目 錄

第1章 走近用戶行為分析 1
1.1 用戶行為分析與畫(huà)像的概念 3
1.2 用戶行為分析的意義 4
1.3 大數(shù)據(jù)與用戶行為分析 7
1.4 用戶行為分析的幾個(gè)重要階段 8
1.4.1 獲取用戶行為數(shù)據(jù) 8
1.4.2 明確分析指標(biāo)與維度 8
1.4.3 分析結(jié)果可視化呈現(xiàn) 10
第2章 行為數(shù)據(jù)分析的使用場(chǎng)景 14
2.1 了解用戶使用習(xí)慣 14
2.2 提升用戶操作體驗(yàn) 15
2.3 監(jiān)控業(yè)務(wù)轉(zhuǎn)化過(guò)程 17
2.4 持續(xù)性輔助用戶運(yùn)營(yíng)效果 19
第3章 基于大數(shù)據(jù)的行為分析——傳統(tǒng)埋碼 23
3.1 行為數(shù)據(jù)采集方法與技術(shù)原理 23
3.2 行為數(shù)據(jù)的統(tǒng)計(jì)原理 26
3.3 行為統(tǒng)計(jì)的分類方法 31
3.3.1 使用層面的分類 31
3.3.2 技術(shù)處理層面的分類 32
3.4 基于大數(shù)據(jù)的行為數(shù)據(jù)存儲(chǔ)與計(jì)算 34
3.4.1 行為數(shù)據(jù)采集系統(tǒng)示例 34
3.4.2 存儲(chǔ)與分析系統(tǒng)示例 40
第4章 基于大數(shù)據(jù)的行為分析——無(wú)埋碼 67
4.1 無(wú)埋碼技術(shù)的實(shí)現(xiàn)原理 67
4.2 無(wú)埋碼技術(shù)的使用實(shí)例 69
4.3 無(wú)埋碼采集系統(tǒng)示例 70
4.3.1 連接應(yīng)用 70
4.3.2 配置無(wú)埋碼事件 71
4.4 其他無(wú)埋碼渠道的行為數(shù)據(jù)分析 74
第5章 行為分析的指標(biāo)與模型 77
5.1 用戶行為分析的3個(gè)層次 77
5.2 行為分析指標(biāo) 78
5.2.1 渠道類指標(biāo) 78
5.2.2 訪問(wèn)類指標(biāo) 78
5.2.3 轉(zhuǎn)化類指標(biāo) 79
5.2.4 留存類指標(biāo) 80
5.2.5 社交類指標(biāo) 81
5.3 用戶模型構(gòu)建 81
5.3.1 傳統(tǒng)的用戶模型構(gòu)建方法 82
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 83
5.4 用戶行為全程追蹤 85
5.4.1 用戶獲取 86
5.4.2 用戶轉(zhuǎn)化 86
5.4.3 用戶留存 87
5.4.4 產(chǎn)生收入 87
5.4.5 用戶傳播 88
5.5 轉(zhuǎn)化分析模型 89
5.5.1 科學(xué)地構(gòu)建漏斗 89
5.5.2 漏斗對(duì)比分析法 90
5.5.3 漏斗與客戶流向結(jié)合分析法 90
5.5.4 微轉(zhuǎn)化行為分析法 91
5.5.5 用戶注意力分析法 92
5.6 精細(xì)化運(yùn)營(yíng)模型 93
5.6.1 用戶常規(guī)分群體系構(gòu)建 93
5.6.2 用戶生命周期模型構(gòu)建 95
5.6.3 用戶流失預(yù)警模型構(gòu)建 96
5.6.4 用戶價(jià)值管理（RFM）模型構(gòu)建 98
5.6.5 大小數(shù)據(jù)融合的用戶畫(huà)像模型構(gòu)建 99
第6章 行為分析與日常運(yùn)營(yíng) 101
6.1 用戶行為分析與渠道運(yùn)營(yíng) 101
6.1.1 渠道歸因模型 101
6.1.2 渠道引流趨勢(shì)分析 102
6.1.3 不同渠道用戶畫(huà)像 103
6.1.4 不同渠道用戶站內(nèi)行為 103
