《網站數據挖掘與分析：系統方法與商業實踐》是2015年機械工業出版社出版的圖書，作者是宋天龍。
基本介紹
- 書名：網站數據挖掘與分析：系統方法與商業實踐
- 作者：宋天龍
- ISBN：9787111490593
- 類別：軟硬體開發
- 頁數：476
- 定價：89.00元
- 出版社：機械工業出版社
- 出版時間：2015-02-01
- 裝幀：平裝
- 開本：16
- 著作權方：北京華章圖文信息有限公司
內容簡介,編輯推薦,作者簡介,目錄,
內容簡介
這是一本寫網站數據分析的專業書，有思路，有分析方法，有分析工具講解和案例剖析。推薦數據分析、網站運營等人士閱讀。作者宋天龍是中國新生代的網站數據分析界“大拿”的代表，其對網站數據分析的理解是行業中數一數二的。他把他對網站數據分析的闡釋和領會一覽無餘地吐露在本書中，並分四篇深入淺出地講述了從企業數據體系建設之初，到網站分析工具的選擇與部署，再到實際案例分析，最後收尾於其對網站數據分析的升華與提高，尤其是引人入勝的第15章對網站數據分析的投入與產出的分析，更是充分展示了宋天龍對網站數據分析遊刃有餘的拿捏。據此，我推薦任何剛入門及所有對網站數據分析感興趣的朋友來學習和閱讀，如果可能，與宋天龍一起切磋和提高。
編輯推薦
線上數據分析領域巨擘Webtrekk官方資深數據分析專家撰寫，目前具系統性、深度和商業指導價值的Web數據挖掘與分析專著;技術層面，系統講解網站數據分析的各種指標、工具、技術和方法；套用層面，通過10餘商業案例還原真實的數據分析場景；管理層面，深入探討如何進行數據風險、數據質量、數據投入和產出、數據流程和落地管理。
作者簡介
宋天龍（TonySong） ，Webtrekk（德國的網站數據分析服務提供商）中國區技術和諮詢負責人，前國美線上數據分析經理， 數據研究與商業套用博主，資深數據分析領域專家。擁有豐富的數據項目套用經驗，參與過公司級流量數據倉庫建設、企業BI和DMP搭建、RTB和DSP、站內個性化推薦等大型數據工作項目。參與實施客戶案例包括國美、庫巴、迪信通，Esprit中國、豬八戒、樂視商城、泰康人壽、合眾人壽、酒仙網等，Webpower、德國OTTO集團電子商務（中國）。等，合作培訓的項目包括數盟、網際網路分析沙龍、Netconcepts、truemetrics、中商聯數據分析委等。蘿蔔課堂特邀講師，百度文庫認證作家、站長之家、網際網路分析沙龍專欄作家。
目錄
本書讚譽
前 言
認知篇
第1章 科學地認識網站的數據分析 2
1.1 企業為什麼要對網站的數據進行分析 2
1.1.1 網站數據分析能為“誰”解決問題 2
1.1.2 網站數據分析能解決哪些問題 3
1.1.3 常見的幾種“分析”概念 5
1.2 網站數據分析的5個誤區 7
1.3 識別網站數據具有欺騙性的3種形態 11
1.4 輔助決策與數據驅動的爭議 15
1.4.1 輔助決策 15
1.4.2 數據驅動 16
1.4.3 輔助決策與數據驅動差異點 17
1.5 本章小結 17
第2章 從零開始建立企業數據體系 18
2.1 數據價值最大化的定位 18
2.1.1 數據價值定位的基本原則 18
2.1.2 數據價值的4種常見定位 20
2.2 企業數據的職能架構與組成 21
2.2.1 企業內部的職能架構 22
2.2.2 企業外部的職能架構 25
2.3 企業數據技術架構與組成 26
2.3.1 數據收集層 27
2.3.2 數據存儲層 28
2.3.3 數據計算層 29
2.3.4 數據管理層 34
2.3.5 數據套用層 35
2.4 本章小結 36
第3章 從零開始建立數據分析師個人成長體系 37
3.1 數據分析師的完整知識結構 37
3.2 對數據分析師的職能素質要求 40
3.2.1 工作方向劃分 40
3.2.2 工作職位劃分 41
3.3 數據分析師成長的4個階段 42
3.4 給數據分析師的5點建議 45
3.5 本章小結 47
基礎篇
第4章 網站數據採集和配置 50
4.1 網站分析系統的數據工作機制 50
4.1.1 數據採集 50
4.1.2 數據處理 53
4.1.3 數據報告 55
