《Python数据分析与数据化运营》阅读笔记

写在前面

• 书籍介绍：暂无。
• 我的简评：暂无。
• ！！福利：文末有书籍地址、笔记思维导图、相关资料下载地址哦

第一章 Python和数据化运营

1.1.用Python做数据化运营

1.2.数据化运营所需的Python

1.3.内容延伸：Python的OCR和Tensorflow

1.4.第1个用Python实现的数据化运营分析实例、销售预测

第二章 数据化运营的数据来源

2.1.数据化运营的数据来源类型

2.2.使用Python获取运营数据

2.3.内容延伸：读取非结构化网页、文本、图像、视频、语音

第三章 10条数据化运营不得不知道的数据预处理经验

3.1.数据清洗：缺失值、异常值和重复值的处理

3.2.将分类数据和顺序数据转换为标志变量

3.3.大数据时代的数据降维

3.4.解决样本类别分布不均匀的问题

3.5.数据化运营要抽样还是全量数据

3.6.解决运营数据的共线性问题

3.7.有关相关性分析的混沌

3.8.标准化，让运营数据落入相同的范围

3.9.离散化，对运营数据做逻辑分层

3.10.内容延伸：非结构化数据的预处理

第四章 跳过运营数据分析和挖掘的”大坑“

4.1.聚类分析

4.2.回归分析

4.3.分类分析

4.4.关联分析

4.5.异常检测分析

4.6.时间序列分析

4.7.路径、漏斗、归因和热力图分析

4.8.其他数据分析和挖掘的忠告

4.9.内容延伸1：非结构化数据的分析与挖掘

4.10.内容延伸2：AutoML-自动化数据挖掘与机器学习

第五章 会员数据化运营

5.1.会员数据化运营概述

• 会员数据化运营辅助于客户关系管理（CRM）

5.2.会员数据化运营关键指标

• 5.2.1.会员整体指标：注册会员数、激活会员数、购买会员数

• 5.2.2.会员营销指标：可营销会员数、营销费用（营销媒介费用、优惠券费用、积分兑换费用）、营销收入、用券会员/金额/订单比例、营销费率、每注册/订单/会员收入、每注册/订单/会员成本

• 5.2.3.会员活跃度指标：整体会员活跃度、每日/每周/每月活跃用户数

• 5.2.4.会员价值度指标：会员价值分群、复购率、消费频次、最近一次购买时间、最近一次购买金额

• 5.2.5.会员终生价值指标：会员生命周期价值/订单量/平均订单价值、会员生命周期转化率、会员生命周期剩余价值

• 5.2.6.会员异动指标：会员流失率、会员异动比

5.3.会员数据化运营应用场景

• 5.3.1.会员营销

• 5.3.2.会员关怀

5.4.会员数据化运营分析模型

• 5.4.1.会员细分模型：基于属性的方法、ABC分类法、聚类法

• 5.4.2.会员活跃度模型

• 5.4.3.会员价值度模型

• 5.4.4.会员流失预测模型

• 5.4.5.会员特征分析模型

• 5.4.6.营销响应预测模型

5.5.会员数据化运营分析小技巧

• 1.使用留存分析做新用户质量分析：日留存、周留存、月留存

• 2.使用AARRR做App用户生命周期分析：获取用户、提高活跃度、提高留存率、获取收入、自传播

• 3.借助动态数据流关注会员状态的轮转

• 4.使用协同过滤算法为新会员分析推送个性化信息

5.6.会员数据化运营分析的“大实话”

• 1.企业”不差钱“，还有必要做会员精准营销吗

• 2.用户满意度取决于期望和给予的匹配程度

• 3.用户不购买就是流失吗

• 4.来自调研问卷的用户信息可信吗

• 5.不要盲自相信二八法则

5.7.案例：基于RFM的精细化用户管理

第六章 商品数据化运营

6.1.商品数据化运营概述

6.2.商品数据化运营关键指标

• 6.2.1.销售指标：订单量/商品销售量、订单金额/商品销售额、每订单金额/客单价/件单价、订单转化率、支付转化率、有效订单量/有效订单金额/有效商品销售量/有效商品销售额、订单有效率/废单率、毛利/毛利率

