第1部分 按照功能评估社交媒体 2
第1章 市场营销 2
市场营销与社交媒体：愿景与现实 3
有关社交媒体的三个误区 5
社交媒体很便宜 6
社交媒体很快 7
社交媒体只不过是另一种渠道 8
品牌推广 10
社交媒体：一把新的标尺 12
可达性并不等同于认知度 13
案例：维珍航空 14
投资回报率：琳达划得来吗 15
购买意向 19
如何识别购买意向 19
行为定位 21
令人不安的因素 21
社交定位 25
你说的 26
你喜欢的 27
你朋友喜欢的 28
同质性VS影响力 31
社交圈子VS行为 32
意见领袖 34
小结 37
练习簿 38
第2章 销售 40
简介 40
社交销售 40
以数据为驱动的销售 42
可达性VS购买意向 43
社交认可可以构建信任 45
用户评级 45
用户评论 46
同辈压力 46
社交认可和同辈压力真的有用吗 47
是什么或者是谁驱使你去购买的 48
推荐系统 49
协作式的推荐系统 51
基于内容的推荐 53
推荐系统中的技术 55
冷启动（Cold-start）问题 57
数据匮乏 58
毫无惊喜 59
如何建立一个推荐系统：从小事做起 60
信任、个性化及理由 62
个人关系 62
理由 63
小结 64
练习簿 65
第3章 公共关系 67
公用关系通常没有可度量的投资回报率 69
度量人群 71
公共关系中的可达性 74
公共关系中的背景 75
内容的背景 76
作者的上下文 78
新闻工作者的客户关系管理 79
人类沟通的天性 80
影响力的六项原则 80
度量信息分发 82
剪报 82
注意 84
文章数量的误读 84
阅读列表 87
交互 88
点击 92
分享、点赞 93
评论 93
拷贝 94
投入VS影响 96
案例：“弹性印度”理念的传播 96
来自公共关系的警示 98
公共关系灾难的案例 98
不合时宜的营销 99
被低估了的传播速度 99
自我审查 100
捏造事实 100
没有预警系统 101
不确定性 102
飞速的灾难 102
案例：麦当劳 106
警示信号 108
小结 108
练习簿 110
第4章 客户服务 112
顾客的新声 112
戴尔的“地狱” 114
美联航弄坏吉他 115
客户服务2.0 116
知识库与客户自助服务 117
更快乐的员工 119
明智的选择 119
正面宣传 121
注意事项 123
把客户引导到你的服务渠道中来 123
小心“洞穴巨人” 124
资源以及标度 126
社交客户服务会成为新的商品吗 127
自动化以及商务智能 128
一个航空公司客户满意度的案例 129
情绪算法 131
首语重复算法 132
上下文 133
我们到底能不能用这些算法 134
特殊词汇——来自索尼爱立信的案例 134
一种动态的机器学习方式 137
案例：newBrandAnalytics 137
案例：戴尔的客户服务 138
小结 138
练习簿 139
第5章 社交化的客户关系管理：市场研究 141
案例学习：客户生命周期 142
分析型客户关系管理：新的前线 145
传统方式的弊端 147
调优客户关系管理系统 148
Facebook和Open Graph 149
哪些数据 152
社交媒体：太粗浅 153
个人数据：太敏感 154
小结 157
练习簿 158
第6章 与系统的博弈 159
垃圾邮件以及机器人 159
建立可达性 162
如何发现机器人 164
诬蔑对手 171
约翰·苏努努（John Sununu） 172
粉丝丑闻 172
建立影响力以及意向 174
一个Twitter上的图灵测试 176
美军对社交媒体机器人的研发 177
散播有偿意见：草根以及“人工草皮” 178
SOPA以及PIPA事件：一个现代草根运动 179
微软的反垄断案 180
理念、实施以及可达性 180
传染性 181
《KONY2012》 181
定制热点 182
真相中的真相 184
如何识别创建传染性活动的企图 185
热点的背面：节制信息 186
模糊的界限 187
Facebook的案例 187
小结 188
练习簿 189
第7章 预测 191
预测未来 191
学习的预测分析 196
选举的预测 200
选择性偏见 202
错误的公共关系偏见 203
预测投票行为 203
预测票房 205
电影产业 206
真知灼见 206
结论 208
预测证券市场 210
章末预测 214
练习簿 216
第2部分 建立你自己的问—量—学系统 220
第8章 提出恰当的问题 220
案例学习：大型电信公司 222
背景知识 224
他被听到吗 225
构建问题 227
创造性探索 227
领域知识 230
恰当的问题 231
一个为搜寻问题而生的行业 233
小结 234
练习簿 235
第9章 使用正确的数据 237
哪些数据是重要的 239
相关性与因果关系 241
验证相关性 245
错误，或者说为什么结构性数据更有优势 247
结构性数据 248
非结构性数据 248
成本以及内幕 250
案例：匹配引擎 251
数据的选择 254
采样 255
子集 256
“我了解关键字” 257
没有真相 259
案例：海地 263
小结 264
练习簿 264
第10章 定义正确的度量标准 266
社交媒体度量标准的例子 269
影响力 269
消费者偏好 272
追求投资回报率 274
标准带来的风险 276
影响标准 277
错误的行为 278
随时空不断改变 279
征服难题 281
小结 283
练习簿 284