智能增长PDF电子书下载

第一部分 数据篇 2

第1章 数据收集 2

1.1 行为数据 3

1.1.1 传统获取方式 4

1.1.2 获取方式对比 5

1.1.3 无需埋点的数据收集 5

1.1.4 用户行为数据类型 7

1.2 交易数据 9

1.2.1 收集交易过程数据 9

1.2.2 收集交易累积数据 11

1.2.3 区分交易金额的组成 12

1.2.4 收集广告点击数据 13

1.3 标签数据 14

1.3.1 发现身份属性标签 15

1.3.2 在基础标签上加工 15

1.3.3 从交易行为提取标签 16

1.3.4 从数据挖掘建模输出标签 16

第2章 数据加工 18

2.1 标准与格式 19

2.1.1 基本概念 19

2.1.2 无量纲化处理 20

2.1.3 多源数据融合 21

2.2 关联分析 23

2.2.1 概念 23

2.2.2 Apriori算法 24

2.2.3 应用关联分析 25

2.3 数据清洗 28

2.3.1 填补缺失值 28

2.3.2 数据平滑 30

2.3.3 数据造假 31

2.3.4 监测噪声数据 33

第3章 数据存储 35

3.1 分层与粒度 35

3.1.1 粒度划分标准 36

3.1.2 分层实现方法 37

3.1.3 智能增长的新视角 39

3.2 更新与时效 40

3.2.1 记录实时数据 40

3.2.2 数据更新与同步 41

3.2.3 时效性 42

3.3 搭建存储方案 43

3.3.1 HDFS数据库 43

3.3.2 NoSQL数据库 44

3.3.3 开发自有方案 46

第4章 数据访问 48

4.1 访问工具：正排与倒排 48

4.1.1 正排索引 48

4.1.2 倒排索引 52

4.2 衡量方法：查准与查全 54

4.2.1 定义 54

4.2.2 正排查全 55

4.2.3 正排查准 55

4.2.4 倒排查全 56

4.2.5 倒排查准 56

4.3 优化：性能与效率 57

4.3.1 数据库设计 57

4.3.2 SQL语句设计 59

第二部分 模型篇 62

第5章 生命周期模型 62

5.1 用户生命周期 62

5.1.1 划分标准 63

5.1.2 用户生命价值 64

5.1.3 生命周期运营 65

5.2 商户生命周期 67

5.2.1 划分标准 67

5.2.2 商户生命价值 69

5.2.3 生命周期运营 69

5.3 小结 71

第6章 RFM模型 73

6.1 定义 73

6.2 适用场景 75

6.2.1 客户管理 75

6.2.2 电商运营 76

6.2.3 服务升级 77

6.3 演变方向 78

6.3.1 多级指标细分 78

6.3.2 算法降维 79

第7章 AARRR模型 81

7.1 定义 81

7.2 适用场景和指标 82

7.2.1 下载量和激活量 83

7.2.2 用户获取成本 84

7.2.3 用户活跃度 84

7.2.4 用户留存率 85

7.2.5 用户平均收入 86

7.2.6 用户回报率 87

7.2.7 用户影响因子 88

7.3 小结 88

第8章 地理信息模型 90

8.1 意义 90

8.2 基础技术 91

8.2.1 地理坐标 92

8.2.2 地图定位 94

8.2.3 地图导航 94

8.3 适用场景 95

8.3.1 地址信息解析 96

8.3.2 基础位置描述 97

8.3.3 周边POI检索 98

8.3.4 高精度定位服务 99

8.3.5 个性化感知 100

8.4 演变方向 101

8.4.1 室内定位精准度 101

8.4.2 POI位置语义化 102

第三部分 场景篇 104

第9章 如何持续获得新用户 104

9.1 意义 104

9.2 从0到10000，圈定种子用户 105

9.2.1 采用邀请机制 106

9.2.2 引起社区关注 106

9.3 从10000到1000万，构建增长机制 107

9.3.1 竞争群体增长 107

9.3.2 延伸品类增长 108

9.3.3 相近地址增长 109

9.3.4 社交关系增长 110

9.4 评估与反馈 111

9.4.1 降低竞品用户的获取成本 112

9.4.2 提高附近用户的激活比例 112

9.4.3 提高延伸用户的活跃程度 113

9.4.4 提高社交用户的影响能力 114

9.4.5 拉新效果评估矩阵 114

9.5 小结 115

第10章 谁是你的明星商户 116

10.1 意义 116

10.2 拓荒阶段 117

10.2.1 动销率与展现率 118

10.2.2 吸引能力：平衡动销和展现 118

10.3 发展阶段 119

10.3.1 新客导流数量与质量 119

10.3.2 导流能力：平衡数量与质量 120

10.4 相持阶段 120

10.4.1 客单价与客单量 121

10.4.2 扩张能力：平衡单价与单量 121

10.5 稳定阶段 122

10.5.1 投资回报率与营业利润率 122

10.5.2 盈利能力：跨越盈亏平衡线 123

10.6 小结 124

第11章 何日君再来 125

11.1 背景 125

11.2 留存分析工具 127

11.2.1 目标用户定格测算分析 127

11.2.2 选定用户时序演化分析 129

11.3 挽回流失用户 131

11.3.1 流失的定义和分类 131

