新書推薦：
《
十一年夏至
》
售價：HK$
76.2
《
如何打造成功的商业赛事
》
售價：HK$
89.5
《
万千教育学前·透视学前儿童的发展：解析幼儿教师常问的那些问题
》
售價：HK$
58.2
《
慈悲与玫瑰
》
售價：HK$
87.4
《
启蒙的辩证：哲学的片简（法兰克福学派哲学经典，批判理论重要文本）
》
售價：HK$
76.2
《
云中记
》
售價：HK$
76.2
《
大模型应用开发：RAG入门与实战
》
售價：HK$
89.4
《
不挨饿快速瘦的减脂餐
》
售價：HK$
67.0
|
| 編輯推薦： |
实战：凝聚作者10余年经验，系统讲解数据化运营
全面：5种分析方法，9大运营玩法，2套用户增长打法
创新：打通数据分析、数据运营和用户增长的底层逻辑
|
| 內容簡介： |
|
本书从讲述数据分析的方法开始，深入讲解数据运营的玩法，并提炼用户增长的打法，让读者不但可以系统学习数据分析技能，还能掌握常见数据运营工具的使用方法，并且理解用户增长的顶层战略思路。 本书共9章，涵盖的主要内容有：数据分析的方法，包括数据清洗和预处理、描述性统计、变化分析、指标体系、相关性分析、趋势预测、B-O价值模型等的原理、场景和实现；数据运营的玩法，包括场景运营模型、产品生命周期模型、用户生命周期模型，以及启动屏、首页和主页、搜索区、轮播区、金刚区、楼层和坑位、版本迭代、漏斗分析/路径分析、会员/权益体系、签到/打卡、优惠券和交叉营销等运营工具的原理和策略；用户增长的打法，包括S-C-I模型、3A3R模型的原理和使用方法。 本书内容通俗易懂，案例丰富，实用性强，特别适合从事互联网数据分析、数据运营和用户增长相关工作的读者阅读，也同样适合传统行业中从事产品营销、市场推广工作的读者阅读。另外，本书也可作为工具书随时翻阅。
|
| 關於作者： |
徐小磊，网名磊叔，公众号“磊叔的数据增长实验室”创办人。数据挖掘与人工智能硕士，曾在阿里巴巴从事数据运营工作，拥有10余年数据运营工作经验。
脉脉网互联网领域KOL（关键意见领袖），知乎网万粉千赞创作者，在行平台核心行家，人人都是增长官——2019增长大会特邀嘉宾，2020流量负增长——重构营销新增长蓝图峰会特邀嘉宾。
在互联网、移动运营商、智慧城市、金融等行业有丰富的实战经验，对海量用户产品的数据运营有深厚的积累和深刻的理解。
|
| 目錄：
|
篇 数据分析的方法
第1章 准备工作：数据清洗与预处理 / 5
1.1 为什么要正确和高效地预处理与清洗数据 / 5
1.1.1 指标的数据来源 / 5
1.1.2 数据预处理的目的 / 9
1.1.3 数据预处理的流程 / 10
1.2 用Excel完成常见数据预处理 / 18
1.2.1 文本数值化：文本数字转为数值型数字 / 18
1.2.2 日期数值化：文本型日期转为日期型格式 / 20
1.2.3 用分列实现维度拆分 / 23
1.2.4 用“查找并删除重复行”处理重复值 / 28
1.3 本章小结和思考 / 30
第2章 洞察运营机会的数据分析利器 / 31
2.1 重要！数据分析前的准备工作 / 32
2.1.1 Windows操作系统用户 / 32
2.1.2 MacBook操作系统用户 / 33
2.2 第1 把利器：用“描述性统计”来整体评估数据 / 34
2.2.1 什么是描述性统计 / 34
2.2.2 描述性统计的适用场景 / 34
2.2.3 分析数据的分布情况：中位数和平均数 / 35
2.2.4 分析数据的离散程度：方差和标准差 / 39
2.2.5 寻找异常数据：分位数和异常值 / 42
2.2.6 在Excel 中实现描述性统计 / 46
2.3 第2 把利器：用“变化分析”来寻找问题突破口 / 52
2.3.1 什么是变化分析 / 52
2.3.2 变化分析的适用场景 / 53
2.3.3 变化分析1：同比 / 53
2.3.4 变化分析2：环比 / 55
2.3.5 在Excel 中分析环比和同比 / 57
