商業(yè)智能數(shù)據(jù)化運(yùn)營實(shí)戰(zhàn)

第 1 部分 開啟數(shù)據(jù)化運(yùn)營之旅
第 1 章 數(shù)據(jù)化運(yùn)營基礎(chǔ) ................................................................................. 3
1.1 商業(yè)智能時(shí)代 ...................................................................................... 3
1.1.1 商業(yè)智能的歷史發(fā)展 .............................................................. 5
1.1.2 商業(yè)智能的研究領(lǐng)域 .............................................................. 7
1.2 數(shù)據(jù)化運(yùn)營的概念與意義 .................................................................. 8
1.3 數(shù)據(jù)化運(yùn)營的四個(gè)層次 .................................................................... 12
1.4 數(shù)據(jù)化運(yùn)營應(yīng)掌握的技能與工具 .................................................... 13
1.4.1 數(shù)據(jù)化運(yùn)營的五種能力 ........................................................ 13
1.4.2 數(shù)據(jù)化運(yùn)營的常見工具 ........................................................ 15
第 2 章 企業(yè)中的數(shù)據(jù)化運(yùn)營 ........................................................................ 23
2.1 企業(yè)數(shù)據(jù)化運(yùn)營必要性 .................................................................... 23
2.1.1 市場營銷策略 ........................................................................ 24
2.1.2 數(shù)據(jù)化運(yùn)營誤區(qū) .................................................................... 29
2.2 企業(yè)數(shù)據(jù)化運(yùn)營場景 ........................................................................ 30
2.2.1 數(shù)據(jù)化運(yùn)營在傳統(tǒng)行業(yè)中的應(yīng)用 ........................................ 31
2.2.2 數(shù)據(jù)化運(yùn)營的主要應(yīng)用場景 ................................................ 33
2.2.3 數(shù)據(jù)化運(yùn)營的應(yīng)用案例 ........................................................ 34
2.3 企業(yè)數(shù)據(jù)化運(yùn)營崗位職責(zé) ................................................................ 43
2.3.1 數(shù)據(jù)化運(yùn)營企業(yè)組織架構(gòu) .................................................... 44
2.3.2 數(shù)據(jù)化運(yùn)營崗位類型 ............................................................ 46
第 2 部分 數(shù)據(jù)化運(yùn)營思維
第 3 章 數(shù)據(jù)化運(yùn)營的業(yè)務(wù)流程 .................................................................... 56
3.1 數(shù)據(jù)化運(yùn)營流程圖 ............................................................................ 56
3.2 業(yè)務(wù)問題的定義與拆解 .................................................................... 59
3.3 數(shù)據(jù)獲取與網(wǎng)絡(luò)爬蟲 ........................................................................ 63
3.3.1 數(shù)據(jù)獲取方法 ........................................................................ 64
3.3.2 網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn) ........................................................................ 68
3.4 數(shù)據(jù)探索與預(yù)處理 ............................................................................ 72
3.4.1 數(shù)據(jù)探索 ................................................................................ 73
3.4.2 數(shù)據(jù)預(yù)處理 ............................................................................ 75
3.5 數(shù)據(jù)分析與挖掘 ................................................................................ 86
3.5.1 機(jī)器學(xué)習(xí)發(fā)展歷程 ................................................................ 86
3.5.2 機(jī)器學(xué)習(xí)分類 ........................................................................ 88
3.5.3 機(jī)器學(xué)習(xí)應(yīng)用場景 ................................................................ 92
3.5.4 Python 常用機(jī)器學(xué)習(xí)庫 ........................................................ 93
3.6 數(shù)據(jù)可視化與數(shù)據(jù)決策 .................................................................... 95
3.6.1 統(tǒng)計(jì)圖表的正確使用方法 .................................................... 95
3.6.2 Python 常用的圖表呈現(xiàn)模塊 .............................................. 101
第 4 章 輔助決策式數(shù)據(jù)化運(yùn)營 .................................................................. 108
