运营之路 数据分析+数据运营+用户增长
全新正版 极速发货
¥
55.58
5.6折
¥
99
全新
库存47件
作者徐小磊 编
出版社清华大学出版社
ISBN9787302587354
出版时间2022-06
装帧平装
开本16开
定价99元
货号1202641368
上书时间2024-05-25
商品详情
- 品相描述:全新
- 商品描述
-
作者简介
"徐小磊,网名磊叔,公众号“磊叔的数据增长实验室”创办人。数据挖掘与人工智能硕士,曾在阿里巴巴从事数据运营工作,拥有10余年数据运营工作经验。
脉脉网互联网领域KOL(关键意见领袖),知乎网万粉千赞创作者,在行平台核心行家,人人都是增长官——2019增长大会特邀嘉宾,2020流量负增长——重构营销新增长蓝图峰会特邀嘉宾。
在互联网、移动运营商、智慧城市、金融等行业有丰富的实战经验,对海量用户产品的数据运营有深厚的积累和深刻的理解。"
目录
第一篇数据分析的方法
第1章准备工作:数据清洗与预处理/5
1.1为什么要正确和高效地预处理与清洗数据/5
1.1.1指标的数据来源/5
1.1.2数据预处理的目的/9
1.1.3数据预处理的流程/10
1.2用Excel完成常见数据预处理/18
1.2.1文本数值化:文本数字转为数值型数字/18
1.2.2日期数值化:文本型日期转为日期型格式/20
1.2.3用分列实现维度拆分/23
1.2.4用“查找并删除重复行”处理重复值/28
1.3本章小结和思考/30
第2章洞察运营机会的数据分析利器/31
2.1重要!数据分析前的准备工作/32
2.1.1Windows操作系统用户/32
2.1.2MacBook操作系统用户/33
2.2第1把利器:用“描述性统计”来整体评估数据/34
2.2.1什么是描述性统计/34
2.2.2描述性统计的适用场景/34
2.2.3分析数据的分布情况:中位数和平均数/35
2.2.4分析数据的离散程度:方差和标准差/39
2.2.5寻找异常数据:分位数和异常值/42
2.2.6在Excel中实现描述性统计/46
2.3第2把利器:用“变化分析”来寻找问题突破口/52
2.3.1什么是变化分析/52
2.3.2变化分析的适用场景/53
2.3.3变化分析1:同比/53
2.3.4变化分析2:环比/55
2.3.5在Excel中分析环比和同比/57
2.3.6用Excel条件格式进行变化分析/58
2.3.7用数据条/色阶分析DAU变化/59
2.3.8用自定义条件格式分析用户画像年龄分布/60
2.3.9突出显示周末的销售数据/63
2.3.10突出销量前十的产品/64
2.4第3把利器:用“指标体系”来洞察变化的原因/66
2.4.1指标体系概述/66
2.4.2指标体系的适用场景/67
2.4.3指标体系的组成元素/67
2.4.4指标类型(一):北极星指标、虚荣指标/77
2.4.5指标类型(二):行为指标、业务指标、交易指标/84
2.4.6如何建设产品的指标体系/85
2.4.7如何用“指标体系”来分析指标变化的原因/87
2.4.8深入理解活跃类指标/89
2.5第4把利器:用“相关性分析”来判断业务归因/92
2.5.1什么是相关性分析/92
2.5.2相关性分析的2种数据/93
2.5.3相关性分析的3种算法/95
2.5.4相关性分析的适用场景/98
2.5.5重要!相关性分析的前提条件/99
2.5.6在Excel中进行“相关性分析”/100
2.5.7如何寻找对购买转化率贡献优选的渠道/102
2.5.8如何寻找对活跃有高贡献的功能场景/103
2.6第5把利器:用“趋势预测”来预测走势/105
2.6.1趋势预测的概念/105
2.6.2基于时间序列的趋势预测/107
2.6.3基于回归分析的趋势预测/109
2.6.4在Excel中实现时间序列趋势预测/110
2.6.5在Excel中实现回归分析趋势预测/112
2.6.6如何预测年度KPI/114
2.6.7如何预测下年春节期间的业务指标/115
2.7本章小结和思考/115
第3章将运营机会转化为运营策略/116
3.1B-O价值模型概述/116
3.2B-O价值模型的组成/116
3.2.1Business:业务模型/117
3.2.2经营策略画布/122
3.3B-O价值模型使用指南/122
3.4本章小结和思考/124
第二篇数据运营的玩法
第4章数据运营的基础:用户场景营销/127
4.1场景营销模型概述/127
4.2什么是场景/128
4.3场景的起源和特点/130
4.3.1从技术语言到业务语言/131
4.3.2从功能视角到用户视角/134
4.3.3从静态服务到动态服务/136
4.4场景的三个高阶特性/138
4.4.1特性1:场景的五要素/138
4.4.2特性2:场景体系/144
4.4.3特性3:场景连接/146
4.5本章小结和思考/147