2.3.6 用Excel 条件格式进行变化分析 / 58
2.3.7 用数据条/ 色阶分析DAU 变化 / 59
2.3.8 用自定义条件格式分析用户画像年龄分布 / 60
2.3.9 突出显示周末的销售数据 / 63
2.3.10 突出销量前十的产品 / 64
2.4 第3 把利器：用“指标体系”来洞察变化的原因 / 66
2.4.1 指标体系概述 / 66
2.4.2 指标体系的适用场景 / 67
2.4.3 指标体系的组成元素 / 67
2.4.4 指标类型（一）：北极星指标、虚荣指标 / 77
2.4.5 指标类型（二）：行为指标、业务指标、交易指标 / 84
2.4.6 如何建设产品的指标体系 / 85
2.4.7 如何用“指标体系”来分析指标变化的原因 / 87
2.4.8 深入理解活跃类指标 / 89
2.5 第4 把利器：用“相关性分析”来判断业务归因 / 92
2.5.1 什么是相关性分析 / 92
2.5.2 相关性分析的2 种数据 / 93
2.5.3 相关性分析的3 种算法 / 95
2.5.4 相关性分析的适用场景 / 98
2.5.5 重要！相关性分析的前提条件 / 99
2.5.6 在Excel 中进行“相关性分析” / 100
2.5.7 如何寻找对购买转化率贡献的渠道 / 102
2.5.8 如何寻找对活跃有高贡献的功能场景 / 103
2.6 第5 把利器：用“趋势预测”来预测走势 / 105
2.6.1 趋势预测的概念 / 105
2.6.2 基于时间序列的趋势预测 / 107
2.6.3 基于回归分析的趋势预测 / 109
2.6.4 在Excel 中实现时间序列趋势预测 / 110
2.6.5 在Excel 中实现回归分析趋势预测 / 112
2.6.6 如何预测年度KPI / 114
2.6.7 如何预测下年春节期间的业务指标 / 115
2.7 本章小结和思考 / 115
第3 章 将运营机会转化为运营策略 / 116
3.1 B-O 价值模型概述 / 116
3.2 B-O 价值模型的组成 / 116
3.2.1 Business：业务模型 / 117
3.2.2 经营策略画布 / 122
3.3 B-O 价值模型使用指南 / 122
3.4 本章小结和思考 / 124
第二篇 数据运营的玩法
第4 章 数据运营的基础：用户场景营销 / 127
4.1 场景营销模型概述 / 127
4.2 什么是场景 / 128
4.3 场景的起源和特点 / 130
4.3.1 从技术语言到业务语言 / 131
4.3.2 从功能视角到用户视角 / 134
4.3.3 从静态服务到动态服务 / 136
4.4 场景的三个高阶特性 / 138
4.4.1 特性1：场景的五要素 / 138
4.4.2 特性2：场景体系 / 144
4.4.3 特性3：场景连接 / 146
4.5 本章小结和思考 / 147
第5 章 产品运营工具和模型 / 148
5.1 产品生命周期模型 / 148
5.1.1 模型概览与架构 / 148
5.1.2 产品上线首发 / 149
5.1.3 产品更新迭代 / 152
5.1.4 产品下线停运 / 155
5.2 产品运营的场景和运营策略 / 156
5.2.1 启动屏 / 157
5.2.2 首页和主页 / 161
5.2.3 主页的首屏 / 162
5.2.4 搜索区运营 / 166
5.2.5 轮播区楼层 / 171
5.2.6 金刚区楼层 / 174
5.2.7 楼层和坑位 / 181
5.2.8 版本迭代 / 191
5.3 本章小结和思考 / 195
第6 章 用户模型和运营工具 / 196
6.1 用户生命周期模型 / 196
6.1.1 概述 / 196
6.1.2 引入期 / 198
6.1.3 成长期 / 199
6.1.4 成熟期 / 201
6.1.5 沉默期 / 203
6.1.6 流失期 / 206
6.2 用户画像 / 209
6.2.1 什么是用户画像 / 209
6.2.2 静态属性画像 / 210
