书籍详情
商业产品分析：从用户数据获得商业洞见的数据科学方法
作者：乔安妮·罗德里格斯（Joanne Rodrigues）
出版社：机械工业出版社
出版时间：2019-09-01
ISBN：9787111733010
定价：¥129.00
购买这本书可以去
内容简介
本书是为产品分析从业者设计的一本从业指南，主要讲解如何基于消费者数据产生可实践的洞见。这些“可实践的洞见”源于曾经在互联网、移动互联网等领域中驱动过变革的实践。很多企业都曾从其web产品或内部组织获得了TB级的用户数据，然而这些数据都未曾使用过。怎样使用这些数据促进用户增长、增加收入、提升用户参与度并提高组织效率，企业并没有认真思考过。本书将逐步地教你如何从用户数据中收获洞见。通过精心分析基于用户数据构建的理论曲线，观察不同的实验设计及其产生的实验效果，然后再在复杂的开发模式上实现，将这些结果转化为可实践的洞见。
作者简介
暂缺《商业产品分析：从用户数据获得商业洞见的数据科学方法》作者简介
目录
Contents
推荐序一
推荐序二
推荐序三
推荐序四
译者序
前言
致谢
第一部分 定性方法论
第1章 数据活动：晚宴模型 3
1.1 用户数据中断 4
1.2 晚宴模型 7
1.3 用户数据有何独特之处 13
1.4 为什么因果关系很重要 21
1.5 可实践的洞见 23
第2章 构建社交宇宙理论 24
2.1 构建理论 24
2.2 概念化和测量 33
2.3 Web产品的理论 37
2.4 可实践的洞见 41
第3章 终极目标：如何改变人类
行为 43
3.1 理解可实践的洞见 43
3.2 一切都是为了改变行为 45
3.3 关于人类行为改变的理论 50
3.4 Web产品中的行为改变 54
3.5 行为改变的现实期望是什么 56
3.6 可实践的洞见 60
第二部分 基本统计学方法
第4章 用户分析中的用户分布 63
4.1 为什么指标很重要 63
4.2 可实践的洞见 73
第5章 指标的创建和解释 74
5.1 时期、年龄和队列 74
5.2 指标的制定 80
5.3 可实践的洞见 92
第6章 为什么用户会流失？A/B
测试的来龙去脉 94
6.1 A/B测试 94
6.2 有趣的免费周活动案例 95
6.3 变量之间的相关性 99
6.4 为什么要研究随机性 102
6.5 A/B测试的核心和关键 104
6.6 A/B测试中的陷阱 115
6.7 可实践的洞见 118
第三部分 预测方法
第7章 用户空间建模：k均值和
PCA 123
7.1 什么是模型 123
7.2 聚类技术 124
7.3 可实践的洞见 132
第8章 预测用户行为：回归、
决策树和支持向量机 133
8.1 预测推断 133
8.2 关于预测的许多问题 134
8.3 预测建模 136
8.4 监督学习模型的验证 148
8.5 可实践的洞见 151
附录 151
第9章 预测产品人口变化：人口
预测 152
9.1 为什么我们要花时间在产品
生命周期上 153
9.2 出生、死亡和整个生命周期 153
9.3 不同的留存模式 155
9.4 人口预测的艺术 161
9.5 可实践的洞见 176
第四部分 因果推断方法
第10章 追求实验：自然实验和
双重差分模型 179
10.1 为什么要进行因果推断 179
10.2 因果推断与预测 180
10.3 当A/B测试不起作用时 181
10.4 从真实数据中进行因果推断的
要点和关键 183
10.5 可实践的洞见 191
第11章 持续追求实验 193
11.1 断点回归 194
11.2 估计获得徽章的因果效应 197
11.3 中断时间序列 201
11.4 季节性分解 205
11.5 可实践的洞见 208
第12章 在实践中开发启发式方法 209
12.1 从真实数据中确定因果关系 209
12.2 统计匹配 210
12.3 倾向得分匹配的问题 216
12.4 启发式匹配 218
12.5 佳猜测 218
12.6 总结 221
12.7 可实践的洞见 222
第13章 增益建模 223
13.1 什么是增益 223
13.2 为什么采用增益建模技术 224
13.3 理解增益 225
13.4 预测与增益 225
13.5 增益困难 226
13.6 可实践的洞见 237
第五部分 基于R语言的基本
方法、预测方法和
因果推断方法
第14章 指标的R实现 241
14.1 为什么选择R语言 241
14.2 R基础入门：R语言简介及
安装 242
14.3 分布抽样 247
14.4 汇总统计量 251
14.5 Q-Q图 252
14.6 计算方差和高阶矩 254
14.7 直方图和数据分档 254
14.8 双变量分布和相关性 260
14.9 奇偶进度比 264
14.10 总结 266