6.2 用戶行為分析與產(chǎn)品運(yùn)營(yíng) 104
6.2.1 用戶健康度分析 104
6.2.2 用戶路徑分析模型 105
6.2.3 漏斗分析模型 107
6.2.4 用戶點(diǎn)擊模型 108
6.3 用戶行為分析與營(yíng)銷運(yùn)營(yíng) 109
6.3.1 用戶行為分析與活動(dòng)方案設(shè)計(jì) 109
6.3.2 用戶行為分析與活動(dòng)方案執(zhí)行 110
6.3.3 用戶行為分析與活動(dòng)效果評(píng)估 111
6.4 用戶行為分析與用戶運(yùn)營(yíng) 112
6.4.1 用戶行為分析與拉新 112
6.4.2 用戶行為分析與轉(zhuǎn)化 114
6.4.3 用戶行為分析與留存 116
第7章 用戶畫(huà)像 118
7.1 用戶畫(huà)像概述 119
7.1.1 用戶畫(huà)像的定義 119
7.1.2 用戶畫(huà)像的構(gòu)建原則 120
7.1.3 用戶畫(huà)像的應(yīng)用領(lǐng)域 121
7.2 兩種常見(jiàn)的用戶畫(huà)像 122
7.2.1 用戶角色（User Persona） 122
7.2.2 用戶檔案（User Profile） 125
7.3 用戶畫(huà)像的調(diào)研 131
7.3.1 背景描述 131
7.3.2 需求調(diào)研 132
7.3.3 業(yè)務(wù)理解 134
第8章 標(biāo)簽體系——用戶畫(huà)像的刻畫(huà) 135
8.1 標(biāo)簽體系的構(gòu)建 135
8.1.1 ID拉通 136
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 145
8.1.3 標(biāo)簽體系的構(gòu)建 147
8.2 標(biāo)簽體系的分析方法及應(yīng)用 151
8.2.1 群組構(gòu)建 151
8.2.2 用戶群組分析 153
8.2.3 微觀畫(huà)像 154
8.2.4 用戶相似度 155
第9章 用戶畫(huà)像的大數(shù)據(jù)應(yīng)用 159
9.1 用戶畫(huà)像與推薦系統(tǒng) 159
9.1.1 推薦系統(tǒng)簡(jiǎn)介 159
9.1.2 矩陣計(jì)算 160
9.1.3 基于用戶的協(xié)同過(guò)濾示例 161
9.2 用戶畫(huà)像與智能營(yíng)銷（一） 166
9.2.1 營(yíng)銷場(chǎng)景構(gòu)建 167
9.2.2 業(yè)務(wù)規(guī)則 167
9.2.3 實(shí)時(shí)化的自動(dòng)營(yíng)銷 167
9.3 用戶畫(huà)像與智能營(yíng)銷（二） 168
9.3.1 用戶畫(huà)像與電話營(yíng)銷 168
9.3.2 用戶畫(huà)像與電話回訪 169
9.3.3 用戶畫(huà)像與二次銷售 169
9.3.4 用戶畫(huà)像與投訴 169
第10章 案例與詳解 171
10.1 金融行業(yè)用戶全渠道行為分析 171
10.1.1 分析背景 171
10.1.2 用戶行為分析過(guò)程 173
10.2 電商行業(yè)用戶行為分析 177
10.2.1 分析背景 177
10.2.2 用戶行為分析過(guò)程 179
10.3 房地產(chǎn)行業(yè)用戶行為分析 183
10.3.1 分析背景 183
10.3.2 用戶行為分析過(guò)程 185
10.4 快消行業(yè)用戶行為分析 188
10.4.1 分析背景 188
10.4.2 用戶行為分析過(guò)程 189
10.5 媒體行業(yè)用戶行為分析——以電影網(wǎng)為例 196
10.5.1 分析背景 196
10.5.2 用戶行為分析過(guò)程 197