正版 运营之路:数据分析+数据运营+用户增长 徐小磊 清华大学出

第一篇 数据分析的方法



第1章 准备工作：数据清洗与预处理 / 5



1.1 为什么要正确和高效地预处理与清洗数据 / 5



1.1.1 指标的数据来源 / 5



1.1.2 数据预处理的目的 / 9



1.1.3 数据预处理的流程 / 10



1.2 用Excel完成常见数据预处理 / 18



1.2.1 文本数值化：文本数字转为数值型数字 / 18



1.2.2 日期数值化：文本型日期转为日期型格式 / 20



1.2.3 用分列实现维度拆分 / 23



1.2.4 用“查找并删除重复行”处理重复值 / 28



1.3 本章小结和思考 / 30



第2章 洞察运营机会的数据分析利器 / 31



2.1 重要！数据分析前的准备工作 / 32



2.1.1 Windows操作系统用户 / 32



2.1.2 MacBook操作系统用户 / 33



目录



X



数据分析+ 数据运营+ 用户增长



运营之路：



2.2 把利器：用“描述性统计”来整体评估数据 / 34



2.2.1 什么是描述性统计 / 34



2.2.2 描述性统计的适用场景 / 34



2.2.3 分析数据的分布情况：中位数和平均数 / 35



2.2.4 分析数据的离散程度：方差和标准差 / 39



2.2.5 寻找异常数据：分位数和异常值 / 42



2.2.6 在Excel 中实现描述性统计 / 46



2.3 第2 把利器：用“变化分析”来寻找问题突破口 / 52



2.3.1 什么是变化分析 / 52



2.3.2 变化分析的适用场景 / 53



2.3.3 变化分析1：同比 / 53



2.3.4 变化分析2：环比 / 55



2.3.5 在Excel 中分析环比和同比 / 57



2.3.6 用Excel 条件格式进行变化分析 / 58



2.3.7 用数据条/ 色阶分析DAU 变化 / 59



2.3.8 用自定义条件格式分析用户画像年龄分布 / 60



2.3.9 突出显示周末的销售数据 / 63



2.3.10 突出销量前十的产品 / 64



2.4 第3 把利器：用“指标体系”来洞察变化的原因 / 66



2.4.1 指标体系概述 / 66



2.4.2 指标体系的适用场景 / 67



2.4.3 指标体系的组成元素 / 67



2.4.4 指标类型（一）：北极星指标、虚荣指标 / 77



2.4.5 指标类型（二）：行为指标、业务指标、交易指标 / 84



2.4.6 如何建设产品的指标体系 / 85



2.4.7 如何用“指标体系”来分析指标变化的原因 / 87



2.4.8 深入理解活跃类指标 / 89



2.5 第4 把利器：用“相关性分析”来判断业务归因 / 92



2.5.1 什么是相关性分析 / 92



XI



目 录



2.5.2 相关性分析的2 种数据 / 93



2.5.3 相关性分析的3 种算法 / 95



2.5.4 相关性分析的适用场景 / 98



2.5.5 重要！相关性分析的前提条件 / 99



2.5.6 在Excel 中进行“相关性分析” / 100



2.5.7 如何寻找对购买转化率贡献优选的渠道 / 102



2.5.8 如何寻找对活跃有高贡献的功能场景 / 103



2.6 第5 把利器：用“趋势预测”来预测走势 / 105



2.6.1 趋势预测的概念 / 105



2.6.2 基于时间序列的趋势预测 / 107



2.6.3 基于回归分析的趋势预测 / 109



2.6.4 在Excel 中实现时间序列趋势预测 / 110



2.6.5 在Excel 中实现回归分析趋势预测 / 112



2.6.6 如何预测年度KPI / 114



2.6.7 如何预测下年春节期间的业务指标 / 115



2.7 本章小结和思考 / 115



第3 章 将运营机会转化为运营策略 / 116



3.1 B-O 价值模型概述 / 116



3.2 B-O 价值模型的组成 / 116



3.2.1 Business：业务模型 / 117



3.2.2 经营策略画布 / 122



3.3 B-O 价值模型使用指南 / 122



3.4 本章小结和思考 / 124



第二篇 数据运营的玩法



第4 章 数据运营的基础：用户场景营销 / 127



4.1 场景营销模型概述 / 127



4.2 什么是场景 / 128



XII



数据分析+ 数据运营+ 用户增长



运营之路：



4.3 场景的起源和特点 / 130



4.3.1 从技术语言到业务语言 / 131



4.3.2 从功能视角到用户视角 / 134



4.3.3 从静态服务到动态服务 / 136



4.4 场景的三个高阶特性 / 138



4.4.1 特性1：场景的五要素 / 138



4.4.2 特性2：场景体系 / 144



4.4.3 特性3：场景连接 / 146



4.5 本章小结和思考 / 147



第5 章 产品运营工具和模型 / 148



5.1 产品生命周期模型 / 148



5.1.1 模型概览与架构 / 148



5.1.2 产品上线抢先发售 / 149



5.1.3 产品更新迭代 / 152



5.1.4 产品下线停运 / 155



5.2 产品运营的场景和运营策略 / 156



5.2.1 启动屏 / 157



5.2.2 首页和主页 / 161



5.2.3 主页的首屏 / 162



5.2.4 搜索区运营 / 166



5.2.5 轮播区楼层 / 171



5.2.6 金刚区楼层 / 174