4.2 網站代碼部署 55
4.2.1 通用全局的腳本部署 56
4.2.2 通用頁面的腳本部署 59
4.2.3 特定頁面的腳本部署 62
4.3 系統功能配置 63
4.3.1 數據安全設定 63
4.3.2 數據處理設定 64
4.3.3 數據轉化設定 79
4.3.4 數據整合設定 81
4.3.5 數據智慧型工作設定 82
4.4 本章小結 86
第5章 網站分析工具的選擇 87
5.1 網站分析工具 87
5.1.1 Adobe Analytics 89
5.1.2 Webtrekk 106
5.1.3 Webtrends 112
5.1.4 Google Analytics 114
5.1.5 IBM Coremetrics 122
5.1.6 Piwik 125
5.1.7 百度統計 127
5.2 移動分析工具 128
5.2.1 Flurry 128
5.2.2 友盟 134
5.3 如何選擇網站分析工具 135
5.3.1 整體解決方案的能力 135
5.3.2 產品易用性 136
5.3.3 功能豐富性 137
5.3.4 增值服務價值 140
5.3.5 價格和費用 141
5.4 本章小結 142
第6章 網站數據整合的方法 143
6.1 網站數據整合的意義 143
6.2 網站數據整合的範疇 144
6.2.1 業務數據整合 144
6.2.2 IT數據整合 153
6.3 網站數據整合的方法 156
6.3.1 線上數據整合 156
6.3.2 本地數據整合 163
6.4 本章小結 170
第7章 數據監測與評估指標 171
7.1 業務效果流指標 171
7.1.1 站外推廣類指標 171
7.1.2 網站運營類指標 172
7.1.3 企業會員類指標 182
7.1.4 呼叫中心類指標 186
7.1.5 倉儲配送類指標 188
7.2 成本控制流指標 193
7.3 收益控制流指標 197
7.4 本章小結 201
第8章 數據分析場景和方法 202
8.1 以效果預測為目的的數據分析 202
8.1.1 效果預測是什麼 202
8.1.2 效果預測的兩種類型 203
8.1.3 效果預測的套用場景 203
8.1.4 預測結果的常用方法 204
8.2 以結論定義為目的的數據分析 211
8.2.1 結論定義是什麼 211
8.2.2 結論定義的4種方向 212
8.2.3 結論定義的3個誤區 213
8.2.4 下結論的常用方法 215
8.3 以數據探究為目的的數據分析 218
8.3.1 數據探究是什麼 218
8.3.2 數據探究的兩種類型 218
8.3.3 探究原因的分析方法 219
8.4 以業務執行為目的的數據分析 222
8.4.1 業務執行是什麼 222
8.4.2 業務執行的兩種類型 222
8.4.3 提取業務執行建議的常用方法 223
8.5 正確的數據模型與算法選擇觀 228
8.6 本章小結 229
案例篇
第9章 網站數據的行銷輔助套用 232
9.1 網站行銷分析輔助決策報告矩陣 232
9.2 三種常用的網站行銷分析場景 239
9.2.1 行銷前的媒體規劃與效果預測 239
9.2.2 行銷時的異常檢測與及時反饋 241
9.2.3 行銷結果總結與項目分析 243
9.3 常用的網站行銷分析維度 245
9.3.1 目標端 245
9.3.2 媒體端 245
9.3.3 用戶端 249
9.3.4 網站端 249
9.3.5 競爭端 251
9.3.6 其他因素 252
9.4 網站行銷輔助決策四大案例 253
9.4.1 惡意流量分析 253
9.4.2 多渠道訂單歸因分析 259
9.4.3 渠道效果聚類 274
9.4.4 行銷效果分析 286
9.5 本章小結 295
第10章 數據驅動下的數字行銷套用 297
10.1 數字行銷的概念和範圍 297
10.2 數字行銷發展的三個階段 298
10.3 個性化媒體投放的價值 298
10.4 個性化媒體投放的技術架構 299
10.4.1 數據層 300
10.4.2 算法層 301