第15章 A/B测试、预测建模和人口
预测的R实现 267
15.1 A/B测试 267
15.2 聚类 277
15.3 预测模型 280
15.4 人口预测 289
15.5 总结 297
第16章 断点回归、匹配和增益的
R实现 298
16.1 双重差分建模 298
16.2 断点回归和时间序列建模 301
16.3 统计匹配 310
16.4 增益建模 323
16.5 总结 334
附录 334
参考文献 337
后记 342
推荐序一
推荐序二
推荐序三
推荐序四
译者序
前言
致谢
第一部分 定性方法论
第1章 数据活动：晚宴模型 3
1.1 用户数据中断 4
1.2 晚宴模型 7
1.3 用户数据有何独特之处 13
1.4 为什么因果关系很重要 21
1.5 可实践的洞见 23
第2章 构建社交宇宙理论 24
2.1 构建理论 24
2.2 概念化和测量 33
2.3 Web产品的理论 37
2.4 可实践的洞见 41
第3章 终极目标：如何改变人类
行为 43
3.1 理解可实践的洞见 43
3.2 一切都是为了改变行为 45
3.3 关于人类行为改变的理论 50
3.4 Web产品中的行为改变 54
3.5 行为改变的现实期望是什么 56
3.6 可实践的洞见 60
第二部分 基本统计学方法
第4章 用户分析中的用户分布 63
4.1 为什么指标很重要 63
4.2 可实践的洞见 73
第5章 指标的创建和解释 74
5.1 时期、年龄和队列 74
5.2 指标的制定 80
5.3 可实践的洞见 92
第6章 为什么用户会流失？A/B
测试的来龙去脉 94
6.1 A/B测试 94
6.2 有趣的免费周活动案例 95
6.3 变量之间的相关性 99
6.4 为什么要研究随机性 102
6.5 A/B测试的核心和关键 104
6.6 A/B测试中的陷阱 115
6.7 可实践的洞见 118
第三部分 预测方法
第7章 用户空间建模：k均值和
PCA 123
7.1 什么是模型 123
7.2 聚类技术 124
7.3 可实践的洞见 132
第8章 预测用户行为：回归、
决策树和支持向量机 133
8.1 预测推断 133
8.2 关于预测的许多问题 134
8.3 预测建模 136
8.4 监督学习模型的验证 148
8.5 可实践的洞见 151
附录 151
第9章 预测产品人口变化：人口
预测 152
9.1 为什么我们要花时间在产品
生命周期上 153
9.2 出生、死亡和整个生命周期 153
9.3 不同的留存模式 155
9.4 人口预测的艺术 161
9.5 可实践的洞见 176
第四部分 因果推断方法
第10章 追求实验：自然实验和
双重差分模型 179
10.1 为什么要进行因果推断 179
10.2 因果推断与预测 180
10.3 当A/B测试不起作用时 181
10.4 从真实数据中进行因果推断的
要点和关键 183
10.5 可实践的洞见 191
第11章 持续追求实验 193
11.1 断点回归 194
11.2 估计获得徽章的因果效应 197
11.3 中断时间序列 201
11.4 季节性分解 205
11.5 可实践的洞见 208
第12章 在实践中开发启发式方法 209
12.1 从真实数据中确定因果关系 209
12.2 统计匹配 210
12.3 倾向得分匹配的问题 216
12.4 启发式匹配 218
12.5 佳猜测 218
12.6 总结 221
12.7 可实践的洞见 222
第13章 增益建模 223
13.1 什么是增益 223
13.2 为什么采用增益建模技术 224
13.3 理解增益 225
13.4 预测与增益 225
13.5 增益困难 226
13.6 可实践的洞见 237
第五部分 基于R语言的基本
方法、预测方法和
因果推断方法
第14章 指标的R实现 241
14.1 为什么选择R语言 241
14.2 R基础入门：R语言简介及
安装 242
14.3 分布抽样 247
14.4 汇总统计量 251
14.5 Q-Q图 252
14.6 计算方差和高阶矩 254
14.7 直方图和数据分档 254
14.8 双变量分布和相关性 260
14.9 奇偶进度比 264
14.10 总结 266
第15章 A/B测试、预测建模和人口
预测的R实现 267
15.1 A/B测试 267
15.2 聚类 277
15.3 预测模型 280
15.4 人口预测 289
15.5 总结 297
第16章 断点回归、匹配和增益的
R实现 298
16.1 双重差分建模 298
16.2 断点回归和时间序列建模 301
16.3 统计匹配 310
16.4 增益建模 323
16.5 总结 334
附录 334
参考文献 337
后记 342
猜您喜欢
