基本信息
出版社： 电子工业出版社
定价：79.00
ISBN：9787121106088
内容简介
本书系统地介绍了用户行为分析的理论基础和实施步骤，书中列举了大量翔实的应用案例。第1～2章概要介绍了用户行为分析的基础知识和应用场景。第3～4章详细介绍了基于大数据的用户行为数据的采集、存储和处理方法的技术原理和实施步骤，以及常用的采集与分析工具。第5～6章重点介绍了用户行为分析的常用指标和用户模型构建，以及用户行为分析在企业日常运营中的具体应用。书中详细阐述了用户行为全程追踪方法，介绍了转化分析、用户分群、用户生命周期、用户流失预警、用户价值管理等经典的精细化运营模型。第7～9章详细介绍了用户画像和标签体系的构建方法、步骤，阐述了用户画像在推荐系统和智能营销中的具体应用。第10章详细阐述了用户行为分析在若干个不同行业的经典应用案例，包括金融、电商、房地产、快销品、互联网媒体等行业。本书既可以作为学习用户行为分析理论的入门书，也可以给相关领域的实践操作人员提供具体的实施步骤和应用方面的启迪。可供企事业管理人员、大数据从业人员和大专院校相关的师生阅读参考。
作者简介
杜晓梦 北京大学营销模型博士，曾入选 2018 年北京市“科技新星”；专长于跨学科数据科学建模、消费者行为预测、互联网广告、社会媒体营销、归因模型、流失预警模型、社会网络分析。唐晓密 东北财经大学统计学硕士，擅长用户在线行为分析、用户智能营销运营、数据分析与挖掘等方向。拥有十多年的业务咨询和数据分析工作经历，服务过100多家客户，涉及零售、金融、地产、烟草等行业。张银虎 中国地质大学计算机科学与技术，长期从事大数据工作并拥有相关专利，从基层起步有着扎实的实战经验和问题解决方法论，擅长于架构设计、数据处理和解决方案等，服务过众多大型集团客户。
目录
目 录
第1章 走近用户行为分析1
1．1 用户行为分析与画像的概念3
1．2 用户行为分析的意义4
1．3 大数据与用户行为分析7
1．4 用户行为分析的几个重要阶段8
1．4．1 获取用户行为数据8
1．4．2 明确分析指标与维度8
1．4．3 分析结果可视化呈现10
第2章 行为数据分析的使用场景14
2．1 了解用户使用习惯14
2．2 提升用户操作体验15
2．3 监控业务转化过程17
2．4 持续性辅助用户运营效果19
第3章 基于大数据的行为分析――传统埋码23
3．1 行为数据采集方法与技术原理23
3．2 行为数据的统计原理26
3．3 行为统计的分类方法31
3．3．1 使用层面的分类31
3．3．2 技术处理层面的分类32
3．4 基于大数据的行为数据存储与计算34
3．4．1 行为数据采集系统示例34
3．4．2 存储与分析系统示例40
第4章 基于大数据的行为分析――无埋码67
4．1 无埋码技术的实现原理67
4．2 无埋码技术的使用实例69
4．3 无埋码采集系统示例70
4．3．1 连接应用70
4．3．2 配置无埋码事件71
4．4 其他无埋码渠道的行为数据分析74
第5章 行为分析的指标与模型77
5．1 用户行为分析的3个层次77
5．2 行为分析指标78
5．2．1 渠道类指标78
5．2．2 访问类指标78
5．2．3 转化类指标79
5．2．4 留存类指标80
5．2．5 社交类指标81
5．3 用户模型构建81
5．3．1 传统的用户模型构建方法82
5．3．2 大数据时代下基于行为数据的用户模型构建方法83
5．4 用户行为全程追踪85
5．4．1 用户获取86
5．4．2 用户转化86
5．4．3 用户留存87
5．4．4 产生收入87
5．4．5 用户传播88
5．5 转化分析模型89
5．5．1 科学地构建漏斗89
5．5．2 漏斗对比分析法90
5．5．3 漏斗与客户流向结合分析法90
5．5．4 微转化行为分析法91
5．5．5 用户注意力分析法92
5．6 精细化运营模型93
5．6．1 用户常规分群体系构建93
5．6．2 用户生命周期模型构建95
5．6．3 用户流失预警模型构建96
5．6．4 用户价值管理（RFM）模型构建98
5．6．5 大小数据融合的用户画像模型构建99
第6章 行为分析与日常运营101
6．1 用户行为分析与渠道运营101
6．1．1 渠道归因模型101
6．1．2 渠道引流趋势分析102
6．1．3 不同渠道用户画像103
6．1．4 不同渠道用户站内行为103
6．2 用户行为分析与产品运营104
6．2．1 用户健康度分析104
6．2．2 用户路径分析模型105
6．2．3 漏斗分析模型107
6．2．4 用户点击模型108
6．3 用户行为分析与营销运营109
6．3．1 用户行为分析与活动方案设计109
6．3．2 用户行为分析与活动方案执行110
6．3．3 用户行为分析与活动效果评估111
6．4 用户行为分析与用户运营112
6．4．1 用户行为分析与拉新112
6．4．2 用户行为分析与转化114
6．4．3 用户行为分析与留存116
第7章 用户画像118
7．1 用户画像概述119
7．1．1 用户画像的定义119
7．1．2 用户画像的构建原则120
7．1．3 用户画像的应用领域121
7．2 两种常见的用户画像122
7．2．1 用户角色（User Persona）122
7．2．2 用户档案（User Profile）125
7．3 用户画像的调研131
7．3．1 背景描述131
7．3．2 需求调研132
7．3．3 业务理解134
第8章 标签体系――用户画像的刻画135
8．1 标签体系的构建135
8．1．1 ID拉通136
8．1．2 结构化标签体系和非结构化标签体系145
8．1．3 标签体系的构建147
8．2 标签体系的分析方法及应用151
8．2．1 群组构建151
8．2．2 用户群组分析153
8．2．3 微观画像154
8．2．4 用户相似度155
第9章 用户画像的大数据应用159
9．1 用户画像与推荐系统159
9．1．1 推荐系统简介159
9．1．2 矩阵计算160
9．1．3 基于用户的协同过滤示例161
9．2 用户画像与智能营销（一）166
9．2．1 营销场景构建167
9．2．2 业务规则167
9．2．3 实时化的自动营销167
9．3 用户画像与智能营销（二）168
9．3．1 用户画像与电话营销168
9．3．2 用户画像与电话回访169
9．3．3 用户画像与二次销售169
9．3．4 用户画像与投诉169
第10章 案例与详解171
10．1 金融行业用户全渠道行为分析171
10．1．1 分析背景171
10．1．2 用户行为分析过程173
10．2 电商行业用户行为分析177
10．2．1 分析背景177
10．2．2 用户行为分析过程179
10．3 房地产行业用户行为分析183
10．3．1 分析背景183
10．3．2 用户行为分析过程185
10．4 快消行业用户行为分析188
10．4．1 分析背景188
10．4．2 用户行为分析过程189
10．5 媒体行业用户行为分析――以电影网为例196
10．5．1 分析背景196
10．5．2 用户行为分析过程197
^_^:e5b7cc1a8334f07716f836c4f613082e