• 6.2.2.促销活动指标：每订单成本/每有效订单成本、每优惠券收益/每积分兑换收益、活动直接收入/活动间接收入、活动收入贡献、活动拉升比例

• 6.2.3.供应链指标：库存可用天数、库存量、库龄、滞销金额、缺货率、残次数量/残次金额/残次占比、库存周转天数

6.3.商品数据化运营应用场景

• 6.3.1.销售预测

• 6.3.2.库存分析

• 6.3.3.市场分析

• 6.3.4.促销分析

6.4.商品数据化运营分析模型

• 6.4.1.商品价格敏感度模型：调研问卷法、数据建模法

• 6.4.2.新产品市场定位模型

• 6.4.3.销售预测模型

• 6.4.4.商品关联销售模型

• 6.4.5.异常订单检测

• 6.4.6.商品规划的最优组合

6.5.商品数据化运营分析小技巧

• 6.5.1.使用层次分析法将定量与定性分析结合

• 6.5.2.通过假设检验做促销拉动分析

• 6.5.3.使用BCG矩阵做商品结构分析

• 6.5.4.巧用4P分析建立完善的商品运营分析结构

6.6.商品数据化运营分析的“大实话”

• 6.6.1.为什么很多企业会以低于进价的价格大量销售商品：扩大市场占有率、树立低价商品形象、获得更有力的店铺排名、新产品推广、去库存、薄利多销、组合销售策略

• 6.6.2.促销活动真的是在促进商品销售吗

• 6.6.3.用户关注的商品就是要买的商品吗：用户希望从更高端的商品上获得更多信息；用户的心理预期是购买更好的商品；用户的购买力不支持目标商品价值

• 6.6.4.提供的选择过多其实不利于商品销售：商品信息在满足消费者个性化需求的同时，也会对用户销售转化产生负面影响

6.7.案例：基于Gradient Boosting的自动超参数优化的销售预测

第七章 流量数据化运营

7.1.流量数据化运营概述

7.2.八大流量分析工具

• 7.2.1.Adobe Analytics：国内付费网站分析工具领域最主要的工具和服务供应商

• 7.2.2.Webtrekk Suite：Webtrekk公司的数字智能解决方案

• 7.2.3.Webtrends：网站分析工具的鼻祖

• 7.2.4.Google Analytics：免费，非常强大，能满足大多数中小企业的日常需求

• 7.2.5.IBM Coremetrics：网站分析套件和数字营销优化套件

• 7.2.6.百度统计：世界上应用最多的免费网站统计工具之一

• 7.2.7.Flurry：基于SaaS的免费移动应用分析工具

• 7.2.8.友盟：国内免费移动应用数据监测的领头羊

7.3.如何选择第三方流量分析工具

• 1.整体解决方案能力：整合数据系统能力、整合运营系统能力

• 2.产品易用性：IT部门关注产品易实施、业务部门关注产品易使用

• 3.功能丰富性

• 4.增值服务价值：日常支持、原厂服务团队、Local办公和本地化作业、价格和费用

7.3.流量采集分析系统的工作机制

• 7.3.1.流量数据采集：在线数据采集、外部数据接入

• 7.3.2.流量数据处理：数据规则层（代码部署规则、数据采集规则、数据处理规则）、数据处理层（通用信息处理、特殊数据处理）

• 7.3.3.流量数据应用：Web Service、Report API、Excel Api、Feed Api、DataWarehouse

7.4.流量数据与企业数据的整合

• 7.4.1.流量数据整合的意义

• 1、提高决策层的决策效率；2、深化业务层的商业洞察；3、降低IT的数据维护成本

• 7.4.2.流量数据整合的方法：1、在线数据整合（营销数据、会员数据、运营数据、外部环境数据）；2、本地数据整合

7.5.流量数据化运营指标

• 7.5.1.站外营销推广指标：曝光量、点击量、点击率、CPM、CPD、CPC、CPA、每UV成本、每访问成本、ROI、每点击/UV/访问/目标转化收益

• 7.5.2.网站流量数量指标：到达率、UV、Visit、PV、新访问占比、实例数

• 7.5.3.网站流量质量指标：访问深度、停留时间、跳出/跳出率、退出/退出率、产品页转化率、加入购物车转化率、结算转化率、下载转化率、注册转化率、购物车内转化率