10.4.3 API層 304
10.4.4 套用層 305
10.5 個性化媒體投放的實現 306
10.5.1 個性化媒體投放的實現方式 306
10.5.2 如何選擇優秀的服務提供商 307
10.6 個性化媒體投放的問題 307
10.7 本章小結 309
第11章 網站數據的運營輔助套用 310
11.1 網站運營分析輔助決策報告矩陣 310
11.2 三類常見的網站運營分析場景 311
11.2.1 點：面向單體坑位的輔助分析 311
11.2.2 線：面向站內流程的最佳化與提高 314
11.2.3?面：面向整體網站資源的價值最大化 318
11.3 常用的網站運營分析維度 319
11.3.1 目標端 319
11.3.2 運營端 320
11.3.3 用戶端 322
11.3.4 網站端 323
11.3.5 競爭端 324
11.3.6 其他因素 325
11.4 網站運營輔助決策四大案例 325
11.4.1 站內廣告位效果標桿管理 326
11.4.2 網站用戶調研 330
11.4.3 站內活動分析 338
11.4.4 商品銷售診斷 354
11.5 本章小結 362
第12章 數據驅動下的個性化運營套用 363
12.1 網站運營的概念和範圍 363
12.2 網站運營發展的三種形態 364
12.3 個性化網站運營的價值 364
12.4 個性化網站運營的套用 365
12.4.1 個性化網站運營的線上套用 365
12.4.2 個性化網站運營的離線套用 368
12.5 個性化網站運營的實現 369
12.6 個性化網站運營遇到的問題 371
12.7 本章小結 372
提高篇
第13章 數據風險管理與控制 374
13.1 數據風險管理的概念 374
13.2 數據風險管理的類型 375
13.3 數據風險管理的原則 378
13.4 數據風險管理與控制 379
13.5 本章小結 383
第14章 數據質量把控與建設 384
14.1 數據質量建設的內涵 384
14.2 數據質量建設的原則 386
14.3 影響數據質量的常見因素 389
14.4 數據質量建設的框架 391
14.4.1 數據質量管理 391
14.4.2 數據監督管理 398
14.4.3 數據生命周期管理 399
14.5 本章小結 402
第15章 數據投入與產出管理 404
15.1 數據投入與產出的內涵 404
15.2 數據投入與產出的特徵 405
15.3 數據投入與產出的管理 406
15.3.1 數據投入管理 406
15.3.2 數據產出管理 408
15.3.3 數據投入與產出最佳化 410
15.4 本章小結 413
第16章 數據流程與落地管理 414
16.1 數據流程與落地管理的內涵 414
16.2 數據流程與落地管理的意義 415
16.3 數據流程與落地管理的策略 416
16.4 數據流程與落地管理的框架 418
16.4.1 數據需求管理 419
16.4.2 項目工作流程 421
16.4.3 數據培訓體系 424
16.4.4 許可權管理流程 426
16.4.5 數據知識管理 427
16.5 本章小結 428
附錄A 網站分析工具的特性及代碼部署 429
附錄B 企業網站數據工作的局限與發展 457
前 言
認知篇
第1章 科學地認識網站的數據分析 2
1.1 企業為什麼要對網站的數據進行分析 2
1.1.1 網站數據分析能為“誰”解決問題 2
1.1.2 網站數據分析能解決哪些問題 3
1.1.3 常見的幾種“分析”概念 5
1.2 網站數據分析的5個誤區 7
1.3 識別網站數據具有欺騙性的3種形態 11
1.4 輔助決策與數據驅動的爭議 15
1.4.1 輔助決策 15
1.4.2 數據驅動 16
1.4.3 輔助決策與數據驅動差異點 17
1.5 本章小結 17
第2章 從零開始建立企業數據體系 18
2.1 數據價值最大化的定位 18
2.1.1 數據價值定位的基本原則 18
2.1.2 數據價值的4種常見定位 20
2.2 企業數據的職能架構與組成 21
2.2.1 企業內部的職能架構 22