6.2.3 动态兴趣画像 / 212
6.2.4 用户画像的形态：标签 / 215
6.3 用户分层模型 / 217
6.3.1 为什么要用户分层 / 217
6.3.2 用户分层的使用原则 / 219
6.3.3 经典的用户分层模型：RFM 模型 / 220
6.3.4 在Excel 中实现RFM 模型 / 223
6.4 用户运营的常用工具和运营策略 / 226
6.4.1 用户漏斗/ 路径分析 / 226
6.4.2 会员/ 权益体系 / 230
6.4.3 签到/ 打卡 / 242
6.4.4 优惠券 / 245
6.4.5 交叉营销 / 248
6.5 本章小结和思考 / 250
第7 章 内容运营工具和场景 / 252
7.1 标签体系 / 252
7.1.1 分类和标签的区别 / 252
7.1.2 标签的本质：元数据 / 252
7.1.3 标签的两种类型 / 253
7.1.4 标签系统的核心逻辑 / 253
7.1.5 标签和权重 / 255
7.1.6 实践1：BAT 是怎么建设标签体系的 / 256
7.1.7 实践2：BAT 是如何让标签赋能各个业务模块的 / 260
7.1.8 实践3：标签系统的局限和劣势 / 263
7.2 个性化推荐 / 264
7.2.1 运营必知的推荐系统流程 / 264
7.2.2 四个常见的推荐运营场景 / 266
7.2.3 个性化推荐是如何做到如此精准的 / 270
7.2.4 推荐系统的原罪：不仅推荐，还在探索 / 272
7.3 本章小结和思考 / 275
第三篇 用户增长的打法
第8 章 增长战略模型：S-C-I 战略模型 / 279
8.1 什么是S-C-I 战略模型 / 279
8.2 S-C-I 战略模型的核心逻辑 / 282
8.3 电商型产品的战略增长方向 / 285
8.4 社交类产品的战略增长方向 / 288
8.5 内容类产品的战略增长方向 / 290
8.6 本章小结和思考 / 291
第9 章 增长策略模型：3A3R 策略模型 / 292
9.1 概述 / 292
9.2 用户洞察 / 293
9.2.1 目标 / 293
9.2.2 策略和工具 / 293
9.2.3 输出 / 295
9.3 拉新获客 / 295
9.3.1 目标 / 295
9.3.2 策略和工具 / 296
9.3.3 输出 / 299
9.4 活跃和留存 / 300
9.4.1 概述 / 300
9.4.2 策略和工具 / 300
9.4.3 输出 / 301
9.5 收入 / 301
9.5.1 概述 / 301
9.5.2 策略和工具 / 302
9.5.3 输出 / 303
9.6 传播 / 303
9.6.1 概述 / 303
9.6.2 如何理解用户增长与裂变的关系 / 303
9.7 3A3R 策略模型的使用方法 / 310
9.7.1 方法1：向前找流量、向后做转化、自身看画像 / 310
9.7.2 方法2：自身指北，相邻伴随 / 312
9.8 3A3R 策略模型的本质：五度循环圈 / 313
9.9 本章小结和思考 / 316
后记 / 319
|
| 內容試閱：
|
1.我是磊叔
一眨眼，工作已12载，即将进入不惑之年。
我在数据领域的职业生涯大体可以分为三个阶段。
阶段，在某运营商从事企业数据域的架构开发工作，因为我是代码开发出身，在这之前已经做了4年多J2EE企业级开发。2009年又恰巧遇上Hadoop的起势，随着这个潮流又接触到Hadoop、Hive和Greenplum，于是和一群初生牛犊不怕虎的小伙伴把某某空间的底层数据架构从Oracle平滑迁移到了Greenplum。在把几千行的Oracle SQL代码一行一行地适配到Greenplum技术栈的过程中，面对与业务小伙伴的高频沟通，我开始留意每个数据背后的业务意义，逐步习惯从数据的角度来衡量业务，开始形成朴素的数据分析方法论。
这一点非常重要，对我接下来10年的职场生涯影响深远。
