正版 数据赋能(数字化营销与运营新实战) 宋星 电子工业出版社 97

第1章 从正确的数据观开始 001
1.1 数据的两个核心价值：优化与驱动 001
1.1.1 数据优化 001
1.1.2 数据驱动 003
1.2 如何开始行动 004
1.2.1 实现数据赋能最重要的是什么 004
1.2.2 商业意识 006
1.2.3 建立数据能力 007
1.2.4 勇敢去做 007
1.2.5 警惕“伪数据主义倾向” 008
1.3 企业组织维度上的匹配 013
1.3.1 经验还是数据 013
1.3.2 企业数据化成熟度模型 015
1.4 不变的基本逻辑：从前到后的营销与运营 017

第2章 数据从何而来――数据的获取 021
2.1 数据的“方” 021
2.1.1 第一方数据 022
2.1.2 第二方数据 022
2.1.3 第三方数据 023
2.2 公域数据与私域数据 024
2.2.1 定义 024
2.2.2 私域数据的重要性 025
2.3 前端数据与后端数据 027
2.4 数字化运营中个体数据的结构 028
2.4.1 标定个体的ID 028
2.4.2 个体的属性数据 030
2.5 个体数据与人群数据 031
2.6 私域数据的获取 033
2.6.1 私域数据的来源：消费者触点 033
2.6.2 消费者触点上的私域数据的获取（1）：广告端 034
2.6.3 消费者触点上的私域数据的获取（2）：网站端 041
2.6.4 消费者触点上的私域数据的获取（3）：事件监测（埋点） 048
2.6.5 消费者触点上的私域数据的获取（4）：App 端 058
2.6.6 消费者触点上的私域数据的获取（5）：公众号和小程序端 062
2.7 公域数据的来源、获取和接入 065
2.7.1 公域数据的来源 065
2.7.2 公域数据的获取 067
2.7.3 公域数据的接入 069

第3章 数据驱动的数字化推广 073
3.1 合约广告与非合约广告 073
3.1.1 合约广告 073
3.1.2 非合约广告 075
3.2 从合约到非合约：数字广告生态的重大转变 075
3.2.1 广告网络 075
3.2.2 广告交换平台 078
3.2.3 实时竞价广告 080
3.2.4 RTB 广告的竞价方式 085
3.2.5 程序化广告的特点 089
3.3 数据驱动的品牌广告投放 091
3.3.1 品牌RTB 广告投放 091
3.3.2 RTB 在品牌营销上的悖论 094
3.3.3 品牌PMP 之一：程序化合约广告 096
3.3.4 品牌PMP 之二：优先交易 102
3.3.5 品牌PMP 之三：私有竞价 105
3.3.6 选择合适的品牌程序化广告投放方式 107
3.3.7 品牌程序化广告投放的操作系统 109
3.4 数据的应用与DMP 114
3.4.1 DMP 的本质 114
3.4.2 在DMP 中选择人群 116
3.4.3 利用DMP 衡量品牌广告的投放效果 117
3.4.4 真实的DMP 案例 118
3.4.5 DMP 的Look-alike 功能 125
3.5 数据驱动的效果广告投放 128
3.5.1 再营销 129
3.5.2 效果营销所用的RTB 130
3.5.3 私有RTB 133
3.5.4 oCPM 与oCPC 138
3.5.5 效果类程序化广告投放的操作系统 143
3.6 无处不在的数据驱动 151
3.6.1 私域数据驱动的程序化广告投放 152
3.6.2 RTA 广告 155
3.6.3 基于公域数据的程序化广告投放 157
3.7 个人信息保护：红线、悖论与前景 163
3.7.1 什么是个人信息 163
3.7.2 个人信息使用的合规 167
3.7.3 去特征化 170

第4章 流量效果的数据分析 173
4.1 流量渠道的效果分析与优化的工作内容 173
4.2 流量渠道的数据采集 174
4.2.1 流量标记的Link Tag 方法 174
4.2.2 对搜索竞价排名流量使用流量标记 179
4.2.3 信息流广告用Link Tag 做标记 182
4.2.4 App的推广来源问题 184
4.2.5 流量标记不能实现的地方 191
4.3 细分渠道的评估与分析 193
4.3.1 流量渠道的衡量指标 193
4.3.2 流量渠道的产出分析 195
4.3.3 流量渠道的质量分析 196
4.3.4 衡量流量质量的标准指标与Engagement 197
4.3.5 流量质量与产出的结合分析 206
4.4 整合渠道效果评估和归因分析 208
4.4.1 归因，一个名词之下的多个理解 209
4.4.2 线上全域归因可以实现吗 210
4.4.3 线上局部归因 211
4.4.4 单触点归因：流量覆盖问题 214
4.4.5 一个转化背后所有可能的努力 215
4.4.6 归因中的助攻和进球 218
4.4.7 归因：一个实际的助攻案例 222
4.4.8 曝光归因和点击归因 223
4.4.9 归因的时效性 225
4.4.10 更详细的归因关系――归因路径 226
4.4.11 归因模型 230
4.4.12 自定义归因模型与智能归因模型 236
4.5 流量渠道分析的总结案例 243
4.6 异常流量与作弊识别 248
4.6.1 流量作弊情况严重吗 249
4.6.2 常见的作弊方法 251
4.6.3 作弊流量的流量特征 254
4.6.4 识别作弊流量 255
4.7 线上推广对线下转化效果的评估 268
4.7.1 追踪购买意向 268
4.7.2 追踪线上推广带来的线下销售 270

