數(shù)據(jù)分析咖哥十話(huà)：從思維到實(shí)踐促進(jìn)運(yùn)營(yíng)增長(zhǎng)

引子 小雪求職記
基礎(chǔ)篇 數(shù)據(jù)分析師的錦囊
一、欲善其事先利器：數(shù)據(jù)分析技能進(jìn)階圖譜
二、深入業(yè)務(wù)尋價(jià)值：價(jià)值源于深度理解場(chǎng)景
三、積跬步以察千里：數(shù)據(jù)的采集與治理
四、瀝盡狂沙方見(jiàn)金：數(shù)據(jù)的清洗與可視化
五、營(yíng)運(yùn)之道無(wú)定法：數(shù)據(jù)分析的核心方法
六、增長(zhǎng)踐行成于思：數(shù)據(jù)分析的關(guān)鍵思維
實(shí)踐篇 數(shù)據(jù)運(yùn)營(yíng)分析十話(huà)
卷一 獲客
第 一話(huà) 橫看成嶺側(cè)成峰：用戶(hù)畫(huà)像揭示秘密
1．1 問(wèn)題：這款推廣海報(bào)好不好
1．2 概念：用戶(hù)畫(huà)像
1．3 工具： Python 數(shù)據(jù)分析編程基礎(chǔ)
1．3．1 Python 的極簡(jiǎn)說(shuō)明
1．3．2 Python 中的序列數(shù)據(jù)類(lèi)型
1．3．3 數(shù)學(xué)計(jì)算工具包 NumPy
1．3．4 數(shù)據(jù)處理工具包 Pandas
1．3．5 數(shù)據(jù)可視化工具包 Matplotlib和Seaborn
1．4 實(shí)戰(zhàn)：哪一類(lèi)人才是真正的買(mǎi)家
1．4．1 數(shù)據(jù)讀入及簡(jiǎn)單分析
1．4．2 用戶(hù)整體畫(huà)像
1．4．3 購(gòu)買(mǎi)眼影盤(pán)用戶(hù)的畫(huà)像
1．5 結(jié)論
第二話(huà) 遠(yuǎn)近高低各不同：聚類(lèi)實(shí)現(xiàn)RMF細(xì)分
2．1 問(wèn)題：如何通過(guò)細(xì)分用戶(hù)指導(dǎo)運(yùn)營(yíng)
2．2 概念：用戶(hù)細(xì)分
2．2．1 用戶(hù)畫(huà)像是了解用戶(hù)的第 一步
2．2．2 用用戶(hù)行為數(shù)據(jù)指導(dǎo)精細(xì)化運(yùn)營(yíng)
2．2．3 進(jìn)行同期群分析揭示獲客時(shí)的秘密
2．2．4 根據(jù)特征和價(jià)值進(jìn)行用戶(hù)分組
2．3 工具：RFM 分析和聚類(lèi)算法
2．3．1 RFM 分析
2．3．2 聚類(lèi)算法
2．4 實(shí)戰(zhàn)：基于 RFM 模型的用戶(hù)細(xì)分
2．4．1 整體思路
2．4．2 數(shù)據(jù)讀入和可視化
2．4．3 根據(jù) R 值為用戶(hù)新近度分層
2．4．4 根據(jù) F 值為用戶(hù)消費(fèi)頻率分層
2．4．5 根據(jù) M 值為用戶(hù)消費(fèi)金額分層
2．4．6 匯總 3 個(gè)維度，確定用戶(hù)價(jià)值分層
2．5 結(jié)論
2．6 彩蛋：看看誰(shuí)是最有價(jià)值的用戶(hù)
113
第三話(huà) 獲客成本何其高：回歸預(yù)測(cè)用戶(hù) LTV
3．1 問(wèn)題：我能從用戶(hù)身上賺多少錢(qián)
3．2 概念：用戶(hù)生命周期價(jià)值
3．3 工具：回歸分析
3．3．1 機(jī)器學(xué)習(xí)中的回歸分析
3．3．2 訓(xùn)練集、驗(yàn)證集和測(cè)試集
3．3．3 如何將預(yù)測(cè)的損失最小化
3．4 實(shí)戰(zhàn)：預(yù)測(cè)電商用戶(hù)的生命周期價(jià)值
3．4．1 整體思路
3．4．2 數(shù)據(jù)讀入和數(shù)據(jù)清洗
3．4．3 構(gòu)建機(jī)器學(xué)習(xí)數(shù)據(jù)集