第二阶段，恰逢短视频兴起，于是进入BAT做短视频数据运营，我和小伙伴一起为短视频打造高可用的标签体系、精准完善的用户画像以及覆盖各种场景的推荐策略。在高节奏和高强度的工作中，我有幸和一群优秀的产品运营小伙伴共事，每天十几个小时耳濡目染产品运营、内容运营、活动运营、推送运营等内容。在这个阶段，我真正理解到数据是赋能运营效的工具和坚实的抓手。
第三阶段，我离开BAT 后服务于某金融机构，负责某金融产品的数据运营。这里要感谢我的上司，他拥有几十年大型跨国集团高层管理经验，让我学习到非常多的业务经营、用户经营、策略部署等思考方式。2019 年开始有机会在互联网上分享自己的经验，也有很多宝贵的机会与企业（特别是传统企业）运营负责人交流、探讨和碰撞数据化转型、数据化经营的想法。在这个阶段，不仅进一步验证和巩固了自己的数据运营方法论，同时还吸收了很多以往我完全意识不到的新的资讯，让我的数据运营方法论更加充实和完善。
在本书中你能看到很多运营策略、实践，以及成功或失败的案例分析。这些都是我对过去十几年数据生涯摸爬滚打中犯过的错、踩过的坑的经验总结。因为我坚信，成功的原因基本一致，而失败的经验却各不相同且更显宝贵。各位看官阅读此书后若能少踩一个坑，少走一段弯路，我就真心可以踏踏实实地喝一杯香浓的中杯热美式了。
2.这本书讲了什么内容？
这本书讲了3 件事：怎么做数据分析，怎么做数据运营，怎么做用户增长。
这3 个部分看似割裂，实则联系紧密。
部分，数据分析是基础。是否拥有逻辑清晰的数据分析思路，是否掌握高效易用的数据分析方法，直接决定了数据运营的执行效果。这个部分主要讲解数据分析的方法，包括数据预处理、数据分析的5 把利器，以及将数据转换为业务的B-O 价值模型。
数据预处理是容易被忽略的，造成数据分析效率低下和效果不佳的原因中，80% 是数据预处理未能达到要求。你或许听过数据治理，数据预处理是数据治理的核心组成部分。经过预处理的数据，规范且整洁，能使后续分析工作如虎添翼。本节重点讲述数据预处理的三大核心流程，以及使用Excel 就能完成的大部分数据预处理场景。
数据分析的5 把利器，是非常有用、有效又有趣的数据分析工具。
第1 把利器是描述性统计，它能帮助我们从整体和表象来评估数据。这部分不仅讲解了描述性统计中的数学原理，更从业务角度通透彻底地解读了描述性统计的业务价值，更精彩的是，在Excel 中点点鼠标即可高效实现。
第2 把利器是变化分析，从变化中寻找问题的可能切入口。这部分讲解了在Excel 中如何突出变化，以及根据业务需求自定义规则的高级条件格式的方法。
第3 把利器是指标体系，它是数据分析基础中的基础，核心中的核心。
这部分深入探讨业务运营中常见指标的意义和价值，其中更在北极星指标的基础上提出“伴随指标”理论，让基于北极星指标的运营体系更加完整，通用性更好，此外也带来实用的指标体系模板，方便读者即学即用。
第4 把利器是相关性分析，开始尝试定位数据背后的原因了。每次讲解相关性分析，我都会拿柯南、命案和凶手来举例，非常形象地解答了“相关和因果”这对极易混淆的概念背后的区别。相关性分析是定量定位原因的大杀器，除了在Excel 中进行相关性分析外，还列举了其他场景下的相关性分析算法。
第5 把利器是趋势预测，这是数据分析中有魅力的，原因在于基于历史数据可以科学地预测未来走势，提前部署运营策略。这部分会讲解2 种趋势预测方法，同样在Excel 中点点鼠标即可实现。
从数据转化为业务的B-O 价值模型，解决的是如何为数据分析结果制定准确业务策略的问题。在数据分析中，容易被人诟病的就是分析结果不落地，而B-O 价值模型恰恰为解决此问题而生。B-O 价值模型的诞生来自我老板之前的无心之言：任何指标背后都有一套完整的业务经营策略。我对其做了一点扩充和解读：任何指标背后都有一套完整的商业模型和与之对应的经营策略。这个模型稍微有点难度，要求有一定的业务经验积累。