7.6.流量数据化运营应用场景

• 7.6.1.流量采购：流量预测、效果评估、效果分析、作弊检测

• 7.6.2.流量分发：内部广告、活动引导、自然引导、个性化推荐

7.7.流量数据化运营分析模型

• 7.7.1.流量波动检测

• 7.7.2.渠道特征聚类

• 7.7.3.广告整合传播模型：广告来源路径、目标转化归因、广告渠道的关联访问

• 7.7.4.流量预测模型

7.8.流量数据化运营分析小技巧

• 7.8.1.给老板提供一页纸的流量dashboard：关键指标、适当的图形

• 7.8.2.关注趋势、重要事件和潜在因素是日常报告的核心

• 7.8.3.使用从细分到多层下钻数据分析

• 7.8.4.通过跨屏追踪解决用户跨设备和浏览器的访问行为

• 7.8.5.基于时间序列的用户群体过滤

7.9.流量数据化运营分析的“大实话”

• 7.9.1.流量数据分析的价值其实没那么大

• 7.9.2.如何将流量的实时分析价值最大化：固定投放类渠道、资源紧俏类渠道

• 7.9.3.营销流量的质量评估是难点工作

• 7.9.4.个性化的媒体投放仍然面临很多问题

• 7.9.5.传统的网站分析方法到底缺少了什么：关联分析模型、REM和RFE模型、异常检测模型、聚类模型、关联矩阵、评分模型

第八章 内容数据化运营

8.1.内容数据化运营概述：内容运营是指基于内容的策划、编辑、发布、优化、营销等一系列工作，主要集中在互联网、媒体等以内容为主的行业领域。UGC、PGC、OGC

8.2.内容数据化运营指标

• 8.2.1.内容质量指标

• 8.2.2.SEO类指标：收录数量/比例、关键字排名、点击量和点击率

• 8.2.3.内容流量指标

• 8.2.4.内容互动指标：收藏量、点赞量、评论量、传播量/传播率、二次传播率

• 8.2.5.目标转化指标

8.3.内容数据化运营应用场景

• 8.3.1.内容采集

• 8.3.2.内容创作

• 8.3.3.内容分发

• 8.3.4.内容管理

8.4.内容数据化运营分析模型

• 8.4.1.情感分析模型

• 8.4.2.搜索优化模型

• 8.4.3.文章关键字模型

• 8.4.4.主题模型

• 8.4.5.垃圾信息检测模型

8.5.内容数据化运营分析小技巧

• 8.5.1.通过AB测试和多变量测试找到最佳内容版本

• 8.5.2.通过屏幕浏览占比了解用户到底看了页面多少内容

• 8.5.3.通过数据分析系统与CMS打通实现个性化内容运营

• 8.5.4.将个性化推荐从网站应用到App端

8.6.内容数据化运营分析的“大实话”

• 8.6.1.个性化内容运营不仅是整合CMS和数据系统

• 8.6.2.用户在着陆页上不只有跳出和继续两种状态

• 8.6.3.“人工组合”的内容运营价值最大化并非不能实现

• 8.6.4.影响内容点击率的因素不仅有位置

第九章 数据化运营分析的终极秘籍

• 9.1.撰写出彩的数据分析报告的5个建议：完整的报告结构、精致的页面版式、漂亮的可视化图形、突出报告的关键信息、用报告对象习惯的放矢撰写报告

• 9.2.数据化运营支持的4种扩展方式：数据API、数据模型、数据产品、运营产品

• 9.3.提升数据化运营价值度的5种途径：数据源不只有结构化的数据、自动化建立自动工作机制、未卜先知建立智能预警模型、智能化向BI-AI的方向走、场景化将数据嵌入运营环节之中

写在后面

• pdf书籍、笔记思维导图、资料打包下载地址：暂无
• 思维导图在线查看：点击打开
• 得到电子书地址：暂无