封面
版权信息
内容简介
作者简介
前言
第一部分 数据建设
第1章 自动化数据分析平台的搭建
1.1 问题和现状
1.1.1 项目管理
1.1.2 重复劳动
1.1.3 工作流程
1.1.4 数据交付
1.1.5 小结
1.2 需求分析
1.2.1 流程梳理
1.2.2 数据需求方
1.2.3 数据分析师
1.2.4 产品经理
1.2.5 开发人员
1.2.6 小结
1.3 平台搭建
1.3.1 功能架构
1.3.2 数据需求单
1.3.3 数据分析单
1.3.4 数据分析过程
1.3.5 数据源
1.3.6 数据仓库对接
1.3.7 底表管理
1.3.8 数据探索
1.3.9 自动任务调度
1.3.10 数据交付
1.3.11 账号体系
1.3.12 小结
1.4 项目问答
1.4.1 需求方是谁
1.4.2 哪些方面花的精力最多
1.4.3 本项目的产品经理需要掌握哪些技能
1.4.4 如何平衡成本与收益
第2章 数据埋点的应用场景、工作流程与案例分析
2.1 数据埋点的应用场景
2.1.1 数据埋点的作用
2.1.2 后端数据埋点的分类
2.2 数据埋点的工作流程
2.2.1 数据埋点的流程图
2.2.2 数据埋点的日常流程
2.2.3 数据埋点工作中的常见问题及应对措施
2.3 埋点需求实战案例
2.3.1 业务线坑位埋点位置
2.3.2 业务线坑位截图
2.3.3 页面坑位埋点
2.3.4 上线时间
2.3.5 需求计划时间里程碑
2.3.6 埋点测试报告
2.3.7 上线公告
2.3.8 上线验收说明
2.3.9 验收结果报告
2.4 埋点规范样例与测试样例
2.4.1 App端曝光埋点、点击埋点样例说明
2.4.2 本次埋点的曝光、点击测试
2.5 埋点“七字诀”
第二部分 数据营销
第3章 数据中台和业务中台如何赋能自动化营销
3.1 我们做自动化营销的起因与整体思路
3.2 方法论：用户运营体系
3.3 产品功能架构
3.4 数据中台为营销侧提供数据服务
3.5 模块一：营销自动化
3.6 模块二：线上活动管理
第4章 零售行业大数据平台的构建和商业应用
4.1 平台背景
4.2 平台核心价值
4.3 平台实现过程
4.3.1 数据准备
4.3.2 数据分析与建模
4.3.3 商业应用场景举例
4.4 产品经理工作方法总结
第5章 舆情大数据助力精准化营销
5.1 舆情大数据平台的意义
5.2 产品实现
5.2.1 研发背景
5.2.2 平台业务架构设计
5.2.3 业务数字化过程
5.2.4 私有化部署
5.3 产品商业应用
5.3.1 大数据支持产品创新全流程
5.3.2 消费者产品体验全网触点覆盖
5.3.3 营销效果监测
5.3.4 品牌资产建设
5.3.5 电商监测（销量和舆情）
5.3.6 渠道重点客户画像
5.4 舆情大数据精准营销商业价值
第6章 利用社会化聆听辅助商业决策
6.1 社会化聆听的定义与商业价值
6.1.1 社会化聆听的定义
6.1.2 社会化聆听的商业价值
6.2 如何进行社会化聆听
6.2.1 确定业务目标
6.2.2 确定数据来源
6.2.3 选择合适的工具
6.2.4 将分析结果转化为有价值的商业情报
6.3 案例：凯迪拉克的口碑数据挖掘
6.3.1 数据获取
6.3.2 分析目的
6.3.3 数据特征及分类
6.3.4 消费者购车目的分析
6.3.5 了解消费者关注的典型话题
6.3.6 从消费者的负面评价中挖掘待改进的方面
6.3.7 挖掘影响消费者购车的重要因素
6.3.8 基于微博数据的消费者兴趣挖掘
6.3.9 基于评论内容的品牌调性挖掘
6.4 社会化聆听产品化解决方案的大致思路
6.4.1 数据采集来源
6.4.2 业务分类体系
6.4.3 统计分析挖掘
6.4.4 可视化呈现
6.5 题外话：数据产品经理的相关技能
6.5.1 产品经理在这个项目中的角色
6.5.2 这个项目的产品经理需要具备哪些技能
第7章 商品分析方法