3．4．4 預(yù)測(cè)未來(lái)一年的 LTV
3．5 結(jié)論
3．6 彩蛋：還有哪些機(jī)器學(xué)習(xí)算法
卷二 激活
第四話(huà) 百川爭(zhēng)流終歸海：動(dòng)態(tài)歸因優(yōu)化渠道
4．1 問(wèn)題：哪個(gè)渠道最給力
4．2 概念：渠道分析和歸因模型
4．2．1 渠道和渠道分析
4．2．2 歸因和歸因模型
4．3 工具：馬爾可夫鏈歸因模型
4．3．1 記錄推廣路徑
4．3．2 顯示用戶(hù)旅程
4．3．3 統(tǒng)計(jì)狀態(tài)間的轉(zhuǎn)換概率
4．3．4 計(jì)算整體激活率
4．3．5 計(jì)算移除效應(yīng)系數(shù)
4．4 實(shí)戰(zhàn)：通過(guò)馬爾可夫鏈模型來(lái)計(jì)算渠道價(jià)值
4．4．1 整體思路
4．4．2 構(gòu)建每一個(gè)用戶(hù)的旅程
4．4．3 根據(jù)狀態(tài)構(gòu)建通道字典
4．4．4 計(jì)算狀態(tài)間的轉(zhuǎn)換概率
4．4．5 計(jì)算渠道移除效應(yīng)系數(shù)
4．5 結(jié)論
4．6 彩蛋 ：夏普利值歸因
第五話(huà)
營(yíng)銷(xiāo)貴在激活時(shí)：漏斗模型聚焦轉(zhuǎn)化
5．1 問(wèn)題：促銷(xiāo)活動(dòng)中的哪個(gè)環(huán)節(jié)需優(yōu)化
5．2 概念：漏斗和轉(zhuǎn)化率
5．3 工具：Plotly 包中的漏斗圖
5．4 實(shí)戰(zhàn)：通過(guò)漏斗分析看促銷(xiāo)效果
5．4．1 整體思路
5．4．2 數(shù)據(jù)導(dǎo)入
5．4．3 基本漏斗圖
5．4．4 細(xì)分漏斗圖
5．5 結(jié)論
第九話(huà) 君向?yàn)t湘我向秦：用 A B 測(cè)試助力促銷(xiāo)
9．1 問(wèn)題：兩個(gè)頁(yè)面，哪個(gè)更好
9．2 概念：A B 測(cè)試
9．2．1 確認(rèn)實(shí)驗(yàn)?zāi)繕?biāo)
9．2．2 設(shè)計(jì)實(shí)驗(yàn)
9．2．3 實(shí)驗(yàn)上線(xiàn)與監(jiān)控
9．2．4 結(jié)果復(fù)盤(pán)
9．3 工具：統(tǒng)計(jì)學(xué)知識(shí)
9．3．1 對(duì)照實(shí)驗(yàn)
9．3．2 假設(shè)檢驗(yàn)
9．3．3 樣本的數(shù)量
9．4 實(shí)戰(zhàn)：通過(guò) A B 測(cè)試找到最佳頁(yè)面
9．4．1 整體思路
9．4．2 數(shù)據(jù)導(dǎo)入與數(shù)據(jù)可視化
9．4．3 查看轉(zhuǎn)化率的增量
9．4．4 檢驗(yàn)測(cè)試結(jié)果的統(tǒng)計(jì)學(xué)意義
9．4．5 細(xì)分樣本后重新檢驗(yàn)
9．5 結(jié)論
卷五 自傳播循環(huán)
第十話(huà) 一二三生千萬(wàn)物：裂變驅(qū)動(dòng)增長(zhǎng)循環(huán)
10．1 問(wèn)題：哪種裂變方案更有效
10．2 概念：增長(zhǎng)黑客和裂變
10．2．1 增長(zhǎng)黑客的本質(zhì)
10．2．2 各種各樣的裂變
10．3 工具：增長(zhǎng)模型
10．4 實(shí)戰(zhàn)：用增長(zhǎng)實(shí)驗(yàn)確定最佳折扣方案
10．4．1 整體思路
10．4．2 數(shù)據(jù)導(dǎo)入及數(shù)據(jù)可視化
10．4．3 比較兩種裂變方案帶來(lái)的轉(zhuǎn)化率增量
10．4．4 用 XGBoost 判斷特定用戶(hù)的分類(lèi)概率
10．4．5 比較兩種裂變帶來(lái)的轉(zhuǎn)化增量
10．5 結(jié)論
寄語(yǔ)