第二部分，数据运营是抓手。是否清晰理解各种运营工具的原理、适用场景和运营策略，是否能够在正确的时间选择正确的运营工具，执行正确的运营策略，直接决定了用户增长的执行效果。数据运营是本书的核心，要求在掌握部分数据分析方法的基础上，将数据分析的各种方法带入数据运营的各种工具中，方能理解透彻，融会贯通。这个部分主要讲解场景运营的特性和模型、产品运营工具和模型、用户运营工具和模型以及内容运营工具和模型。
场景运营，是数据运营的指导思想。用户每时每刻都处在某个具体场景中，用户在具体场景中使用产品提供的功能和服务，在具体场景中进行生产和消费，在具体场景中暴露出自己的特征画像。工具需要用户场景来承载，功能需要用户场景来承载，服务需要用户场景来承载。这部分重点讲述场景运营的特点和场景运营模型，其中场景的3 个高阶特性是用户增长的理论基础。我会用可口可乐作为案例来讲解，希望能缓解单纯讲理论给读者带来的困乏枯燥。
产品运营的工具和模型部分，讲解了产品生命周期模型，特别突出每个阶段的特点、目标、运营策略和核心指标，以及8 个产品运营工具的原理、产品形态、运营策略和实践，精彩内容敬请移步正文详阅。
用户运营的工具和模型部分，讲解了用户生命周期模型、用户画像模型、用户分层和分群模型，以及5 个用户运营工具的原理、产品形态、运营策略和实践。如果您对这部分兴趣斐然，请与我联系，我会与你一起拆解我自己的用户画像特征，并尝试制定有趣的运营策略。
内容运营工具部分，讲解了标签体系和个性化推荐策略。这部分将深入探讨标签体系的本质、特点和运营场景，算得上是“读懂标签体系，看这篇就够了”。个性化推荐是我之前涉足的领域，也是当今所有产品基本都有的产品机制。个性化推荐的内容博大精深，这里只拆解常见的推荐场景和策略，顺便悄悄告诉你用户隐私是怎么暴露的。在这里我们不关心内容文案怎么写、标题怎么写、如何蹭热点、短视频怎么拍、如何运营抖音快手，而是会聚焦解答为什么要做内容运营，内容运营能给用户和产品带来什么价值和贡献，未来我的产品是否需要做内容场景和运营等策略性问题。
第三部分，用户增长是方向。如果将部分的数据分析方法比作舵手，将第二部分的数据运营玩法比作二副，那么用户增长的打法就是船长，控制着战略性的目标方向。这个部分主要讲解两个模型——S-C-I 战略模型和3A3R 策略模型。
S-C-I 战略模型是战略层增长模型，解决寻找合理可行的增长方向的问题。这个模型的诞生，来源于阿里某P9 分享的中国互联网底层逻辑，我在其基础上做了提炼。在爬取、分析和拆解了几十个产品的版本迭代记录后，我发现几乎所有互联网产品都不约而同地遵守这个模型来进行增长进化。
3A3R 策略模型，是对2A3R 模型（即海盗模型）的拓展，让模型更加健壮完善。这部分深入拆解3A3R 策略模型的底层逻辑，讲解洞察、获客、活跃、留存、营收和传播等模块的详细打法。特别的，我还会提及裂变和私域流量，并将其纳入3A3R 策略模型。
3.读完此书，你能学到什么？非常肯定地回答您，Python、R 语言、Excel 函数和VBA，以及高级数据分析软件，都学不到，您将学到：4 个有用的数据处理技巧。
5 个有效的数据分析利器。
24 个有料的数据运营工具。
重要的是，可以学习到体系化的数据化运营知识。掌握这些有什么用呢？让你异常高效地分析数据，“3 秒出结果”“点点鼠标出结果”，让你宝贵的精力更聚焦于业务和运营本身。
让你比别人懂得更多，看得更远，想得更深，实现自我升值和升职。
4.这本书适合你吗？和产品一样，每本书都有其目标客群，本书的目标客群画像特征如下：1）职业画像互联网运营从业者，包括但不限于产品运营、内容运营、平台运营、渠道运营、活动运营和流量运营等。
用户增长、市场或销售部门的中流砥柱们。
希望学习掌握数据分析、数据运营和用户增长的所有小伙伴。
2）技能画像会点鼠标！（没开玩笑，非常重要！）已安装 Office 2016 及以上版本。
受过大专及以上学历的高等教育。
3）个人画像自我提升。
主动学习。
您如果能够匹配上述8 个小点中的任何一点，那您就是本书的目标客群。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
