本書以案例的形式，介紹從思維模型分析到場景實踐的數據分析方法。全書圍繞“數據分析”與“運營增長”兩大關鍵要素，在系統介紹數據分析思維、數據分析方法、數據采集技能、數據清洗技能等基礎知識的同時，以問題為導向，解讀運營與增長的關鍵性業務內容，在獲客、激活、留存、變現、自傳播循環等各個核心運營環節展開數據分析實戰。
本書提供案例相關數據集與源碼包，適合數據分析、產品運營、市場營銷等行業有數據分析具體業務需求的人士閱讀，也適合相關專業的師生閱讀。
內卷時代的剛需，升職加薪的利器！如何在內卷時代脫穎而出？看書似乎都明白，一到實際工作中就不知道怎么辦？為什么別人不大明白我的分析結果？零基礎的人可以看這本書嗎？這種書會不會很無聊？沒學過Python有必要看這本書嗎？如何培養數據分析思維？快來看這本書，給你答案！
1.立足實際，注重數據思維培養：本書不是枯燥乏味的理論書，而是注重數據思維認知的培養，強調知識技能與工作實戰的結合。
2.語言幽默風趣，通俗易懂，小白輕松上手：本書通過有趣的故事對話場景與大量的漫畫插圖，讓讀者輕松理解數據分析與決策中涉及到的相關概念，學習不再枯燥乏味！
3.內容豐富，知識實用，幫助你解決實際問題：不僅從技術角度介紹了數據采集、清洗、分析的相關工具與方法論，而且對其在運營和增長方面的業務應用也進行了體系化的介紹。
4.配套資源豐富：隨書贈送實例配套資源代碼，部分實例數據集和章節配套PPT課件，讓你學練結合，快速上手！
5.作者咖哥，新加坡埃森哲公司高級顧問，數據分析經驗豐富，K米CEO林劍宇等大咖推薦！
黃佳，筆名：咖哥，人工智能研究員，終身學習者。在IT界耕耘二十載，曾撰寫《SAP程序設計》和《零基礎學機器學習》等書。近期參與的項目：使用機器學習和數據分析技術精準定位客戶群體、食品質譜數據中有效成分的分析與鑒定、醫學視覺圖像數據分析、針對青少年壓力問題的聊天對話機器人的自然語言處理等。在科研和學習過程中每有收獲，便記錄好每一個從不懂到懂的過程和細節，期待著與大家分享。
引子 小雪求職記
基礎篇 數據分析師的錦囊
一、欲善其事先利器：數據分析技能進階圖譜
二、深入業務尋價值：價值源于深度理解場景
三、積跬步以察千里：數據的采集與治理
四、瀝盡狂沙方見金：數據的清洗與可視化
五、營運之道無定法：數據分析的核心方法
六、增長踐行成于思：數據分析的關鍵思維
實踐篇 數據運營分析十話
卷一 獲客
第 一話 橫看成嶺側成峰：用戶畫像揭示秘密
1.1 問題：這款推廣海報好不好
1.2 概念：用戶畫像
1.3 工具： Python 數據分析編程基礎
1.3.1 Python 的極簡說明
1.3.2 Python 中的序列數據類型
1.3.3 數學計算工具包 NumPy
1.3.4 數據處理工具包 Pandas
1.3.5 數據可視化工具包 Matplotlib和Seaborn
1.4 實戰：哪一類人才是真正的買家
1.4.1 數據讀入及簡單分析
1.4.2 用戶整體畫像
1.4.3 購買眼影盤用戶的畫像
1.5 結論
第二話 遠近高低各不同：聚類實現RMF細分
2.1 問題：如何通過細分用戶指導運營
2.2 概念：用戶細分
2.2.1 用戶畫像是了解用戶的第 一步
2.2.2 用用戶行為數據指導精細化運營
2.2.3 進行同期群分析揭示獲客時的秘密
