大數據用戶行為畫像分析實操指南

購買商店

大數據用戶行為畫像分析實操指南

$474.00

馬上購買

內容描述

本書系統地介紹了用戶行為分析的理論基礎和實施步驟，書中列舉了大量翔實的應用案例。第1～2章概要介紹了用戶行為分析的基礎知識和應用場景。第3～4章詳細介紹了基於大數據的用戶行為數據的採集、存儲和處理方法的技術原理和實施步驟，以及常用的採集與分析工具。第5～6章重點介紹了用戶行為分析的常用指標和用戶模型構建，以及用戶行為分析在企業日常運營中的具體應用。書中詳細闡述了用戶行為全程追蹤方法，介紹了轉化分析、用戶分群、用戶生命周期、用戶流失預警、用戶價值管理等經典的精細化運營模型。第7～9章詳細介紹了用戶畫像和標簽體系的構建方法、步驟，闡述了用戶畫像在推薦系統和智能營銷中的具體應用。第10章詳細闡述了用戶行為分析在若乾個不同行業的經典應用案例，包括金融、電商、房地產、快銷品、互聯網媒體等行業。本書既可以作為學慣用戶行為分析理論的入門書，也可以給相關領域的實踐操作人員提供具體的實施步驟和應用方面的啟迪。可供企事業管理人員、大數據從業人員和大專院校相關專業的師生閱讀參考。

