大数据用户行为画像分析实操指南

　　本书系统地介绍了用户行为分析的理论基础和实施步骤，书中列举了大量翔实的应用案例。第1～2章概要介绍了用户行为分析的基础知识和应用场景。第3～4章详细介绍了基于大数据的用户行为数据的采集、存储和处理方法的技术原理和实施步骤，以及常用的采集与分析工具。第5～6章重点介绍了用户行为分析的常用指标和用户模型构建，以及用户行为分析在企业日常运营中的具体应用。书中详细阐述了用户行为全程追踪方法，介绍了转化分析、用户分群、用户生命周期、用户流失预警、用户价值管理等经典的精细化运营模型。第7～9章详细介绍了用户画像和标签体系的构建方法、步骤，阐述了用户画像在推荐系统和智能营销中的具体应用。第10章详细阐述了用户行为分析在若干个不同行业的经典应用案例，包括金融、电商、房地产、快销品、互联网媒体等行业。本书既可以作为学习用户行为分析理论的入门书，也可以给相关领域的实践操作人员提供具体的实施步骤和应用方面的启迪。可供企事业管理人员、大数据从业人员和大专院校相关专业的师生阅读参考。

　　杜晓梦 北京大学营销模型专业博士，曾入选 2018 年北京市“科技新星”；专长于跨学科数据科学建模、消费者行为预测、互联网广告、社会媒体营销、归因模型、流失预警模型、社会网络分析。唐晓密 东北财经大学统计学专业硕士，擅长用户在线行为分析、用户智能营销运营、数据分析与挖掘等方向。拥有十多年的业务咨询和数据分析工作经历，服务超过100多家客户，涉及零售、金融、地产、烟草等行业。张银虎 中国地质大学计算机科学与技术专业，长期从事大数据工作并拥有相关专利，从基层起步有着扎实的实战经验和问题解决方法论，擅长于架构设计、数据处理和解决方案等，服务过众多大型集团客户。