2.2.2 企業外部的職能架構 25
2.3 企業數據技術架構與組成 26
2.3.1 數據收集層 27
2.3.2 數據存儲層 28
2.3.3 數據計算層 29
2.3.4 數據管理層 34
2.3.5 數據套用層 35
2.4 本章小結 36
第3章 從零開始建立數據分析師個人成長體系 37
3.1 數據分析師的完整知識結構 37
3.2 對數據分析師的職能素質要求 40
3.2.1 工作方向劃分 40
3.2.2 工作職位劃分 41
3.3 數據分析師成長的4個階段 42
3.4 給數據分析師的5點建議 45
3.5 本章小結 47
基礎篇
第4章 網站數據採集和配置 50
4.1 網站分析系統的數據工作機制 50
4.1.1 數據採集 50
4.1.2 數據處理 53
4.1.3 數據報告 55
4.2 網站代碼部署 55
4.2.1 通用全局的腳本部署 56
4.2.2 通用頁面的腳本部署 59
4.2.3 特定頁面的腳本部署 62
4.3 系統功能配置 63
4.3.1 數據安全設定 63
4.3.2 數據處理設定 64
4.3.3 數據轉化設定 79
4.3.4 數據整合設定 81
4.3.5 數據智慧型工作設定 82
4.4 本章小結 86
第5章 網站分析工具的選擇 87
5.1 網站分析工具 87
5.1.1 Adobe Analytics 89
5.1.2 Webtrekk 106
5.1.3 Webtrends 112
5.1.4 Google Analytics 114
5.1.5 IBM Coremetrics 122
5.1.6 Piwik 125
5.1.7 百度統計 127
5.2 移動分析工具 128
5.2.1 Flurry 128
5.2.2 友盟 134
5.3 如何選擇網站分析工具 135
5.3.1 整體解決方案的能力 135
5.3.2 產品易用性 136
5.3.3 功能豐富性 137
5.3.4 增值服務價值 140
5.3.5 價格和費用 141
5.4 本章小結 142
第6章 網站數據整合的方法 143
6.1 網站數據整合的意義 143
6.2 網站數據整合的範疇 144
6.2.1 業務數據整合 144
6.2.2 IT數據整合 153
6.3 網站數據整合的方法 156
6.3.1 線上數據整合 156
6.3.2 本地數據整合 163
6.4 本章小結 170
第7章 數據監測與評估指標 171
7.1 業務效果流指標 171
7.1.1 站外推廣類指標 171
7.1.2 網站運營類指標 172
7.1.3 企業會員類指標 182
7.1.4 呼叫中心類指標 186
7.1.5 倉儲配送類指標 188
7.2 成本控制流指標 193
7.3 收益控制流指標 197
7.4 本章小結 201
第8章 數據分析場景和方法 202
8.1 以效果預測為目的的數據分析 202
8.1.1 效果預測是什麼 202
8.1.2 效果預測的兩種類型 203
8.1.3 效果預測的套用場景 203
8.1.4 預測結果的常用方法 204
8.2 以結論定義為目的的數據分析 211
8.2.1 結論定義是什麼 211
8.2.2 結論定義的4種方向 212
8.2.3 結論定義的3個誤區 213
8.2.4 下結論的常用方法 215
8.3 以數據探究為目的的數據分析 218
8.3.1 數據探究是什麼 218
8.3.2 數據探究的兩種類型 218
8.3.3 探究原因的分析方法 219
8.4 以業務執行為目的的數據分析 222
8.4.1 業務執行是什麼 222
8.4.2 業務執行的兩種類型 222
8.4.3 提取業務執行建議的常用方法 223
8.5 正確的數據模型與算法選擇觀 228
8.6 本章小結 229
案例篇
第9章 網站數據的行銷輔助套用 232
9.1 網站行銷分析輔助決策報告矩陣 232
9.2 三種常用的網站行銷分析場景 239
9.2.1 行銷前的媒體規劃與效果預測 239
9.2.2 行銷時的異常檢測與及時反饋 241
9.2.3 行銷結果總結與項目分析 243