2.2.4 根據特征和價值進行用戶分組
2.3 工具：RFM 分析和聚類算法
2.3.1 RFM 分析
2.3.2 聚類算法
2.4 實戰：基于 RFM 模型的用戶細分
2.4.1 整體思路
2.4.2 數據讀入和可視化
2.4.3 根據 R 值為用戶新近度分層
2.4.4 根據 F 值為用戶消費頻率分層
2.4.5 根據 M 值為用戶消費金額分層
2.4.6 匯總 3 個維度，確定用戶價值分層
2.5 結論
2.6 彩蛋：看看誰是最有價值的用戶
113
第三話 獲客成本何其高：回歸預測用戶 LTV
3.1 問題：我能從用戶身上賺多少錢
3.2 概念：用戶生命周期價值
3.3 工具：回歸分析
3.3.1 機器學習中的回歸分析
3.3.2 訓練集、驗證集和測試集
3.3.3 如何將預測的損失最小化
3.4 實戰：預測電商用戶的生命周期價值
3.4.1 整體思路
3.4.2 數據讀入和數據清洗
3.4.3 構建機器學習數據集
3.4.4 預測未來一年的 LTV
3.5 結論
3.6 彩蛋：還有哪些機器學習算法
卷二 激活
第四話 百川爭流終歸海：動態歸因優化渠道
4.1 問題：哪個渠道最給力
4.2 概念：渠道分析和歸因模型
4.2.1 渠道和渠道分析
4.2.2 歸因和歸因模型
4.3 工具：馬爾可夫鏈歸因模型
4.3.1 記錄推廣路徑
4.3.2 顯示用戶旅程
4.3.3 統計狀態間的轉換概率
4.3.4 計算整體激活率
4.3.5 計算移除效應系數
4.4 實戰：通過馬爾可夫鏈模型來計算渠道價值
4.4.1 整體思路
4.4.2 構建每一個用戶的旅程
4.4.3 根據狀態構建通道字典
4.4.4 計算狀態間的轉換概率
4.4.5 計算渠道移除效應系數
4.5 結論
4.6 彩蛋 ：夏普利值歸因
第五話
營銷貴在激活時：漏斗模型聚焦轉化
5.1 問題：促銷活動中的哪個環節需優化
5.2 概念：漏斗和轉化率
5.3 工具：Plotly 包中的漏斗圖
5.4 實戰：通過漏斗分析看促銷效果
5.4.1 整體思路
5.4.2 數據導入
5.4.3 基本漏斗圖
5.4.4 細分漏斗圖
5.5 結論
第九話 君向瀟湘我向秦：用 A/B 測試助力促銷
9.1 問題：兩個頁面，哪個更好
9.2 概念：A/B 測試
9.2.1 確認實驗目標
9.2.2 設計實驗
9.2.3 實驗上線與監控
9.2.4 結果復盤
9.3 工具：統計學知識
9.3.1 對照實驗
9.3.2 假設檢驗
9.3.3 樣本的數量
9.4 實戰：通過 A/B 測試找到最佳頁面
9.4.1 整體思路
9.4.2 數據導入與數據可視化
9.4.3 查看轉化率的增量
9.4.4 檢驗測試結果的統計學意義
9.4.5 細分樣本后重新檢驗
9.5 結論
卷五 自傳播循環
第十話 一二三生千萬物：裂變驅動增長循環
10.1 問題：哪種裂變方案更有效
10.2 概念：增長黑客和裂變
10.2.1 增長黑客的本質
10.2.2 各種各樣的裂變
10.3 工具：增長模型
10.4 實戰：用增長實驗確定最佳折扣方案
10.4.1 整體思路
10.4.2 數據導入及數據可視化
10.4.3 比較兩種裂變方案帶來的轉化率增量
10.4.4 用 XGBoost 判斷特定用戶的分類概率
10.4.5 比較兩種裂變帶來的轉化增量
10.5 結論
寄語
新書資訊