中圖網(wǎng)小程序
一鍵登錄
更方便
中圖價(jià):¥47.6
加入購物車
數(shù)據(jù)分析方法論和業(yè)務(wù)實(shí)戰(zhàn) 版權(quán)信息
- ISBN：9787121435362
- 條形碼：9787121435362 ; 978-7-121-43536-2
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>
數(shù)據(jù)分析方法論和業(yè)務(wù)實(shí)戰(zhàn) 本書特色
適讀人群 ：數(shù)據(jù)分析入門，想轉(zhuǎn)行做數(shù)據(jù)分析、數(shù)據(jù)分析師本書從數(shù)據(jù)分析在行業(yè)內(nèi)的應(yīng)用出發(fā)，全面地介紹了漏斗分析、相關(guān)分析、RFM用戶分群、5W2H等多種常用的數(shù)據(jù)分析方法，從方法到實(shí)踐。
數(shù)據(jù)分析方法論和業(yè)務(wù)實(shí)戰(zhàn) 內(nèi)容簡介
數(shù)據(jù)分析的精髓在于能夠利用合理的數(shù)據(jù)分析方法來解決實(shí)際的業(yè)務(wù)問題，本書介紹了互聯(lián)網(wǎng)行業(yè)中數(shù)據(jù)分析常見的思維和方法，并且呈現(xiàn)了這些分析方法在實(shí)際案例中的應(yīng)用。同時(shí)也利用本書解答了大家對(duì)于想要從事數(shù)據(jù)分析行業(yè)的一些擔(dān)憂和困惑。閱讀本書，你會(huì)對(duì)數(shù)據(jù)分析的工作內(nèi)容有更清晰、完整的了解，同時(shí)對(duì)常見的業(yè)務(wù)問題處理的方法和經(jīng)驗(yàn)有質(zhì)的提升。本書適合產(chǎn)品運(yùn)營、 數(shù)據(jù)分析、數(shù)據(jù)挖掘人員以及在校計(jì)算機(jī) 數(shù)據(jù) 市場營銷等方向的學(xué)生。
數(shù)據(jù)分析方法論和業(yè)務(wù)實(shí)戰(zhàn) 目錄
目 錄
第1 章 數(shù)據(jù)分析基礎(chǔ) 1
1.1 什么是數(shù)據(jù)分析 1
1.2 為什么要做數(shù)據(jù)分析 5
1.3 數(shù)據(jù)分析的步驟 12
1.4 數(shù)據(jù)分析師的日常工作 16
1.5 數(shù)據(jù)分析師的前景和發(fā)展 21
第2 章 數(shù)據(jù)指標(biāo)體系 24
2.1 數(shù)據(jù)指標(biāo)和數(shù)據(jù)指標(biāo)體系 24
2.1.1 數(shù)據(jù)指標(biāo) 24
2.1.2 數(shù)據(jù)指標(biāo)體系 26
2.2 為什么要搭建數(shù)據(jù)指標(biāo)體系 27
2.2.1 監(jiān)控現(xiàn)狀 27
2.2.2 反映問題 28
2.2.3 預(yù)測(cè)趨勢(shì) 28
2.2.4 評(píng)估分析 30
2.2.5 決策支持 30
2.3 常見的數(shù)據(jù)指標(biāo)體系 31
2.3.1 互聯(lián)網(wǎng)產(chǎn)品典型的數(shù)據(jù)指標(biāo)體系 32
2.3.2 電商平臺(tái)的數(shù)據(jù)指標(biāo)體系 35
第3 章 如何搭建數(shù)據(jù)指標(biāo)體系 39
3.1 什么是數(shù)據(jù)埋點(diǎn) 39
3.2 為什么要埋點(diǎn) 40
3.3 如何設(shè)計(jì)埋點(diǎn)方案 42
3.4 埋點(diǎn)的開發(fā)流程 46
