大數(shù)據(jù)用戶(hù)行為畫(huà)像分析實(shí)操指南
定 價(jià):79 元
叢書(shū)名:大數(shù)據(jù)及人工智能產(chǎn)教融合系列叢書(shū)
- 作者:杜曉夢(mèng)
- 出版時(shí)間:2021/8/1
- ISBN:9787121106088
- 出 版 社:電子工業(yè)出版社
- 中圖法分類(lèi):C912.6-39
- 頁(yè)碼:224
- 紙張:
- 版次:01
- 開(kāi)本:16開(kāi)
本書(shū)系統(tǒng)地介紹了用戶(hù)行為分析的理論基礎(chǔ)和實(shí)施步驟,書(shū)中列舉了大量翔實(shí)的應(yīng)用案例。第1~2章概要介紹了用戶(hù)行為分析的基礎(chǔ)知識(shí)和應(yīng)用場(chǎng)景。第3~4章詳細(xì)介紹了基于大數(shù)據(jù)的用戶(hù)行為數(shù)據(jù)的采集、存儲(chǔ)和處理方法的技術(shù)原理和實(shí)施步驟,以及常用的采集與分析工具。第5~6章重點(diǎn)介紹了用戶(hù)行為分析的常用指標(biāo)和用戶(hù)模型構(gòu)建,以及用戶(hù)行為分析在企業(yè)日常運(yùn)營(yíng)中的具體應(yīng)用。書(shū)中詳細(xì)闡述了用戶(hù)行為全程追蹤方法,介紹了轉(zhuǎn)化分析、用戶(hù)分群、用戶(hù)生命周期、用戶(hù)流失預(yù)警、用戶(hù)價(jià)值管理等經(jīng)典的精細(xì)化運(yùn)營(yíng)模型。第7~9章詳細(xì)介紹了用戶(hù)畫(huà)像和標(biāo)簽體系的構(gòu)建方法、步驟,闡述了用戶(hù)畫(huà)像在推薦系統(tǒng)和智能營(yíng)銷(xiāo)中的具體應(yīng)用。第10章詳細(xì)闡述了用戶(hù)行為分析在若干個(gè)不同行業(yè)的經(jīng)典應(yīng)用案例,包括金融、電商、房地產(chǎn)、快銷(xiāo)品、互聯(lián)網(wǎng)媒體等行業(yè)。本書(shū)既可以作為學(xué)習(xí)用戶(hù)行為分析理論的入門(mén)書(shū),也可以給相關(guān)領(lǐng)域的實(shí)踐操作人員提供具體的實(shí)施步驟和應(yīng)用方面的啟迪?晒┢笫聵I(yè)管理人員、大數(shù)據(jù)從業(yè)人員和大專(zhuān)院校相關(guān)專(zhuān)業(yè)的師生閱讀參考。
杜曉夢(mèng) 北京大學(xué)營(yíng)銷(xiāo)模型專(zhuān)業(yè)博士,曾入選 2018 年北京市“科技新星”;專(zhuān)長(zhǎng)于跨學(xué)科數(shù)據(jù)科學(xué)建模、消費(fèi)者行為預(yù)測(cè)、互聯(lián)網(wǎng)廣告、社會(huì)媒體營(yíng)銷(xiāo)、歸因模型、流失預(yù)警模型、社會(huì)網(wǎng)絡(luò)分析。唐曉密 東北財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)專(zhuān)業(yè)碩士,擅長(zhǎng)用戶(hù)在線行為分析、用戶(hù)智能營(yíng)銷(xiāo)運(yùn)營(yíng)、數(shù)據(jù)分析與挖掘等方向。擁有十多年的業(yè)務(wù)咨詢(xún)和數(shù)據(jù)分析工作經(jīng)歷,服務(wù)超過(guò)100多家客戶(hù),涉及零售、金融、地產(chǎn)、煙草等行業(yè)。張銀虎 中國(guó)地質(zhì)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)專(zhuān)業(yè),長(zhǎng)期從事大數(shù)據(jù)工作并擁有相關(guān)專(zhuān)利,從基層起步有著扎實(shí)的實(shí)戰(zhàn)經(jīng)驗(yàn)和問(wèn)題解決方法論,擅長(zhǎng)于架構(gòu)設(shè)計(jì)、數(shù)據(jù)處理和解決方案等,服務(wù)過(guò)眾多大型集團(tuán)客戶(hù)。
目 錄
第1章 走近用戶(hù)行為分析 1
