數(shù)據(jù)化運(yùn)營(yíng)：系統(tǒng)方法與實(shí)踐案例
定 價(jià)：79 元
叢書名：產(chǎn)品管理與運(yùn)營(yíng)系列叢書
- 作者：趙宏田 江麗萍 李寧
- 出版時(shí)間：2018/8/1
- ISBN：9787111604518
- 出 版 社：機(jī)械工業(yè)出版社
- 中圖法分類：F272.7
- 頁碼：
- 紙張：膠版紙
- 版次：
- 開本：16開
本書以互聯(lián)網(wǎng)企業(yè)中常見數(shù)據(jù)運(yùn)營(yíng)場(chǎng)景為切入點(diǎn)，以工作中實(shí)際面臨解決的問題為案例，從方法、技術(shù)、業(yè)務(wù)、實(shí)踐4個(gè)維度講述數(shù)據(jù)運(yùn)營(yíng)的場(chǎng)景及應(yīng)用方式。書中從實(shí)踐出發(fā)，結(jié)合工作中數(shù)據(jù)運(yùn)營(yíng)經(jīng)驗(yàn)，以應(yīng)用案例為主線，通過業(yè)務(wù)分析 代碼實(shí)踐這種更接地氣的方式講述數(shù)據(jù)的應(yīng)用。書中對(duì)于搭建數(shù)據(jù)監(jiān)控指標(biāo)體系、數(shù)據(jù)分析、數(shù)據(jù)挖掘、ABTest、埋點(diǎn)策略、用戶畫像建模等常見數(shù)據(jù)運(yùn)營(yíng)方式做了詳細(xì)的介紹。
（1）3位作者均是有多年數(shù)據(jù)分析和運(yùn)營(yíng)經(jīng)驗(yàn)的專家，操盤過很多大項(xiàng)目，經(jīng)驗(yàn)豐富。
（2）從方法、技術(shù)、業(yè)務(wù)、實(shí)踐4個(gè)維度全面構(gòu)建數(shù)據(jù)化運(yùn)營(yíng)的系統(tǒng)方法論。
（3）包含多個(gè)商業(yè)實(shí)踐案例，對(duì)搭建數(shù)據(jù)監(jiān)控指標(biāo)體系、數(shù)據(jù)分析、數(shù)據(jù)挖掘、ABtest、埋點(diǎn)策略、用戶畫像建模等常見數(shù)據(jù)運(yùn)營(yíng)方式做了詳細(xì)講解。
前 言為什么要寫這本書作為互聯(lián)網(wǎng)大數(shù)據(jù)行業(yè)的從業(yè)者，筆者將自己在這個(gè)行業(yè)中所掌握的知識(shí)、在日常工作中遇到的問題以及積累的項(xiàng)目經(jīng)驗(yàn)整理成書，在這里和大家分享。希望通過本書能給讀者一些新的理解和應(yīng)用的思路，如果書中的內(nèi)容能讓你有些許收獲，能夠解決你工作中的一兩個(gè)問題，那將是筆者的榮幸。
本書特色本書從實(shí)踐出發(fā)，結(jié)合工作中數(shù)據(jù)運(yùn)營(yíng)經(jīng)驗(yàn)，以應(yīng)用案例為主線，通過業(yè)務(wù)分析 代碼實(shí)踐這種更接地氣的方式講述數(shù)據(jù)的應(yīng)用。書中對(duì)搭建數(shù)據(jù)監(jiān)控指標(biāo)體系、數(shù)據(jù)分析、數(shù)據(jù)挖掘、AB Test、埋點(diǎn)策略、用戶畫像建模等常見數(shù)據(jù)運(yùn)營(yíng)方式做了詳細(xì)介紹。
根據(jù)讀者的閱讀習(xí)慣，本書由淺入深地分為基礎(chǔ)篇、應(yīng)用篇和提高篇三部分。
基礎(chǔ)篇講解數(shù)據(jù)運(yùn)營(yíng)常見場(chǎng)景、運(yùn)營(yíng)方式與數(shù)據(jù)運(yùn)營(yíng)人員的工作職責(zé)。
應(yīng)用篇講解數(shù)據(jù)分析方法與應(yīng)用方式，并通過5個(gè)實(shí)際數(shù)據(jù)分析挖掘案例幫助讀者深入理解數(shù)據(jù)運(yùn)營(yíng)方式。在內(nèi)容編排上先提出案例應(yīng)用背景和目標(biāo)，再闡述分析方法和建模流程，最后完成數(shù)據(jù)的處理和業(yè)務(wù)上的應(yīng)用。
提高篇講解當(dāng)下熱門的用戶畫像建模，從建模流程、標(biāo)簽開發(fā)到畫像應(yīng)用，并輔以案例，講解如何用HQL語言建立一個(gè)圖書電商場(chǎng)景的用戶標(biāo)簽體系，以幫助讀者更深入地理解用戶畫像是如何建模打標(biāo)簽的。
本書沒有過多復(fù)雜的理論公式，所講案例操作步驟詳細(xì)，可作為數(shù)據(jù)分析運(yùn)營(yíng)人員在解決實(shí)際問題中參考的action book。
