产品经理数据修炼30问
￥ 12.2 1.8折 ￥ 69 九五品
仅1件
作者R.D.
出版社电子工业出版社
ISBN9787121352041
出版时间2018-11
版次1
装帧平装
开本16开
纸张胶版纸
页数256页
字数99999千字
定价69元
上书时间2024-12-21
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:产品经理数据修炼30问
定价：69.00元
作者:R.D.
出版社：电子工业出版社
出版日期：2018-11-01
ISBN：9787121352041
字数：315000
页码：256
版次：1
装帧：平装
开本：16开
商品重量：
编辑推荐
内容提要
目录
目 录
单元 刚接手一款产品，如何快速了解它
问 重新定义产品，应从哪开始？3
1.1 寻找一个切入点3
1.2 宏观：领域与生态4
1.3 中观：产品全局4
1.4 微观：产品功能与用户5
1.5 归纳与重新定义7
第2问 怎样理解产品中那些酷炫的数据指标？10
2.1 指标背后的要素：时间粒度和口径10
2.2 值得思考的“问题”12
2.3 为数据指标分类15
第3问 产品中有那么多功能，怎样摸清它们的脉络？18
3.1 画一张属于自己的产品地图18
3.2 已登录or未登录21
3.3 好友or陌生人21
3.4 流量or Wi-Fi联网22
第4问 了解产品用户，应选择用户画像还是用户特征？23
4.1 用户画像vs用户特征23
4.2 关注不发声的大多数用户25
4.3 警惕无效的用户特征25
4.4 识别用户反馈带来的伪需求27
第5问 关于产品与数据，还有哪些值得注意的概念？29
5.1 这些用词的区别在哪里29
5.2 保持名称的一致性33
5.3 近似值和数值的位数33
第二单元 数据支撑体系是如何运作的？
第6问 人力：数据团队中有哪些幕后英雄？39
6.1 数据产品经理40
6.2 数据分析师40
6.3 数据项目经理41
6.4 开发工程师41
6.5 测试工程师41
6.6 运维工程师42
6.7 基础研究员42
第7问 物力：数据产品是怎么来的？44
7.1 是的，依然来自需求44
7.2 不一样的需求过程45
7.3 同样存在伪需求48
第8问 除了报表平台，数据产品还包括什么？51
8.1 先给数据产品分个层次51
8.2 数据采集层52
8.3 数据接入层53
8.4 数据处理层53
8.5 数据应用层54
第9问 数据上报前需要做哪些准备工作？56
9.1 准备一：允许上报什么样的数据56
9.2 准备二：定义数据协议和数据Topic58
9.3 准备三：统一文本编码59
0问 埋点就是数据采集吗？61
10.1 标准动作三步走：埋点、采集、上报61
10.2 采集组件的两类功能：机制型功能和服务型功能63
10.3 对采集组件优化的思考64
1问 数据上报到哪里去了？66
11.1 不得不谈的技术流程66
11.2 数据仓库vs数据库67
11.3 用可视化方式达成约定69
2问 我们可以直接使用上报的数据吗？72
12.1 数据处理的基本操作：归并和计算72
12.2 任务调度平台，自动化处理引擎75
12.3 横表vs纵表79
12.4 事实表vs维度表80
3问 数据处理好了，我可以享用哪些服务？82
13.1 数据门户的家族成员82
13.2 报表呈现的奥秘83
13.3 运筹帷幄的Dashboard85
13.4 火眼金睛的用户分析平台86
13.5 温暖人心的数据订阅89
13.6 的SQL，灵活的即席查询91
4问 体验优良的数据产品有哪些表现？94
14.1 交互是体验的一部分94
14.2 别让我思考，值得强化的基础体验95
14.3 别让我孤单，多方位的支持服务99
14.4 别让我犯错，严格对待权限与安全102
第三单元 立足当下，如何轻松实践数据化运营？
5问 怎样快速树立数据化运营思维？107
15.1 认清运营的焦点：用户107
15.2 理解用户数据的六步循环109
15.3 明确数据化运营与数据产品体系的关系110
6问 数据啊，数据，我的产品怎样才能成功？112
16.1 感性地提出一个问题112
16.2 将问题分解为能够量化的指标112
16.3 理性地回答问题114
7问 怎样制定合适的数据上报策略？116
17.1 大声说出你想了解的内容116
17.2 数据化各实体，寻找定义要素117
17.3 用语义表达法试验上报策略120
8问 哪些用户数据值得收集？125
18.1 对用户行为的三步思考125
18.2 操作不仅仅是“单击”128
18.3 操作时长数据的上报130
18.4 用户属性的时效问题131
9问 怎样为数据赋予运营的意义？132
19.1 从“使用iPhone手机的深圳市女性用户每日发消息情况”说起132
19.2 口径对数据事实的影响134
19.3 累积处理要赶早135
第20问 怎样对待未登录用户和小号用户？139
20.1 匿名访客，你的需求同样重要139
20.2 自然人识别，揭开用户ID背后的真相142
第21问 为什么要进行用户建模和用户分层？146
21.1 用户建模，基于已知探索未知146
21.2 用户分层，让群体特征更明显149
21.3 四象限法，实现双维度分组152
第22问 怎样精确控制A/B测试？
22.1 回顾一场典型的A/B测试154
22.2 用数据控制两组用户的差异变量155
22.3 虚拟A/B测试，只靠数据就能搞定158
第23问 数据是怎样推动产品灰度发布的？162
23.1 灰度发布，为产品引路的金丝雀162
23.2 对参与用户的筛选165
23.3 对参与用户的数据跟踪165
23.4 把质量数据作为能否进行下一轮发布的依据166
23.5 灰度发布的注意事项166
第24问 “随机播放”为什么让用户感觉不随机？168
24.1 请随机播放几首歌曲168
24.2 还没有注册，就让我登录？169
24.3 天啊，刚刚发生了什么？172
第四单元 智能时代，还有哪些数据必修课？
第25问 各式各样的图表分别适用于哪些场景？177
25.1 数据报告中常用的图表177
25.2 统计与分析的选择180
25.3 产品经理的182
25.4 不宜滥用的图表184
25.5 图表高效表达的四大原则186
第26问 相比Excel，R语言更适合绘制图表吗？189
26.1 R语言不仅擅长绘图190
26.2 R语言更是统计分析能手194
第27问 Excel中有哪些一学就会的高级技巧？198
27.1 “单击即用”的隐藏功能198
27.2 一定要会的几个公式203
第28问 怎样通过SQL自由地查询数据？212
28.1 在Access中运行一段SQL代码212
28.2 聚合查询214
28.3 合并查询216
28.4 联结查询216
第29问 人工智能可以带给我们哪些启发？219
29.1 怎样理解人工智能219
29.2 机器学习与大数据221
29.3 人工智能产品思维223
第30问 有哪些现成的数据可在运营中参考？226
30.1 大数据指数226
作者介绍
R.D.(读音：阿滴)毕业于华中科技大学腾讯学院认证讲师曾任腾讯数据产品经理先后负责、腾讯视频数据体系建设和数据运营工作
序言
-
【封面】
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价