三国演义

图书标准信息

• 作者 李文明 改编
• 出版社 电子工业出版社
• 出版时间 2010-05
• 版次 1
• ISBN 9787121106088
• 定价 60.00元
• 装帧 平装
• 开本 16开
• 页数 205页
• 字数 353千字
• 丛书 新课标必读文库 : 青少版

【内容简介】

本书曲折的情节、鲜明的人物个性，能让你从中体会瑰丽的整体形象、活泼诙谐的语言，领略中国古典四大名著，进行一场中外奇幻之旅。本辑共10册，分别为《水浒传》、《三国演义》、《红楼梦》、《西游记》、《一千零一夜》、《苦儿流浪记》、《尼尔斯骑鹅旅行记》、《朝花夕拾》、《简•爱》、《汤姆•索亚历险记》。

【目录】

章  走近用户行为分析1

1.1  用户行为分析与画像的概念3

1.2  用户行为分析的意义4

1.3  大数据与用户行为分析7

1.4  用户行为分析的几个重要阶段8

1.4.1  获取用户行为数据8

1.4.2  明确分析指标与维度8

1.4.3  分析结果可视化呈现10

第2章  行为数据分析的使用场景14

2.1  了解用户使用惯14

2.2  提升用户作体验15

2.3  监控业务转化过程17

2.4  持续辅助用户运营效果19

第3章  基于大数据的行为分析――传统埋码23

3.1  行为数据采集方法与技术23

3.2  行为数据的统计26

3.3  行为统计的分类方法31

3.3.1  使用层面的分类31

3.3.2  技术处理层面的分类32

3.4  基于大数据的行为数据存储与计算34

3.4.1  行为数据采集系统示例34

3.4.2  存储与分析系统示例40

第4章  基于大数据的行为分析――无埋码67

4.1  无埋码技术的实现67

4.2  无埋码技术的使用实例69

4.3  无埋码采集系统示例70

4.3.1  连接应用70

4.3.2  配置无埋码事件71

4.4  其他无埋码渠道的行为数据分析74

第5章  行为分析的指标与模型77

5.1  用户行为分析的3个层次77

5.2  行为分析指标78

5.2.1  渠道类指标78

5.2.2  访问类指标78

5.2.3  转化类指标79

5.2.4  留存类指标80

5.2.5  社交类指标81

5.3  用户模型构建81

5.3.1  传统的用户模型构建方法82

5.3.2  大数据时代下基于行为数据的用户模型构建方法83

5.4  用户行为全程追踪85

5.4.1  用户获取86

5.4.2  用户转化86

5.4.3  用户留存87

5.4.4  产生收入87

5.4.5  用户传播88

5.5  转化分析模型89

5.5.1  科学地构建漏斗89

5.5.2  漏斗对比分析法90

5.5.3  漏斗与客户流向结合分析法90

5.5.4  微转化行为分析法91

5.5.5  用户注意力分析法92

5.6  精细化运营模型93

5.6.1  用户常规分群体系构建93

5.6.2  用户生命周期模型构建95

5.6.3  用户流失预警模型构建96

5.6.4  用户价值管理（rfm）模型构建98

5.6.5  大小数据融合的用户画像模型构建99

第6章  行为分析与常运营101

6.1  用户行为分析与渠道运营101

6.1.1  渠道归因模型101

6.1.2  渠道引流趋势分析102

6.1.3  不同渠道用户画像103

6.1.4  不同渠道用户站内行为103

6.2  用户行为分析与产品运营104

6.2.1  用户健康度分析104

6.2.2  用户路径分析模型105

6.2.3  漏斗分析模型107

6.2.4  用户点击模型108

6.3  用户行为分析与营销运营109

6.3.1  用户行为分析与活动方案设计109

6.3.2  用户行为分析与活动方案执行110

6.3.3  用户行为分析与活动效果评估111

6.4  用户行为分析与用户运营112

6.4.1  用户行为分析与拉新112

6.4.2  用户行为分析与转化114

6.4.3  用户行为分析与留存116

第7章  用户画像118

7.1  用户画像概述119

7.1.1  用户画像的定义119

7.1.2  用户画像的构建原则120

7.1.3  用户画像的应用领域121

7.2  两种常见的用户画像122

7.2.1  用户角（user persona）122

7.2.2  用户档案（user profile）125

7.3  用户画像的调研131

7.3.1  背景描述131

7.3.2  需求调研132

7.3.3  业务理解134

第8章  标签体系――用户画像的刻画135

8.1  标签体系的构建135

8.1.1  id拉通136

8.1.2  结构化标签体系和非结构化标签体系145

8.1.3  标签体系的构建147

8.2  标签体系的分析方法及应用151

8.2.1  群组构建151

8.2.2  用户群组分析153

8.2.3  微观画像154

8.2.4  用户相似度155

第9章  用户画像的大数据应用159

9.1  用户画像与系统159

9.1.1  系统简介159

9.1.2  矩阵计算160

9.1.3  基于用户的协同过滤示例161

9.2  用户画像与智能营销（一）166

9.2.1  营销场景构建167

9.2.2  业务规则167

9.2.3  实时化的自动营销167

9.3  用户画像与智能营销（二）168

9.3.1  用户画像与电话营销168

9.3.2  用户画像与电话回访169

9.3.3  用户画像与二次销售169

9.3.4  用户画像与投诉169

0章  案例与详解171

10.1  金融行业用户全渠道行为分析171

10.1.1  分析背景171

10.1.2  用户行为分析过程173

10.2  电商行业用户行为分析177

10.2.1  分析背景177

10.2.2  用户行为分析过程179

10.3  房地产行业用户行为分析183

10.3.1  分析背景183

10.3.2  用户行为分析过程185

10.4  快消行业用户行为分析188

10.4.1  分析背景188

10.4.2  用户行为分析过程189

10.5  媒体行业用户行为分析――以电影网为例196

10.5.1  分析背景196

10.5.2  用户行为分析过程197