《數據產品經理：解決方案與案例分析》是2022年機械工業出版社出版的圖書。
基本介紹
- 中文名：數據產品經理：解決方案與案例分析
- 出版時間：2022年11月1日
- 出版社：機械工業出版社
- ISBN：9787111711056
內容簡介,圖書目錄,
內容簡介
這是一本能幫助讀者快速獲取數據產品實戰能力數據項目實戰能力的著作。全書內容以案例方式組織，圍繞數據建設、數據行銷、數據驅動3大主題，用14個綜合案例進行完整再現和深度復盤，為近10個行業的數據產品提供了可直接參考的解決方案，這些方案同時也適用於其他行業。每個案例從項目背景、方案設計、實現過程、總結與思考等維度展開闡述，層次清晰，可參考性強。
全書共14章，分為三部分：數據建設、數據行銷和數據驅動。
第一部分 數據建設（第1~2章）
數據建設是數據運轉的基礎，是數據發揮價值的關鍵。良好的數據建設能夠降低數據套用的開發成本，提升數據使用者的效率。本部分包含兩章，分別介紹了自動化數據分析平台的搭建和數據埋點的工作流程等。
第二部分 數據行銷（第3~9章）
行銷是每個公司的業務核心，良好的數據行銷平台為行銷提供非常大的助力。本部分主要介紹如何利用數據中台、大數據平台助力行銷，如何利用社會化聆聽輔助商業決策，重點分析金融、零售、快消、汽車、遊戲等多個行業的項目，具有較高的參考價值。此外，還介紹了商品分析方法和初創公司數據運營實踐。
第三部分 數據驅動（第10~14章）
數據產品經理可以進駐公司的每個部門，驅動該部門的業務發展，成為公司運轉的核心和動力。本部分介紹的案例包括語音數據處理與商業套用、網約車安全性的數據化解決方案、智慧安防中的智慧型視頻產品、AI技術在視頻平台上的套用、數據產品經理在推薦中的價值，這些案例都屬於數據產品的一個分支——策略產品的範疇，有的案例主要以AI技術實現。
圖書目錄
前言
第一部分 數據建設
第1章 自動化數據分*台的搭建
1.1 問題和現狀
1.1.1 項目管理
1.1.2 重複勞動
1.1.3 工作流程
1.1.4 數據交付
1.1.5 小結
1.2 需求分析
1.2.1 流程梳理
1.2.2 數據需求方
1.2.3 數據分析師
1.2.4 產品經理
1.2.5 開發人員
1.2.6 小結
1.3 *台搭建
1.3.1 功能架構
1.3.2 數據需求單
1.3.3 數據分析單
1.3.4 數據分析過程
1.3.5 數據源
1.3.6 數據倉庫對接
1.3.7 底表管理
1.3.8 數據探索
1.3.9 自動任務調度
1.3.10 數據交付
1.3.11 賬號體系
1.3.12 小結
1.4 項目問答
1.4.1 需求方是誰
1.4.2 哪些方面花的精力多
1.4.3 本項目的產品經理需要掌握哪些技能
1.4.4 如*衡成本與收益
第2章 數據埋點的套用場景、工作流程與案例分析
2.1 數據埋點的套用場景
2.1.1 數據埋點的作用
2.1.2 後端數據埋點的分類
2.2 數據埋點的工作流程
2.2.1 數據埋點的流程圖
2.2.2 數據埋點的日常流程
2.2.3 數據埋點工作中的常見問題及應對措施
2.3 埋點需求實戰案例
2.3.1 業務線坑位埋點位置
2.3.2 業務線坑位截圖
2.3.3 頁面坑位埋點
2.3.4 上線時間
2.3.5 需求計畫時間裡程碑
2.3.6 埋點測試報告
2.3.7 上線公告?
