数据化运营：系统方法与实践案例

图书标准信息

• 作者 赵宏田 江丽萍 李宁
• 出版社 机械工业出版社
• 出版时间 2018-08
• 版次 1
• ISBN 9787111604518
• 定价 79.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 323页
• 字数 237千字

【内容简介】

本书以互联网企业中常见数据运营场景为切入点，以工作中实际面临解决的问题为案例，从方法、技术、业务、实践4个维度讲述数据运营的场景及应用方式。书中从实践出发，结合工作中数据运营经验，以应用案例为主线，通过业务分析+代码实践这种更“接地气”的方式讲述数据的应用。书中对于搭建数据监控指标体系、数据分析、数据挖掘、ABTest、埋点策略、用户画像建模等常见数据运营方式做了详细的介绍。

【作者简介】

作者简介

赵宏田 

毕业于中国地质大学（武汉）和武汉大学，获工学和经济学双学士学位，现在某跨境电商从事大数据开发相关工作。拥有丰富的数据分析和数据化运营经验，负责过经营分析、SEO/SEM流量数据仓库建设、竞品爬虫、企业BI搭建，以及多家公司用户画像项目的从0到1搭建。业余时间喜欢对工作中关键点进行总结和积累，开源项目的贡献者，知乎专栏作者，撰写了大量专业文章，广受好评。

博客地址：https://zhuanlan.zhihu.com/pythoncrawl

开源贡献地址：https://github.com/HunterChao 

江丽萍

统计学硕士，某知名互联网医疗公司数据分析师。从事经营分析及数据运营多年，曾在不同行业以研究员、项目经理、咨询顾问、数据分析专家的身份参与大量的数据运营项目，拥有丰富的互联网数据运营项目经验。曾在某公司成功带领小组打通公司层面数据，对关键业务条线从业务流、数据流进行流程化梳理；推动公司数据产品实现由0到1的突破。希望能将数据分析与业务运营结合的更加紧密，以数据驱动运营，以数据推动业务。

李宁 

中国商业联合会数据分析专业委员会特聘专家，现就职于某知名外卖订餐平台，担任数据专家。先后在艾瑞、携程从事数据相关工作。乐于分享，维护着微信公众号“数据自由之路”（dataFreeLife），分享自己在数据和运营方面的经验和心得，同时是知乎、36大数据和51CTO等知名媒体的专栏作家。曾多次被行业内的各种数据峰会邀请担任分享嘉宾，并以评审专家身份参与由中数委牵头的《中国大数据人才培养标准（第1版）》的编审工作。

