智能增長

第一部分　數(shù)據(jù)篇
第1章　數(shù)據(jù)收集 2
1．1　行為數(shù)據(jù) 3
1．1．1　傳統(tǒng)獲取方式 4
1．1．2　獲取方式對比 5
1．1．3　無需埋點的數(shù)據(jù)收集 5
1．1．4　用戶行為數(shù)據(jù)類型 7
1．2　交易數(shù)據(jù) 9
1．2．1　收集交易過程數(shù)據(jù) 9
1．2．2　收集交易累積數(shù)據(jù) 11
1．2．3　區(qū)分交易金額的組成 12
1．2．4　收集廣告點擊數(shù)據(jù) 13
1．3　標簽數(shù)據(jù) 14
1．3．1　發(fā)現(xiàn)身份屬性標簽 15
1．3．2　在基礎標簽上加工 15
1．3．3　從交易行為提取標簽 16
1．3．4　從數(shù)據(jù)挖掘建模輸出 標簽 16
第2章　數(shù)據(jù)加工 18
2．1　標準與格式 19
2．1．1　基本概念 19
2．1．2　無量綱化處理 20
2．1．3　多源數(shù)據(jù)融合 21
2．2　關聯(lián)分析 23
2．2．1　概念 23
2．2．2　Apriori算法 24
2．2．3　應用關聯(lián)分析 25
2．3　數(shù)據(jù)清洗 28
2．3．1　填補缺失值 28
2．3．2　數(shù)據(jù)平滑 30
2．3．3　數(shù)據(jù)造假 31
2．3．4　監(jiān)測噪聲數(shù)據(jù) 33
第3章　數(shù)據(jù)存儲 35
3．1　分層與粒度 35
3．1．1　粒度劃分標準 36
3．1．2　分層實現(xiàn)方法 37
3．1．3　智能增長的新視角 39
3．2　更新與時效 40
3．2．1　記錄實時數(shù)據(jù) 40
3．2．2　數(shù)據(jù)更新與同步 41
3．2．3　時效性 42
3．3　搭建存儲方案 43
3．3．1　HDFS數(shù)據(jù)庫 43
3．3．2　NoSQL數(shù)據(jù)庫 44
3．3．3　開發(fā)自有方案 46
第4章　數(shù)據(jù)訪問 48
4．1　訪問工具：正排與倒排 48
4．1．1　正排索引 48
4．1．2　倒排索引 52
4．2　衡量方法：查準與查全 54
4．2．1　定義 54
4．2．2　正排查全 55
4．2．3　正排查準 55
4．2．4　倒排查全 56
4．2．5　倒排查準 56
4．3　優(yōu)化：性能與效率 57
4．3．1　數(shù)據(jù)庫設計 57
4．3．2　SQL語句設計 59
第二部分　模型篇
第5章　生命周期模型 62
5．1　用戶生命周期 62
5．1．1　劃分標準 63
5．1．2　用戶生命價值 64
5．1．3　生命周期運營 65
5．2　商戶生命周期 67
5．2．1　劃分標準 67
5．2．2　商戶生命價值 69
5．2．3　生命周期運營 69
5．3　小結 71
第6章　RFM模型 73
6．1　定義 73
6．2　適用場景 75
6．2．1　客戶管理 75
6．2．2　電商運營 76
6．2．3　服務升級 77
6．3　演變方向 78
6．3．1　多級指標細分 78
6．3．2　算法降維 79
第7章　AARRR模型 81
7．1　定義 81
7．2　適用場景和指標 82
7．2．1　下載量和激活量 83
7．2．2　用戶獲取成本 84
7．2．3　用戶活躍度 84
7．2．4　用戶留存率 85
7．2．5　用戶平均收入 86
7．2．6　用戶回報率 87
7．2．7　用戶影響因子 88
7．3　小結 88
第8章　地理信息模型 90
8．1　意義 90
8．2　基礎技術 91
8．2．1　地理坐標 92
8．2．2　地圖定位 94
8．2．3　地圖導航 94
8．3　適用場景 95
8．3．1　地址信息解析 96
8．3．2　基礎位置描述 97
8．3．3　周邊POI檢索 98
8．3．4　高精度定位服務 99
8．3．5　個性化感知 100
