電商流量數據化運營

這是一本系統講解資料如何在行銷與運營的全流程中發揮驅動作用和輔助決策價值的著作。是知名資料分析專家宋天龍的厚積薄發之作，得到了行業裡多位專家的一致好評和推薦。
 
在內容組織形式上，本書有宏觀和微觀兩條主線：
宏觀上，內容圍繞流量資料化運營的全流程展開，涵蓋管道策略與計畫管理、媒體投放與執行管理、管道投放效果評估與分析、流量運營監控與效果複盤等各個環節。目標是指導企業如何通過資料實現低成本、大批量、高品質的流量引入，這是流量運營的核心目標，也是本書要解決的核心問題。
 
微觀上，內容根據流量資料化運營的業務操作過程來組織，以業務場景為切入點，依次按照業務問題、資料支援方案、實用工具實操的思路展開，通過案例介紹具體的實施過程，用資料解決具體業務問題。
 
這本書的重點不是資料分析的原理和方法，也不是資料分析工具的使用，更不是行銷等具體業務工作如何開展，相關的知識全部融合到具體的應用場景中，重點是如何讓資料在行銷與運營的全流程中發揮價值，真正實現業務與資料的互相促進與補充。
 
本書不要求讀者有資料分析基礎，也不要求有Python基礎。80%的資料處理工作通過Excel完成，餘下的20%通過Python完成，即便沒有Python基礎，也能順利完成全書的實操。所有實操案例均提供來源資料和完整代碼。

前言

第1章 全面認識流量資料化運營
1.1流量運營的3個核心概念
1.1.1什麼是流量
1.1.2流量的來源
1.1.3流量的資料化運營
1.2流量運營的4個基本步驟
1.2.1行銷目標確定
1.2.2管道策略與計畫管理
1.2.3媒體投放與執行管理
1.2.4管道投放效果評估與複盤
1.3流量運營的職能崗位
1.3.1部門劃分
1.3.2技能要求
1.4流量運營的4類資料來源
1.4.1通過廣告投放工具獲得的外部投放資料
1.4.2通過流量分析工具採集的自有流量資料
1.4.3通過大資料工具採集的自有資料
1.4.4通過協力廠商來源獲得的行業和競品資料
1.5本章小結

第2章 常見流量管道全面盤點
2.1直接輸入流量管道
2.1.1什麼是直接輸入流量
2.1.2直接輸入流量的3個特徵
2.1.3知識拓展：直接輸入流量4類業務抓手
2.2SEO管道
2.2.1什麼是SEO流量
2.2.2SEO流量在企業前、中、後期的角色
2.2.3國內SEO市場的兩大陣營
2.2.4資料如何應用到SEO管道運營
2.2.5知識拓展：SEO管道的價值局限性
2.3SEM管道
2.3.1什麼是SEM
2.3.2SEM更多的價值在於“臨門一腳”
2.3.3SEO與SEM的相互促進和掣肘
2.3.4SEM管道適用的行銷場景
2.3.5資料如何應用到SEM管道運營
2.3.6知識拓展：SEM管道的流量天花板
2.4硬廣告管道
2.4.1什麼是硬廣告
2.4.2為什麼硬廣告不精准，我們依然要投
2.4.3如何評估線下硬廣告的實際效果
2.4.4硬廣告管道適用的行銷場景
2.4.5資料如何應用到硬廣告管道運營
2.4.6知識拓展：流量作弊，硬廣告之殤
2.5資訊流廣告管道
2.5.1什麼是資訊流廣告
2.5.2資訊流廣告的精准體現在哪裡
2.5.3場景化思維下的資訊流廣告運營
2.5.4資訊流廣告適用的行銷場景
2.5.5資料如何應用到資訊流廣告運營
2.5.6知識拓展：如何消除“老闆看不見廣告”的焦慮
2.6社群管道
2.6.1什麼是社群管道
2.6.2社群中的圈層管理
2.6.3挖掘社群管道裂變模式、節點與傳播路徑
2.6.4社群管道適用的行銷場景
2.6.5資料如何應用到社群管道運營
2.6.6知識拓展：證明社群運營的價值
2.7MCN管道
2.7.1什麼是MCN
2.7.2MCN直播帶貨模式的“危”與“機”
2.7.3企業與MCN的供應鏈合作
2.7.4MCN管道適用的行銷場景
2.7.5資料如何應用到MCN管道運營
2.7.6知識拓展：MCN管道直播帶貨選品的考慮要素
2.8會員行銷管道
2.8.1什麼是會員行銷管道
2.8.2會員行銷的精准優勢來源於哪裡
2.8.3會員行銷需要平衡使用者體驗與企業目標
2.8.4會員行銷管道適用的行銷場景
2.8.5資料如何應用到會員行銷運營
2.8.6知識拓展：不做會員行銷的異類電商企業
2.9CPS管道
2.9.1什麼是CPS管道
2.9.2協力廠商CPS管道都是“劫道”的
2.9.3CPS對消費者的決策驅動力體現在哪裡
2.9.4與其他管道相比，CPS管道的性價比如何
2.9.5CPS管道適用的行銷場景
2.9.6資料如何應用到CPS管道運營
2.9.7知識拓展：CPS管道作弊與刷量
2.10其他流量管道
2.10.1小程式
2.10.2快應用
2.10.3App流量管道
2.10.4公關傳播
2.10.5LBS管道
2.10.6線下實體網點
2.10.7BD合作管道
2.11本章小結

