《用戶行為分析：如何用數據驅動增長》是機械工業出版社出版的圖書，作者是張溪夢和邢昊。
基本介紹
- 中文名：用戶行為分析：如何用數據驅動增長
- 作者：張溪夢 、邢昊
- 出版社：機械工業出版社
- 出版時間：2021年6月
- 頁數：312 頁
- 定價：69.9 元
- 裝幀：精裝
- ISBN：9787111681519
內容簡介,圖書目錄,作者簡介,
內容簡介
很多時候企業都是在摸索中前行，或基於自身的判斷來尋找和服務用戶。但對於用戶是誰、用戶在哪裡、用戶喜歡什麼、用戶會對什麼做出反應、用戶在商業場景中的什麼時間做過什麼等問題，很多企業都回答不出來。在當下，對用戶信息的了解和套用能力，很大程度上決定了企業在新競爭“食物鏈”上的排名。當新的生產要素—數據，逐漸進入大家的視野後，企業家們開始隱約意識到數據可能會成為新的發展動力、用戶行為數據將是激發企業創新活力的重要資源。但如何能擁有像虎鯨一樣的超音波定位系統，即全方位洞察用戶需求、滿足用戶需求的能力呢？
本書為幫助企業能在商業競爭中立於不敗之地，能對用戶行為數據發揮價值的過程建立系統的認知，並習得快速實踐的能力，讓企業高效落地數據驅動增長而撰寫。本書內容包括從商業進化的角度認識用戶行為數據的重要性及如何發揮其價值（第1章），用戶行為數據如何通過數據驅動增長金字塔（規劃、採集、分析、套用）為企業帶來貢獻（第2~5章），以及用戶行為數據驅動增長的實戰案例集（第6章）。
本書適合企業的高層管理者及有一定工作經驗的產品經理、數據分析師、網際網路運營人員、數據運營人員等閱讀。不管您身處網際網路企業，還是身處數位化轉型和升級的傳統企業，只要您擁有或者正在準備擁有自己的線上產品，便能通過本書找到“如何用數據驅動增長”的體系化內容。
圖書目錄
目 錄
推薦語
前 言 做“商海”中的虎鯨
致 謝
第1章 走進用戶行為數據分析
1.1 用戶行為數據登場 // 1
1.1.1 沒有用戶行為數據的困境 // 2
1.1.2 商業進化：一切向用戶靠攏 // 3
1.2 什麼是用戶行為數據 // 7
1.2.1 狹義的用戶行為數據 // 7
1.2.2 廣義的用戶行為數據 // 9
1.2.3 用戶行為數據的“5+1”要素 // 12
1.2.4 用戶行為數據的隱私與許可權 // 14
1.3 用戶行為數據的一個趨勢和兩個價值 // 15
1.3.1 一個趨勢：在數字孿生世界下，用戶行為數據的遷移 // 15
1.3.2 價值一：理解用戶需求，指導業務升級 // 17
1.3.3 價值二：預測用戶行為，引導業務創新 // 21
1.4 如何讓用戶行為數據發揮價值 // 26
1.4.1 用戶行為數據驅動增長常見的困難 // 26
1.4.2 數據驅動增長金字塔：規劃—採集—分析—套用 // 27
第2章 數據規劃
2.1 數據驅動增長的“總設計師” // 29
2.1.1 數據規劃常見的問題 // 29
2.1.2 如何進行數據規劃 // 31
2.2 指標體系規劃的三大思路 // 32
2.2.1 OSM模型 // 32
2.2.2 UJM模型 // 36
2.2.3 場景化 // 40
2.3 指標分級 // 42
2.4 數據看板 // 44
2.4.1 數據看板的意義 // 44
2.4.2 數據看板的分類：戰略看板、分析看板、實時看板 // 46
2.4.3 如何搭建數據看板 // 51
2.4.4 搭建數據看板常見的六大問題 // 58
第3章 數據採集
3.1 數據採集常見的問題 // 62
3.2 用戶行為數據採集方法：埋點和無埋點 // 64
3.2.1 埋點和無埋點的定義 // 64
3.2.2 埋點採集和無埋點採集的適用場景 // 68
3.2.3 不同場景如何選擇採集方式：以App註冊為例 // 70
3.2.4 客戶端埋點或服務端埋點 // 72
3.3 如何高效落地數據採集 // 74
3.3.1 埋點方案四要素 // 74
3.3.2 埋點的團隊協作流程 // 80
3.3.3 數據指標管理 // 84
3.4 數據集成，搭建客戶數據平台（CDP） // 87
3.4.1 從用戶行為數據到客戶數據平台 // 88
3.4.2 客戶數據平台的三種類型 // 91
3.4.3 實現客戶數據平台的四大原則 // 93
3.4.4 案例：電商如何搭建客戶數據平台 // 97
第4章 數據分析
4.1 業務導向的數據分析整體思路 // 104
4.2 用戶流轉地圖 // 106
4.2.1 全域—全局—局部 // 106
4.2.2 繪製用戶流轉地圖 // 107
4.2.3 案例：B2B企業官網的用戶流轉地圖 // 112
4.3 十大數據分析模型 // 116