本書適用對(duì)象對(duì)數(shù)據(jù)分析及數(shù)據(jù)挖掘感興趣的大專院校師生及其他初學(xué)者對(duì)互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)分析、用戶畫像建模感興趣的數(shù)據(jù)運(yùn)營(yíng)人員互聯(lián)網(wǎng)行業(yè)的產(chǎn)品運(yùn)營(yíng)人員及產(chǎn)品經(jīng)理各行各業(yè)的數(shù)據(jù)分析師如何閱讀本書本書以互聯(lián)網(wǎng)企業(yè)中常見的數(shù)據(jù)運(yùn)營(yíng)場(chǎng)景為切入點(diǎn)，以工作中實(shí)際面臨的問題為案例，從方法、技術(shù)、業(yè)務(wù)、實(shí)踐4個(gè)維度講述數(shù)據(jù)運(yùn)營(yíng)的場(chǎng)景及應(yīng)用方式。全書共分10章，各章的主要內(nèi)容如下：
第1章介紹企業(yè)中數(shù)據(jù)的應(yīng)用方式、企業(yè)數(shù)據(jù)職能架構(gòu)與組成、數(shù)據(jù)運(yùn)營(yíng)人員的工作職責(zé)和應(yīng)掌握的技能。
第2章介紹數(shù)據(jù)運(yùn)營(yíng)規(guī)劃，常見的運(yùn)營(yíng)場(chǎng)景以及如何結(jié)合數(shù)據(jù)展開用戶運(yùn)營(yíng)和流量運(yùn)營(yíng)工作。
第3章講述如何結(jié)合業(yè)務(wù)搭建數(shù)據(jù)監(jiān)控指標(biāo)體系，從搭建模板到自動(dòng)化數(shù)據(jù)報(bào)表，做好日?qǐng)?bào)、周報(bào)、月報(bào)、專題分析報(bào)告等日常數(shù)據(jù)運(yùn)營(yíng)工作。
第4章是本書的重點(diǎn)章節(jié)，講述了數(shù)據(jù)分析中常用的方法及其應(yīng)用場(chǎng)景，包括常見營(yíng)銷理論、數(shù)據(jù)分析思路、AB Test分析以及埋點(diǎn)策略與分析。對(duì)數(shù)據(jù)分析感興趣的人員可著重看此章節(jié)。
第5~9章是數(shù)據(jù)分析挖掘中的幾個(gè)具體案例，從數(shù)據(jù)運(yùn)營(yíng)的實(shí)際應(yīng)用場(chǎng)景出發(fā)，以案例的形式講述了如何在某些常見的業(yè)務(wù)需求背景下，分析項(xiàng)目需求，厘清思路，展開數(shù)據(jù)分析并輸出報(bào)告和結(jié)論。案例中的關(guān)鍵步驟都附上了詳細(xì)的代碼說明。
第10章是本書的重點(diǎn)章節(jié)，先介紹了什么是用戶畫像、應(yīng)用場(chǎng)景、開發(fā)流程，然后以案例的形式講解了用戶畫像建模過程中的需求分析、建立模型、打標(biāo)簽、計(jì)算標(biāo)簽權(quán)重、畫像數(shù)據(jù)管理、用戶畫像應(yīng)用等環(huán)節(jié)，并為案例附上了詳細(xì)的代碼說明。想要了解如何在用戶畫像建模過程中建模打標(biāo)簽的人員可著重看此章節(jié)。
勘誤和支持由于筆者水平有限，書中難免會(huì)出現(xiàn)一些錯(cuò)誤或者不準(zhǔn)確的地方，懇請(qǐng)讀者批評(píng)指正。為此，讀者可通過郵箱（892798505@qq.com）或微信（administer-00001）反饋有關(guān)問題，筆者將盡全力為讀者提供解答。書中的源代碼可以從Github網(wǎng)站（https://github.com/HunterChao/book）下載。
致謝在本書的編寫過程中，得到了許多朋友的幫助，感謝天善智能創(chuàng)始人梁勇的支持與幫助，感謝為本書撰寫推薦的朋友們，感謝你們的支持及專業(yè)的建議。
感謝機(jī)械工業(yè)出版社華章公司的楊福川副總編，本書從2017年4月開始籌劃，從確定基本框架到后期的寫作，楊總編不斷地給筆者以指導(dǎo)，感謝楊總編的幫助與支持，與他的合作總是十分愉快！感謝機(jī)械工業(yè)出版社編輯李藝?yán)蠋�，李藝�(yán)蠋熡脟?yán)謹(jǐn)?shù)膽B(tài)度孜孜不倦地幫助我們修改稿件。
謹(jǐn)以此書獻(xiàn)給眾多互聯(lián)網(wǎng)運(yùn)營(yíng)人員和數(shù)據(jù)分析師們！
作者簡(jiǎn)介
趙宏田
