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
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
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
— 没有更多了 —
以下为对购买帮助不大的评价