1.1 用戶(hù)行為分析與畫(huà)像的概念 3
1.2 用戶(hù)行為分析的意義 4
1.3 大數(shù)據(jù)與用戶(hù)行為分析 7
1.4 用戶(hù)行為分析的幾個(gè)重要階段 8
1.4.1 獲取用戶(hù)行為數(shù)據(jù) 8
1.4.2 明確分析指標(biāo)與維度 8
1.4.3 分析結(jié)果可視化呈現(xiàn) 10
第2章 行為數(shù)據(jù)分析的使用場(chǎng)景 14
2.1 了解用戶(hù)使用習(xí)慣 14
2.2 提升用戶(hù)操作體驗(yàn) 15
2.3 監(jiān)控業(yè)務(wù)轉(zhuǎn)化過(guò)程 17
2.4 持續(xù)性輔助用戶(hù)運(yùn)營(yíng)效果 19
第3章 基于大數(shù)據(jù)的行為分析——傳統(tǒng)埋碼 23
3.1 行為數(shù)據(jù)采集方法與技術(shù)原理 23
3.2 行為數(shù)據(jù)的統(tǒng)計(jì)原理 26
3.3 行為統(tǒng)計(jì)的分類(lèi)方法 31
3.3.1 使用層面的分類(lèi) 31
3.3.2 技術(shù)處理層面的分類(lèi) 32
3.4 基于大數(shù)據(jù)的行為數(shù)據(jù)存儲(chǔ)與計(jì)算 34
3.4.1 行為數(shù)據(jù)采集系統(tǒng)示例 34
3.4.2 存儲(chǔ)與分析系統(tǒng)示例 40
第4章 基于大數(shù)據(jù)的行為分析——無(wú)埋碼 67
4.1 無(wú)埋碼技術(shù)的實(shí)現(xiàn)原理 67
4.2 無(wú)埋碼技術(shù)的使用實(shí)例 69
4.3 無(wú)埋碼采集系統(tǒng)示例 70
4.3.1 連接應(yīng)用 70
4.3.2 配置無(wú)埋碼事件 71
4.4 其他無(wú)埋碼渠道的行為數(shù)據(jù)分析 74
第5章 行為分析的指標(biāo)與模型 77
5.1 用戶(hù)行為分析的3個(gè)層次 77
5.2 行為分析指標(biāo) 78
5.2.1 渠道類(lèi)指標(biāo) 78
5.2.2 訪問(wèn)類(lèi)指標(biāo) 78
5.2.3 轉(zhuǎn)化類(lèi)指標(biāo) 79
5.2.4 留存類(lèi)指標(biāo) 80
5.2.5 社交類(lèi)指標(biāo) 81
5.3 用戶(hù)模型構(gòu)建 81
5.3.1 傳統(tǒng)的用戶(hù)模型構(gòu)建方法 82
5.3.2 大數(shù)據(jù)時(shí)代下基于行為數(shù)據(jù)的用戶(hù)模型構(gòu)建方法 83
5.4 用戶(hù)行為全程追蹤 85
5.4.1 用戶(hù)獲取 86
5.4.2 用戶(hù)轉(zhuǎn)化 86
5.4.3 用戶(hù)留存 87
5.4.4 產(chǎn)生收入 87
5.4.5 用戶(hù)傳播 88
5.5 轉(zhuǎn)化分析模型 89
5.5.1 科學(xué)地構(gòu)建漏斗 89
5.5.2 漏斗對(duì)比分析法 90
5.5.3 漏斗與客戶(hù)流向結(jié)合分析法 90
5.5.4 微轉(zhuǎn)化行為分析法 91
5.5.5 用戶(hù)注意力分析法 92
5.6 精細(xì)化運(yùn)營(yíng)模型 93
5.6.1 用戶(hù)常規(guī)分群體系構(gòu)建 93
5.6.2 用戶(hù)生命周期模型構(gòu)建 95
5.6.3 用戶(hù)流失預(yù)警模型構(gòu)建 96
5.6.4 用戶(hù)價(jià)值管理(RFM)模型構(gòu)建 98
5.6.5 大小數(shù)據(jù)融合的用戶(hù)畫(huà)像模型構(gòu)建 99
第6章 行為分析與日常運(yùn)營(yíng) 101
6.1 用戶(hù)行為分析與渠道運(yùn)營(yíng) 101
6.1.1 渠道歸因模型 101
6.1.2 渠道引流趨勢(shì)分析 102
6.1.3 不同渠道用戶(hù)畫(huà)像 103
6.1.4 不同渠道用戶(hù)站內(nèi)行為 103
6.2 用戶(hù)行為分析與產(chǎn)品運(yùn)營(yíng) 104
6.2.1 用戶(hù)健康度分析 104