4.1 基于回歸的數(shù)據(jù)化運(yùn)營模型 .......................................................... 108
4.1.1 回歸分類與基本步驟 .......................................................... 111
4.1.2 一元線性回歸模型 .............................................................. 113
4.1.3 多元線性回歸模型 .............................................................. 116
4.1.4 非線性回歸模型 .................................................................. 119
4.1.5 含啞變量回歸模型 .............................................................. 123
4.1.6 邏輯回歸模型 ...................................................................... 125
4.1.7 Python 回歸分析案例.......................................................... 128
4.2 基于分類的數(shù)據(jù)化運(yùn)營模型 .......................................................... 132
4.2.1 常見的準(zhǔn)確率檢驗(yàn)方法 ...................................................... 133
4.2.2 決策樹算法 .......................................................................... 135
4.2.3 樸素貝葉斯算法 .................................................................. 139
4.2.4 KNN 算法 ............................................................................ 141
4.2.5 支持向量機(jī)算法 .................................................................. 142
4.2.6 神經(jīng)網(wǎng)絡(luò)算法 ...................................................................... 144
4.2.7 Python 分類分析案例.......................................................... 147
4.3 基于聚類的數(shù)據(jù)化運(yùn)營模型 .......................................................... 149
4.3.1 聚類算法的分類 .................................................................. 150
4.3.2 Python 聚類分析案例.......................................................... 156
第 5 章 數(shù)據(jù)驅(qū)動(dòng)式數(shù)據(jù)化運(yùn)營 .................................................................. 162
5.1 層次分析解思維應(yīng)用 .............................................................. 162
5.1.1 層次分析法步驟 .................................................................. 163
5.1.2 層次分析法優(yōu)缺點(diǎn) .............................................................. 176
5.1.3 Excel 層次分析法分析案例 ................................................ 178
5.2 線性規(guī)劃解思維應(yīng)用 .............................................................. 182
5.2.1 線性規(guī)劃法分析案例 .......................................................... 184
5.2.2 Excel 線性規(guī)劃法求解 ........................................................ 190
5.3 節(jié)約里程解思維應(yīng)用 .............................................................. 199
5.3.1 節(jié)約里程法分析案例 .......................................................... 200
5.3.2 Excel 節(jié)約里程法求解 ........................................................ 207
第 3 部分 數(shù)據(jù)化運(yùn)營核心
第 6 章 客戶數(shù)據(jù)化運(yùn)營：挖掘用戶需求，產(chǎn)品源于需求 ........................... 213
6.1 數(shù)據(jù)獲客，快速鎖定目標(biāo)用戶 ...................................................... 213
6.1.1 傳統(tǒng)用戶行為數(shù)據(jù)獲取 ...................................................... 214
6.1.2 互聯(lián)網(wǎng)用戶行為數(shù)據(jù)獲取 .................................................. 220
6.1.3 用戶行為數(shù)據(jù)獲取方式對(duì)比 .............................................. 222
6.2 用戶畫像，精準(zhǔn)定位用戶需求 ...................................................... 223
6.2.1 用戶畫像分析建模與應(yīng)用場景 .......................................... 223
6.2.2 基于 RFM 的個(gè)體用戶畫像分析 ....................................... 228
6.2.3 基于聚類算法的群體用戶畫像分析 .................................. 237
6.3 用戶運(yùn)營，覆蓋完整生命周期 ...................................................... 245
6.3.1 基于 AARRR 模型的用戶運(yùn)營方法 .................................. 246
6.3.2 用戶生命周期與用戶價(jià)值體系 .......................................... 251
6.3.3 用戶運(yùn)營方法與典型案例分析 .......................................... 253
第 7 章 產(chǎn)品數(shù)據(jù)化運(yùn)營：人人都能做數(shù)據(jù)產(chǎn)品經(jīng)理 .................................. 258
7.1 產(chǎn)品定位與產(chǎn)品設(shè)計(jì) ........