8．4　演變方向 101
8．4．1　室內(nèi)定位精準度 101
8．4．2　POI位置語義化 102
第三部分　場景篇
第9章　如何持續(xù)獲得新用戶 104
9．1　意義 104
9．2　從0到10 000，圈定種子用戶 105
9．2．1　采用邀請機制 106
9．2．2　引起社區(qū)關注 106
9．3　從10 000到1000萬，構建增長 機制 107
9．3．1　競爭群體增長 107
9．3．2　延伸品類增長 108
9．3．3　相近地址增長 109
9．3．4　社交關系增長 110
9．4　評估與反饋 111
9．4．1　降低競品用戶的獲取 成本 112
9．4．2　提高附近用戶的激活 比例 112
9．4．3　提高延伸用戶的活躍 程度 113
9．4．4　提高社交用戶的影響 能力 114
9．4．5　拉新效果評估矩陣 114
9．5　小結 115
第10章　誰是你的明星商戶 116
10．1　意義 116
10．2　拓荒階段 117
10．2．1　動銷率與展現(xiàn)率 118
10．2．2　吸引能力：平衡動銷 和展現(xiàn) 118
10．3　發(fā)展階段 119
10．3．1　新客導流數(shù)量與質(zhì)量 119
10．3．2　導流能力：平衡數(shù)量 與質(zhì)量 120
10．4　相持階段 120
10．4．1　客單價與客單量 121
10．4．2　擴張能力：平衡單價 與單量 121
10．5　穩(wěn)定階段 122
10．5．1　投資回報率與營業(yè)利 潤率 122
10．5．2　盈利能力：跨越盈虧 平衡線 123
10．6　小結 124
第11章　何日君再來 125
11．1　背景 125
11．2　留存分析工具 127
11．2．1　目標用戶定格測算 分析 127
11．2．2　選定用戶時序演化 分析 129
11．3　挽回流失用戶 131
11．3．1　流失的定義和分類 131
11．3．2　流失率預測模型 132
11．3．3　干預流失過程 133
11．3．4　流失用戶激活效應 133
11．4　小結 134
第12章　差異化定價 136
12．1　意義 136
12．2　根據(jù)服務區(qū)分定價 138
12．2．1　一服務一價 138
12．2．2　創(chuàng)造差異服務 139
12．3　根據(jù)用戶區(qū)分定價 140
12．3．1　看到不同價格 140
12．3．2　派發(fā)不同紅包 140
12．4　根據(jù)時間區(qū)分定價 141
12．4．1　潮汐規(guī)律 141
12．4．2　峰值效應 142
12．5　小結 144
第13章　縮短用戶決策路徑 145
13．1　決策路徑上的技術鏈條 146
13．2　搜索技術 147
13．2．1　查詢詞分析 147
13．2．2　查詢詞變換 149
13．2．3　檢索結果擴展 150
13．3　排序技術 151
13．3．1　社交類 151
13．3．2　消費類 152
13．4　推薦技術 152
13．4．1　技術選型 153
13．4．2　技術挑戰(zhàn) 157
13．5　小結 160
第14章　營造虛擬經(jīng)濟循環(huán) 161
14．1　背景 161
14．2　虛擬商品定價 163
14．2．1　信用積分體系 163
14．2．2　道具交易體系 164
14．3　虛擬管理激勵 165
14．3．1　調(diào)節(jié)服務難度 166
14．3．2　調(diào)節(jié)服務質(zhì)量 167
14．4　虛擬資源競價 169
14．4．1　發(fā)現(xiàn)虛擬資源 169
14．4．2　找到競價者 170
14．4．3　估算競爭價格 171
14．5　小結 171
第15章　擠出繁榮里的泡沫 173
15．1　什么是刷單 174
15．1．1　刷單形態(tài) 174
15．1．2　作弊手段 175
15．2　加強數(shù)據(jù)校驗 177
15．2．1　唯一性驗證 177