第3章 管道策略與計畫管理
3.1設計企業級流量管道策略
3.1.1企業級流量管道策略概述
3.1.2流量管道策略的應用場景
3.1.3健康的流量結構的特徵
3.1.4基於不同行銷目標的管道貢獻度
3.1.5知識拓展：流量運營與整合行銷傳播的關係
3.2基於多指標綜合決策的管道選擇
3.2.1基於多指標的綜合決策概述
3.2.2如何選擇多個決策指標
3.2.3如何設置多個指標的權重
3.2.4結合層次評分綜合評估管道排名
3.2.5知識拓展：解決統一標準下不同管道價值評估的公平問題
3.3發掘流量爆發力強的管道
3.3.1流量爆發力概述
3.3.2流量爆發力強的兩個特徵
3.3.3哪些管道流量爆發力更強
3.3.4通過資料分析爆發力強的管道
3.3.5知識拓展：如何評估未投放管道的流量爆發力
3.4預測付費管道效果並進行KPI管理
3.4.1付費管道效果預測概述
3.4.2不同付費管道預測的差異點
3.4.3通過回歸方法預測流量效果
3.4.4預測模式的可解釋性與限制性
3.4.5知識拓展：如何基於預測結果制定KPI
3.5預測直接輸入與SEO效果並設置合理預期
3.5.1直接輸入與SEO效果預測概述
3.5.2通過加權移動平均方法預測未來流量
3.5.3知識拓展：自動ARIMA在預測中的應用
3.6基於多因素限制的目標最大化的預算分配
3.6.1預算分配概述
3.6.2預算分配時的主要限制性因素
3.6.3通過規劃求解實現多因素約束下的目標最大化
3.6.4應用目標最大化規劃求解的限制性條件
3.6.5知識拓展：規劃求解的其他應用場景
3.7基於使用者行為模式的管道組合管理
3.7.1用戶訪問行為的管道概述
3.7.2如何識別用戶訪問的來源管道
3.7.3通過序列關聯模式挖掘管道組合策略
3.7.4基於使用者訪問行為的管道組合策略的限制條件
3.7.5知識拓展：將管道組合策略擴展到跨設備領域
3.8資料使用注意
3.8.1資料反映了過去，但不能100%說明未來
3.8.2濫用資料還不如不用
3.8.3業務方也要懂資料
3.9本章小結

第4章 媒體投放與執行管理
4.1基於Lookalike的投放人群管理
4.1.1管道投放人群概述
4.1.2基於Lookalike的ID列表實現投放人群管理
4.1.3基於Lookalike的人群規則實現投放人群管理
4.1.4知識拓展：在精准與規模之間尋找平衡點
4.2基於使用者喜好的投放內容管理
4.2.1投放內容管理概述
4.2.2基於不同動作傾向的商品喜好
4.2.3基於目標商品提煉的共性標籤
4.2.4知識拓展：廣告內容個性化與動態素材管理
4.3基於效果的廣告觸達媒介優選
4.3.1廣告觸達媒介優選概述
4.3.2使用方差分析確定媒介效果的差異性
4.3.3基於方差對比判斷媒介的穩定性
4.3.4知識拓展：假設檢驗在業務場景中的應用
4.4廣告投放的排期要素管理
4.4.1廣告投放的排期要素管理概述
4.4.2不同日期維度下的影響分析
4.4.3通過日曆標記管理日期性要素
4.4.4知識拓展：基於組合媒體的排期管理
4.5著陸頁測試與優化
4.5.1著陸頁優化概述
4.5.2著陸頁測試的3種類型
4.5.3著陸頁測試的8類主要對象
4.5.4著陸頁測試的4個實施要素
4.5.5著陸頁測試的貝葉斯評估方法
4.5.6知識拓展：著陸頁個性化設計策略
4.6管道測試性投放
4.6.1管道測試性投放概述
4.6.2測試性投放中的雜訊控制
4.6.3測試性投放的效果一致性驗證
4.6.4知識拓展：基於管道相似性的策略應用
4.7管道補量、扣量和餘量
4.7.1管道補量、扣量和餘量概述
4.7.2補量的兩種操作方式
4.7.3廣告主扣量的優化價值
4.7.4餘量的數據回饋及成因
4.7.5知識拓展：資料度量標準與資料差異性原因
4.8資料使用注意
4.8.1多個資料系統的資料誤差
4.8.2小樣本資料
4.9本章小結

