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　　3
1.1.2 獲取方式對比　　4
1.1.3 無需埋點的數據收集　　5
1.1.4 用戶行為數據類型　　7
1.2 交易數據　　9
1.2.1 收集交易過程數據　　9
1.2.2 收集交易纍積數據　　10
1.2.3 區分交易金額的組成　　11
1.2.4 收集廣告點擊數據　　12
1.3 標簽數據　　13
1.3.1 發現身份屬性標簽　　14
1.3.2 在基礎標簽上加工　　14
1.3.3 從交易行為提取標簽　　15
1.3.4 從數據挖掘建模輸齣標簽　　15
第2章 數據加工　　16
2.1 標準與格式　　17
2.1.1 基本概念　　17
2.1.2 無量綱化處理　　18
2.1.3 多源數據融閤　　19
2.2 關聯分析　　20
2.2.1 概念　　20
2.2.2 Apriori 算法　　22
2.2.3 應用關聯分析　　22
2.3 數據清洗　　25
2.3.1 填補缺失值　　25
2.3.2 數據平滑　　27
2.3.3 數據造假　　27
2.3.4 監測噪聲數據　　29
第3章 數據存儲　　31
3.1 分層與粒度　　31
3.1.1 粒度劃分標準　　32
3.1.2 分層實現方法　　33
3.1.3 智能增長的新視角　　35
3.2 更新與時效　　35
3.2.1 記錄實時數據　　36
3.2.2 數據更新與同步　　36
3.2.3 時效性　　37
3.3 搭建存儲方案　　38
3.3.1 HDFS 數據庫　　38
3.3.2 NoSQL 數據庫　　39
3.3.3 開發自有方案　　40
第4章 數據訪問　　43
4.1 訪問工具：正排與倒排　　43
4.1.1 正排索引　　43
4.1.2 倒排索引　　46
4.2 衡量方法：查準與查全　　48
4.2.1 定義　　48
4.2.2 正排查全　　49
4.2.3 正排查準　　49
4.2.4 倒排查全　　50
4.2.5 倒排查準　　50
4.3 優化：性能與效率　　51
4.3.1 數據庫設計　　51
4.3.2 SQL 語句設計　　52
第二部分　模型篇
第5章 生命周期模型　　56
5.1 用戶生命周期　　56
5.1.1 劃分標準　　57
5.1.2 用戶生命價值　　58
5.1.3 生命周期運營　　59
5.2 商戶生命周期　　61
5.2.1 劃分標準　　61
5.2.2 商戶生命價值　　62
5.2.3 生命周期運營　　63
5.3 小結　　65
第6章 RFM 模型　　66
6.1 定義　　66
6.2 適用場景　　68
6.2.1 客戶管理　　68
6.2.2 電商運營　　69
6.2.3 服務升級　　69
6.3 演變方嚮　　71
6.3.1 多級指標細分　　71
6.3.2 算法降維　　72
第7章 AARRR 模型　　73
7.1 定義　　73
7.2 適用場景和指標　　74
7.2.1 下載量和激活量　　74
7.2.2 用戶獲取成本　　75
7.2.3 用戶活躍度　　76
7.2.4 用戶留存率　　76
7.2.5 用戶平均收入　　77
7.2.6 用戶迴報率　　78
7.2.7 用戶影響因子　　79
7.3 小結　　79
第8章 地理信息模型　　81
8.1 意義　　81
8.2 基礎技術　　82
8.2.1 地理坐標　　82
8.2.2 地圖定位　　84
8.2.3 地圖導航　　85
8.3 適用場景　　86
8.3.1 地址信息解析　　86
8.3.2 基礎位置描述　　88
8.3.3 周邊POI 檢索　　89
8.3.4 高精度定位服務　　89
8.3.5 個性化感知　　90
8.4 演變方嚮　　91
8.4.1 室內定位精準度　　91
8.4.2 POI 位置語義化　　92
第三部分　場景篇
第9章 如何持續獲得新用戶　　94
9.1 意義　　94
9.2 從0 到10 000，圈定種子用戶　　95
9.2.1 采用邀請機製　　96
9.2.2 引起社區關注　　96
9.3 從10 000 到1000 萬，構建增長機製　　97
9.3.1 競爭群體增長　　97
9.3.2 延伸品類增長　　98
9.3.3 相近地址增長　　98
9.3.4 社交關係增長　　99
9.4 評估與反饋　　100
9.4.1 降低競品用戶的獲取成本　　101
9.4.2 提高附近用戶的激活比例　　101
9.4.3 提高延伸用戶的活躍程度　　102
9.4.4 提高社交用戶的影響能力　　102
9.4.5 拉新效果評估矩陣　　103
9.5 小結　　104
第10章 誰是你的明星商戶　　105
10.1 意義　　105
10.2 拓荒階段　　106
10.2.1 動銷率與展現率　　107
10.2.2 吸引能力：平衡動銷和展現　　107
10.3 發展階段　　108
10.3.1 新客導流數量與質量　　108
10.3.2 導流能力：平衡數量與質量　　108
10.4 相持階段　　109
10.4.1 客單價與客單量　　109
10.4.2 擴張能力：平衡單價與單量　　110
10.5 穩定階段　　110
10.5.1 投資迴報率與營業利潤率　　110
10.5.2 盈利能力：跨越盈虧平衡綫　　111
10.6 小結　　112
第11章 何日君再來　　113
11.1 背景　　113
11.2 留存分析工具　　115
11.2.1 目標用戶定格測算分析　　115
11.2.2 選定用戶時序演化分析　　116
11.3 挽迴流失用戶　　118
11.3.1 流失的定義和分類　　119