3.5 指標(biāo)體系搭建方法論 50
3.5.1 OSM 模型 52
3.5.2 UJM 模型 54
3.5.3 AARRR 模型 55
3.6 數(shù)據(jù)指標(biāo)體系搭建實(shí)戰(zhàn) 56
第4 章 數(shù)據(jù)分析方法論 62
4.1 什么是數(shù)據(jù)分析方法 62
4.2 營銷管理方法論 63
4.2.1 SWOT 分析 63
4.2.2 PEST 分析 64
4.2.3 4P 理論 65
4.3 常用數(shù)據(jù)分析方法論及其應(yīng)用 67
4.3.1 對(duì)比細(xì)分 67
4.3.2 生命周期分析法 69
4.3.3 RFM 用戶分群法 73
4.3.4 相關(guān)性分析 78
4.3.5 用戶畫像分析 84
4.3.6 Aha 時(shí)刻 92
4.3.7 5W2H 分析法 93
4.3.8 麥肯錫邏輯樹分析法 99
4.3.9 漏斗分析法 105
第5 章 用戶留存分析 112
5.1 什么是用戶留存 112
5.2 為什么要進(jìn)行用戶留存分析 113
5.3 影響用戶留存的可能因素 115
5.4 用戶留存的3 個(gè)階段 117
5.5 用戶留存分析的常見方法――挖掘Aha 時(shí)刻 119
5.5.1 用戶留存分析的業(yè)務(wù)背景和分析思路 120
5.5.2 分析過程 123
第6 章 用戶特征分析 131
6.1 用戶特征分析適用的業(yè)務(wù)場景 131
6.1.1 尋找目標(biāo)用戶 132
6.1.2 尋找運(yùn)營抓手 134
6.1.3 精細(xì)化運(yùn)營（用戶分層） 135
6.2 用戶特征分析的方法 136
6.2.1 用戶畫像分析 136
6.2.2 聚類分析 137
6.2.3 監(jiān)督模型 140
6.2.4 RFM 用戶分群 141
6.3 用戶特征分析和用戶預(yù)測(cè)模型的區(qū)別與聯(lián)系 142
6.4 評(píng)估用戶特征 143
第7 章 用戶流失分析 146
7.1 什么是用戶流失 146
7.2 用戶流失分析常見錯(cuò)誤 147
7.3 生命周期和流失 148
7.3.1 產(chǎn)品的生命周期 148
7.3.2 用戶的生命周期 151
7.4 流失用戶的確定方法 153
7.5 用戶流失分析和預(yù)測(cè) 153
7.6 如何召回流失用戶 155
7.7 總結(jié) 157
第8 章 從零開始完成數(shù)據(jù)分析項(xiàng)目 159
8.1 項(xiàng)目背景 159
8.2 制訂需求分析框架和分析計(jì)劃 161
8.3 數(shù)據(jù)的提取和摸底 166
8.4 特征工程 171
8.4.1 什么是特征工程 171
8.4.2 特征工程的重要性 172
8.4.3 特征分布變換 173
8.4.4 生成衍生變量 174
8.4.5 分箱轉(zhuǎn)換 175
8.4.6 特征篩選 176
8.5 初步搭建挖掘模型 177
8.6 完成分析報(bào)告和落地應(yīng)用建議 178
8.7 制定具體的落地方案和評(píng)估方案 180
8.8 業(yè)務(wù)落地實(shí)驗(yàn)方案和效果評(píng)估 181
8.9 項(xiàng)目總結(jié) 181
第9 章 關(guān)于數(shù)據(jù)分析師常見的困惑和問題 183
9.1 為什么數(shù)據(jù)分析師找工作這么難 183
9.1.1 競爭大 184
9.1.2 不懂業(yè)務(wù) 184
9.1.3 簡歷和面試 185
9.2 數(shù)據(jù)分析師的專業(yè)選擇 185