6.2.2 用戶(hù)路徑分析模型 105
6.2.3 漏斗分析模型 107
6.2.4 用戶(hù)點(diǎn)擊模型 108
6.3 用戶(hù)行為分析與營(yíng)銷(xiāo)運(yùn)營(yíng) 109
6.3.1 用戶(hù)行為分析與活動(dòng)方案設(shè)計(jì) 109
6.3.2 用戶(hù)行為分析與活動(dòng)方案執(zhí)行 110
6.3.3 用戶(hù)行為分析與活動(dòng)效果評(píng)估 111
6.4 用戶(hù)行為分析與用戶(hù)運(yùn)營(yíng) 112
6.4.1 用戶(hù)行為分析與拉新 112
6.4.2 用戶(hù)行為分析與轉(zhuǎn)化 114
6.4.3 用戶(hù)行為分析與留存 116
第7章 用戶(hù)畫(huà)像 118
7.1 用戶(hù)畫(huà)像概述 119
7.1.1 用戶(hù)畫(huà)像的定義 119
7.1.2 用戶(hù)畫(huà)像的構(gòu)建原則 120
7.1.3 用戶(hù)畫(huà)像的應(yīng)用領(lǐng)域 121
7.2 兩種常見(jiàn)的用戶(hù)畫(huà)像 122
7.2.1 用戶(hù)角色(User Persona) 122
7.2.2 用戶(hù)檔案(User Profile) 125
7.3 用戶(hù)畫(huà)像的調(diào)研 131
7.3.1 背景描述 131
7.3.2 需求調(diào)研 132
7.3.3 業(yè)務(wù)理解 134
第8章 標(biāo)簽體系——用戶(hù)畫(huà)像的刻畫(huà) 135
8.1 標(biāo)簽體系的構(gòu)建 135
8.1.1 ID拉通 136
8.1.2 結(jié)構(gòu)化標(biāo)簽體系和非結(jié)構(gòu)化標(biāo)簽體系 145
8.1.3 標(biāo)簽體系的構(gòu)建 147
8.2 標(biāo)簽體系的分析方法及應(yīng)用 151
8.2.1 群組構(gòu)建 151
8.2.2 用戶(hù)群組分析 153
8.2.3 微觀畫(huà)像 154
8.2.4 用戶(hù)相似度 155
第9章 用戶(hù)畫(huà)像的大數(shù)據(jù)應(yīng)用 159
9.1 用戶(hù)畫(huà)像與推薦系統(tǒng) 159
9.1.1 推薦系統(tǒng)簡(jiǎn)介 159
9.1.2 矩陣計(jì)算 160
9.1.3 基于用戶(hù)的協(xié)同過(guò)濾示例 161
9.2 用戶(hù)畫(huà)像與智能營(yíng)銷(xiāo)(一) 166
9.2.1 營(yíng)銷(xiāo)場(chǎng)景構(gòu)建 167
9.2.2 業(yè)務(wù)規(guī)則 167
9.2.3 實(shí)時(shí)化的自動(dòng)營(yíng)銷(xiāo) 167
9.3 用戶(hù)畫(huà)像與智能營(yíng)銷(xiāo)(二) 168
9.3.1 用戶(hù)畫(huà)像與電話(huà)營(yíng)銷(xiāo) 168
9.3.2 用戶(hù)畫(huà)像與電話(huà)回訪 169
9.3.3 用戶(hù)畫(huà)像與二次銷(xiāo)售 169
9.3.4 用戶(hù)畫(huà)像與投訴 169
第10章 案例與詳解 171
10.1 金融行業(yè)用戶(hù)全渠道行為分析 171
10.1.1 分析背景 171
10.1.2 用戶(hù)行為分析過(guò)程 173
10.2 電商行業(yè)用戶(hù)行為分析 177
10.2.1 分析背景 177
10.2.2 用戶(hù)行為分析過(guò)程 179
10.3 房地產(chǎn)行業(yè)用戶(hù)行為分析 183
10.3.1 分析背景 183
10.3.2 用戶(hù)行為分析過(guò)程 185
10.4 快消行業(yè)用戶(hù)行為分析 188
10.4.1 分析背景 188
10.4.2 用戶(hù)行為分析過(guò)程 189
10.5 媒體行業(yè)用戶(hù)行為分析——以電影網(wǎng)為例 196
10.5.1 分析背景 196
10.5.2 用戶(hù)行為分析過(guò)程 197