網站數據挖掘與分析：系統(tǒng)方法與商業(yè)實踐

前　言
認知篇
第1章　科學地認識網站的數據分析 2
1.1　企業(yè)為什么要對網站的數據進行分析 2
1.1.1　網站數據分析能為“誰”解決問題 2
1.1.2　網站數據分析能解決哪些問題 3
1.1.3　常見的幾種“分析”概念 5
1.2　網站數據分析的5個誤區(qū) 7
1.3　識別網站數據具有欺騙性的3種形態(tài) 11
1.4　輔助決策與數據驅動的爭議 15
1.4.1　輔助決策 15
1.4.2　數據驅動 16
1.4.3　輔助決策與數據驅動差異點 17
1.5　本章小結 17
第2章　從零開始建立企業(yè)數據體系 18
2.1　數據價值最大化的定位 18
2.1.1　數據價值定位的基本原則 18
2.1.2　數據價值的4種常見定位 20
2.2　企業(yè)數據的職能架構與組成 21
2.2.1　企業(yè)內部的職能架構 22
2.2.2　企業(yè)外部的職能架構 25
2.3　企業(yè)數據技術架構與組成 26
2.3.1　數據收集層 27
2.3.2　數據存儲層 28
2.3.3　數據計算層 29
2.3.4　數據管理層 34
2.3.5　數據應用層 35
2.4　本章小結 36
第3章　從零開始建立數據分析師個人成長體系 37
3.1　數據分析師的完整知識結構 37
3.2　對數據分析師的職能素質要求 40
3.2.1　工作方向劃分 40
3.2.2　工作職位劃分 41
3.3　數據分析師成長的4個階段 42
3.4　給數據分析師的5點建議 45
3.5　本章小結 47
基礎篇
第4章　網站數據采集和配置 50
4.1　網站分析系統(tǒng)的數據工作機制 50
4.1.1　數據采集 50
4.1.2　數據處理 53
4.1.3　數據報告 55
4.2　網站代碼部署 55
4.2.1　通用全局的腳本部署 56
4.2.2　通用頁面的腳本部署 59
4.2.3　特定頁面的腳本部署 62
4.3　系統(tǒng)功能配置 63
4.3.1　數據安全設置 63
4.3.2　數據處理設置 64
4.3.3　數據轉化設置 79
4.3.4　數據整合設置 81
4.3.5　數據智能工作設置 82
4.4　本章小結 86
第5章　網站分析工具的選擇 87
5.1　網站分析工具 87
5.1.1　Adobe Analytics 89
5.1.2　Webtrekk 106
5.1.3　Webtrends 112
5.1.4　Google Analytics 114
5.1.5　IBM Coremetrics 122
5.1.6　Piwik 125
5.1.7　百度統(tǒng)計 127
5.2　移動分析工具 128
5.2.1　Flurry 128
5.2.2　友盟 134
5.3　如何選擇網站分析工具 135
5.3.1　整體解決方案的能力 135
5.3.2　產品易用性 136
5.3.3　功能豐富性 137
5.3.4　增值服務價值 140
5.3.5　價格和費用 141
5.4　本章小結 142
第6章　網站數據整合的方法 143
6.1　網站數據整合的意義 143
6.2　網站數據整合的范疇 144
6.2.1　業(yè)務數據整合 144
6.2.2　IT數據整合 153
6.3　網站數據整合的方法 156
6.3.1　在線數據整合 156
6.3.2　本地數據整合 163
6.4　本章小結 170
第7章　數據監(jiān)測與評估指標 171
7.1　業(yè)務效果流指標 171
7.1.1　站外推廣類指標 171
7.1.2　網站運營類指標 172
7.1.3　企業(yè)會員類指標 182
7.1.4　呼叫中心類指標 186
7.1.5　倉儲配送類指標 188
7.2　成本控制流指標 193
7.3　收益控制流指標 197
7.4　本章小結 201
第8章　數據分析場景和方法 202
8.1　以效果預測為目的的數據分析 202
8.1.1　效果預測是什么 202
8.1.2　效果預測的兩種類型 203
8.1.3　效果預測的應用場景 203
8.1.4　預測結果的常用方法 204
8.2　以結論定義為目的的數據分析 211
8.2.1　結論定義是什么 211
8.2.2　結論定義的4種方向 212
8.2.3　結論定義的3個誤區(qū) 213
8.2.4　下結論的常用方法 215
8.3　以數據探究為目的的數據分析 218
8.3.1　數據探究是什么 218
8.3.2　數據探究的兩種類型 218
8.3.3　探究原因的分析方法 219
8.4　以業(yè)務執(zhí)行為目的的數據分析 222
8.4.1　業(yè)務執(zhí)行是什么 222
