用户行为分析：如何用数据驱动增长

定　价：¥69.90

作　者：	张溪梦邢昊等著
出版社：	机械工业出版社
丛编项：
标　签：	暂缺

购买这本书可以去

ISBN：	9787111681519	出版时间：	2021-06-01	包装：	精装
开本：	32开	页数：		字数：

内容简介

　　很多时候企业都是在摸索前行，或基于自身的判断来寻找和服务用户。但对于用户是谁、用户在哪里、用户喜欢什么、用户会对什么做出反应、用户在商业场景中的什么时间做过什么等问题，很多企业都回答不出来。在当下，对用户信息的了解和应用能力，很大程度上决定了企业在新竞争“食物链”上的排名。当新的生产要素——数据，逐渐进入大家的视野后，企业家们开始隐约意识到数据可能会成为新的发展动力，用户行为数据将是激发企业创新活力的重要资源。但如何拥有像虎鲸一样的超声波定位系统，即全方位洞察用户需求、满足用户需求的能力呢？本书为帮助企业能在商业竞争中立于不败之地，能对用户行为数据发挥价值的过程建立系统的认知，并习得快速实践的能力，让企业高效落地数据驱动增长而撰写。本书内容包括从商业进化的角度认识用户行为数据的重要性及如何发挥其价值（第1章），用户行为数据如何通过数据驱动增长金字塔（规划、采集、分析、应用）为企业带来贡献（第2~5章），以及用户行为数据驱动增长的实战案例集（第6章）。本书适合企业的高层管理者及有一定工作经验的产品经理、数据分析师、互联网运营人员、数据运营人员等阅读，不管您身处互联网企业，还是身处数字化转型和升级的传统企业，只要您拥有或者正在准备拥有自己的线上产品，便能通过本书找到“如何落地数据驱动增长”的体系化内容。

作者简介

　　张溪梦践行数据驱动增长20余年，在创建GrowingIO之前，曾就职于eBay和LinkedIn。在LinkedIn任美国商业分析部高级总监，亲手创建了近百人的商业数据分析和数据科学团队，支撑LinkedIn所有与营收相关业务的高速增长。2013年，Data Science Central评选其为“世界前十位前沿数据科学家”。2015年5月，回国创立GrowingIO，致力于帮助企业提升数据驱动能力，实现更好的增长。与此同时，张溪梦也是畅销书《首席增长官》的作者和《增长黑客》的译者。邢昊毕业于清华大学自动化系和经管学院，拥有16年的企业数字战略转型、互联网营销和信息化管理咨询经验。加入GrowingIO后，带领咨询服务团队为如家、安踏、方太、招商仁和人寿、猎聘、站酷、陌陌等上百家传统企业和互联网企业提供增长咨询服务，协助企业打造增长组织，执行增长策略，实现数字化业务占比增加、用户生命价值增长和互联网营销效率提升等实战成果，广受业内认可与好评。