15．2．2　常駐點驗證 178
15．2．3　硬件驗證 179
15．3　發(fā)現(xiàn)數(shù)據(jù)異常 180
15．3．1　短期頻繁行為 180
15．3．2　批量雷同行為 181
15．3．3　抱團趨同 182
15．4　制止作弊行為 182
15．4．1　規(guī)則系統(tǒng) 182
15．4．2　機器建模 183
15．4．3　避免誤傷 184
15．5　小結 184
第16章　為商戶賦能 186
16．1　選地址 187
16．1．1　找到旺鋪位置 187
16．1．2　劃定服務范圍 188
16．2　選商品 189
16．2．1　知己知彼找爆品 189
16．2．2　商品的生命周期 190
16．3　選客群 190
16．3．1　定制目標用戶 190
16．3．2　提高攬客質(zhì)量 191
16．3．3　降低攬客成本 192
16．4　小結 192
第17章　調(diào)度一盤棋 194
17．1　調(diào)度模式分類 195
17．1．1　單地串行調(diào)度 196
17．1．2　單地并行調(diào)度 196
17．1．3　雙地并行調(diào)度 197
17．2　物流調(diào)度決策 198
17．2．1　多目標優(yōu)化 199
17．2．2　分層建模降維 200
17．2．3　云端虛擬調(diào)度 201
17．2．4　配送耗時預估 202
17．2．5　可視化平臺 203
17．3　運力供需分配 204
17．3．1　需求預測與跨時空 調(diào)配 205
17．3．2　極端條件運力預警 分配 205
17．4　小結 206
第四部分　團隊篇
第18章　榜樣的力量 208
18．1　Facebook增長團隊 209
18．1．1　組織構成 209
18．1．2　主要經(jīng)驗 210
18．2　美團大數(shù)據(jù)團隊 210
18．2．1　組織構成 210
18．2．2　主要經(jīng)驗 211
18．3　騰訊大數(shù)據(jù)團隊 212
18．3．1　組織構成 212
18．3．2　主要經(jīng)驗 212
18．4　GrowingIO大數(shù)據(jù)團隊 213
18．4．1　組織構成 213
18．4．2　主要經(jīng)驗 214
18．5　京東大數(shù)據(jù)團隊 214
18．5．1　組織構成 215
18．5．2　主要經(jīng)驗 215
18．6　阿里巴巴數(shù)據(jù)平臺事業(yè)部 216
18．6．1　組織構成 216
18．6．2　主要經(jīng)驗 217
第19章　組建增長團隊 218
19．1　增長團隊組織架構 218
19．1．1　增長團隊內(nèi)部成員 218
19．1．2　增長團隊相關角色 220
19．1．3　團隊合作方式 223
19．2　發(fā)揮數(shù)據(jù)科學家的作用 224
19．2．1　數(shù)據(jù)科學家做什么 225
19．2．2　數(shù)據(jù)科學家怎么做 226
19．3　常見陷阱與經(jīng)驗 227
19．3．1　避免大數(shù)據(jù)浮腫 227
19．3．2　溝通部門間障礙 227
19．3．3　防范全面建設 228
第五部分　結語篇
第20章　增長的力量 232
20．1　智能增長對經(jīng)濟的意義 232
20．1．1　互聯(lián)網(wǎng)改造工業(yè)經(jīng)濟 232
20．1．2　互聯(lián)網(wǎng)經(jīng)濟到智能經(jīng)濟的過渡 233
20．1．3　智能增長的本質(zhì) 234
20．2　智能增長的階段 235
20．2．1　早期積累 236
20．2．2　快速發(fā)展 236
20．2．3　精細運營 237
20．3　人的未來 238
20．3．1　被機器智能替代 239
20．3．2　做機器做不了的 240
20．3．3　駕馭機器智能 240
20．3．4　增長的代價 241
后記 242