8.4.2　業(yè)務執(zhí)行的兩種類型 222
8.4.3　提取業(yè)務執(zhí)行建議的常用方法 223
8.5　正確的數據模型與算法選擇觀 228
8.6　本章小結 229
案例篇
第9章　網站數據的營銷輔助應用 232
9.1　網站營銷分析輔助決策報告矩陣 232
9.2　三種常用的網站營銷分析場景 239
9.2.1　營銷前的媒體規(guī)劃與效果預測 239
9.2.2　營銷時的異常檢測與及時反饋 241
9.2.3　營銷結果總結與項目分析 243
9.3　常用的網站營銷分析維度 245
9.3.1　目標端 245
9.3.2　媒體端 245
9.3.3　用戶端 249
9.3.4　網站端 249
9.3.5　競爭端 251
9.3.6　其他因素 252
9.4　網站營銷輔助決策四大案例 253
9.4.1　惡意流量分析 253
9.4.2　多渠道訂單歸因分析 259
9.4.3　渠道效果聚類 274
9.4.4　營銷效果分析 286
9.5　本章小結 295
第10章　數據驅動下的數字營銷應用 297
10.1　數字營銷的概念和范圍 297
10.2　數字營銷發(fā)展的三個階段 298
10.3　個性化媒體投放的價值 298
10.4　個性化媒體投放的技術架構 299
10.4.1　數據層 300
10.4.2　算法層 301
10.4.3　API層 304
10.4.4　應用層 305
10.5　個性化媒體投放的實現 306
10.5.1　個性化媒體投放的實現方式 306
10.5.2　如何選擇優(yōu)秀的服務提供商 307
10.6　個性化媒體投放的問題 307
10.7　本章小結 309
第11章　網站數據的運營輔助應用 310
11.1　網站運營分析輔助決策報告矩陣 310
11.2　三類常見的網站運營分析場景 311
11.2.1　點：面向單體坑位的輔助分析 311
11.2.2　線：面向站內流程的優(yōu)化與提高 314
11.2.3?面：面向整體網站資源的價值最大化 318
11.3　常用的網站運營分析維度 319
11.3.1　目標端 319
11.3.2　運營端 320
11.3.3　用戶端 322
11.3.4　網站端 323
11.3.5　競爭端 324
11.3.6　其他因素 325
11.4　網站運營輔助決策四大案例 325
11.4.1　站內廣告位效果標桿管理 326
11.4.2　網站用戶調研 330
11.4.3　站內活動分析 338
11.4.4　商品銷售診斷 354
11.5　本章小結 362
第12章　數據驅動下的個性化運營應用 363
12.1　網站運營的概念和范圍 363
12.2　網站運營發(fā)展的三種形態(tài) 364
12.3　個性化網站運營的價值 364
12.4　個性化網站運營的應用 365
12.4.1　個性化網站運營的在線應用 365
12.4.2　個性化網站運營的離線應用 368
12.5　個性化網站運營的實現 369
12.6　個性化網站運營遇到的問題 371
12.7　本章小結 372
提高篇
第13章　數據風險管理與控制 374
13.1　數據風險管理的概念 374
13.2　數據風險管理的類型 375
13.3　數據風險管理的原則 378
13.4　數據風險管理與控制 379
13.5　本章小結 383
第14章　數據質量把控與建設 384
14.1　數據質量建設的內涵 384
14.2　數據質量建設的原則 386
14.3　影響數據質量的常見因素 389
14.4　數據質量建設的框架 391
14.4.1　數據質量管理 391
14.4.2　數據監(jiān)督管理 398
14.4.3　數據生命周期管理 399
14.5　本章小結 402
第15章　數據投入與產出管理 404
15.1　數據投入與產出的內涵 404
15.2　數據投入與產出的特征 405
15.3　數據投入與產出的管理 406
15.3.1　數據投入管理 406
15.3.2　數據產出管理 408
15.3.3　數據投入與產出優(yōu)化 410
15.4　本章小結 413
第16章　數據流程與落地管理 414
16.1　數據流程與落地管理的內涵 414
16.2　數據流程與落地管理的意義 415
16.3　數據流程與落地管理的策略 416
16.4　數據流程與落地管理的框架 418
16.4.1　數據需求管理 419
16.4.2　項目工作流程 421
16.4.3　數據培訓體系 424
16.4.4　權限管理流程 426
16.4.5　數據知識管理 427
16.5　本章小結 428
附錄A　網站分析工具的特性及代碼部署 429
附錄B　企業(yè)網站數據工作的局限與發(fā)展 457