掃一掃
關(guān)注中圖網(wǎng)
官方微博
大數(shù)據(jù)用戶行為畫像分析實(shí)操指南 版權(quán)信息
- ISBN：9787121106088
- 條形碼：9787121106088 ; 978-7-121-10608-8
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
大數(shù)據(jù)用戶行為畫像分析實(shí)操指南 本書特色
融合不同行業(yè)的大數(shù)據(jù)用戶行為分析案例，深入解析，幫助不同行業(yè)讀者理解。 在數(shù)字化轉(zhuǎn)型中，越來越多的企業(yè)認(rèn)識到對用戶的實(shí)時深入洞察，以及數(shù)據(jù)資產(chǎn)的沉淀已成為業(yè)務(wù)增長的重要引擎。客戶行為分析的技術(shù)演進(jìn)、新變化和趨勢，以及與場景結(jié)合帶來的用戶洞察和業(yè)務(wù)增長的新可能，是每個做管理、營銷、用戶運(yùn)營的人都應(yīng)該深入了解和探究的。百分點(diǎn)優(yōu)秀的數(shù)據(jù)科學(xué)家團(tuán)隊(duì)，將用戶分析的前沿技術(shù)與*新的行業(yè)場景融合提升到了一個新的高度，并且從具體的實(shí)戰(zhàn)案例中提煉方法論，讓讀者更容易與自身的業(yè)務(wù)實(shí)踐相結(jié)合。 非常欣喜地看到本書面世，相信它可以幫助大家在數(shù)字化浪潮中，更好地貼近用戶，把握業(yè)務(wù)增長的真諦！ 微軟大中華區(qū)首席營銷官 郭潔基于*新的大數(shù)據(jù)技術(shù)，對用戶做出精準(zhǔn)的畫像，是數(shù)據(jù)產(chǎn)生價值的一個極其重要的基礎(chǔ)工作。該工作非常重要，因?yàn)橛纱水a(chǎn)生的標(biāo)簽是后續(xù)模型分析特征工程的重要前提。但是，該工作卻非常具有挑戰(zhàn)性。它要求的不僅僅是：前沿的模型分析方法，還包括*新的數(shù)據(jù)采集手段，以及重要的應(yīng)用場景。試問誰能同時兼顧這三個方面？答：只有百分點(diǎn)的數(shù)據(jù)科學(xué)家團(tuán)隊(duì)。這么一群優(yōu)秀的、高學(xué)歷的小伙伴，對前沿的模型方法了如指掌，熟悉各種*新的數(shù)據(jù)采集手段，并將其應(yīng)用于各種重要的商業(yè)場景，并形成規(guī)范的方法論。通過對本書的學(xué)習(xí)，可以快速地學(xué)習(xí)作者團(tuán)隊(duì)在這三個方面的寶貴經(jīng)驗(yàn)，踐行數(shù)據(jù)商業(yè)價值！ 北京大學(xué)光華管理學(xué)院商務(wù)統(tǒng)計(jì)與經(jīng)濟(jì)計(jì)量系系主任 王漢生教授從2012年開始由“移動加社交”組成的商業(yè)3.0時代，讓全社會的生活與工作逐步進(jìn)入到線上化、社交化、數(shù)據(jù)化；大量的用戶購買、瀏覽、社交(包含工作當(dāng)中的交互)等行為數(shù)據(jù)被全程沉淀與利用成為常態(tài)，越來越多的品牌開始重視基于行為數(shù)據(jù)構(gòu)建用戶模型，像分群、留存、畫像等方法。 掌握了這些方法，就能實(shí)現(xiàn)數(shù)據(jù)驅(qū)動的決策與數(shù)據(jù)驅(qū)動的用戶精細(xì)化運(yùn)營，做到科學(xué)地降本增效；在這個新時代，品牌迫切需要學(xué)習(xí)構(gòu)建這些框架的方法與實(shí)施步驟；本書包含了完整的結(jié)構(gòu)，清晰的方法與步驟，是企業(yè)在數(shù)據(jù)驅(qū)動時代的**工具。 數(shù)字化新商業(yè)轉(zhuǎn)型專家 新加坡國立大學(xué)商學(xué)院兼任教授 周宏騏
大數(shù)據(jù)用戶行為畫像分析實(shí)操指南 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！2章概要介紹了用戶行為分析的基礎(chǔ)知識和應(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。0章詳細(xì)闡述了用戶行為分析在若干個不同行業(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？晒┢笫聵I(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。
大數(shù)據(jù)用戶行為畫像分析實(shí)操指南 目錄
目 錄
第1章 走近用戶行為分析 1
1．1 用戶行為分析與畫像的概念 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)化過程 17
2．4 持續(xù)性輔助用戶運(yùn)營效果 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――無埋碼 67
4．1 無埋碼技術(shù)的實(shí)現(xiàn)原理 67
4．2 無埋碼技術(shù)的使用實(shí)例 69
4．3 無埋碼采集系統(tǒng)示例 70
4．3．1 連接應(yīng)用 70
4．3．2 配置無埋碼事件 71
4．4 其他無埋碼渠道的行為數(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)融合的用戶畫像模型構(gòu)建 99
第6章 行為分析與日常運(yùn)營 101
6．1 用戶行為分析與渠道運(yùn)營 101
6．1．1 渠道歸因模型 101
6．1．2 渠道引流趨勢分析 102
6．1．3 不同渠道用戶畫像 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 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 用戶行為分析與營銷運(yùn)營 109
