• 用户画像:平台构建与业务实践:platform construction and business practice
21年品牌 40万+商家 超1.5亿件商品

用户画像:平台构建与业务实践:platform construction and business practice

正版保障 假一赔十 可开发票

71.94 6.6折 109 全新

库存69件

广东广州
认证卖家担保交易快速发货售后保障

作者张型龙著

出版社机械工业出版社

ISBN9787111731849

出版时间2023-07

装帧平装

开本16开

定价109元

货号13248326

上书时间2024-12-18

灵感书店

三年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
目录
目    录<br />前  言<br />第1章  了解画像平台  1<br />1.1  画像基本概念  1<br />1.1.1  什么是画像  1<br />1.1.2  画像的重要性  2<br />1.1.3  画像平台定位  3<br />1.2  OLAP介绍  3<br />1.2.1  OLAP与OLTP对比  3<br />1.2.2  OLAP场景关键特征  4<br />1.2.3  OLAP的3种建模类型  5<br />1.2.4  OLAP相关技术发展历程  5<br />1.3  业界画像平台介绍  6<br />1.3.1  神策数据  7<br />1.3.2  火山引擎增长分析  10<br />1.3.3  GrowingIO  13<br />1.3.4  阿里云智能用户增长  16<br />1.4  画像平台涉及的岗位  18<br />1.4.1  数据工程师  18<br />1.4.2  算法工程师  18<br />1.4.3  研发工程师  18<br />1.4.4  产品经理  19<br />1.4.5  运营人员  19<br />1.5  本章小结  19<br />第2章  画像平台功能与架构  20<br />2.1  画像平台主要功能  20<br />2.1.1  标签管理  20<br />2.1.2  标签服务  24<br />2.1.3  分群功能  25<br />2.1.4  画像分析  28<br />2.2  画像平台技术架构  32<br />2.2.1  画像平台常见的技术架构  32<br />2.2.2  画像平台技术选型示例  33<br />2.2.3  业界画像功能技术选型  35<br />2.3  画像平台的3种数据模型  36<br />2.4  本章小结  38<br />第3章  标签管理  40<br />3.1  标签管理整体架构  40<br />3.2  标签分类  43<br />3.2.1  标签实体及ID类型  43<br />3.2.2  标签分类方式  44<br />3.3  标签管理功能实现  48<br />3.3.1  标签存储  48<br />3.3.2  标签生产  55<br />3.3.3  标签数据监控  67<br />3.3.4  工程实现  69<br />3.4  岗位分工介绍  70<br />3.5  本章小结  72<br />第4章  标签服务  73<br />4.1  标签服务整体架构  73<br />4.2  标签查询服务  74<br />4.2.1  标签查询服务介绍  74<br />4.2.2  标签数据灌入缓存  76<br />4.2.3  标签数据结构  79<br />4.2.4  标签数据处理  81<br />4.2.5  工程实现  83<br />4.3  标签元数据查询服务  85<br />4.3.1  标签元数据查询服务介绍  85<br />4.3.2  工程实现  87<br />4.4  标签实时预测服务  89<br />4.4.1  标签实时预测服务介绍  89<br />4.4.2  工程实现  90<br />4.5  ID-Mapping  93<br />4.6  岗位分工介绍  97<br />4.7  本章小结  98<br />第5章  分群功能  99<br />5.1  分群功能整体架构  99<br />5.2  基础数据准备  101<br />5.2.1  画像宽表  101<br />5.2.2  画像BitMap  108<br />5.3  人群创建方式  111<br />5.3.1  规则圈选  112<br />5.3.2  导入人群  119<br />5.3.3  组合人群  121<br />5.3.4  行为明细  123<br />5.3.5  人群Lookalike  125<br />5.3.6  挖掘人群  126<br />5.3.7  LBS人群  127<br />5.3.8  其他人群圈选  128<br />5.3.9  工程实现  131<br />5.4  人群数据对外输出  137<br />5.5  人群附加功能  138<br />5.5.1  人群预估  138<br />5.5.2  人群拆分  140<br />5.5.3  人群自动更新  141<br />5.5.4  人群下载  142<br />5.5.5  ID转换  143<br />5.6  人群判存服务  144<br />5.6.1  Redis方案  144<br />5.6.2  BitMap方案  147<br />5.6.3  基于规则的判存  