據分析模型撬動新零售實戰(zhàn)

定　價：￥89.00

作　者：	葉秋萍著
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121428333	出版時間：	2022-03-01	包裝：	平裝
開本：	16開	頁數：	220	字數：

內容簡介

　　本書主要內容： 12個數據分析模型在零售多元化業(yè)務場景中如何支持決策，實現業(yè)務賦能。本書主要解決以下問題： l針對不同的業(yè)務場景，分析模型怎么選？ l利用數據分析解決業(yè)務問題的完整思路是怎樣的？ l商業(yè)分析如何養(yǎng)成？分析結果如何落地？本書適合讀者：數據分析師、市場分析師、商業(yè)分析師、數據運營官、業(yè)務決策者、強數據意識企業(yè)高層領導，以及其他對數據分析或數據運營感興趣或欲轉行從事數據分析或數據運營工作的人員。

作者簡介

　　葉秋萍從數據分析師到數據分析運營總監(jiān)。專業(yè)書籍《數據實踐之美》作者之一。互聯網、傳統(tǒng)行業(yè)都曾涉獵。服務過世界500強企業(yè)數據項目；經手過數據治理、數據分析、BI、數據中臺設計、數據運營、用戶畫像等數據應用及企業(yè)整體解決方案；熟悉前沿的數據產品、數據運營體系。致力于企業(yè)從“點”到“面”的數據應用，不能落地的數據項目都屬于資源浪費。