第5章 執行常見問題的排查與解決
5.1管道執行問題排查常用維度
5.1.1管道執行問題概述
5.1.2管道執行問題排查的常用維度
5.1.3管道執行問題排查的先後邏輯
5.1.4知識拓展：排查問題時的5種思維模式
5.2排查即時流量驟降的原因並做好預防
5.2.1流量驟降概述
5.2.2如何獲得即時流量資料
5.2.3排查流量驟降的4個步驟
5.2.4預防流量資料丟失的4個步驟
5.2.5知識拓展：採集端資料丟失產生的影響
5.3排查即時流量驟增的原因並解除異常
5.3.1流量驟增概述
5.3.2排查流量驟增的4個步驟
5.3.3案例：某次大型促銷活動流量驟增100倍
5.3.4知識拓展：消除流量驟增對後續流量運營的影響
5.4排查流量下滑管道並找到優化點
5.4.1流量下滑概述
5.4.2細分並找到主要下滑管道
5.4.3找到與下滑趨勢相反的異常管道
5.4.4知識拓展：構建完整的管道跟蹤結構
5.5排查ROI下降的原因並找到問題點
5.5.1ROI下降概述
5.5.2通過縮小ROI下滑管道的範圍確定問題管道
5.5.3通過計算收入和費用因數得分找到問題管道
5.5.4知識拓展：將因數得分排查法拓展到更多場景
5.6資料使用注意
5.6.1流量運營也要對ROI負責
5.6.2不要到活動結束後才開始問題排查
5.6.3複雜的統計分析結果不是必要保證
5.7本章小結

第6章 行銷管道的效果評估與基本分析
6.1如何評估管道效果的好壞
6.1.1管道效果評估概述
6.1.2判斷資料好壞的4種方法
6.1.3判斷資料好壞程度的2種方法
6.1.4知識拓展：管道的資料重複計算問題
6.2如何通過歸因合理分配管道轉化貢獻
6.2.1歸因模型概述
6.2.2歸因能解決的2類業務問題
6.2.35類常見的歸因模型
6.2.4針對不同場景選擇適合的歸因模型
6.2.5知識拓展：基於完整資料的自訂歸因
6.3如何分析管道效果的邊際效應
6.3.1管道效果邊際變化規律概述
6.3.2分析管道回報效率的邊際遞減效應
6.3.3分析管道單位成本的邊際遞增效應
6.3.4知識拓展：資料分組
6.4如何找到管道轉化短板並提升轉化效果
6.4.1漏斗分析概述
6.4.2漏斗分析的主要業務場景
6.4.3漏斗分析的額外資料跟蹤
6.4.4漏斗分析的主要維度和方法
6.4.5案例：預約表單的漏斗分析與應用
6.4.6知識拓展：跨行為類型的漏斗跟蹤
6.5如何分析管道留存效果
6.5.1管道留存概述
6.5.2如何分析留存衰減趨勢
6.5.3如何分析留存穩定期
6.5.4如何分析運營活動對留存的影響
6.5.5如何分析新使用者規模與留存率的關係
6.5.6知識拓展：通過留存發現的作弊問題
6.6如何分析管道的時間特徵
6.6.1時間特徵概述
6.6.2分析管道的長期趨勢、年度特徵
6.6.3分析管道的中期趨勢、季度特徵
6.6.4分析管道的短期趨勢、月度特徵
6.6.5知識拓展：分析管道的時間交叉特徵
6.7如何對流量管道做分組分析
6.7.1管道分組分析概述
6.7.2按照管道屬性的分組分析
6.7.3按照管道效果的分組分析
6.7.4知識拓展：分組的目標是確定優化方向，而非分組本身
6.8如何分析著陸頁數據
6.8.1分析著陸頁是否真的有問題
6.8.2分析注意力隨位置的變化規律
6.8.3分析頁面載入時間對轉化的影響
6.8.4知識拓展：著陸頁上的異常數據
6.9資料使用注意
6.9.1資料評估結果不是念資料
6.9.2看似正確實際卻錯誤的建議
6.9.3正確但沒用的建議
6.9.4基於片面資料歸納的偏頗結論
6.10本章小結

