數據化運營：系統方法與實踐案例

前 言
基 礎 篇
第1章 概述：資料運營基礎 002
1.1 大數據時代 002
1.2 企業資料應用方式 004
1.3 數據運營的崗位職責 007
1.4 資料運營應掌握的技能 009
1.5 本章小結 013
第2章 業務：資料驅動運營 014
2.1 如何用資料驅動運營 014
2.1.1 定義資料分析目標 014
2.1.2 目標分解與聚焦 016
2.1.3 資料運營重點 019
2.2 流量運營分析 021
2.2.1 流量運營規劃 021
2.2.2 流量分析 023
2.2.3 解讀PV、UV 027
2.2.4 跳出率分析 029
2.2.5 漏斗圖分析 030
2.2.6 A/B測試 032
2.3 用戶運營分析 033
2.3.1 用戶分群 034
2.3.2 用戶行為分析 040
2.3.3 用戶生命週期價值 047
2.4 本章小結 051
第3章 報表：資料管理範本 052
3.1 個性化資料管理報告—Excel 054
3.1.1 創建報告的準備工作 054
3.1.2 報告自動化步驟 055
3.1.3 從資料來源表到數據轉化表 056
3.1.4 報告正文展示 062
3.1.5 自動化報表腳本 064
3.2 搭建資料分析報告範本—PPT 066
3.2.1 業務指標梳理（搭建運營監控指標體系） 067
3.2.2 分析思路與框架 078
3.2.3 圖表展現 079
3.2.4 資料與結論 080
3.2.5 報告佈局與排版 081
3.2.6 PPT隨Excel範本自動更新 084
3.3 本章小結 085
應 用 篇
第4章 理論：資料分析方法 088
4.1 資料分析理論模型 088
4.1.1 4P行銷理論 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 邏輯樹 095
4.2 資料分析方法與運用場景 095
4.2.1 多維分析 095
4.2.2 趨勢分析 097
4.2.3 綜合評價法 101
4.2.4 轉化分析 103
4.2.5 資料採擷方法 106
4.3 視覺化：常用圖表的特點及適用場合 106
4.3.1 環形圖 107
4.3.2 矩陣圖 108
4.3.3 組合圖 112
4.3.4 文字雲 118
4.4 AB Test的原理與實現 125
4.4.1 AB Test的原理 126
4.4.2 AB Test的埋點與報表部署 128
4.4.3 AB Test的分析方法 129
4.4.4 AB Test的常見誤區 132
4.5 埋點策略與實現 134
4.5.1 utm來源埋點 135
4.5.2 頁面PV埋點 137
4.5.3 按一下埋點native 139
4.5.4 按一下埋點hybrid 141
4.5.5 業務埋點 142
4.5.6 曝光埋點 144
4.5.7 埋點常見問題 145
4.6 本章小結 146
第5章 案例：競品資料對標分析 148
5.1 網路爬蟲基礎知識 148
5.1.1 開發環境準備 149
5.1.2 Web前端基礎 149
5.1.3 解析網頁 152
5.1.4 資料存儲 159
5.2 網站結構分析 166
5.3 Scrapy爬蟲架構 168
5.3.1 items模組 170
5.3.2 pipelines模組 171
5.3.3 settings模組 172
5.3.4 爬蟲模組 173
5.4 數據爬取與解析 174
5.5 項目優化與改進 177
5.5.1 爬蟲腳本部署在伺服器端 178
5.5.2 分散式爬蟲的實現 178
5.6 反爬手段及應對機制 179
5.6.1 禁止IP請求 180
5.6.2 禁止非流覽器訪問 180
5.6.3 ajax載入目標資料 181
5.6.4 需要登錄後才能訪問 182
5.6.5 手機App頁面資料抓取 182
5.7 本章小結 184
第6章 案例：某互聯網醫療產品使用者特徵分析 185
6.1 應用背景與分析維度 185
6.2 基於用戶細分的行為分析 186
6.3 用戶來源管道分析 190
6.4 基於前端展示的用戶行為分析 191
6.5 產品改進與運營建議 195
6.6 本章小結 195
第7章 案例：RFM使用者價值模型應用 196
7.1 應用背景與目標 196
7.2 基於規則的劃分 198
7.3 基於聚類方法的劃分 203
7.4 本章小結 209
第8章 案例：用戶流失分析與預測 210
8.1 應用背景與目標 210
8.2 問題分析與模型構建 211
8.3 資料處理與結果 212
8.3.1 確定用戶流失週期 212
8.3.2 抽取訓練資料建立決策樹模型 214
8.3.3 線上部署腳本定期監測流失用戶 221
8.3.4 流失用戶分析 224
8.4 問題定位與解決方案 226
8.5 本章小結 229
第9章 案例：站內文章自動分類打標籤 230
9.1 應用背景與目標 230
9.2 問題分析與模型構建 231
9.3 案例中主要應用的技術 232
9.3.1 數據預處理 232
9.3.2 TF-IDF詞空間向量轉換 233
9.3.3 文章關鍵字提取 234
9.3.4 樸素貝葉斯分類 235
9.4 資料處理與模型檢驗 235
9.4.1 文本分詞處理（資料分類與資料預處理） 236
9.4.2 資料結構處理 238
9.4.3 計算文本的TF-IDF權重矩陣 240
9.4.4 用樸素貝葉斯方法分類文章 242
9.5 本章小結 245
提 高 篇
第10章 應用：用戶畫像建模 248
10.1 用戶畫像簡介 248
10.1.1 什麼是用戶畫像 249
10.1.2 使用者畫像模型及應用場景 250
10.1.3 數倉架構及專案流程 254
10.2 用戶畫像管理 257
10.2.1 模組化開發 257
10.2.2 存儲方式 259
10.2.3 更新機制 259
10.3 業務背景 262
10.3.1 案例背景介紹 262
10.3.2 資料倉庫相關表介紹 262
10.4 用戶畫像建模 267
10.4.1 業務需求梳理 267
10.4.2 使用者標籤體系及開發內容 268
10.4.3 使用者畫像開發流程 274
10.4.4 時間衰減係數 279
10.4.5 標籤權重配置 280
10.5 使用者畫像資料開發 282
10.5.1 建立使用者屬性畫像 283
10.5.2 建立用戶行為畫像 289
10.5.3 建立用戶偏好畫像 303
10.5.4 建立群體用戶畫像 308
10.5.5 畫像效果驗收 313
10.5.6 畫像資料品質管理 314
10.6 使用者畫像應用方式 317
10.6.1 業務精細化運營 317
10.6.2 資料分析 319
10.6.3 精准行銷 319
10.6.4 用戶個性化推薦 322
10.7 本章小結 323