目 录
第1章 走近用户行为分析\t1
1．1 用户行为分析与画像的概念\t3
1．2 用户行为分析的意义\t4
1．3 大数据与用户行为分析\t7
1．4 用户行为分析的几个重要阶段\t8
1．4．1 获取用户行为数据\t8
1．4．2 明确分析指标与维度\t8
1．4．3 分析结果可视化呈现\t10
第2章 行为数据分析的使用场景\t14
2．1 了解用户使用习惯\t14
2．2 提升用户操作体验\t15
2．3 监控业务转化过程\t17
2．4 持续性辅助用户运营效果\t19
第3章 基于大数据的行为分析――传统埋码\t23
3．1 行为数据采集方法与技术原理\t23
3．2 行为数据的统计原理\t26
3．3 行为统计的分类方法\t31
3．3．1 使用层面的分类\t31
3．3．2 技术处理层面的分类\t32
3．4 基于大数据的行为数据存储与计算\t34
3．4．1 行为数据采集系统示例\t34
3．4．2 存储与分析系统示例\t40
第4章 基于大数据的行为分析――无埋码\t67
4．1 无埋码技术的实现原理\t67
4．2 无埋码技术的使用实例\t69
4．3 无埋码采集系统示例\t70
4．3．1 连接应用\t70
4．3．2 配置无埋码事件\t71
4．4 其他无埋码渠道的行为数据分析\t74
第5章 行为分析的指标与模型\t77
5．1 用户行为分析的3个层次\t77
5．2 行为分析指标\t78
5．2．1 渠道类指标\t78
5．2．2 访问类指标\t78
5．2．3 转化类指标\t79
5．2．4 留存类指标\t80
5．2．5 社交类指标\t81
5．3 用户模型构建\t81
5．3．1 传统的用户模型构建方法\t82
5．3．2 大数据时代下基于行为数据的用户模型构建方法\t83
5．4 用户行为全程追踪\t85
5．4．1 用户获取\t86
5．4．2 用户转化\t86
5．4．3 用户留存\t87
5．4．4 产生收入\t87
5．4．5 用户传播\t88
5．5 转化分析模型\t89
5．5．1 科学地构建漏斗\t89
5．5．2 漏斗对比分析法\t90
5．5．3 漏斗与客户流向结合分析法\t90
5．5．4 微转化行为分析法\t91
5．5．5 用户注意力分析法\t92
5．6 精细化运营模型\t93
5．6．1 用户常规分群体系构建\t93
5．6．2 用户生命周期模型构建\t95
5．6．3 用户流失预警模型构建\t96
5．6．4 用户价值管理（RFM）模型构建\t98
5．6．5 大小数据融合的用户画像模型构建\t99
第6章 行为分析与日常运营\t101
6．1 用户行为分析与渠道运营\t101
6．1．1 渠道归因模型\t101
6．1．2 渠道引流趋势分析\t102
6．1．3 不同渠道用户画像\t103
6．1．4 不同渠道用户站内行为\t103
6．2 用户行为分析与产品运营\t104
6．2．1 用户健康度分析\t104
6．2．2 用户路径分析模型\t105
6．2．3 漏斗分析模型\t107
6．2．4 用户点击模型\t108
6．3 用户行为分析与营销运营\t109
6．3．1 用户行为分析与活动方案设计\t109
6．3．2 用户行为分析与活动方案执行\t110
6．3．3 用户行为分析与活动效果评估\t111
6．4 用户行为分析与用户运营\t112
6．4．1 用户行为分析与拉新\t112
6．4．2 用户行为分析与转化\t114
6．4．3 用户行为分析与留存\t116
第7章 用户画像\t118
7．1 用户画像概述\t119
7．1．1 用户画像的定义\t119
7．1．2 用户画像的构建原则\t120
7．1．3 用户画像的应用领域\t121
7．2 两种常见的用户画像\t122
7．2．1 用户角色（User Persona）\t122
7．2．2 用户档案（User Profile）\t125
7．3 用户画像的调研\t131
7．3．1 背景描述\t131
7．3．2 需求调研\t132
7．3．3 业务理解\t134
第8章 标签体系――用户画像的刻画\t135
8．1 标签体系的构建\t135
8．1．1 ID拉通\t136
8．1．2 结构化标签体系和非结构化标签体系\t145
8．1．3 标签体系的构建\t147
8．2 标签体系的分析方法及应用\t151
8．2．1 群组构建\t151
8．2．2 用户群组分析\t153
8．2．3 微观画像\t154
8．2．4 用户相似度\t155
第9章 用户画像的大数据应用\t159
9．1 用户画像与推荐系统\t159
9．1．1 推荐系统简介\t159
9．1．2 矩阵计算\t160
9．1．3 基于用户的协同过滤示例\t161
9．2 用户画像与智能营销（一）\t166
9．2．1 营销场景构建\t167
9．2．2 业务规则\t167
9．2．3 实时化的自动营销\t167
9．3 用户画像与智能营销（二）\t168
9．3．1 用户画像与电话营销\t168
9．3．2 用户画像与电话回访\t169
9．3．3 用户画像与二次销售\t169
9．3．4 用户画像与投诉\t169
第10章 案例与详解\t171
10．1 金融行业用户全渠道行为分析\t171
10．1．1 分析背景\t171
10．1．2 用户行为分析过程\t173
10．2 电商行业用户行为分析\t177
10．2．1 分析背景\t177
10．2．2 用户行为分析过程\t179
10．3 房地产行业用户行为分析\t183
10．3．1 分析背景\t183
10．3．2 用户行为分析过程\t185
10．4 快消行业用户行为分析\t188
10．4．1 分析背景\t188
10．4．2 用户行为分析过程\t189
10．5 媒体行业用户行为分析――以电影网为例\t196
10．5．1 分析背景\t196
10．5．2 用户行为分析过程\t197