5.2.7 楼层和坑位 / 181



5.2.8 版本迭代 / 191



5.3 本章小结和思考 / 195



第6 章 用户模型和运营工具 / 196



6.1 用户生命周期模型 / 196



6.1.1 概述 / 196



XIII



目 录



6.1.2 引入期 / 198



6.1.3 成长期 / 199



6.1.4 成熟期 / 201



6.1.5 沉默期 / 203



6.1.6 流失期 / 206



6.2 用户画像 / 209



6.2.1 什么是用户画像 / 209



6.2.2 静态属性画像 / 210



6.2.3 动态兴趣画像 / 212



6.2.4 用户画像的形态：标签 / 215



6.3 用户分层模型 / 217



6.3.1 为什么要用户分层 / 217



6.3.2 用户分层的使用原则 / 219



6.3.3 经典的用户分层模型：RFM 模型 / 220



6.3.4 在Excel 中实现RFM 模型 / 223



6.4 用户运营的常用工具和运营策略 / 226



6.4.1 用户漏斗/ 路径分析 / 226



6.4.2 会员/ 权益体系 / 230



6.4.3 签到/ 打卡 / 242



6.4.4 优惠券 / 245



6.4.5 交叉营销 / 248



6.5 本章小结和思考 / 250



第7 章 内容运营工具和场景 / 252



7.1 标签体系 / 252



7.1.1 分类和标签的区别 / 252



7.1.2 标签的本质：元数据 / 252



7.1.3 标签的两种类型 / 253



7.1.4 标签系统的核心逻辑 / 253



7.1.5 标签和权重 / 255



XIV



数据分析+ 数据运营+ 用户增长



运营之路：



7.1.6 很好实践1：BAT 是怎么建设标签体系的 / 256



7.1.7 很好实践2：BAT 是如何让标签赋能各个业务模块的 / 260



7.1.8 很好实践3：标签系统的局限和劣势 / 263



7.2 个性化推荐 / 264



7.2.1 运营必知的推荐系统流程 / 264



7.2.2 四个常见的推荐运营场景 / 266



7.2.3 个性化推荐是如何做到如此精准的 / 270



7.2.4 推荐系统的原罪：不仅推荐，还在探索 / 272



7.3 本章小结和思考 / 275



第三篇 用户增长的打法



第8 章 增长战略模型：S-C-I 战略模型 / 279



8.1 什么是S-C-I 战略模型 / 279



8.2 S-C-I 战略模型的核心逻辑 / 282



8.3 电商型产品的战略增长方向 / 285



8.4 社交类产品的战略增长方向 / 288



8.5 内容类产品的战略增长方向 / 290



8.6 本章小结和思考 / 291



第9 章 增长策略模型：3A3R 策略模型 / 292



9.1 概述 / 292



9.2 用户洞察 / 293



9.2.1 目标 / 293



9.2.2 策略和工具 / 293



9.2.3 输出 / 295



9.3 拉新获客 / 295



9.3.1 目标 / 295



9.3.2 策略和工具 / 296



XV



目 录



9.3.3 输出 / 299



9.4 活跃和留存 / 300



9.4.1 概述 / 300



9.4.2 策略和工具 / 300



9.4.3 输出 / 301



9.5 收入 / 301



9.5.1 概述 / 301



9.5.2 策略和工具 / 302



9.5.3 输出 / 303



9.6 传播 / 303



9.6.1 概述 / 303



9.6.2 如何理解用户增长与裂变的关系 / 303



9.7 3A3R 策略模型的使用方法 / 310



9.7.1 方法1：向前找流量、向后做转化、自身看画像 / 310



9.7.2 方法2：自身指北，相邻伴随 / 312



9.8 3A3R 策略模型的本质：五度循环圈 / 313



9.9 本章小结和思考 / 316



后记 / 319

徐小磊，网名磊叔，公众号“磊叔的数据增长实验室”创办人。数据挖掘与人工智能硕士，曾在阿里巴巴从事数据运营工作，拥有10余年数据运营工作经验。


脉脉网互联网领域KOL（关键意见），知乎网万粉千赞创作者，在行平台核心行家，人人都是增长官——2019增长大会特邀嘉宾，2020流量负增长——重构营销新增长蓝图峰会特邀嘉宾。


在互联网、移动运营商、智慧城市、金融等行业有丰富的实战经验，对海量用户产品的数据运营有深厚的积累和深刻的理解。

本书从讲述数据分析的方法开始，深入讲解数据运营的玩法，并提炼用户增长的打法，让读者不但可以系统学习数据分析技能，还能掌握常见数据运营工具的使用方法，并且理解用户增长的顶层战略思路。 本书共9章，涵盖的主要内容有：数据分析的方法，包括数据清洗和预处理、描述性统计、变化分析、指标体系、相关性分析、趋势预测、B-O价值模型等的原理、场景和实现；数据运营的玩法，包括场景运营模型、产品生命周期模型、用户生命周期模型，以及启动屏、首页和主页、搜索区、轮播区、金刚区、楼层和坑位、版本迭代、漏斗分析/路径分析、会员/权益体系、签到/打卡、优惠券和交叉营销等运营工具的原理和策略；用户增长的打法，包括S-C-I模型、3A3R模型的原理和使用方法。 本书内容通俗易懂，案例丰富，实用性强，特别适合从事互联网数据分析、数据运营和用户增长相关工作的读者阅读，也同样适合传统行业中从事产品营销、市场推广工作的读者阅读。另外，本书也可作为工具书随时翻阅。

"实战：凝聚作者10余年经验，系统讲解数据化运营 全面：5种分析方法，9大运营玩法，2套用户增长打法 创新：打通数据分析、数据运营和用户增长的底层逻辑 "