9.3 數(shù)據(jù)分析師面試流程 187
9.4 數(shù)據(jù)分析師*重要的能力 192
9.4.1 講故事 193
9.4.2 判斷項(xiàng)目ROI 194
9.4.3 業(yè)務(wù)深度 194
9.4.4 信念 195
9.4.5 熱情 196
9.4.6 換位思考 197
9.5 常見的數(shù)據(jù)分析師的困境 197
9.5.1 陷入取數(shù)困境 198
9.5.2 陷入報(bào)表困境 199
9.5.3 陷入落地難困境 201
9.5.4 陷入成長困境 203
展開全部
數(shù)據(jù)分析方法論和業(yè)務(wù)實(shí)戰(zhàn) 節(jié)選
1. 什么是用戶畫像分析 我們經(jīng)常在淘寶網(wǎng)購物，作為淘寶方，他們想知道用戶是什么樣的，年齡、性別、城市、收入、購物品牌偏好、購物類型、平時(shí)的活躍程度等，這樣的一個(gè)用戶描述就是用戶畫像分析。 在實(shí)際工作中，用戶畫像分析是一個(gè)重要的數(shù)據(jù)分析手段，幫助產(chǎn)品策劃人員對(duì)產(chǎn)品功能進(jìn)行迭代，幫助產(chǎn)品運(yùn)營人員做用戶增長。 作為產(chǎn)品策劃人員，需要策劃一個(gè)好的功能，獲得用戶*大的可見價(jià)值與隱形價(jià)值、必須價(jià)值與增值價(jià)值，那么了解用戶并做用戶畫像分析，是數(shù)據(jù)分析師幫助產(chǎn)品策劃做更好的產(chǎn)品設(shè)計(jì)重要的一個(gè)環(huán)節(jié)。 作為產(chǎn)品運(yùn)營人員，比如針對(duì)用戶的拉新、挽留、付費(fèi)、裂變等的運(yùn)營，用戶畫像分析可以幫助產(chǎn)品運(yùn)營人員去找到他們的潛在用戶，從而用各種運(yùn)營手段去觸達(dá)。因?yàn)椋?dāng)我們知道群體特征時(shí)，也基本可以判定潛在用戶也是類似的一群人，這樣才可以精準(zhǔn)地尋找新用戶，提高ROI。 總的來說，用戶畫像分析就是基于大量的數(shù)據(jù)，建立用戶的屬性標(biāo)簽體系，同時(shí)利用這種屬性標(biāo)簽體系去描述用戶。 2. 用戶畫像分析的作用 用戶畫像分析的作用主要有以下幾個(gè)方面（見圖4-22）。 （1）廣告投放。 在做用戶增長時(shí)，我們需要在一些外部渠道投放廣告，吸引可能的潛在用戶，比如，B站在抖音上投放廣告。 我們?cè)谶x擇平臺(tái)進(jìn)行投放時(shí)，有了用戶畫像分析，就可以精準(zhǔn)地進(jìn)行廣告投放，比如，抖音中主要的用戶年齡為是18～24歲，那么廣告投放時(shí)就可以針對(duì)這部分用戶群體，提高投放的ROI（見圖4-23）。假如我們沒有進(jìn)行用戶畫像分析，那么可能會(huì)出現(xiàn)投了很多次廣告，結(jié)果沒有人點(diǎn)擊的情況。 （2）精準(zhǔn)營銷。 假如某個(gè)電商平臺(tái)需要做一個(gè)活動(dòng)，給不同層次的用戶發(fā)放不同的券，就需要利用用戶畫像分析對(duì)用戶進(jìn)行劃分，比如，劃分成不同付費(fèi)次數(shù)的用戶，然后根據(jù)不同付費(fèi)次數(shù)發(fā)放不同的優(yōu)惠券。給付費(fèi)次數(shù)在1～10次的用戶發(fā)放10元優(yōu)惠券，依此類推（見圖4-24）。 （3）個(gè)性化推薦。 個(gè)性化推薦即精確的內(nèi)容分發(fā)，比如，我們?cè)谝魳奉怉PP中會(huì)看到每日推薦，這是因?yàn)檫\(yùn)營人員在做點(diǎn)擊率預(yù)估模型（預(yù)測(cè)給你推薦的歌曲會(huì)不會(huì)被點(diǎn)擊）時(shí)，會(huì)考慮用戶畫像屬性，這樣才有可能推薦用戶喜歡的類型。