2.3.8 上線驗收說明
2.3.9 驗收結果報告
2.4 埋點規範樣例與測試樣例
2.4.1 App端曝光埋點、點擊埋點樣例說明
2.4.2 本次埋點的曝光、點擊測試
2.5 埋點“七字訣”
第二部分 數據行銷
第3章 數據中台和業務中台如何賦能自動化行銷
3.1 我們做自動化行銷的起因與整體思路
3.2 方法論：用戶運營體系
3.3 產品功能架構
3.4 數據中台為行銷側提供數據服務
3.5 模組一：行銷自動化
3.6 模組二：線上活動管理
第4章 零售行業大數*台的構建和商業套用
4.1 *台背景
4.2 *台核心價值
4.3 *台實現過程
4.3.1 數據準備
4.3.2 數據分析與建模
4.3.3 商業套用場景舉例
4.4 產品經理工作方法總結
第5章 輿情大數據助力精準化行銷
5.1 ?輿情大數*台的意義
5.2 產品實現
5.2.1 研發背景
5.2.2 *台業務架構設計
5.2.3 業務數位化過程
5.2.4 私有化部署
5.3 產品商業套用
5.3.1 大數據支持產品創新全流程
5.3.2 消費者產品體驗全網觸點覆蓋
5.3.3 行銷效果監測
5.3.4 品牌資產建設
5.3.5 電商監測（銷量和輿情）
5.3.6 渠道重點客戶畫像
5.4 輿情大數據精準行銷商業價值
第6章 利用社會化聆聽輔助商業決策
6.1 社會化聆聽的定義與商業價值
6.1.1 社會化聆聽的定義
6.1.2 社會化聆聽的商業價值
6.2 如何進行社會化聆聽
6.2.1 確定業務目標
6.2.2 確定數據來源
6.2.3 選擇合適的工具
6.2.4 將分析結果轉化為有價值的商業情報
6.3 案例：凱迪拉克的口碑數據挖掘
6.3.1 數據獲取
6.3.2 分析目的
6.3.3 數據特徵及分類
6.3.4 消費者購車目的分析
6.3.5 了解消費者關注的典型話題
6.3.6 從消費者的負面評價中挖掘待改進的方面
6.3.7 挖掘影響消費者購車的重要因素
6.3.8 基於微*數據的消費者興趣挖掘
6.3.9 基於評*內容的品牌調性挖掘
6.4 社會化聆聽產品化解決方案的大致思路
6.4.1 數據採集來源
6.4.2 業務分類體系
6.4.3 統計分析挖掘
6.4.4 可視化呈現
6.5 題外話：數據產品經理的相關技能
6.5.1 產品經理在這個項目中的角色
6.5.2 這個項目的產品經理需要具備哪些技能
第7章 商品分析方法
7.1 商品分析總覽
7.2 商品分析目標
7.3 商品分析核心環節
7.3.1 銷
7.3.2 存
7.3.3 進
7.4 商品分析的相關部門
第8章 遊戲商業化的關鍵問題和解決方案
8.1 體驗與商業化能力可否兼得
8.1.1 什麼是好遊戲
8.1.2 手遊商業模式
8.1.3 通過數*台找*衡點
8.2 遊戲商業化過程中常見的關鍵問題
8.2.1 禮包推薦的核心問題
8.2.2 內購盈利模式下的二八定律
8.2.3遊戲平衡性問題
8.2.4不同地域人群的偏好
8.2.5短期利益與長期利益的權衡
8.2.6反作弊的權衡問題
8.2.7 廣告成本問題
8.3基於規則引擎的多試驗組測試
8.3.1IAP商業化問題拆解
8.3.2規則引擎產品架構解析
8.3.3禮包生產模組
8.3.4規則模組
8.3.5複雜實驗的創建
8.4專題案例：構建廣告成本最佳化模型
8.4.1如何節省投放成本
8.4.2模型核心邏輯
第9章在B端初創公司做數據運營
9.1什麼是數據運營
9.1.1數據運營的定義
9.1.2數據運營與數據分析、數據產品的區別
9.1.3在公司不同發展階段數據運營人員的重點工作
9.2初創公司是否需要數據運營
9.2.1初創公司的共同特徵
9.2.2數據運營為初創公司的發展提速
9.3我在初創公司如何做數據運營
9.3.1市場探索期
9.3.2產品打磨期
9.3.3市場增長期
9.3.4商業變現期
9.4數據運營的成功要素
第三部分數據驅動
第10章海量語音數據的文本轉寫、分析、挖掘與商業套用
10.1項目特色
10.2研發目標
10.3關鍵點及難點
10.4技術實現過程
10.4.1技術架構
10.4.2ASR模型化
10.4.3系統構成
10.5對語音識別出的文本數據的套用
10.5.1全面質檢模型
10.5.2智慧型匹配客戶
10.5.3智慧型服務語言推薦
10.6項目效益
10.6.1經濟效益
10.6.2工作方式的改變
10.6.3語音轉文本數據的深度挖掘
第11章提升網約車安全性的數據化解決方案
11.1出行安全的背景
11.2網約車安全的定義
11.2.1交通安全
11.2.2司乘安全
11.3安全解決方案的制定
11.3.1交通安全解決方案
11.3.2司乘安全解決方案
11.4交通安全的四階段展望
第12章視頻數據分析實戰：智慧安防中的智慧型視頻產品
12.1智慧安防整體介紹
12.1.1智慧安防的概念
12.1.2智慧安防的效果
12.1.3智慧安防的使用場景
12.1.4智慧安防的核心套用——智慧視頻產品
12.2智慧型視頻產品
12.2.1視頻搜尋查詢
12.2.2圖像識別查詢
第13章AI產品經理的工作日常與AI技術在視頻平台上的套用
13.1A知識簡單科普
13.2AI產品經理的工作內容與路線13.2.1AI產品經理的日常工作內容
13.2.2AI產品經理的工作路線
13.3Al技術在視頻平台上的套用
13.3.1案例1：智慧型審核
13.3.2案例2：智慧型封面圖
13.3.3案例3：智慧型拆條
第14章數據產品經理在推薦中的價值
14.1推薦系統簡介
14.1.1什麼是推薦系統
14.1.2推薦系統的技術架構
14.2關於推薦系統三要素的思考
14.2.1信息維度
14.2.2用戶維度
14.2.3平台維度
14.3推薦系統的A/B測試
14.4關於經典套用場景的思考
14.4.1電商信息流
14.4.2長視頻底層頁推薦
14.4.3短視頻實時插入推薦
14.5短視頻平台推薦系統的分析
14.5.1產品經理競品分析的基礎架構
14.5.2推薦系統競品分析的特點
14.5.3抖音和快手的推薦系統分析
後記