4.3.1 事件分析 // 116
4.3.2 漏斗分析 // 118
4.3.3 熱圖分析 // 119
4.3.4 留存分析 // 122
4.3.5 留存魔法師 // 123
4.3.6 事件流分析 // 125
4.3.7 用戶分群分析 // 127
4.3.8 用戶細查 // 129
4.3.9 分布分析 // 130
4.3.10 歸因分析 // 131
4.4 渠道分析 // 133
4.4.1 找到最優投放渠道 // 133
4.4.2 打造黃金落地頁 // 138
4.5 運營分析 // 144
4.5.1 被低估的搜尋框 // 144
4.5.2 活動疊代分析 // 148
4.6 產品健康度分析 // 151
4.6.1 產品健康度是“用戶體驗的體檢” // 151
4.6.2 關鍵行為矩陣與功能留存矩陣 // 153
4.6.3 案例：內容型App的產品健康度分析 // 155
第5章 數據套用
5.1 數據套用無處不在 // 159
5.2 A/B測試 // 160
5.2.1 廣泛套用的A/B 測試 // 160
5.2.2 七個步驟建立A/B測試的閉環 // 162
5.2.3 案例：A/B測試提升影視會員產品的付費轉化率 // 172
5.3 產品疊代 // 174
5.3.1 產品疊代全流程 // 174
5.3.2 六大要素量化、評估產品疊代效果 // 177
5.3.3 案例：數據驅動App首頁疊代 // 181
5.4 精細化運營 // 189
5.4.1 精細化運營的關鍵 // 189
5.4.2 用戶標籤與用戶畫像 // 193
5.4.3 用戶分層運營 // 198
5.4.4 案例：盟大集團（產業網際網路）如何進行用戶全生命周期運營 // 206
5.5 機器學習 // 212
5.5.1 機器學習與數據挖掘 // 212
5.5.2 用戶行為數據提升推薦算法效率 // 215
5.5.3 案例：預測客戶購買行為 // 220
第6章 用戶行為數據驅動增長實戰
6.1 歐冶雲商：數據驅動B2B增長 // 226
6.1.1 B2B增長的挑戰和機遇 // 226
6.1.2 探索產品的核心價值主張 // 228
6.1.3 最佳化用戶轉化路徑 // 232
6.1.4 精細化的會員運營體系 // 242
6.2 推薦獲客量增長500%：好好住的增長團隊實踐 // 247
6.2.1 為什麼好好住要搭建增長團隊 // 247
6.2.2 從0到1搭建增長團隊的三個步驟 // 248
6.2.3 閉環式的工作流程 // 251
6.2.4 好好住的推送疊代 // 256
6.3 月活躍用戶數從0到8萬：地產行業如何打造小程式私域流量池 // 259
6.3.1 “公盤私客”發展過程中的問題與機遇 // 260
6.3.2 創新產品“中原C管家”的思考和孵化 // 261
6.3.3 0元推廣費用，“中原C管家”的增長效果 // 265
6.3.4 用戶行為數據賦能經紀人行銷 // 268
6.4 酷開網路：增長無處不在，OTT領航家庭經濟的數位化轉型 // 273
6.4.1 酷開網路的增長框架 // 273
6.4.2 明道：洞察家庭用戶與精細化場景流程 // 276
6.4.3 取勢：指標管理體系建設，挖掘精細化流量的價值 // 277
6.4.4 優術：分析引擎體系建設，提升轉化率 // 282
6.4.5 踐行：關注用戶全生命周期，用增長實驗實現流量再生 // 287
6.4.6 案例：洞察流量—大轉盤抽獎活動的用戶旅程 // 287
後記 // 295
作者簡介
張溪夢，GrowingIO創始人，踐行數據驅動增長20餘年，在創建GrowingIO之前，曾就職於eBay和LinkedIn。在LinkedIn任美國商業分析部高級總監，親手創建了近百人的商業數據分析和數據科學團隊，支撐LinkedIn所有與營收相關業務的高速增長。2013年，Data Science Central評選其為“世界前十位前沿數據科學家”。2015年5月，回國創立GrowingIO，致力於幫助企業提升數據驅動能力，實現更好的增長。與此同時，張溪夢也是暢銷書《首席增長官》的作者和《增長黑客》的譯者。
邢昊，GrowingIO諮詢服務副總裁，畢業於清華大學自動化系和經管學院，擁有16年的企業數字戰略轉型、網際網路行銷和信息化管理諮詢經驗。加入GrowingIO後，帶領諮詢服務團隊為如家、安踏、方太、招商仁和人壽、獵聘、站酷、陌陌等上百家傳統企業和網際網路企業提供增長諮詢服務，協助企業打造增長型組織，執行增長策略，實現數位化業務占比增加、用戶生命價值增長和網際網路行銷效率提升等實戰成果，廣受業內認可與好評。