畢業(yè)于中國(guó)地質(zhì)大學(xué)（武漢）和武漢大學(xué)，獲工學(xué)和經(jīng)濟(jì)學(xué)雙學(xué)士學(xué)位，現(xiàn)在某跨境電商從事大數(shù)據(jù)開發(fā)相關(guān)工作。擁有豐富的數(shù)據(jù)分析和數(shù)據(jù)化運(yùn)營(yíng)經(jīng)驗(yàn)，負(fù)責(zé)過經(jīng)營(yíng)分析、SEO/SEM流量數(shù)據(jù)倉庫建設(shè)、競(jìng)品爬蟲、企業(yè)BI搭建，以及多家公司用戶畫像項(xiàng)目的從0到1搭建。業(yè)余時(shí)間喜歡對(duì)工作中關(guān)鍵點(diǎn)進(jìn)行總結(jié)和積累，開源項(xiàng)目的貢獻(xiàn)者，知乎專欄作者，撰寫了大量專業(yè)文章，廣受好評(píng)。
博客地址：https://zhuanlan.zhihu.com/pythoncrawl
開源貢獻(xiàn)地址：https://github.com/HunterChao
江麗萍
統(tǒng)計(jì)學(xué)碩士，某知名互聯(lián)網(wǎng)醫(yī)療公司數(shù)據(jù)分析師。從事經(jīng)營(yíng)分析及數(shù)據(jù)運(yùn)營(yíng)多年，曾在不同行業(yè)以研究員、項(xiàng)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(yùn)營(yíng)項(xiàng)目，擁有豐富的互聯(lián)網(wǎng)數(shù)據(jù)運(yùn)營(yíng)項(xiàng)目經(jīng)驗(yàn)。曾在某公司成功帶領(lǐng)小組打通公司層面數(shù)據(jù)，對(duì)關(guān)鍵業(yè)務(wù)條線從業(yè)務(wù)流、數(shù)據(jù)流進(jìn)行流程化梳理；推動(dòng)公司數(shù)據(jù)產(chǎn)品實(shí)現(xiàn)由0到1的突破。希望能將數(shù)據(jù)分析與業(yè)務(wù)運(yùn)營(yíng)結(jié)合的更加緊密，以數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)，以數(shù)據(jù)推動(dòng)業(yè)務(wù)。
李寧
中國(guó)商業(yè)聯(lián)合會(huì)數(shù)據(jù)分析專業(yè)委員會(huì)特聘專家，現(xiàn)就職于某知名外賣訂餐平臺(tái)，擔(dān)任數(shù)據(jù)專家。先后在艾瑞、攜程從事數(shù)據(jù)相關(guān)工作。樂于分享，維護(hù)著微信公眾號(hào)數(shù)據(jù)自由之路（dataFreeLife），分享自己在數(shù)據(jù)和運(yùn)營(yíng)方面的經(jīng)驗(yàn)和心得，同時(shí)是知乎、36大數(shù)據(jù)和51CTO等知名媒體的專欄作家。曾多次被行業(yè)內(nèi)的各種數(shù)據(jù)峰會(huì)邀請(qǐng)擔(dān)任分享嘉賓，并以評(píng)審專家身份參與由中數(shù)委牽頭的《中國(guó)大數(shù)據(jù)人才培養(yǎng)標(biāo)準(zhǔn)（第1版）》的編審工作。
目 錄
前 言
基 礎(chǔ) 篇
第1章 概述：數(shù)據(jù)運(yùn)營(yíng)基礎(chǔ) 002
1.1 大數(shù)據(jù)時(shí)代 002
1.2 企業(yè)數(shù)據(jù)應(yīng)用方式 004
1.3 數(shù)據(jù)運(yùn)營(yíng)的崗位職責(zé) 007
1.4 數(shù)據(jù)運(yùn)營(yíng)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(dòng)運(yùn)營(yíng) 014
2.1 如何用數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng) 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(yùn)營(yíng)重點(diǎn) 019
2.2 流量運(yùn)營(yíng)分析 021
2.2.1 流量運(yùn)營(yíng)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(cè)試 032
2.3 用戶運(yùn)營(yíng)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(jià)值 047
2.4 本章小結(jié) 051
?第3章 報(bào)表：數(shù)據(jù)管理模板 052
3.1 個(gè)性化數(shù)據(jù)管理報(bào)告Excel 054
3.1.1 創(chuàng)建報(bào)告的準(zhǔn)備工作 054
3.1.2 報(bào)告自動(dòng)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(bào)告正文展示 062
