數據分析方法論和業務實戰






	購買中國簡體書籍請注意： 1. 因裝幀品質及貨運條件未臻完善，中國簡體書可能有出現磨痕、凹痕、折痕等問題，故簡體字館除封面破損、內頁脫落、缺頁等較嚴重的狀態外，其餘所有商品將正常出貨。


	目錄第1章　數據分析基礎 1 1.1　什麼是數據分析 1 1.2　為什麼要做數據分析 5 1.3　數據分析的步驟 12 1.4　數據分析師的日常工作 16 1.5　數據分析師的前景和發展 21 第2章　數據指標體系 24 2.1　數據指標和數據指標體系 24 2.1.1　數據指標 24 2.1.2　數據指標體系 26 2.2　為什麼要搭建數據指標體系 27 2.2.1　監控現狀 27 2.2.2　反映問題 28 2.2.3　預測趨勢 28 2.2.4　評估分析 30 2.2.5　決策支援 30 2.3　常見的數據指標體系 31 2.3.1　互聯網產品典型的數據指標體系 32 2.3.2　電商平臺的數據指標體系 35 第3章　如何搭建數據指標體系 39 3.1　什麼是數據埋點 39 3.2　為什麼要埋點 40 3.3　如何設計埋點方案 42 3.4　埋點的開發流程 46 3.5　指標體系搭建方法論 50 3.5.1　OSM 模型 52 3.5.2　UJM 模型 54 3.5.3　AARRR 模型 55 3.6　數據指標體系搭建實戰 56 第4章　數據分析方法論 62 4.1　什麼是數據分析方法 62 4.2　行銷管理方法論 63 4.2.1　SWOT 分析 63 4.2.2　PEST 分析 64 4.2.3　4P 理論 65 4.3　常用數據分析方法論及其應用 67 4.3.1　對比細分 67 4.3.2　生命週期分析法 69 4.3.3　RFM 用戶分群法 73 4.3.4　相關性分析 78 4.3.5　用戶畫像分析 84 4.3.6　Aha 時刻 92 4.3.7　5W2H 分析法 93 4.3.8　麥肯錫邏輯樹分析法 99 4.3.9　漏斗分析法 105 第5章　用戶留存分析 112 5.1　什麼是用戶留存 112 5.2　為什麼要進行用戶留存分析 113 5.3　影響用戶留存的可能因素 115 5.4　用戶留存的3 個階段 117 5.5　用戶留存分析的常見方法――挖掘Aha 時刻 119 5.5.1　用戶留存分析的業務背景和分析思路 120 5.5.2　分析過程 123 第6章　使用者特徵分析 131 6.1　使用者特徵分析適用的業務場景 131 6.1.1　尋找目標使用者 132 6.1.2　尋找運營抓手 134 6.1.3　精細化運營（用戶分層） 135 6.2　使用者特徵分析的方法 136 6.2.1　用戶畫像分析 136 6.2.2　聚類分析 137 6.2.3　監督模型 140 6.2.4　RFM 用戶分群 141 6.3　使用者特徵分析和使用者預測模型的區別與聯繫 142 6.4　評估使用者特徵 143 第7章　用戶流失分析 146 7.1　什麼是用戶流失 146 7.2　使用者流失分析常見錯誤 147 7.3　生命週期和流失 148 7.3.1　產品的生命週期 148 7.3.2　用戶的生命週期 151 7.4　流失用戶的確定方法 153 7.5　用戶流失分析和預測 153 7.6　如何召回流失用戶 155 7.7　總結 157 第8章　從零開始完成數據分析項目 159 8.1　專案背景 159 8.2　制訂需求分析框架和分析計畫 161 8.3　數據的提取和摸底 166 8.4　特徵工程 171 8.4.1　什麼是特徵工程 171 8.4.2　特徵工程的重要性 172 8.4.3　特徵分佈變換 173 8.4.4　生成衍生變數 174 8.4.5　分箱轉換 175 8.4.6　特徵篩選 176 8.5　初步搭建挖掘模型 177 8.6　完成分析報告和落地應用建議 178 8.7　制定具體的落地方案和評估方案 180 8.8　業務落地實驗方案和效果評估 181 8.9　項目總結 181 第9章　關於數據分析師常見的困惑和問題 183 9.1　為什麼數據分析師找工作這麼難 183 9.1.1　競爭大 184 9.1.2　不懂業務 184 9.1.3　簡歷和麵試 185 9.2　數據分析師的專業選擇 185 9.3　數據分析師面試流程 187 9.4　數據分析師重要的能力 192 9.4.1　講故事 193 9.4.2　判斷項目ROI 194 9.4.3　業務深度 194 9.4.4　信念 195 9.4.5　熱情 196 9.4.6　換位思考 197 9.5　常見的數據分析師的困境 197 9.5.1　陷入取數困境 198 9.5.2　陷入報表困境 199 9.5.3　陷入落地難困境 201 9.5.4　陷入成長困境 203