數(shù)據(jù)分析方法論和業(yè)務(wù)實(shí)戰(zhàn)（全彩）
定 價(jià)：79 元
- 作者：陳友洋
- 出版時(shí)間：2022/6/1
- ISBN：9787121435362
- 出 版 社：電子工業(yè)出版社
- 中圖法分類：TP274
- 頁(yè)碼：212
- 紙張：
- 版次：01
- 開本：16開
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(lái)解決實(shí)際的業(yè)務(wù)問(wèn)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(wèn)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(yíng)、 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(chǎng)營(yíng)銷等方向的學(xué)生。
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)。
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(wèn)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(yíng)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(guò)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(chǎng)景 131
6.1.1 尋找目標(biāo)用戶 132
6.1.2 尋找運(yùn)營(yíng)抓手 134
6.1.3 精細(xì)化運(yùn)營(yíng)（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(wèn)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(jìng)爭(zhēng)大 184
9.1.2 不懂業(yè)務(wù) 184
9.1.3 簡(jiǎn)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)分析師最重要的能力 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(zhǎng)困境 203
書單推薦