圖書目錄

第1 篇　零售企業(yè)基礎分析方法應用
第1 章　開啟數據化業(yè)務洞察：基礎分析方法 002
1.1　趨勢分析 003
1.2　對比分析 005
1.3　分布分析 009
1.4　組成分析 013
1.5　關系分析 015
1.6　其他分析方法 017
1.7　本章小結 019
第2 章　讓客單價“飛”起來：購物籃分析 020
2.1　從經典故事的起源探索購物籃分析的奧秘 020
2.2　兩個案例：購物籃分析數據化決策怎么用 022
2.2.1　模型適用的零售業(yè)務場景 022
2.2.2　案例1 ：不合時宜的服飾可以不打折清倉嗎 025
2.2.3　案例2 ：如何輕松獲取私域運營流量
（新零售場景） 030
2.3　購物籃分析模型的實現 034
2.4　本章小結 036
第3 章　擒賊先擒王，高效降本增益：帕累托分析 038
3.1　二八定律誕生的科學性 038
3.2　兩個案例：帕累托分析數據化決策怎么用 040
3.2.1　模型適用的零售業(yè)務場景 040
3.2.2　案例1 ：降本增益，1500 多個商品如何優(yōu)化 041
3.2.3　案例2 ：企業(yè)的用戶貢獻分布健康嗎
（CRM 管理） 045
3.3　帕累托分析模型的實現 049
3.4　本章小結 054
第4 章　精準定位，業(yè)績優(yōu)化有方向：象限分析 056
4.1　象限分割的數學邏輯原理 057
4.2　兩個案例：象限分析數據化決策怎么用 060
4.2.1　模型適用的零售業(yè)務場景 060
4.2.2　案例1 ：餐廳的菜品如何管理優(yōu)化 062
4.2.3　案例2 ：紙業(yè)零售商如何提升門店業(yè)績 066
4.3　象限分析模型的實現 070
4.4　本章小結 074
第2 篇　零售企業(yè)進階分析方法應用
第5 章　快速厘清自己，掌握外部形勢：SWOT 分析 076
5.1　SWOT 分析的原理 076
5.2　兩個案例：SWOT 分析數據化決策怎么用 079
5.2.1　模型適用的零售業(yè)務場景 080
5.2.2　案例1 ：用戶眼中的品牌是什么樣的
（市場決策） 081
5.2.3　案例2 ：備選開店的3 家購物中心該如何選擇
（企業(yè)戰(zhàn)略） 085
5.3　本章小結 091
第6 章　1 分鐘梳理10 萬個用戶的商業(yè)價值：RFM 分析 092
6.1　RFM 分析的邏輯原理 093
6.2　兩個案例：RFM 分析數據化決策怎么用 095
6.2.1　模型適用的零售業(yè)務場景 095
6.2.2　案例1 ：你的高價值用戶在哪里（CRM） 097
6.2.3　案例2 ：打折清倉的靴子賣給誰（營銷決策） 103
6.3　RFM 分析模型的實現 107
6.4　本章小結 110
第7 章　不懂商業(yè)數據分析？先來聽它說：杜邦分析 112
7.1　從經典起源看杜邦分析如何“解” 112
7.2　兩個案例：杜邦分析數據化決策怎么用 114
7.2.1　模型適用的零售業(yè)務場景 114
7.2.2　案例1 ：上個月的營業(yè)總成本為何這么高
（財務分析） 117
7.2.3　案例2 ：如何快速學會商業(yè)分析（商業(yè)思維） 120
7.3　杜邦分析模型的實現 124
7.4　本章小結 125
第8 章　誰動了指標的“情緒”方向盤：相關性分析 127
8.1　相關性分析是什么 128
8.2　兩個案例：相關性分析數據化決策怎么用 130
8.2.1　模型適用的零售業(yè)務場景 130
8.2.2　案例1 ：服飾公司的訂貨率為何驟跌 131
8.2.3　案例2 ：用戶生命周期為何這么短
（CRM 管理） 134
8.3　相關性分析模型的實現 136
8.4　本章小結 139
第9 章　“人以群分”科學決策：聚類分析 141
9.1　“人以群分”的分類邏輯 142
9.2　兩個案例：聚類分析數據化決策怎么用 143
9.2.1　模型適用的零售業(yè)務場景 144
9.2.2　案例1 ：商品的精細化運營該怎么做 145
9.2.3　案例2 ：如何科學搭建會員等級體系
（CRM 管理） 151
9.3　聚類分析模型的實現 154
9.4　本章小結 159
第10 章　360 度了解“陌生人”的商業(yè)手法：
用戶畫像分析 161
10.1　用戶畫像分析的基礎 162
10.2　案例：用戶畫像分析商業(yè)化運營怎么做 165
10.2.1　模型適用的零售業(yè)務場景及實現難點 166
10.2.2　案例：快過節(jié)了，購物中心如何促活
（用戶運營） 167
10.3　用戶畫像分析模型的實現 172
10.4　本章小結 174
第3 篇　零售企業(yè)全域數據運營高階應用
第11 章　幫助企業(yè)生存扎根：AIPL 消費全鏈路模型 178
11.1　AIPL 模型的邏輯原理 179
11.2　兩個案例：AIPL 模型數據化決策怎么用 183
11.2.1　如何支持零售企業(yè)用戶運營 183
11.2.2　案例1 ：如何解決品牌用戶增長難的問題
（私域運營） 185
11.2.3　案例2 ：如何高效達成本月銷售業(yè)績
（線上+ 線下） 190
11.3　本章小結 193
第12 章　幫助企業(yè)業(yè)務長青：阿里兩大營銷模型 194
12.1　提高消費質量：FAST 消費者運營健康度模型 195
12.1.1　數據分析在FAST 模型中的作用 196
12.1.2　FAST 模型適用的業(yè)務場景 197
12.1.3　如何提升“618 活動”業(yè)績（用戶運營） 197
12.1.4　FAST 模型小結 200
12.2　提升消費價值：GROW 品牌業(yè)務增長模型 201
12.2.1　數據分析在GROW 模型中的作用 203
12.2.2　GROW 模型適用的業(yè)務場景 204
12.2.3　如何實現“618 活動”高業(yè)績目標（企業(yè)戰(zhàn)略） 204
12.2.4　GROW 模型小結 206
12.3　本章小結 206