數(shù)據(jù)分析咖哥十話：從思維到實踐促進運營增長

引子 小雪求職記
基礎篇 數(shù)據(jù)分析師的錦囊
一、欲善其事先利器：數(shù)據(jù)分析技能進階圖譜
二、深入業(yè)務尋價值：價值源于深度理解場景
三、積跬步以察千里：數(shù)據(jù)的采集與治理
四、瀝盡狂沙方見金：數(shù)據(jù)的清洗與可視化
五、營運之道無定法：數(shù)據(jù)分析的核心方法
六、增長踐行成于思：數(shù)據(jù)分析的關鍵思維
實踐篇 數(shù)據(jù)運營分析十話
卷一 獲客
第 一話 橫看成嶺側(cè)成峰：用戶畫像揭示秘密
1．1 問題：這款推廣海報好不好
1．2 概念：用戶畫像
1．3 工具： Python 數(shù)據(jù)分析編程基礎
1．3．1 Python 的極簡說明
1．3．2 Python 中的序列數(shù)據(jù)類型
1．3．3 數(shù)學計算工具包 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 實戰(zhàn)：哪一類人才是真正的買家
1．4．1 數(shù)據(jù)讀入及簡單分析
1．4．2 用戶整體畫像
1．4．3 購買眼影盤用戶的畫像
1．5 結(jié)論
第二話 遠近高低各不同：聚類實現(xiàn)RMF細分
2．1 問題：如何通過細分用戶指導運營
2．2 概念：用戶細分
2．2．1 用戶畫像是了解用戶的第 一步
2．2．2 用用戶行為數(shù)據(jù)指導精細化運營
2．2．3 進行同期群分析揭示獲客時的秘密
2．2．4 根據(jù)特征和價值進行用戶分組
2．3 工具：RFM 分析和聚類算法
2．3．1 RFM 分析
2．3．2 聚類算法
2．4 實戰(zhàn)：基于 RFM 模型的用戶細分
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 值為用戶新近度分層
2．4．4 根據(jù) F 值為用戶消費頻率分層
2．4．5 根據(jù) M 值為用戶消費金額分層
2．4．6 匯總 3 個維度，確定用戶價值分層
2．5 結(jié)論
2．6 彩蛋：看看誰是最有價值的用戶
113
第三話 獲客成本何其高：回歸預測用戶 LTV
3．1 問題：我能從用戶身上賺多少錢
3．2 概念：用戶生命周期價值
3．3 工具：回歸分析
3．3．1 機器學習中的回歸分析
3．3．2 訓練集、驗證集和測試集
3．3．3 如何將預測的損失最小化
3．4 實戰(zhàn)：預測電商用戶的生命周期價值
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 構建機器學習數(shù)據(jù)集
3．4．4 預測未來一年的 LTV
3．5 結(jié)論
3．6 彩蛋：還有哪些機器學習算法
卷二 激活
第四話 百川爭流終歸海：動態(tài)歸因優(yōu)化渠道
4．1 問題：哪個渠道最給力
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 顯示用戶旅程
4．3．3 統(tǒng)計狀態(tài)間的轉(zhuǎn)換概率
4．3．4 計算整體激活率
4．3．5 計算移除效應系數(shù)
4．4 實戰(zhàn)：通過馬爾可夫鏈模型來計算渠道價值
4．4．1 整體思路
4．4．2 構建每一個用戶的旅程
4．4．3 根據(jù)狀態(tài)構建通道字典
4．4．4 計算狀態(tài)間的轉(zhuǎn)換概率
4．4．5 計算渠道移除效應系數(shù)
4．5 結(jié)論
4．6 彩蛋 ：夏普利值歸因
第五話
營銷貴在激活時：漏斗模型聚焦轉(zhuǎn)化
5．1 問題：促銷活動中的哪個環(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 實戰(zhàn)：通過漏斗分析看促銷效果
5．4．1 整體思路
5．4．2 數(shù)據(jù)導入
5．4．3 基本漏斗圖
5．4．4 細分漏斗圖
5．5 結(jié)論
第九話 君向瀟湘我向秦：用 A B 測試助力促銷
9．1 問題：兩個頁面，哪個更好
9．2 概念：A B 測試
9．2．1 確認實驗目標
9．2．2 設計實驗
9．2．3 實驗上線與監(jiān)控
9．2．4 結(jié)果復盤
9．3 工具：統(tǒng)計學知識
9．3．1 對照實驗
9．3．2 假設檢驗
9．3．3 樣本的數(shù)量
9．4 實戰(zhàn)：通過 A B 測試找到最佳頁面
9．4．1 整體思路
9．4．2 數(shù)據(jù)導入與數(shù)據(jù)可視化
9．4．3 查看轉(zhuǎn)化率的增量
9．4．4 檢驗測試結(jié)果的統(tǒng)計學意義
9．4．5 細分樣本后重新檢驗
9．5 結(jié)論
卷五 自傳播循環(huán)
第十話 一二三生千萬物：裂變驅(qū)動增長循環(huán)
10．1 問題：哪種裂變方案更有效
10．2 概念：增長黑客和裂變
10．2．1 增長黑客的本質(zhì)
10．2．2 各種各樣的裂變
10．3 工具：增長模型
10．4 實戰(zhàn)：用增長實驗確定最佳折扣方案
10．4．1 整體思路
10．4．2 數(shù)據(jù)導入及數(shù)據(jù)可視化
10．4．3 比較兩種裂變方案帶來的轉(zhuǎn)化率增量
10．4．4 用 XGBoost 判斷特定用戶的分類概率
10．4．5 比較兩種裂變帶來的轉(zhuǎn)化增量
10．5 結(jié)論
寄語