第5章 数字化的流量运营与消费者交互 273
5.1 流量的落地优化 273
5.1.1 落地体验“五原则”与反面案例 274
5.1.2 着陆页的跳出率 281
5.1.3 热力图 283
5.1.4 热力图的替代 288
5.1.5 着陆页分析与优化 290
5.1.6 智能着陆页 298
5.2 A/B 测试 300
5.2.1 A/B 测试应该怎么使用 300
5.2.2 A/B 测试如何确保均匀分流 302
5.2.3 A/B 测试的统计学意义与辛普森悖论 303
5.3 用户交互的分析与优化 307
5.3.1 体验失效 307
5.3.2 内容交互 317
5.3.3 社交内容分析 326
5.3.4 用户引导 333
5.4 利用数据优化微观转化 342
5.4.1 转化的宏观漏斗和微观漏斗 343
5.4.2 转化漏斗分析 345
5.4.3 微转化元素 353
5.4.4 关键转化环节的优化 360
5.5 利用数据优化宏观转化 382
5.5.1 转化的周期 382
5.5.2 商品的分析 391
5.5.3 消费者忠诚 399

第6章 数字化的消费者深度运营 413
6.1 消费者深度运营的逻辑 413
6.1.1 什么是消费者深度运营 414
6.1.2 产品、市场与消费者运营的策略矩阵 414
6.1.3 两个障碍 416
6.1.4 诱饵、触点与规则方法 418
6.2 私域流量与消费者深度运营 425
6.2.1 私域流量不过是博人眼球的概念？ 425
6.2.2 私域与公域，一枚硬币的两面 426
6.2.3 私域流量运营的4 种形态 428
6.2.4 私域流量运营的模式一：DTC 430
6.2.5 私域流量运营的模式二：B2C2C 434
6.2.6 私域流量运营的模式三：B2B2C 438
6.2.7 私域流量运营的模式四：B2B 441
6.3 消费者深度运营的数据解决方案 442
6.3.1 CDP 442
6.3.2 利用CDP 进行消费者数据的管理和应用 450
6.3.3 如何衡量CDP 的价值 461
6.4 消费者深度运营的常用解决方案 464
6.4.1 单一触点上的自动化运营 465
6.4.2 单一生态内的数据化运营 474
6.4.3 跨生态的数据化运营 485
6.5 未来已来 495
6.5.1 人工智能正在升级数字化运营 495
6.5.2 5G也会带来巨大的变化 497
6.5.3 数字化营销与运营从业者的变化与应对 505
索引 511

宋星，纷析咨询创始人，中国数字营销领域的意见领袖及资深从业者，前Adobe Omniture Business Unit大中华区首席商业咨询顾问。他的博客（拥有12年历史）“互联网分析在中国”（chinawebanalytics.cn），在全球有超过500万粉丝。

你是否了解数据得以应用必需的前提？
基于数据打通的“全链路”营销是当下的“时髦”，应用它的前提是什么？
标榜自己智能的推荐算法（推荐引擎）真的“天下无敌”？
上马了很多工具，但驾驭工具的人在哪儿？
有了数据，或者有了应用数据的工具，该如何将它匹配于业务？
该如何用数据找到潜在消费者或者生意机会？
应该采用什么样的数据战略？
应该用什么解决方案或选什么数据供应商？
该配置什么样的团队，以及到哪里找人才？
如何通过数据来赋能企业增长？
……
数据营销“教父”宋星用自己十余年的经验，通过真实案例一一回答上述问题

本书主要围绕数据为企业数字化营销和业务增长赋能的两大主线――数据驱动和数据分析分别展开，详细介绍了企业应该如何利用今天前沿的数字化技术，获取消费者在数字世界中的各种数据，并将这些数据应用于更前沿的数字广告投放、消费者的个性化触达、数字渠道效果的评估与优化、消费者数字体验优化、消费者转化优化，以及更深入的消费者深度营销与运营等领域的诸多关键方法，同时辅以近几年在中国企业界实际应用的真实案例进行生动讲解。

"你是否了解数据得以应用必需的前提？ 基于数据打通的“全链路”营销是当下的“时髦”，应用它的前提是什么？ 标榜自己智能的推荐算法（推荐引擎）真的“天下”？ 上马了很多工具，但驾驭工具的人在哪儿？ 有了数据，或者有了应用数据的工具，该如何将它匹配于业务？ 该如何用数据找到潜在消费者或者生意机会？ 应该采用什么样的数据战略？ 应该用什么解决方案或选什么数据供应商？ 该配置什么样的团队，以及到哪里找人才？ 如何通过数据来赋能企业增长？ …… 数据营销“教父”宋星用自己十余年的经验，通过真实案例一一回答上述问题 "