【目录】

目　录  

前　言

基　础　篇

第1章　概述：数据运营基础  002

1.1　大数据时代  002

1.2　企业数据应用方式  004

1.3　数据运营的岗位职责  007

1.4　数据运营应掌握的技能  009

1.5　本章小结  013

第2章　业务：数据驱动运营  014

2.1　如何用数据驱动运营  014

2.1.1　定义数据分析目标  014

2.1.2　目标分解与聚焦  016

2.1.3　数据运营重点  019

2.2　流量运营分析  021

2.2.1　流量运营规划  021

2.2.2　流量分析  023

2.2.3　解读PV、UV  027

2.2.4　跳出率分析  029

2.2.5　漏斗图分析  030

2.2.6　A/B测试  032

2.3　用户运营分析  033

2.3.1　用户分群  034

2.3.2　用户行为分析  040

2.3.3　用户生命周期价值  047

2.4　本章小结  051

?第3章　报表：数据管理模板  052

3.1　个性化数据管理报告—Excel  054

3.1.1　创建报告的准备工作  054

3.1.2　报告自动化步骤  055

3.1.3　从数据源表到数据转化表  056

3.1.4　报告正文展示  062

3.1.5　自动化报表脚本  064

3.2　搭建数据分析报告模板—PPT  066

3.2.1　业务指标梳理（搭建运营监控指标体系）  067

3.2.2　分析思路与框架  078

3.2.3　图表展现  079

3.2.4　数据与结论  080

3.2.5　报告布局与排版  081

3.2.6　PPT随Excel模板自动更新  084

3.3　本章小结  085

应　用　篇

?第4章　理论：数据分析方法  088

4.1　数据分析理论模型  088

4.1.1　4P营销理论  089

4.1.2　5W2H分析法  090

4.1.3　PEST分析方法  092

4.1.4　SWOT  093

4.1.5　逻辑树  095

4.2　数据分析方法与运用场景  095

4.2.1　多维分析  095

4.2.2　趋势分析  097

4.2.3　综合评价法  101

4.2.4　转化分析  103

4.2.5　数据挖掘方法  106

4.3　可视化：常用图表的特点及适用场合  106

4.3.1　环形图  107

4.3.2　矩阵图  108

4.3.3　组合图  112

4.3.4　文字云  118

4.4　AB Test的原理与实现  125

4.4.1　AB Test的原理  126

4.4.2　AB Test的埋点与报表部署  128

4.4.3　AB Test的分析方法  129

4.4.4　AB Test的常见误区  132

4.5　埋点策略与实现  134

4.5.1　utm来源埋点  135

4.5.2　页面PV埋点  137

4.5.3　单击埋点native  139

4.5.4　单击埋点hybrid  141

4.5.5　业务埋点  142

4.5.6　曝光埋点  144

4.5.7　埋点常见问题  145

4.6　本章小结  146

?第5章　案例：竞品数据对标分析  148

5.1　网络爬虫基础知识  148

5.1.1　开发环境准备  149

5.1.2　Web前端基础  149

5.1.3　解析网页  152

5.1.4　数据存储  159

5.2　网站结构分析  166

5.3　Scrapy爬虫架构  168

5.3.1　items模块  170

5.3.2　pipelines模块  171

5.3.3　settings模块  172

5.3.4　爬虫模块  173

5.4　数据爬取与解析  174

5.5　项目优化与改进  177

5.5.1　爬虫脚本部署在服务器端  178

5.5.2　分布式爬虫的实现  178

5.6　反爬手段及应对机制  179

5.6.1　禁止IP请求  180

5.6.2　禁止非浏览器访问  180

5.6.3　ajax加载目标数据  181

5.6.4　需要登录后才能访问  182

5.6.5　手机App页面数据抓取  182

5.7　本章小结  184

?第6章　案例：某互联网医疗产品用户特征分析  185

6.1　应用背景与分析维度  185

6.2　基于用户细分的行为分析  186

6.3　用户来源渠道分析  190

6.4　基于前端展示的用户行为分析  191

6.5　产品改进与运营建议  195

6.6　本章小结  195

?第7章　案例：RFM用户价值模型应用  196

7.1　应用背景与目标  196

7.2　基于规则的划分  198

7.3　基于聚类方法的划分  203

7.4　本章小结  209

?第8章　案例：用户流失分析与预测  210

8.1　应用背景与目标  210

8.2　问题分析与模型构建  211

8.3　数据处理与结果  212

8.3.1　确定用户流失周期  212

8.3.2　抽取训练数据建立决策树模型  214

8.3.3　线上部署脚本定期监测流失用户  221

8.3.4　流失用户分析  224

8.4　问题定位与解决方案  226

8.5　本章小结  229

?第9章　案例：站内文章自动分类打标签  230

9.1　应用背景与目标  230

9.2　问题分析与模型构建  231

9.3　案例中主要应用的技术  232

9.3.1　数据预处理  232

9.3.2　TF-IDF词空间向量转换  233

9.3.3　文章关键词提取  234

9.3.4　朴素贝叶斯分类  235

9.4　数据处理与模型检验  235

9.4.1　文本分词处理（数据分类与数据预处理）  236

9.4.2　数据结构处理  238

9.4.3　计算文本的TF-IDF权重矩阵  240

9.4.4　用朴素贝叶斯方法分类文章  242

9.5　本章小结  245

提　高　篇

?第10章　应用：用户画像建模  248

10.1　用户画像简介  248

10.1.1　什么是用户画像  249

10.1.2　用户画像模型及应用场景  250

10.1.3　数仓架构及项目流程  254

10.2　用户画像管理  257

10.2.1　模块化开发  257

10.2.2　存储方式  259

10.2.3　更新机制  259

10.3　业务背景  262

10.3.1　案例背景介绍  262

10.3.2　数据仓库相关表介绍  262

10.4　用户画像建模  267

10.4.1　业务需求梳理  267

10.4.2　用户标签体系及开发内容  268

10.4.3　用户画像开发流程  274

10.4.4　时间衰减系数  279

10.4.5　标签权重配置  280

10.5　用户画像数据开发  282

10.5.1　建立用户属性画像  283

10.5.2　建立用户行为画像  289

10.5.3　建立用户偏好画像  303

10.5.4　建立群体用户画像  308

10.5.5　画像效果验收  313

10.5.6　画像数据质量管理  314

10.6　用户画像应用方式  317

10.6.1　业务精细化运营  317

10.6.2　数据分析  319

10.6.3　精准营销  319

10.6.4　用户个性化推荐  322

10.7　本章小结  323