第5章产品运营工具和模型/148
5.1产品生命周期模型/148
5.1.1模型概览与架构/148
5.1.2产品上线首发/149
5.1.3产品更新迭代/152
5.1.4产品下线停运/155
5.2产品运营的场景和运营策略/156
5.2.1启动屏/157
5.2.2首页和主页/161
5.2.3主页的首屏/162
5.2.4搜索区运营/166
5.2.5轮播区楼层/171
5.2.6金刚区楼层/174
5.2.7楼层和坑位/181
5.2.8版本迭代/191
5.3本章小结和思考/195
第6章用户模型和运营工具/196
6.1用户生命周期模型/196
6.1.1概述/196
6.1.2引入期/198
6.1.3成长期/199
6.1.4成熟期/201
6.1.5沉默期/203
6.1.6流失期/206
6.2用户画像/209
6.2.1什么是用户画像/209
6.2.2静态属性画像/210
6.2.3动态兴趣画像/212
6.2.4用户画像的形态:标签/215
6.3用户分层模型/217
6.3.1为什么要用户分层/217
6.3.2用户分层的使用原则/219
6.3.3经典的用户分层模型:RFM模型/220
6.3.4在Excel中实现RFM模型/223
6.4用户运营的常用工具和运营策略/226
6.4.1用户漏斗/路径分析/226
6.4.2会员/权益体系/230
6.4.3签到/打卡/242
6.4.4优惠券/245
6.4.5交叉营销/248
6.5本章小结和思考/250
第7章内容运营工具和场景/252
7.1标签体系/252
7.1.1分类和标签的区别/252
7.1.2标签的本质:元数据/252
7.1.3标签的两种类型/253
7.1.4标签系统的核心逻辑/253
7.1.5标签和权重/255
7.1.6很好实践1:BAT是怎么建设标签体系的/256
7.1.7很好实践2:BAT是如何让标签赋能各个业务模块的/260
7.1.8很好实践3:标签系统的局限和劣势/263
7.2个性化推荐/264
7.2.1运营必知的推荐系统流程/264
7.2.2四个常见的推荐运营场景/266
7.2.3个性化推荐是如何做到如此精准的/270
7.2.4推荐系统的原罪:不仅推荐,还在探索/272
7.3本章小结和思考/275
第三篇用户增长的打法
第8章增长战略模型:S-C-I战略模型/279
8.1什么是S-C-I战略模型/279
8.2S-C-I战略模型的核心逻辑/282
8.3电商型产品的战略增长方向/285
8.4社交类产品的战略增长方向/288
8.5内容类产品的战略增长方向/290
8.6本章小结和思考/291
第9章增长策略模型:3A3R策略模型/292
9.1概述/292
9.2用户洞察/293
9.2.1目标/293
9.2.2策略和工具/293
9.2.3输出/295
9.3拉新获客/295
9.3.1目标/295
9.3.2策略和工具/296
9.3.3输出/299
9.4活跃和留存/300
9.4.1概述/300
9.4.2策略和工具/300
9.4.3输出/301
9.5收入/301
9.5.1概述/301
9.5.2策略和工具/302
9.5.3输出/303
9.6传播/303
9.6.1概述/303
9.6.2如何理解用户增长与裂变的关系/303
9.73A3R策略模型的使用方法/310
9.7.1方法1:向前找流量、向后做转化、自身看画像/310
9.7.2方法2:自身指北,相邻伴随/312
9.83A3R策略模型的本质:五度循环圈/313
9.9本章小结和思考/316
后记/319
内容摘要
本书从讲述数据分析的方法开始,深入讲解数据运营的玩法,并提炼用户增长的打法,让读者不但可以系统学习数据分析技能,还能掌握常见数据运营工具的使用方法,并且理解用户增长的顶层战略思路。
本书共9章,涵盖的主要内容有:数据分析的方法,包括数据清洗和预处理、描述性统计、变化分析、指标体系、相关性分析、趋势预测、B-O价值模型等的原理、场景和实现;数据运营的玩法,包括场景运营模型、产品生命周期模型、用户生命周期模型,以及启动屏、首页和主页、搜索区、轮播区、金刚区、楼层和坑位、版本迭代、漏斗分析/路径分析、会员/权益体系、签到/打卡、优惠券和交叉营销等运营工具的原理和策略;用户增长的打法,包括S-C-I模型、3A3R模型的原理和使用方法。
本书内容通俗易懂,案例丰富,实用性强,特别适合从事互联网数据分析、数据运营和用户增长相关工作的读者阅读,也同样适合传统行业中从事产品营销、市场推广工作的读者阅读。另外,本书也可作为工具书随时翻阅。
主编推荐
"实战:凝聚作者10余年经验,系统讲解数据化运营
全面:5种分析方法,9大运营玩法,2套用户增长打法
创新:打通数据分析、数据运营和用户增长的底层逻辑
"
— 没有更多了 —
以下为对购买帮助不大的评价