3.1.5 自動(dòng)化報(bào)表腳本 064
3.2 搭建數(shù)據(jù)分析報(bào)告模板PPT 066
3.2.1 業(yè)務(wù)指標(biāo)梳理（搭建運(yùn)營(yíng)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(bào)告布局與排版 081
3.2.6 PPT隨Excel模板自動(dòng)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(yíng)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(yùn)用場(chǎng)景 095
4.2.1 多維分析 095
4.2.2 趨勢(shì)分析 097
4.2.3 綜合評(píng)價(jià)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(diǎn)及適用場(chǎng)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(shí)現(xiàn) 125
4.4.1 AB Test的原理 126
4.4.2 AB Test的埋點(diǎn)與報(bào)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(diǎn)策略與實(shí)現(xiàn) 134
4.5.1 utm來源埋點(diǎn) 135
4.5.2 頁面PV埋點(diǎn) 137
4.5.3 單擊埋點(diǎn)native 139
4.5.4 單擊埋點(diǎn)hybrid 141
4.5.5 業(yè)務(wù)埋點(diǎn) 142
4.5.6 曝光埋點(diǎn) 144
4.5.7 埋點(diǎn)常見問題 145
4.6 本章小結(jié) 146
?第5章 案例：競(jìng)品數(shù)據(jù)對(duì)標(biāo)分析 148
5.1 網(wǎng)絡(luò)爬蟲基礎(chǔ)知識(shí) 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(chǔ) 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(xiàng)目?jī)?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(shí)現(xiàn) 178
5.6 反爬手段及應(yīng)對(duì)機(jī)制 179
5.6.1 禁止IP請(qǐng)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(jī)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(yùn)營(yíng)建議 195
6.6 本章小結(jié) 195
?第7章 案例：RFM用戶價(jià)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(cè) 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(cè)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(dòng)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(yàn) 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(jì)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(jiǎn)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(chǎng)景 250
10.1.3 數(shù)倉架構(gòu)及項(xiàng)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(chǔ)方式 259
10.2.3 更新機(jī)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(shí)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(yàn)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(yùn)營(yíng) 317
10.6.2 數(shù)據(jù)分析 319
10.6.3 精準(zhǔn)營(yíng)銷 319
10.6.4 用戶個(gè)性化推薦 322
10.7 本章小結(jié) 323
書單推薦