11.3.2 流失率預測模型　　119
11.3.3 乾預流失過程　　120
11.3.4 流失用戶激活效應　　120
11.4 小結　　121
第12章 差異化定價　　123
12.1 意義　　123
12.2 根據服務區分定價　　124
12.2.1 一服務一價　　125
12.2.2 創造差異服務　　126
12.3 根據用戶區分定價　　126
12.3.1 看到不同價格　　127
12.3.2 派發不同紅包　　127
12.4 根據時間區分定價　　127
12.4.1 潮汐規律　　128
12.4.2 峰值效應　　129
12.5 小結　　130
第13章 縮短用戶決策路徑　　131
13.1 決策路徑上的技術鏈條　　132
13.2 搜索技術　　133
13.2.1 查詢詞分析　　133
13.2.2 查詢詞變換　　134
13.2.3 檢索結果擴展　　135
13.3 排序技術　　136
13.3.1 社交類　　137
13.3.2 消費類　　137
13.4 推薦技術　　138
13.4.1 技術選型　　138
13.4.2 技術挑戰　　141
13.5 小結　　144
第14章 營造虛擬經濟循環　　145
14.1 背景　　145
14.2 虛擬商品定價　　146
14.2.1 信用積分體係　　147
14.2.2 道具交易體係　　148
14.3 虛擬管理激勵　　149
14.3.1 調節服務難度　　149
14.3.2 調節服務質量　　151
14.4 虛擬資源競價　　152
14.4.1 發現虛擬資源　　152
14.4.2 找到競價者　　153
14.4.3 估算競爭價格　　154
14.5 小結　　154
第15章 擠齣繁榮裏的泡沫　　155
15.1 什麼是刷單　　156
15.1.1 刷單形態　　156
15.1.2 作弊手段　　157
15.2 加強數據校驗　　158
15.2.1 唯一性驗證　　159
15.2.2 常駐點驗證　　160
15.2.3 硬件驗證　　161
15.3 發現數據異常　　161
15.3.1 短期頻繁行為　　162
15.3.2 批量雷同行為　　162
15.3.3 抱團趨同　　163
15.4 製止作弊行為　　163
15.4.1 規則係統　　164
15.4.2 機器建模　　164
15.4.3 避免誤傷　　165
15.5 小結　　165
第16章 為商戶賦能　　167
16.1 選地址　　168
16.1.1 找到旺鋪位置　　168
16.1.2 劃定服務範圍　　169
16.2 選商品　　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 選客群　　171
16.3.1 定製目標用戶　　171
16.3.2 提高攬客質量　　172
16.3.3 降低攬客成本　　172
16.4 小結　　173
第17章 調度一盤棋　　175
17.1 調度模式分類　　176
17.1.1 單地串行調度　　176
17.1.2 單地並行調度　　177
17.1.3 雙地並行調度　　178
17.2 物流調度決策　　179
17.2.1 多目標優化　　180
17.2.2 分層建模降維　　180
17.2.3 雲端虛擬調度　　182
17.2.4 配送耗時預估　　182
17.2.5 可視化平颱　　183
17.3 運力供需分配　　184
17.3.1 需求預測與跨時空調配　　185
17.3.2 極端條件運力預警分配　　185
17.4 小結　　186
第四部分　團隊篇
第18章 榜樣的力量　　188
18.1 Facebook 增長團隊　　189
18.1.1 組織構成　　189
18.1.2 主要經驗　　189
18.2 美團大數據團隊　　190
18.2.1 組織構成　　190
18.2.2 主要經驗　　190
18.3 騰訊大數據團隊　　191
18.3.1 組織構成　　191
18.3.2 主要經驗　　192
18.4 GrowingIO 大數據團隊　　192
18.4.1 組織構成　　192
18.4.2 主要經驗　　193
18.5 京東大數據團隊　　194
18.5.1 組織構成　　194
18.5.2 主要經驗　　194
18.6 阿裏數據平颱事業部　　195
18.6.1 組織構成　　195
18.6.2 主要經驗　　196
第19章 組建增長團隊　　197
19.1 增長團隊組織架構　　197
19.1.1 增長團隊內部成員　　197
19.1.2 增長團隊相關角色　　199
19.1.3 團隊閤作方式　　201
19.2 發揮數據科學傢作用　　203
19.2.1 數據科學傢做什麼　　203
19.2.2 數據科學傢怎麼做　　204
19.3 常見陷阱與經驗　　205
19.3.1 避免大數據浮腫　　205
19.3.2 溝通部門間障礙　　206
19.3.3 防範全麵建設　　206
第五部分　結語篇
第20章 增長的力量　　210
20.1 智能增長對經濟的意義　　210
20.1.1 互聯網改造工業經濟　　210
20.1.2 互聯網經濟到智能經濟的過渡　　211
20.1.3 智能增長的本質　　212
20.2 智能增長的階段　　213
20.2.1 早期積纍　　213
20.2.2 快速發展　　214
20.2.3 精細運營　　215
20.3 人的未來　　216
20.3.1 被機器智能替代　　216
20.3.2 做機器做不瞭的　　217
20.3.3 駕馭機器智能　　217
20.3.4 增長的代價　　218
後 記　　219
· · · · · · (收起)