比如，根據(jù)你是“90后”，喜歡傷感的音樂，喜歡周杰倫這些屬性，推薦類似的歌曲給你，這就是基于用戶畫像推薦。 （4）風(fēng)控檢測(cè)。 風(fēng)控檢測(cè)主要是金融或者銀行業(yè)涉及得比較多，常見的問題是銀行怎么決定是否放貸給申請(qǐng)人。普遍的解決方法是搭建一個(gè)風(fēng)控預(yù)測(cè)模型，預(yù)測(cè)申請(qǐng)人是否有可能不還貸款。模型的背后就有用戶畫像分析的功勞。用戶的收入水平、教育水平、職業(yè)、是否有家庭、是否有房子，以及過去的誠信記錄，這些畫像數(shù)據(jù)都關(guān)系到模型預(yù)測(cè)是否準(zhǔn)確（見圖4-25）。 （5）產(chǎn)品設(shè)計(jì)。 互聯(lián)網(wǎng)的產(chǎn)品價(jià)值離不開用戶、需求、場景這三大元素，所以在做產(chǎn)品設(shè)計(jì)時(shí)，要知道用戶到底是怎樣的一群人，他們的具體情況是什么，他們有什么特別需求，這樣才可以設(shè)計(jì)出對(duì)應(yīng)解決他們需求和痛點(diǎn)的產(chǎn)品功能。 在產(chǎn)品功能迭代時(shí)，我們需要分析用戶畫像行為數(shù)據(jù)，發(fā)現(xiàn)用戶的流失情況。典型的場景是用漏斗模型分析轉(zhuǎn)化情況，就是基于用戶的行為數(shù)據(jù)發(fā)現(xiàn)流失嚴(yán)重的頁面，從而優(yōu)化對(duì)應(yīng)的頁面。比如，我們發(fā)現(xiàn)從下載到點(diǎn)擊付款的轉(zhuǎn)化率特別低，這可能是付款按鈕做得有問題，可以有針對(duì)性地優(yōu)化按鈕的位置等。同時(shí)，還可以分析這部分轉(zhuǎn)化率主要是在哪部分用戶群體中低，假如發(fā)現(xiàn)高齡用戶的轉(zhuǎn)化率要比中青年的轉(zhuǎn)化率低很多，則有可能是因?yàn)樽煮w的設(shè)置及按鈕位置不顯眼等，或者操作不方便。 （6）數(shù)據(jù)分析。 在進(jìn)行描述性數(shù)據(jù)分析時(shí)，經(jīng)常需要用戶畫像的數(shù)據(jù)，比如，描述抖音中某美食類博主的用戶群體特征，可以關(guān)注他們觀看其他抖音視頻的情況，關(guān)注其他博主的情況等（見圖4-26）。 簡單來說，用戶畫像分析可以幫助數(shù)據(jù)分析師更加清晰地刻畫用戶。 3. 如何搭建用戶畫像。 用戶畫像架構(gòu)如圖4-27所示。
數(shù)據(jù)分析方法論和業(yè)務(wù)實(shí)戰(zhàn) 作者簡介
陳友洋，畢業(yè)于香港中文大學(xué)和中山大學(xué)，騰訊前數(shù)據(jù)科學(xué)家，數(shù)據(jù)分析類公眾號(hào)“漁好學(xué)”主理人，分享多篇數(shù)據(jù)相關(guān)的干貨文章。在知乎（知乎賬號(hào)：漁好學(xué)）上分享的數(shù)據(jù)分析相關(guān)文章的全網(wǎng)閱讀量超2 000 000次，廣受好評(píng)。在數(shù)據(jù)分析、數(shù)據(jù)體系搭建、數(shù)據(jù)科學(xué)方面具有多年經(jīng)驗(yàn)，積累了豐富的數(shù)據(jù)分析項(xiàng)目經(jīng)驗(yàn)。
書友推薦
- >
中國歷史的瞬間
- >
朝聞道
- >
月亮與六便士
- >
名家?guī)阕x魯迅:朝花夕拾
- >
巴金－再思錄
- >
山海經(jīng)
- >
伯納黛特,你要去哪(2021新版)
- >
【精裝繪本】畫給孩子的中國神話
本類暢銷