图书目录

目　　录
推荐语
前　言　做“商海”中的虎鲸
致　谢
第1章　走进用户行为数据分析
1.1　用户行为数据登场 // 1
1.1.1　没有用户行为数据的困境 // 2
1.1.2　商业进化：一切向用户靠拢 // 3
1.2　什么是用户行为数据 // 7
1.2.1　狭义的用户行为数据 // 7
1.2.2　广义的用户行为数据 // 9
1.2.3　用户行为数据的“5 1”要素 // 12
1.2.4　用户行为数据的隐私与权限 // 14
1.3　用户行为数据的一个趋势和两个价值 // 15
1.3.1　一个趋势：在数字孪生世界下，用户行为数据的迁移 // 15
1.3.2　价值一：理解用户需求，指导业务升级 // 17
1.3.3　价值二：预测用户行为，引导业务创新 // 21
1.4　如何让用户行为数据发挥价值 // 26
1.4.1　用户行为数据驱动增长常见的困难 // 26
1.4.2　数据驱动增长金字塔：规划—采集—分析—应用 // 27
第2章　数据规划
2.1　数据驱动增长的“总设计师” // 29
2.1.1　数据规划常见的问题 // 29
2.1.2　如何进行数据规划 // 31
2.2　指标体系规划的三大思路 // 32
2.2.1　OSM模型 // 32
2.2.2　UJM模型 // 36
2.2.3　场景化 // 40
2.3　指标分级 // 42
2.4　数据看板 // 44
2.4.1　数据看板的意义 // 44
2.4.2　数据看板的分类：战略看板、分析看板、实时看板 // 46
2.4.3　如何搭建数据看板 // 51
2.4.4　搭建数据看板常见的六大问题 // 58
第3章　数据采集
3.1　数据采集常见的问题 // 62
3.2　用户行为数据采集方法：埋点和无埋点 // 64
3.2.1　埋点和无埋点的定义 // 64
3.2.2　埋点采集和无埋点采集的适用场景 // 68
3.2.3　不同场景如何选择采集方式：以App注册为例 // 70
3.2.4　客户端埋点或服务端埋点 // 72
3.3　如何高效落地数据采集 // 74
3.3.1　埋点方案四要素 // 74
3.3.2　埋点的团队协作流程 // 80
3.3.3　数据指标管理 // 84
3.4　数据集成，搭建客户数据平台（CDP） // 87
3.4.1　从用户行为数据到客户数据平台 // 88
3.4.2　客户数据平台的三种类型 // 91
3.4.3　实现客户数据平台的四大原则 // 93
3.4.4　案例：电商如何搭建客户数据平台 // 97
第4章　数据分析
4.1　业务导向的数据分析整体思路 // 104
4.2　用户流转地图 // 106
4.2.1　全域—全局—局部 // 106
4.2.2　绘制用户流转地图 // 107
4.2.3　案例：B2B企业官网的用户流转地图 // 112
4.3　十大数据分析模型 // 116
4.3.1　事件分析 // 116
4.3.2　漏斗分析 // 118
4.3.3　热图分析 // 119
4.3.4　留存分析 // 122
4.3.5　留存魔法师 // 123
4.3.6　事件流分析 // 125
4.3.7　用户分群分析 // 127
4.3.8　用户细查 // 129
4.3.9　分布分析 // 130
4.3.10　归因分析 // 131
4.4　渠道分析 // 133
4.4.1　找到投放渠道 // 133
4.4.2　打造黄金落地页 // 138
4.5　运营分析 // 144
4.5.1　被低估的搜索框 // 144
4.5.2　活动迭代分析 // 148
4.6　产品健康度分析 // 151
4.6.1　产品健康度是“用户体验的体检” // 151
4.6.2　关键行为矩阵与功能留存矩阵 // 153
4.6.3　案例：内容型App的产品健康度分析 // 155
第5章　数据应用
5.1　数据应用无处不在 // 159
5.2　A/B测试 // 160
5.2.1　广泛应用的A/B 测试 // 160
5.2.2　七个步骤建立A/B测试的闭环 // 162
5.2.3　案例：A/B测试提升影视会员产品的付费转化率 // 172
5.3　产品迭代 // 174
5.3.1　产品迭代全流程 // 174
5.3.2　六大要素量化、评估产品迭代效果 // 177
5.3.3　案例：数据驱动App首页迭代 // 181
5.4　精细化运营 // 189
5.4.1　精细化运营的关键 // 189
5.4.2　用户标签与用户画像 // 193
5.4.3　用户分层运营 // 198
5.4.4　案例：盟大集团（产业互联网）如何进行用户全生命周期运营 // 206
5.5　机器学习 // 212
5.5.1　机器学习与数据挖掘 // 212
5.5.2　用户行为数据提升推荐算法效率 // 215
5.5.3　案例：预测客户购买行为 // 220
第6章　用户行为数据驱动增长实战
6.1　欧冶云商：数据驱动B2B增长 // 226
6.1.1　B2B增长的挑战和机遇 // 226
6.1.2　探索产品的核心价值主张 // 228
6.1.3　优化用户转化路径 // 232
6.1.4　精细化的会员运营体系 // 242
6.2　推荐获客量增长500%：好好住的增长团队实践 // 247
6.2.1　为什么好好住要搭建增长团队 // 247
6.2.2　从0到1搭建增长团队的三个步骤 // 248
6.2.3　闭环式的工作流程 // 251
6.2.4　好好住的推送迭代 // 256
6.3　月活跃用户数从0到8万：地产行业如何打造小程序私域流量池 // 259
6.3.1　“公盘私客”发展过程中的问题与机遇 // 260
6.3.2　创新产品“中原C管家”的思考和孵化 // 261
6.3.3　0元推广费用，“中原C管家”的增长效果 // 265
6.3.4　用户行为数据赋能经纪人营销 // 268
6.4　酷开网络：增长无处不在，OTT领航家庭经济的数字化转型 // 273
6.4.1　酷开网络的增长框架 // 273
6.4.2　明道：洞察家庭用户与精细化场景流程 // 276
6.4.3　取势：指标管理体系建设，挖掘精细化流量的价值 // 277
6.4.4　优术：分析引擎体系建设，提升转化率 // 282
6.4.5　践行：关注用户全生命周期，用增长实验实现流量再生 // 287
6.4.6　案例：洞察流量—大转盘抽奖活动的用户旅程 // 287
后记 // 295