11.3.2 流失率预测模型 132

11.3.3 干预流失过程 133

11.3.4 流失用户激活效应 133

11.4 小结 134

第12章 差异化定价 136

12.1 意义 136

12.2 根据服务区分定价 138

12.2.1 一服务一价 138

12.2.2 创造差异服务 139

12.3 根据用户区分定价 140

12.3.1 看到不同价格 140

12.3.2 派发不同红包 140

12.4 根据时间区分定价 141

12.4.1 潮汐规律 141

12.4.2 峰值效应 142

12.5 小结 144

第13章 缩短用户决策路径 145

13.1 决策路径上的技术链条 146

13.2 搜索技术 147

13.2.1 查询词分析 147

13.2.2 查询词变换 149

13.2.3 检索结果扩展 150

13.3 排序技术 151

13.3.1 社交类 151

13.3.2 消费类 152

13.4 推荐技术 152

13.4.1 技术选型 153

13.4.2 技术挑战 157

13.5 小结 160

第14章 营造虚拟经济循环 161

14.1 背景 161

14.2 虚拟商品定价 163

14.2.1 信用积分体系 163

14.2.2 道具交易体系 164

14.3 虚拟管理激励 165

14.3.1 调节服务难度 166

14.3.2 调节服务质量 167

14.4 虚拟资源竞价 169

14.4.1 发现虚拟资源 169

14.4.2 找到竞价者 170

14.4.3 估算竞争价格 171

14.5 小结 171

第15章 挤出繁荣里的泡沫 173

15.1 什么是刷单 174

15.1.1 刷单形态 174

15.1.2 作弊手段 175

15.2 加强数据校验 177

15.2.1 唯一性验证 177

15.2.2 常驻点验证 178

15.2.3 硬件验证 179

15.3 发现数据异常 180

15.3.1 短期频繁行为 180

15.3.2 批量雷同行为 181

15.3.3 抱团趋同 182

15.4 制止作弊行为 182

15.4.1 规则系统 182

15.4.2 机器建模 183

15.4.3 避免误伤 184

15.5 小结 184

第16章 为商户赋能 186

16.1 选地址 187

16.1.1 找到旺铺位置 187

16.1.2 划定服务范围 188

16.2 选商品 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 选客群 190

16.3.1 定制目标用户 190

16.3.2 提高揽客质量 191

16.3.3 降低揽客成本 192

16.4 小结 192

第17章 调度一盘棋 194

17.1 调度模式分类 195

17.1.1 单地串行调度 196

17.1.2 单地并行调度 196

17.1.3 双地并行调度 197

17.2 物流调度决策 198

17.2.1 多目标优化 199

17.2.2 分层建模降维 200

17.2.3 云端虚拟调度 201

17.2.4 配送耗时预估 202

17.2.5 可视化平台 203

17.3 运力供需分配 204

17.3.1 需求预测与跨时空调配 205

17.3.2 极端条件运力预警分配 205

17.4 小结 206

第四部分 团队篇 208

第18章 榜样的力量 208

18.1 Facebook增长团队 209

18.1.1 组织构成 209

18.1.2 主要经验 210

18.2 美团大数据团队 210

18.2.1 组织构成 210

18.2.2 主要经验 211

18.3 腾讯大数据团队 212

18.3.1 组织构成 212

18.3.2 主要经验 212

18.4 GrowingIO大数据团队 213

18.4.1 组织构成 213

18.4.2 主要经验 214

18.5 京东大数据团队 214

18.5.1 组织构成 215

18.5.2 主要经验 215

18.6 阿里巴巴数据平台事业部 216

18.6.1 组织构成 216

18.6.2 主要经验 217

第19章 组建增长团队 218

19.1 增长团队组织架构 218

19.1.1 增长团队内部成员 218

19.1.2 增长团队相关角色 220

19.1.3 团队合作方式 223

19.2 发挥数据科学家的作用 224

19.2.1 数据科学家做什么 225

19.2.2 数据科学家怎么做 226

19.3 常见陷阱与经验 227

19.3.1 避免大数据浮肿 227

19.3.2 沟通部门间障碍 227

19.3.3 防范全面建设 228

第五部分 结语篇 232

第20章 增长的力量 232

20.1 智能增长对经济的意义 232

20.1.1 互联网改造工业经济 232

20.1.2 互联网经济到智能经济的过渡 233

20.1.3 智能增长的本质 234

20.2 智能增长的阶段 235

20.2.1 早期积累 236

20.2.2 快速发展 236

20.2.3 精细运营 237

20.3 人的未来 238

20.3.1 被机器智能替代 239

20.3.2 做机器做不了的 240

20.3.3 驾驭机器智能 240

20.3.4 增长的代价 241

后记 242