6．3．1 用戶行為分析與活動方案設(shè)計(jì) 109
6．3．2 用戶行為分析與活動方案執(zhí)行 110
6．3．3 用戶行為分析與活動效果評估 111
6．4 用戶行為分析與用戶運(yùn)營 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 用戶畫像 118
7．1 用戶畫像概述 119
7．1．1 用戶畫像的定義 119
7．1．2 用戶畫像的構(gòu)建原則 120
7．1．3 用戶畫像的應(yīng)用領(lǐng)域 121
7．2 兩種常見的用戶畫像 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――用戶畫像的刻畫 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 微觀畫像 154
8．2．4 用戶相似度 155
第9章 用戶畫像的大數(shù)據(jù)應(yīng)用 159
9．1 用戶畫像與推薦系統(tǒng) 159
9．1．1 推薦系統(tǒng)簡介 159
9．1．2 矩陣計(jì)算 160
9．1．3 基于用戶的協(xié)同過濾示例 161
9．2 用戶畫像與智能營銷（一） 166
9．2．1 營銷場景構(gòu)建 167
9．2．2 業(yè)務(wù)規(guī)則 167
9．2．3 實(shí)時化的自動營銷 167
9．3 用戶畫像與智能營銷（二） 168
9．3．1 用戶畫像與電話營銷 168
9．3．2 用戶畫像與電話回訪 169
9．3．3 用戶畫像與二次銷售 169
9．3．4 用戶畫像與投訴 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 用戶行為分析過程 197
第1章 走近用戶行為分析 1
1．1 用戶行為分析與畫像的概念 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)化過程 17
2．4 持續(xù)性輔助用戶運(yùn)營效果 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――無埋碼 67
4．1 無埋碼技術(shù)的實(shí)現(xiàn)原理 67
4．2 無埋碼技術(shù)的使用實(shí)例 69
4．3 無埋碼采集系統(tǒng)示例 70
4．3．1 連接應(yīng)用 70
4．3．2 配置無埋碼事件 71
4．4 其他無埋碼渠道的行為數(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)融合的用戶畫像模型構(gòu)建 99
第6章 行為分析與日常運(yùn)營 101
6．1 用戶行為分析與渠道運(yùn)營 101
6．1．1 渠道歸因模型 101
6．1．2 渠道引流趨勢分析 102
6．1．3 不同渠道用戶畫像 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 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 用戶行為分析與營銷運(yùn)營 109
6．3．1 用戶行為分析與活動方案設(shè)計(jì) 109
6．3．2 用戶行為分析與活動方案執(zhí)行 110
6．3．3 用戶行為分析與活動效果評估 111
6．4 用戶行為分析與用戶運(yùn)營 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 用戶畫像 118
7．1 用戶畫像概述 119
7．1．1 用戶畫像的定義 119
7．1．2 用戶畫像的構(gòu)建原則 120
7．1．3 用戶畫像的應(yīng)用領(lǐng)域 121
7．2 兩種常見的用戶畫像 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――用戶畫像的刻畫 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 微觀畫像 154
8．2．4 用戶相似度 155
第9章 用戶畫像的大數(shù)據(jù)應(yīng)用 159
9．1 用戶畫像與推薦系統(tǒng) 159
9．1．1 推薦系統(tǒng)簡介 159
9．1．2 矩陣計(jì)算 160
9．1．3 基于用戶的協(xié)同過濾示例 161
9．2 用戶畫像與智能營銷（一） 166
9．2．1 營銷場景構(gòu)建 167
9．2．2 業(yè)務(wù)規(guī)則 167
9．2．3 實(shí)時化的自動營銷 167
9．3 用戶畫像與智能營銷（二） 168
9．3．1 用戶畫像與電話營銷 168
9．3．2 用戶畫像與電話回訪 169
9．3．3 用戶畫像與二次銷售 169
9．3．4 用戶畫像與投訴 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 用戶行為分析過程 197
展開全部
大數(shù)據(jù)用戶行為畫像分析實(shí)操指南 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、社會媒體營銷、歸因模型、流失預(yù)警模型、社會網(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。
書友推薦
- >
隨園食單
- >
詩經(jīng)-先民的歌唱
- >
羅曼·羅蘭讀書隨筆-精裝
- >
山海經(jīng)
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
李白與唐代文化
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
羅庸西南聯(lián)大授課錄
本類暢銷