第7章 管道效果專題性研究
7.1流量管道的效果標杆研究
7.1.1管道效果標杆概述
7.1.2管道效果標杆設立的3個原則
7.1.3管道效果標杆定義的3類方法
7.1.4知識拓展：“集中程度”還是“最佳實踐”
7.2管道效果影響因素研究
7.2.1管道效果影響因素概述
7.2.2分析特徵對轉化目標的正負向影響
7.2.3分析特徵如何影響單個樣本的預測結果
7.2.4知識拓展：管道效果影響因素的落地應用
7.3轉化路徑的媒體組合規律研究
7.3.1轉化路徑的媒體組合概述
7.3.2單一管道重複次數對效果的影響分析
7.3.3組合管道首末次觸點對效果的影響分析
7.3.4增加新的管道對原有投放組合的影響分析
7.3.5知識拓展：基於轉化路徑連結關係的規律分析
7.4管道相似度研究
7.4.1管道相似度概述
7.4.2基於管道效果的最近鄰分析
7.4.3基於管道效果的聚類分析
7.4.4知識拓展：基於訪問協同過濾的相似度分析
7.5虛假流量辨別與研究
7.5.1虛假流量概述
7.5.2通過流量屬性分佈辨別虛假流量
7.5.3通過流量線上行為指標辨別虛假流量
7.5.4通過用戶離線行為指標辨別虛假流量
7.5.5通過用戶行為流序列關係辨別虛假流量
7.5.6通過業務投放與實際資料差異辨別虛假流量
7.5.7通過資料的品質辨別虛假流量
7.5.8通過頁面熱力圖辨別虛假流量
7.5.9通過長期價值指標辨別虛假流量
7.5.10知識拓展：通過機器學習方法辨別虛假流量
7.6資料使用注意
7.6.1模型準確度並非高於一切，不能忽略業務落地性
7.6.2不能通過一次專題分析解決所有問題
7.6.3專題分析並非是一次性的
7.6.4重視資料過程，也要重視資料校驗
7.6.5模型並非萬能
7.7本章小結

第8章 流量運營的監控與效果複盤
8.1流量日常監控
8.1.1流量日常監控概述
8.1.2如何實現自動化監控
8.1.3監控結果的資訊告警
8.1.4知識拓展：流量的外部競爭監控
8.2流量複盤
8.2.1流量複盤概述
8.2.2流量複盤的參與部門
8.2.3流量複盤的基本流程
8.2.4流量複盤的主要內容
8.2.5知識拓展：有效複盤的重要支撐——執行過程的數位化
8.3撰寫分析報告
8.3.1分析報告概述
8.3.2不同報告物件的內容側重點
8.3.3不同類型報告的內容側重點
8.3.4影響分析報告滿意度的因素
8.3.5知識拓展：分析報告的立場問題
8.4資料使用注意
8.4.1資料分析師並非只是寫報告
8.4.2不能使用“我覺得”代替資料論證
8.4.3資料分析不能過分依賴資料工具
8.4.4資料分析不能速成
8.5本章小結

附錄A 電商流量運營資料參考
附錄B Python安裝和部署

宋天龍(Tony Song)，大資料領域資深從業者，觸脈諮詢合夥人，前Webtrekk（德國最大的線上資料分析服務提供者）中國區技術和諮詢負責人。
 
資料分析領域工作11年，擁有大量的分析經驗、案例、場景和方法，並且在資料分析領域頗有口碑。擅長資料採擷、建模、分析與運營，精通端到端資料價值場景設計、業務需求轉換、資料結構梳理、資料建模與學習以及資料工程交付。在電子商務、零售、銀行、保險等多個行業擁有豐富的資料項目目工作經驗，參與過集團和企業級數據體系規劃、DMP與資料倉庫建設、大資料產品開發、網站流量系統建設、個性化智慧推薦與精准行銷、企業大資料智慧等。參與服務客戶案例包括聯合利華、Webpower、德國OTTO集團電子商務（中國），Esprit中國、豬八戒網、順豐優選、樂視商城、泰康人壽、酒仙網，國美線上、迪信通等。
 
主要研究方向
主要研究專案及領域：資料化運營、資料分析、資料採擷、機器學習、個性化推薦、精准行銷、互聯網和網站分析。
 
社會資源和身份
中國商業聯合會資料分析專業委員會《中國大資料人才培養體系標準》專家組成員，第十一、十二屆虎嗅獎聘委會委員，DMT數字行銷人才認證委員會認證委員。
 
著作成果
《電商流量資料化運營》（2021年10月）
《Python資料分析與資料化運營》（2017年第一版，2019年第二版）
《企業大資料系統構建實戰：技術、架構、實施與應用》（2017年）
《網站資料採擷與分析：系統方法與商業實踐》（2015年）