智能增長

《智能增長》共分 5 部分 :數據篇從智能驅動增長方案的基礎出發，沿着實際工作鏈條，介紹數 據收集、加工、存儲和訪問 ;模型篇銜接基礎數據到上層應用，全面介紹數據建模，包括生命 週期、RFM、AARRR 和地理信息模型 ;場景篇真正介紹智能增長怎麼做，這裏以完整的商業 運營鏈條為例拆解 9 大運營場景，從業務、財務和技術的角度詳述增長實踐 ;團隊篇解釋了數 據驅動增長在人物層面需要具備的必要因素 ;結語篇探討了智能增長對經濟的促進作用和作用方式。 ^[1] 

第 一部分　數據篇

第 1章　數據收集 2

1.1　行為數據 3

1.1.1　傳統獲取方式 4

1.1.2　獲取方式對比 5

1.1.3　無需埋點的數據收集 5

1.1.4　用户行為數據類型 7

1.2　交易數據 9

1.2.1　收集交易過程數據 9

1.2.2　收集交易累積數據 11

1.2.3　區分交易金額的組成 12

1.2.4　收集廣告點擊數據 13

1.3　標籤數據 14

1.3.1　發現身份屬性標籤 15

1.3.2　在基礎標籤上加工 15

1.3.3　從交易行為提取標籤 16

1.3.4　從數據挖掘建模輸出 標籤 16

第 2章　數據加工 18

2.1　標準與格式 19

2.1.1　基本概念 19

2.1.2　無量綱化處理 20

2.1.3　多源數據融合 21

2.2　關聯分析 23

2.2.1　概念 23

2.2.2　Apriori算法 24

2.2.3　應用關聯分析 25

2.3　數據清洗 28

2.3.1　填補缺失值 28

2.3.2　數據平滑 30

2.3.3　數據造假 31

2.3.4　監測噪聲數據 33

第3章　數據存儲 35

3.1　分層與粒度 35

3.1.1　粒度劃分標準 36

3.1.2　分層實現方法 37

3.1.3　智能增長的新視角 39

3.2　更新與時效 40

3.2.1　記錄實時數據 40

3.2.2　數據更新與同步 41

3.2.3　時效性 42

3.3　搭建存儲方案 43

3.3.1　HDFS數據庫 43

3.3.2　NoSQL數據庫 44

3.3.3　開發自有方案 46

第4章　數據訪問 48

4.1　訪問工具：正排與倒排 48

4.1.1　正排索引 48

4.1.2　倒排索引 52

4.2　衡量方法：查準與查全 54

4.2.1　定義 54

4.2.2　正排查全 55

4.2.3　正排查準 55

4.2.4　倒排查全 56

4.2.5　倒排查準 56

4.3　優化：性能與效率 57

4.3.1　數據庫設計 57

4.3.2　SQL語句設計 59

第 二部分　模型篇

第5章　生命週期模型 62

5.1　用户生命週期 62

5.1.1　劃分標準 63

5.1.2　用户生命價值 64

5.1.3　生命週期運營 65

5.2　商户生命週期 67

5.2.1　劃分標準 67

5.2.2　商户生命價值 69

5.2.3　生命週期運營 69

5.3　小結 71

第6章　RFM模型 73

6.1　定義 73

6.2　適用場景 75

6.2.1　客户管理 75

6.2.2　電商運營 76

6.2.3　服務升級 77

6.3　演變方向 78

6.3.1　多級指標細分 78

6.3.2　算法降維 79

第7章　AARRR模型 81

7.1　定義 81

7.2　適用場景和指標 82

7.2.1　下載量和激活量 83

7.2.2　用户獲取成本 84

7.2.3　用户活躍度 84

7.2.4　用户留存率 85

7.2.5　用户平均收入 86

7.2.6　用户回報率 87

7.2.7　用户影響因子 88

7.3　小結 88

第8章　地理信息模型 90

8.1　意義 90

8.2　基礎技術 91

8.2.1　地理座標 92

8.2.2　地圖定位 94

8.2.3　地圖導航 94

8.3　適用場景 95

8.3.1　地址信息解析 96

8.3.2　基礎位置描述 97

8.3.3　周邊POI檢索 98

8.3.4　高精度定位服務 99

8.3.5　個性化感知 100

8.4　演變方向 101

8.4.1　室內定位精準度 101

8.4.2　POI位置語義化 102

第三部分　場景篇

第9章　如何持續獲得新用户 104

9.1　意義 104

9.2　從0到10 000，圈定種子用户 105

9.2.1　採用邀請機制 106

9.2.2　引起社區關注 106

9.3　從10 000到1000萬，構建增長 機制 107

9.3.1　競爭羣體增長 107

9.3.2　延伸品類增長 108

9.3.3　相近地址增長 109

9.3.4　社交關係增長 110

9.4　評估與反饋 111

9.4.1　降低競品用户的獲取 成本 112

9.4.2　提高附近用户的激活 比例 112

9.4.3　提高延伸用户的活躍 程度 113

9.4.4　提高社交用户的影響 能力 114

9.4.5　拉新效果評估矩陣 114

9.5　小結 115

第 10章　誰是你的明星商户 116

10.1　意義 116

10.2　拓荒階段 117

10.2.1　動銷率與展現率 118

10.2.2　吸引能力：平衡動銷 和展現 118

10.3　發展階段 119

10.3.1　新客導流數量與質量 119

10.3.2　導流能力：平衡數量 與質量 120

10.4　相持階段 120

10.4.1　客單價與客單量 121

10.4.2　擴張能力：平衡單價 與單量 121

10.5　穩定階段 122

10.5.1　****率與營業利 潤率 122

10.5.2　盈利能力：跨越盈虧 平衡線 123

10.6　小結 124

第 11章　何日君再來 125

11.1　背景 125

11.2　留存分析工具 127

11.2.1　目標用户定格測算 分析 127

11.2.2　選定用户時序演化 分析 129

11.3　挽回流失用户 131

11.3.1　流失的定義和分類 131

11.3.2　流失率預測模型 132

11.3.3　干預流失過程 133

11.3.4　流失用户激活效應 133

11.4　小結 134

第 12章　差異化定價 136

12.1　意義 136

12.2　根據服務區分定價 138

12.2.1　一服務一價 138

12.2.2　創造差異服務 139

12.3　根據用户區分定價 140

12.3.1　看到不同價格 140

12.3.2　派發不同紅包 140

12.4　根據時間區分定價 141

12.4.1　潮汐規律 141

12.4.2　峯值效應 142

12.5　小結 144

第 13章　縮短用户決策路徑 145

13.1　決策路徑上的技術鏈條 146

13.2　搜索技術 147

13.2.1　查詢詞分析 147

13.2.2　查詢詞變換 149

13.2.3　檢索結果擴展 150

13.3　排序技術 151

13.3.1　社交類 151

13.3.2　消費類 152

13.4　推薦技術 152

13.4.1　技術選型 153

13.4.2　技術挑戰 157

13.5　小結 160

第 14章　營造虛擬經濟循環 161

14.1　背景 161

14.2　虛擬商品定價 163

14.2.1　信用積分體系 163

14.2.2　道具交易體系 164

14.3　虛擬管理激勵 165

14.3.1　調節服務難度 166

14.3.2　調節服務質量 167

14.4　虛擬資源競價 169

14.4.1　發現虛擬資源 169

14.4.2　找到競價者 170

14.4.3　估算競爭價格 171

14.5　小結 171

第 15章　擠出繁榮裏的泡沫 173

15.1　什麼是刷單 174

15.1.1　刷單形態 174

15.1.2　作弊手段 175

15.2　加強數據校驗 177

15.2.1　*一性驗證 177

15.2.2　常駐點驗證 178

15.2.3　硬件驗證 179

15.3　發現數據異常 180

15.3.1　短期頻繁行為 180

15.3.2　批量雷同行為 181

15.3.3　抱團趨同 182

15.4　制止作弊行為 182

15.4.1　規則系統 182

15.4.2　機器建模 183

15.4.3　避免誤傷 184

15.5　小結 184

第 16章　為商户賦能 186

16.1　選地址 187

16.1.1　找到旺鋪位置 187

16.1.2　劃定服務範圍 188

16.2　選商品 189

16.2.1　知己知彼找爆品 189

16.2.2　商品的生命週期 190

16.3　選客羣 190

16.3.1　定製目標用户 190

16.3.2　提高攬客質量 191

16.3.3　降低攬客成本 192

16.4　小結 192

第 17章　調度一盤棋 194

17.1　調度模式分類 195

17.1.1　單地串行調度 196

17.1.2　單地並行調度 196

17.1.3　雙地並行調度 197

17.2　物流調度決策 198

17.2.1　多目標優化 199

17.2.2　分層建模降維 200

17.2.3　雲端虛擬調度 201

17.2.4　配送耗時預估 202

17.2.5　可視化平台 203

17.3　運力供需分配 204

17.3.1　需求預測與跨時空 調配 205

17.3.2　**條件運力預警 分配 205

17.4　小結 206

第四部分　團隊篇

第 18章　榜樣的力量 208

18.1　Facebook增長團隊 209

18.1.1　組織構成 209

18.1.2　主要經驗 210

18.2　美團大數據團隊 210

18.2.1　組織構成 210

18.2.2　主要經驗 211

18.3　騰訊大數據團隊 212

18.3.1　組織構成 212

18.3.2　主要經驗 212

18.4　GrowingIO大數據團隊 213

18.4.1　組織構成 213

18.4.2　主要經驗 214

18.5　京東大數據團隊 214

18.5.1　組織構成 215

18.5.2　主要經驗 215

18.6　阿里巴巴數據平台事業部 216

18.6.1　組織構成 216

18.6.2　主要經驗 217

第 19章　組建增長團隊 218

19.1　增長團隊組織架構 218

19.1.1　增長團隊內部成員 218

19.1.2　增長團隊相關角色 220

19.1.3　團隊合作方式 223

19.2　發揮數據科學家的作用 224

19.2.1　數據科學家做什麼 225

19.2.2　數據科學家怎麼做 226

19.3　常見陷阱與經驗 227

19.3.1　避免大數據浮腫 227

19.3.2　溝通部門間障礙 227

19.3.3　防範全面建設 228

第五部分　結語篇

第 20章　增長的力量 232

20.1　智能增長對經濟的意義 232

20.1.1　互聯網改造工業經濟 232

20.1.2　互聯網經濟到智能經濟的過渡 233

20.1.3　智能增長的本質 234

20.2　智能增長的階段 235

20.2.1　早期積累 236

20.2.2　快速發展 236

20.2.3　精細運營 237

20.3　人的未來 238

20.3.1　被機器智能替代 239

20.3.2　做機器做不了的 240

20.3.3　駕馭機器智能 240

20.3.4　增長的代價 241

後記 242 ^[1]