9.3 常用的網站行銷分析維度 245
9.3.1 目標端 245
9.3.2 媒體端 245
9.3.3 用戶端 249
9.3.4 網站端 249
9.3.5 競爭端 251
9.3.6 其他因素 252
9.4 網站行銷輔助決策四大案例 253
9.4.1 惡意流量分析 253
9.4.2 多渠道訂單歸因分析 259
9.4.3 渠道效果聚類 274
9.4.4 行銷效果分析 286
9.5 本章小結 295
第10章 數據驅動下的數字行銷套用 297
10.1 數字行銷的概念和範圍 297
10.2 數字行銷發展的三個階段 298
10.3 個性化媒體投放的價值 298
10.4 個性化媒體投放的技術架構 299
10.4.1 數據層 300
10.4.2 算法層 301
10.4.3 API層 304
10.4.4 套用層 305
10.5 個性化媒體投放的實現 306
10.5.1 個性化媒體投放的實現方式 306
10.5.2 如何選擇優秀的服務提供商 307
10.6 個性化媒體投放的問題 307
10.7 本章小結 309
第11章 網站數據的運營輔助套用 310
11.1 網站運營分析輔助決策報告矩陣 310
11.2 三類常見的網站運營分析場景 311
11.2.1 點：面向單體坑位的輔助分析 311
11.2.2 線：面向站內流程的最佳化與提高 314
11.2.3?面：面向整體網站資源的價值最大化 318
11.3 常用的網站運營分析維度 319
11.3.1 目標端 319
11.3.2 運營端 320
11.3.3 用戶端 322
11.3.4 網站端 323
11.3.5 競爭端 324
11.3.6 其他因素 325
11.4 網站運營輔助決策四大案例 325
11.4.1 站內廣告位效果標桿管理 326
11.4.2 網站用戶調研 330
11.4.3 站內活動分析 338
11.4.4 商品銷售診斷 354
11.5 本章小結 362
第12章 數據驅動下的個性化運營套用 363
12.1 網站運營的概念和範圍 363
12.2 網站運營發展的三種形態 364
12.3 個性化網站運營的價值 364
12.4 個性化網站運營的套用 365
12.4.1 個性化網站運營的線上套用 365
12.4.2 個性化網站運營的離線套用 368
12.5 個性化網站運營的實現 369
12.6 個性化網站運營遇到的問題 371
12.7 本章小結 372
提高篇
第13章 數據風險管理與控制 374
13.1 數據風險管理的概念 374
13.2 數據風險管理的類型 375
13.3 數據風險管理的原則 378
13.4 數據風險管理與控制 379
13.5 本章小結 383
第14章 數據質量把控與建設 384
14.1 數據質量建設的內涵 384
14.2 數據質量建設的原則 386
14.3 影響數據質量的常見因素 389
14.4 數據質量建設的框架 391
14.4.1 數據質量管理 391
14.4.2 數據監督管理 398
14.4.3 數據生命周期管理 399
14.5 本章小結 402
第15章 數據投入與產出管理 404
15.1 數據投入與產出的內涵 404
15.2 數據投入與產出的特徵 405
15.3 數據投入與產出的管理 406
15.3.1 數據投入管理 406
15.3.2 數據產出管理 408
15.3.3 數據投入與產出最佳化 410
15.4 本章小結 413
第16章 數據流程與落地管理 414
16.1 數據流程與落地管理的內涵 414
16.2 數據流程與落地管理的意義 415
16.3 數據流程與落地管理的策略 416
16.4 數據流程與落地管理的框架 418
16.4.1 數據需求管理 419
16.4.2 項目工作流程 421
16.4.3 數據培訓體系 424
16.4.4 許可權管理流程 426
16.4.5 數據知識管理 427
16.5 本章小結 428
附錄A 網站分析工具的特性及代碼部署 429
附錄B 企業網站數據工作的局限與發展 457
