用戶行為分析：如何用數(shù)據(jù)驅(qū)動增長

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(shù)據(jù)分析
1.1　用戶行為數(shù)據(jù)登場 // 1
1.1.1　沒有用戶行為數(shù)據(jù)的困境 // 2
1.1.2　商業(yè)進化：一切向用戶靠攏 // 3
1.2　什么是用戶行為數(shù)據(jù) // 7
1.2.1　狹義的用戶行為數(shù)據(jù) // 7
1.2.2　廣義的用戶行為數(shù)據(jù) // 9
1.2.3　用戶行為數(shù)據(jù)的“5 1”要素 // 12
1.2.4　用戶行為數(shù)據(jù)的隱私與權(quán)限 // 14
1.3　用戶行為數(shù)據(jù)的一個趨勢和兩個價值 // 15
1.3.1　一個趨勢：在數(shù)字孿生世界下，用戶行為數(shù)據(jù)的遷移 // 15
1.3.2　價值一：理解用戶需求，指導(dǎo)業(yè)務(wù)升級 // 17
1.3.3　價值二：預(yù)測用戶行為，引導(dǎo)業(yè)務(wù)創(chuàng)新 // 21
1.4　如何讓用戶行為數(shù)據(jù)發(fā)揮價值 // 26
1.4.1　用戶行為數(shù)據(jù)驅(qū)動增長常見的困難 // 26
1.4.2　數(shù)據(jù)驅(qū)動增長金字塔：規(guī)劃—采集—分析—應(yīng)用 // 27
第2章　數(shù)據(jù)規(guī)劃
2.1　數(shù)據(jù)驅(qū)動增長的“總設(shè)計師” // 29
2.1.1　數(shù)據(jù)規(guī)劃常見的問題 // 29
2.1.2　如何進行數(shù)據(jù)規(guī)劃 // 31
2.2　指標體系規(guī)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(shù)據(jù)看板 // 44
2.4.1　數(shù)據(jù)看板的意義 // 44
2.4.2　數(shù)據(jù)看板的分類：戰(zhàn)略看板、分析看板、實時看板 // 46
2.4.3　如何搭建數(shù)據(jù)看板 // 51
2.4.4　搭建數(shù)據(jù)看板常見的六大問題 // 58
第3章　數(shù)據(jù)采集
3.1　數(shù)據(jù)采集常見的問題 // 62
3.2　用戶行為數(shù)據(jù)采集方法：埋點和無埋點 // 64
3.2.1　埋點和無埋點的定義 // 64
3.2.2　埋點采集和無埋點采集的適用場景 // 68
3.2.3　不同場景如何選擇采集方式：以App注冊為例 // 70
3.2.4　客戶端埋點或服務(wù)端埋點 // 72
3.3　如何高效落地數(shù)據(jù)采集 // 74
3.3.1　埋點方案四要素 // 74
3.3.2　埋點的團隊協(xié)作流程 // 80
3.3.3　數(shù)據(jù)指標管理 // 84
3.4　數(shù)據(jù)集成，搭建客戶數(shù)據(jù)平臺（CDP） // 87
3.4.1　從用戶行為數(shù)據(jù)到客戶數(shù)據(jù)平臺 // 88
3.4.2　客戶數(shù)據(jù)平臺的三種類型 // 91
3.4.3　實現(xiàn)客戶數(shù)據(jù)平臺的四大原則 // 93
3.4.4　案例：電商如何搭建客戶數(shù)據(jù)平臺 // 97
第4章　數(shù)據(jù)分析
4.1　業(yè)務(wù)導(dǎo)向的數(shù)據(jù)分析整體思路 // 104
4.2　用戶流轉(zhuǎn)地圖 // 106
4.2.1　全域—全局—局部 // 106
4.2.2　繪制用戶流轉(zhuǎn)地圖 // 107
4.2.3　案例：B2B企業(yè)官網(wǎng)的用戶流轉(zhuǎn)地圖 // 112
4.3　十大數(shù)據(jù)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　被低估的搜索框 // 144
4.5.2　活動迭代分析 // 148
4.6　產(chǎn)品健康度分析 // 151
4.6.1　產(chǎn)品健康度是“用戶體驗的體檢” // 151
4.6.2　關(guān)鍵行為矩陣與功能留存矩陣 // 153
4.6.3　案例：內(nèi)容型App的產(chǎn)品健康度分析 // 155
第5章　數(shù)據(jù)應(yīng)用
5.1　數(shù)據(jù)應(yīng)用無處不在 // 159
5.2　A/B測試 // 160
5.2.1　廣泛應(yīng)用的A/B 測試 // 160
5.2.2　七個步驟建立A/B測試的閉環(huán) // 162
5.2.3　案例：A/B測試提升影視會員產(chǎn)品的付費轉(zhuǎn)化率 // 172
5.3　產(chǎn)品迭代 // 174
5.3.1　產(chǎn)品迭代全流程 // 174
5.3.2　六大要素量化、評估產(chǎn)品迭代效果 // 177
5.3.3　案例：數(shù)據(jù)驅(qū)動App首頁迭代 // 181
5.4　精細化運營 // 189
5.4.1　精細化運營的關(guān)鍵 // 189
5.4.2　用戶標簽與用戶畫像 // 193
5.4.3　用戶分層運營 // 198
5.4.4　案例：盟大集團（產(chǎn)業(yè)互聯(lián)網(wǎng)）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(shù)據(jù)挖掘 // 212
5.5.2　用戶行為數(shù)據(jù)提升推薦算法效率 // 215
5.5.3　案例：預(yù)測客戶購買行為 // 220
第6章　用戶行為數(shù)據(jù)驅(qū)動增長實戰(zhàn)
6.1　歐冶云商：數(shù)據(jù)驅(qū)動B2B增長 // 226
6.1.1　B2B增長的挑戰(zhàn)和機遇 // 226
6.1.2　探索產(chǎn)品的核心價值主張 // 228
6.1.3　優(yōu)化用戶轉(zhuǎn)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　為什么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(huán)式的工作流程 // 251
6.2.4　好好住的推送迭代 // 256
6.3　月活躍用戶數(shù)從0到8萬：地產(chǎn)行業(yè)如何打造小程序私域流量池 // 259
6.3.1　“公盤私客”發(fā)展過程中的問題與機遇 // 260
6.3.2　創(chuàng)新產(chǎn)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(shù)據(jù)賦能經(jīng)紀人營銷 // 268
6.4　酷開網(wǎng)絡(luò)：增長無處不在，OTT領(lǐng)航家庭經(jīng)濟的數(shù)字化轉(zhuǎn)型 // 273
6.4.1　酷開網(wǎng)絡(luò)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(shè)，挖掘精細化流量的價值 // 277
6.4.4　優(yōu)術(shù)：分析引擎體系建設(shè)，提升轉(zhuǎn)化率 // 282
6.4.5　踐行：關(guān)注用戶全生命周期，用增長實驗實現(xiàn)流量再生 // 287
6.4.6　案例：洞察流量—大轉(zhuǎn)盤抽獎活動的用戶旅程 // 287
后記 // 295