149<br />5.7  岗位分工介绍  150<br />5.8  本章小结  152<br />第6章  画像分析  153<br />6.1  画像分析整体架构  153<br />6.2  人群画像分析  155<br />6.2.1  人群分布分析  155<br />6.2.2  人群指标分析  156<br />6.2.3  人群下钻分析  157<br />6.2.4  人群交叉分析  158<br />6.2.5  人群对比分析  158<br />6.2.6  工程实现  159<br />6.3  人群即席分析  165<br />6.3.1  分布分析与指标分析  166<br />6.3.2  下钻分析与交叉分析  167<br />6.3.3  人群画像预览  168<br />6.4  行为明细分析  169<br />6.4.1  明细统计  171<br />6.4.2  用户分析  173<br />6.4.3  流程转化  176<br />6.4.4  价值分析  179<br />6.4.5  工程实现  181<br />6.5  单用户分析  183<br />6.5.1  用户画像查询  184<br />6.5.2  用户关系数据分析  185<br />6.5.3  用户涨掉粉分析  190<br />6.5.4  用户内容流量分析  192<br />6.6  其他常见分析  193<br />6.6.1  业务分析看板  193<br />6.6.2  地域分析  195<br />6.6.3  人群投放分析  197<br />6.7  岗位分工介绍  199<br />6.8  本章小结  200<br />第7章  从0到1构建画像平台  201<br />7.1  基础准备  201<br />7.1.1  技术组件协作关系  201<br />7.1.2  基础环境准备  203<br />7.2  大数据环境搭建  206<br />7.2.1  Hadoop  207<br />7.2.2  Spark  210<br />7.2.3  Hive  212<br />7.2.4  ZooKeeper  215<br />7.2.5  DolphinScheduler  216<br />7.2.6  Flink  217<br />7.3  存储引擎安装  219<br />7.3.1  ClickHouse  219<br />7.3.2  Redis  221<br />7.3.3  MySQL  222<br />7.4  工程框架搭建  223<br />7.4.1  服务端工程搭建  223<br />7.4.2  前端工程搭建  237<br />7.5  运行开源代码  238<br />7.6  本章小结  240<br />第8章  画像平台应用与业务实践  241<br />8.1  画像平台常见应用案例  241<br />8.1.1  标签管理应用案例  241<br />8.1.2  标签服务应用案例  244<br />8.1.3  分群功能应用案例  245<br />8.1.4  画像分析应用案例  247<br />8.2  用户生命周期中画像的使用  248<br />8.2.1  用户生命周期的划分方式  249<br />8.2.2  引入期画像的使用  250<br />8.2.3  成长期画像的使用  251<br />8.2.4  成熟期画像的使用  252<br />8.2.5  休眠期画像的使用  253<br />8.2.6  流失期画像的使用  254<br />8.3  画像平台业务实践  255<br />8.3.1  用户增长  255<br />8.3.2  用户运营  259<br />8.3.3  电商卖货  263<br />8.3.4  内容推荐  266<br />8.3.5  风险控制  268<br />8.3.6  其他业务  271<br />8.4  本章小结  273<br />第9章  画像平台优化总结  274<br />9.1  任务模式  274<br />9.1.1  任务定义及执行模式  276<br />9.1.2  任务优先级及并发控制  277<br />9.1.3  父子任务拆分  277<br />9.1.4  任务异常检测与重试  278<br />9.1.5  便捷的横向拓展能力  279<br />9.2  人群创建优化进阶  279<br />9.2.1  人群圈选需求  279<br />9.2.2  简单直接的解决思路  280<br />9.2.3  将ClickHouse作为缓存  281<br />9.2.4  SQL优化  283<br />9.3  BitMap在画像平台中的<br />使用方案  286<br />9.3.1  BitMap基本原理  286<br />9.3.2  BitMap在人群圈选中的<br />使用方案  287<br />9.3.3  BitMap在分布分析中的<br />使用方案  289<br />9.3.4  BitMap在判存服务中的<br />使用方案  291<br />9.4  画像宽表生成优化  292<br />9.4.1  多表左连接  293<br />9.4.2  分组再合并  294<br />9.4.3  增加数据加载层  296<br />9.4.4  采用Bucket Joi

   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP