第一部分　数据篇
第1章 数据收集　　2
1.1 行为数据　　3
1.1.1 传统获取方式　　3
1.1.2 获取方式对比　　4
1.1.3 无需埋点的数据收集　　5
1.1.4 用户行为数据类型　　7
1.2 交易数据　　9
1.2.1 收集交易过程数据　　9
1.2.2 收集交易累积数据　　10
1.2.3 区分交易金额的组成　　11
1.2.4 收集广告点击数据　　12
1.3 标签数据　　13
1.3.1 发现身份属性标签　　14
1.3.2 在基础标签上加工　　14
1.3.3 从交易行为提取标签　　15
1.3.4 从数据挖掘建模输出标签　　15
第2章 数据加工　　16
2.1 标准与格式　　17
2.1.1 基本概念　　17
2.1.2 无量纲化处理　　18
2.1.3 多源数据融合　　19
2.2 关联分析　　20
2.2.1 概念　　20
2.2.2 Apriori 算法　　22
2.2.3 应用关联分析　　22
2.3 数据清洗　　25
2.3.1 填补缺失值　　25
2.3.2 数据平滑　　27
2.3.3 数据造假　　27
2.3.4 监测噪声数据　　29
第3章 数据存储　　31
3.1 分层与粒度　　31
3.1.1 粒度划分标准　　32
3.1.2 分层实现方法　　33
3.1.3 智能增长的新视角　　35
3.2 更新与时效　　35
3.2.1 记录实时数据　　36
3.2.2 数据更新与同步　　36
3.2.3 时效性　　37
3.3 搭建存储方案　　38
3.3.1 HDFS 数据库　　38
3.3.2 NoSQL 数据库　　39
3.3.3 开发自有方案　　40
第4章 数据访问　　43
4.1 访问工具：正排与倒排　　43
4.1.1 正排索引　　43
4.1.2 倒排索引　　46
4.2 衡量方法：查准与查全　　48
4.2.1 定义　　48
4.2.2 正排查全　　49
4.2.3 正排查准　　49
4.2.4 倒排查全　　50
4.2.5 倒排查准　　50
4.3 优化：性能与效率　　51
4.3.1 数据库设计　　51
4.3.2 SQL 语句设计　　52
第二部分　模型篇
第5章 生命周期模型　　56
5.1 用户生命周期　　56
5.1.1 划分标准　　57
5.1.2 用户生命价值　　58
5.1.3 生命周期运营　　59
5.2 商户生命周期　　61
5.2.1 划分标准　　61
5.2.2 商户生命价值　　62
5.2.3 生命周期运营　　63
5.3 小结　　65
第6章 RFM 模型　　66
6.1 定义　　66
6.2 适用场景　　68
6.2.1 客户管理　　68
6.2.2 电商运营　　69
6.2.3 服务升级　　69
6.3 演变方向　　71
6.3.1 多级指标细分　　71
6.3.2 算法降维　　72
第7章 AARRR 模型　　73
7.1 定义　　73
7.2 适用场景和指标　　74
7.2.1 下载量和激活量　　74
7.2.2 用户获取成本　　75
7.2.3 用户活跃度　　76
7.2.4 用户留存率　　76
7.2.5 用户平均收入　　77
7.2.6 用户回报率　　78
7.2.7 用户影响因子　　79
7.3 小结　　79
第8章 地理信息模型　　81
8.1 意义　　81
8.2 基础技术　　82
8.2.1 地理坐标　　82
8.2.2 地图定位　　84
8.2.3 地图导航　　85
8.3 适用场景　　86
8.3.1 地址信息解析　　86
8.3.2 基础位置描述　　88
8.3.3 周边POI 检索　　89
8.3.4 高精度定位服务　　89
8.3.5 个性化感知　　90
8.4 演变方向　　91
8.4.1 室内定位精准度　　91
8.4.2 POI 位置语义化　　92
第三部分　场景篇
第9章 如何持续获得新用户　　94
9.1 意义　　94
9.2 从0 到10 000，圈定种子用户　　95
9.2.1 采用邀请机制　　96
9.2.2 引起社区关注　　96
9.3 从10 000 到1000 万，构建增长机制　　97
9.3.1 竞争群体增长　　97
9.3.2 延伸品类增长　　98
9.3.3 相近地址增长　　98
9.3.4 社交关系增长　　99
9.4 评估与反馈　　100
9.4.1 降低竞品用户的获取成本　　101
9.4.2 提高附近用户的激活比例　　101
9.4.3 提高延伸用户的活跃程度　　102
9.4.4 提高社交用户的影响能力　　102
9.4.5 拉新效果评估矩阵　　103
9.5 小结　　104
第10章 谁是你的明星商户　　105
10.1 意义　　105
10.2 拓荒阶段　　106
10.2.1 动销率与展现率　　107
10.2.2 吸引能力：平衡动销和展现　　107
10.3 发展阶段　　108
10.3.1 新客导流数量与质量　　108
10.3.2 导流能力：平衡数量与质量　　108
10.4 相持阶段　　109
10.4.1 客单价与客单量　　109
10.4.2 扩张能力：平衡单价与单量　　110
10.5 稳定阶段　　110
10.5.1 投资回报率与营业利润率　　110
10.5.2 盈利能力：跨越盈亏平衡线　　111
10.6 小结　　112
第11章 何日君再来　　113
11.1 背景　　113
11.2 留存分析工具　　115
11.2.1 目标用户定格测算分析　　115
11.2.2 选定用户时序演化分析　　116
11.3 挽回流失用户　　118
11.3.1 流失的定义和分类　　119
11.3.2 流失率预测模型　　119
11.3.3 干预流失过程　　120
11.3.4 流失用户激活效应　　120
11.4 小结　　121
第12章 差异化定价　　123
12.1 意义　　123
12.2 根据服务区分定价　　124
12.2.1 一服务一价　　125
12.2.2 创造差异服务　　126
12.3 根据用户区分定价　　126
12.3.1 看到不同价格　　127
12.3.2 派发不同红包　　127
12.4 根据时间区分定价　　127
12.4.1 潮汐规律　　128
12.4.2 峰值效应　　129
12.5 小结　　130
第13章 缩短用户决策路径　　131
13.1 决策路径上的技术链条　　132
13.2 搜索技术　　133
13.2.1 查询词分析　　133
13.2.2 查询词变换　　134
13.2.3 检索结果扩展　　135
13.3 排序技术　　136
13.3.1 社交类　　137
13.3.2 消费类　　137
13.4 推荐技术　　138
13.4.1 技术选型　　138
13.4.2 技术挑战　　141
13.5 小结　　144
第14章 营造虚拟经济循环　　145
14.1 背景　　145
14.2 虚拟商品定价　　146
14.2.1 信用积分体系　　147
14.2.2 道具交易体系　　148
14.3 虚拟管理激励　　149
14.3.1 调节服务难度　　149
14.3.2 调节服务质量　　151
14.4 虚拟资源竞价　　152
14.4.1 发现虚拟资源　　152
14.4.2 找到竞价者　　153
14.4.3 估算竞争价格　　154
14.5 小结　　154
第15章 挤出繁荣里的泡沫　　155
15.1 什么是刷单　　156
15.1.1 刷单形态　　156
15.1.2 作弊手段　　157
15.2 加强数据校验　　158
15.2.1 唯一性验证　　159
15.2.2 常驻点验证　　160
15.2.3 硬件验证　　161
15.3 发现数据异常　　161
15.3.1 短期频繁行为　　162
15.3.2 批量雷同行为　　162
15.3.3 抱团趋同　　163
15.4 制止作弊行为　　163
15.4.1 规则系统　　164
15.4.2 机器建模　　164
15.4.3 避免误伤　　165
15.5 小结　　165
第16章 为商户赋能　　167
16.1 选地址　　168
16.1.1 找到旺铺位置　　168
16.1.2 划定服务范围　　169
16.2 选商品　　170
16.2.1 知己知彼找爆品　　170
16.2.2 商品的生命周期　　171
16.3 选客群　　171
16.3.1 定制目标用户　　171
16.3.2 提高揽客质量　　172
16.3.3 降低揽客成本　　172
16.4 小结　　173
第17章 调度一盘棋　　175
17.1 调度模式分类　　176
17.1.1 单地串行调度　　176
17.1.2 单地并行调度　　177
17.1.3 双地并行调度　　178
17.2 物流调度决策　　179
17.2.1 多目标优化　　180
17.2.2 分层建模降维　　180
17.2.3 云端虚拟调度　　182
17.2.4 配送耗时预估　　182
17.2.5 可视化平台　　183
17.3 运力供需分配　　184
17.3.1 需求预测与跨时空调配　　185
17.3.2 极端条件运力预警分配　　185
17.4 小结　　186
第四部分　团队篇
第18章 榜样的力量　　188
18.1 Facebook 增长团队　　189
18.1.1 组织构成　　189
18.1.2 主要经验　　189
18.2 美团大数据团队　　190
18.2.1 组织构成　　190
18.2.2 主要经验　　190
18.3 腾讯大数据团队　　191
18.3.1 组织构成　　191
18.3.2 主要经验　　192
18.4 GrowingIO 大数据团队　　192
18.4.1 组织构成　　192
18.4.2 主要经验　　193
18.5 京东大数据团队　　194
18.5.1 组织构成　　194
18.5.2 主要经验　　194
18.6 阿里数据平台事业部　　195
18.6.1 组织构成　　195
18.6.2 主要经验　　196
第19章 组建增长团队　　197
19.1 增长团队组织架构　　197
19.1.1 增长团队内部成员　　197
19.1.2 增长团队相关角色　　199
19.1.3 团队合作方式　　201
19.2 发挥数据科学家作用　　203
19.2.1 数据科学家做什么　　203
19.2.2 数据科学家怎么做　　204
19.3 常见陷阱与经验　　205
19.3.1 避免大数据浮肿　　205
19.3.2 沟通部门间障碍　　206
19.3.3 防范全面建设　　206
第五部分　结语篇
第20章 增长的力量　　210
20.1 智能增长对经济的意义　　210
20.1.1 互联网改造工业经济　　210
20.1.2 互联网经济到智能经济的过渡　　211
20.1.3 智能增长的本质　　212
20.2 智能增长的阶段　　213
20.2.1 早期积累　　213
20.2.2 快速发展　　214
20.2.3 精细运营　　215
20.3 人的未来　　216
20.3.1 被机器智能替代　　216
20.3.2 做机器做不了的　　217
20.3.3 驾驭机器智能　　217
20.3.4 增长的代价　　218
后 记　　219
· · · · · · (收起)