7.1 商品分析总览
7.2 商品分析目标
7.3 商品分析核心环节
7.3.1 销
7.3.2 存
7.3.3 进
7.4 商品分析的相关部门
第8章 游戏商业化的关键问题和解决方案
8.1 体验与商业化能力可否兼得
8.1.1 什么是好游戏
8.1.2 手游商业模式
8.1.3 通过数据平台找到平衡点
8.2 游戏商业化过程中常见的关键问题
8.2.1 礼包推荐的核心问题
8.2.2 内购盈利模式下的二八定律
8.2.3 游戏平衡性问题
8.2.4 不同地域人群的偏好
8.2.5 短期利益与长期利益的权衡
8.2.6 反作弊的权衡问题
8.2.7 广告成本问题
8.3 基于规则引擎的多试验组测试
8.3.1 IAP商业化问题拆解
8.3.2 规则引擎产品架构解析
8.3.3 礼包生产模块
8.3.4 规则模块
8.3.5 复杂实验的创建
8.4 专题案例：构建广告成本优化模型
8.4.1 如何节省投放成本
8.4.2 模型核心逻辑
第9章 在B端初创公司做数据运营
9.1 什么是数据运营
9.1.1 数据运营的定义
9.1.2 数据运营与数据分析、数据产品的区别
9.1.3 在公司不同发展阶段数据运营人员的重点工作
9.2 初创公司是否需要数据运营
9.2.1 初创公司的共同特征
9.2.2 数据运营为初创公司的发展提速
9.3 我在初创公司如何做数据运营
9.3.1 市场探索期
9.3.2 产品打磨期
9.3.3 市场增长期
9.3.4 商业变现期
9.4 数据运营的成功要素
第三部分 数据驱动
第10章 海量语音数据的文本转写、分析、挖掘与商业应用
10.1 项目特色
10.2 研发目标
10.3 关键点及难点
10.4 技术实现过程
10.4.1 技术架构
10.4.2 ASR模型优化
10.4.3 系统构成
10.5 对语音识别出的文本数据的应用
10.5.1 全面质检模型
10.5.2 智能匹配客户
10.5.3 智能服务语言推荐
10.6 项目效益
10.6.1 经济效益
10.6.2 工作方式的改变
10.6.3 语音转文本数据的深度挖掘
第11章 提升网约车安全性的数据化解决方案
11.1 出行安全的背景
11.2 网约车安全的定义
11.2.1 交通安全
11.2.2 司乘安全
11.3 安全解决方案的制定
11.3.1 交通安全解决方案
11.3.2 司乘安全解决方案
11.4 交通安全的四阶段展望
第12章 视频数据分析实战：智慧安防中的智能视频产品
12.1 智慧安防整体介绍
12.1.1 智慧安防的概念
12.1.2 智慧安防的效果
12.1.3 智慧安防的使用场景
12.1.4 智慧安防的核心应用——智慧视频产品
12.2 智能视频产品
12.2.1 视频搜索查询
12.2.2 图像识别查询
第13章 AI产品经理的工作日常与AI技术在视频平台上的应用
13.1 AI知识简单科普
13.2 AI产品经理的工作内容与路线
13.2.1 AI产品经理的日常工作内容
13.2.2 AI产品经理的工作路线
13.3 AI技术在视频平台上的应用
13.3.1 案例1：智能审核
13.3.2 案例2：智能封面图
13.3.3 案例3：智能拆条
第14章 数据产品经理在推荐中的价值
14.1 推荐系统简介
14.1.1 什么是推荐系统
14.1.2 推荐系统的技术架构
14.2 关于推荐系统三要素的思考
14.2.1 信息维度
14.2.2 用户维度
14.2.3 平台维度
14.3 推荐系统的A/B测试
14.4 关于经典应用场景的思考
14.4.1 电商信息流
14.4.2 长视频底层页推荐
14.4.3 短视频实时插入推荐
14.5 短视频平台推荐系统的分析
14.5.1 产品经理竞品分析的基础架构
14.5.2 推荐系统竞品分析的特点
14.5.3 抖音和快手的推荐系统分析
后记
推荐阅读
更新时间：2023-02-23 15:47:30
完结共225章
倒序