目錄大綱

目 錄
第1章 走近用戶行為分析 1
1．1 用戶行為分析與畫像的概念 3
1．2 用戶行為分析的意義 4
1．3 大數據與用戶行為分析 7
1．4 用戶行為分析的幾個重要階段 8
1．4．1 獲取用戶行為數據 8
1．4．2 明確分析指標與維度 8
1．4．3 分析結果可視化呈現 10
第2章 行為數據分析的使用場景 14
2．1 了解用戶使用習慣 14
2．2 提升用戶操作體驗 15
2．3 監控業務轉化過程 17
2．4 持續性輔助用戶運營效果 19
第3章 基於大數據的行為分析――傳統埋碼 23
3．1 行為數據採集方法與技術原理 23
3．2 行為數據的統計原理 26
3．3 行為統計的分類方法 31
3．3．1 使用層面的分類 31
3．3．2 技術處理層面的分類 32
3．4 基於大數據的行為數據存儲與計算 34
3．4．1 行為數據採集系統示例 34
3．4．2 存儲與分析系統示例 40
第4章 基於大數據的行為分析――無埋碼 67
4．1 無埋碼技術的實現原理 67
4．2 無埋碼技術的使用實例 69
4．3 無埋碼採集系統示例 70
4．3．1 連接應用 70
4．3．2 配置無埋碼事件 71
4．4 其他無埋碼渠道的行為數據分析 74
第5章 行為分析的指標與模型 77
5．1 用戶行為分析的3個層次 77
5．2 行為分析指標 78
5．2．1 渠道類指標 78
5．2．2 訪問類指標 78
5．2．3 轉化類指標 79
5．2．4 留存類指標 80
5．2．5 社交類指標 81
5．3 用戶模型構建 81
5．3．1 傳統的用戶模型構建方法 82
5．3．2 大數據時代下基於行為數據的用戶模型構建方法 83
5．4 用戶行為全程追踪 85
5．4．1 用戶獲取 86
5．4．2 用戶轉化 86
5．4．3 用戶留存 87
5．4．4 產生收入 87
5．4．5 用戶傳播 88
5．5 轉化分析模型 89
5．5．1 科學地構建漏斗 89
5．5．2 漏斗對比分析法 90
5．5．3 漏斗與客戶流向結合分析法 90
5．5．4 微轉化行為分析法 91
5．5．5 用戶注意力分析法 92
5．6 精細化運營模型 93
5．6．1 用戶常規分群體系構建 93
5．6．2 用戶生命週期模型構建 95
5．6．3 用戶流失預警模型構建 96
5．6．4 用戶價值管理（RFM）模型構建 98
5．6．5 大小數據融合的用戶畫像模型構建 99
第6章 行為分析與日常運營 101
6．1 用戶行為分析與渠道運營 101
6．1．1 渠道歸因模型 101
6．1．2 渠道引流趨勢分析 102
6．1．3 不同渠道用戶畫像 103
6．1．4 不同渠道用戶站內行為 103
6．2 用戶行為分析與產品運營 104
6．2．1 用戶健康度分析 104
6．2．2 用戶路徑分析模型 105
6．2．3 漏斗分析模型 107
6．2．4 用戶點擊模型 108
6．3 用戶行為分析與營銷運營 109
6．3．1 用戶行為分析與活動方案設計 109
6．3．2 用戶行為分析與活動方案執行 110
6．3．3 用戶行為分析與活動效果評估 111
6．4 用戶行為分析與用戶運營 112
6．4．1 用戶行為分析與拉新 112
6．4．2 用戶行為分析與轉化 114
6．4．3 用戶行為分析與留存 116
第7章 用戶畫像 118
7．1 用戶畫像概述 119
7．1．1 用戶畫像的定義 119
7．1．2 用戶畫像的構建原則 120
7．1．3 用戶畫像的應用領域 121
7．2 兩種常見的用戶畫像 122
7．2．1 用戶角色（User Persona） 122
7．2．2 用戶檔案（User Profile） 125
7．3 用戶畫像的調研 131
7．3．1 背景描述 131
7．3．2 需求調研 132
7．3．3 業務理解 134
第8章 標籤體系――用戶畫像的刻畫 135
8．1 標籤體系的構建 135
8．1．1 ID拉通 136
8．1．2 結構化標籤體系和非結構化標籤體系 145
8．1．3 標籤體系的構建 147
8．2 標籤體系的分析方法及應用 151
8．2．1 群組構建 151
8．2．2 用戶群組分析 153
8．2．3 微觀畫像 154
8．2．4 用戶相似度 155
第9章 用戶畫像的大數據應用 159
9．1 用戶畫像與推薦系統 159
9．1．1 推薦系統簡介 159
9．1．2 矩陣計算 160
9．1．3 基於用戶的協同過濾示例 161
9．2 用戶畫像與智能營銷（一） 166
9．2．1 營銷場景構建 167
9．2．2 業務規則 167
9．2．3 實時化的自動營銷 167
9．3 用戶畫像與智能營銷（二） 168
9．3．1 用戶畫像與電話營銷 168
9．3．2 用戶畫像與電話回訪 169
9．3．3 用戶畫像與二次銷售 169
9．3．4 用戶畫像與投訴 169
第10章 案例與詳解 171
10．1 金融行業用戶全渠道行為分析 171
10．1．1 分析背景 171
10．1．2 用戶行為分析過程 173
10．2 電商行業用戶行為分析 177
10．2．1 分析背景 177
10．2．2 用戶行為分析過程 179
10．3 房地產行業用戶行為分析 183
10．3．1 分析背景 183
10．3．2 用戶行為分析過程 185
10．4 快消行業用戶行為分析 188
10．4．1 分析背景 188
10．4．2 用戶行為分析過程 189
10．5 媒體行業用戶行為分析――以電影網為例 196
10．5．1 分析背景 196
10．5．2 用戶行為分析過程 197

作者介紹

杜曉夢 
北京大學營銷模型專業博士，曾入選 2018 年北京市“科技新星”；專長於跨學科數據科學建模、消費者行為預測、互聯網廣告、社會媒體營銷、歸因模型、流失預警模型、社會網絡分析。

唐曉密 
東北財經大學統計學專業碩士，擅長用戶在線行為分析、用戶智能營銷運營、數據分析與挖掘等方向。
擁有十多年的業務諮詢和數據分析工作經歷，服務超過100多家客戶，涉及零售、金融、地產、煙草等行業。

張銀虎 中國地質大學計算機科學與技術專業，長期從事大數據工作並擁有相關專利，從基層起步有著紮實的實戰經驗和問題解決方法論，擅長於架構設計、數據處理和解決方案等，服務過眾多大型集團客戶。