扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
商业产品分析:从用户数据获得商业洞见的数据科学方法 版权信息
- ISBN：9787111733010
- 条形码：9787111733010 ; 978-7-111-73301-0
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>>
商业产品分析:从用户数据获得商业洞见的数据科学方法 本书特色
本书的目标读者包括企业家、数据科学家、分析师，以及所有利用用户数据来推动Web产品或移动产品的增长、收入、效率或用户参与度的从业人员。相较其他极具学术性的数据科学类书籍，本书所介绍的知识很好地弥补了读者所欠缺的专业知识，比如：如何开始一个新的数据科学项目； 如何将复杂的想法概念化； 如何基于统计学和人口统计学的基础知识建立指标； 如何预测企业的消费者群体和物料需求； 如何在简单的A/B测试技术、双重差分模型、断点回归、倾向得分匹配和增益建模等技术下进行因果推断。为了更好地帮助读者理解相关内容，作者借助了大量直观的在线案例和离线案例。同时，为了避免过多的数学解释，她循序渐进地为读者讲解如何为每个应用程序选择正确的技术和算法，如何使用 R 编程语言并分析得到可信赖的答案。 无论面向哪类产品或服务，读者都可以利用书中的知识设计针对性强的营销活动，从而提高消费者满意度和参与度，增加收入和利润。
商业产品分析:从用户数据获得商业洞见的数据科学方法 内容简介
本书是为产品分析从业者设计的一本从业指南，主要讲解如何基于消费者数据产生可实践的洞见。这些“可实践的洞见”源于曾经在互联网、移动互联网等领域中驱动过变革的实践。很多企业都曾从其web产品或内部组织获得了TB级的用户数据，然而这些数据都未曾使用过。怎样使用这些数据促进用户增长、增加收入、提升用户参与度并提高组织效率，企业并没有认真思考过。本书将逐步地教你如何从用户数据中收获洞见。通过精心分析基于用户数据构建的理论曲线，观察不同的实验设计及其产生的实验效果，然后再在复杂的开发模式上实现，将这些结果转化为可实践的洞见。
商业产品分析:从用户数据获得商业洞见的数据科学方法 目录
Contents
推荐序一
推荐序二
推荐序三
推荐序四
译者序
前言
致谢
**部分 定性方法论
第1章 数据活动：晚宴模型 3
1.1 用户数据中断 4
1.2 晚宴模型 7
1.3 用户数据有何独特之处 13
1.4 为什么因果关系很重要 21
1.5 可实践的洞见 23
第2章 构建社交宇宙理论 24
2.1 构建理论 24
2.2 概念化和测量 33
2.3 Web产品的理论 37
2.4 可实践的洞见 41
第3章 终极目标：如何改变人类
行为 43
3.1 理解可实践的洞见 43
3.2 一切都是为了改变行为 45
3.3 关于人类行为改变的理论 50
3.4 Web产品中的行为改变 54
3.5 行为改变的现实期望是什么 56
3.6 可实践的洞见 60
第二部分 基本统计学方法
第4章 用户分析中的用户分布 63
4.1 为什么指标很重要 63
4.2 可实践的洞见 73
第5章 指标的创建和解释 74
5.1 时期、年龄和队列 74
5.2 指标的制定 80
5.3 可实践的洞见 92
第6章 为什么用户会流失？A/B
测试的来龙去脉 94
6.1 A/B测试 94
6.2 有趣的免费周活动案例 95
6.3 变量之间的相关性 99
6.4 为什么要研究随机性 102
6.5 A/B测试的核心和关键 104
6.6 A/B测试中的陷阱 115
6.7 可实践的洞见 118
第三部分 预测方法
第7章 用户空间建模：k均值和
PCA 123
7.1 什么是模型 123
7.2 聚类技术 124
7.3 可实践的洞见 132
第8章 预测用户行为：回归、
决策树和支持向量机 133
8.1 预测推断 133
8.2 关于预测的许多问题 134
8.3 预测建模 136
8.4 监督学习模型的验证 148
8.5 可实践的洞见 151
附录 151
第9章 预测产品人口变化：人口
预测 152
9.1 为什么我们要花时间在产品
生命周期上 153
9.2 出生、死亡和整个生命周期 153
9.3 不同的留存模式 155
9.4 人口预测的艺术 161
9.5 可实践的洞见 176
第四部分 因果推断方法
第10章 追求实验：自然实验和
双重差分模型 179
10.1 为什么要进行因果推断 179
10.2 因果推断与预测 180
10.3 当A/B测试不起作用时 181
10.4 从真实数据中进行因果推断的
要点和关键 183
10.5 可实践的洞见 191
第11章 持续追求实验 193
11.1 断点回归 194
11.2 估计获得徽章的因果效应 197
11.3 中断时间序列 201
11.4 季节性分解 205
11.5 可实践的洞见 208
第12章 在实践中开发启发式方法 209
12.1 从真实数据中确定因果关系 209
12.2 统计匹配 210
12.3 倾向得分匹配的问题 216
12.4 启发式匹配 218
12.5 佳猜测 218
12.6 总结 221
12.7 可实践的洞见 222
第13章 增益建模 223
13.1 什么是增益 223
13.2 为什么采用增益建模技术 224
13.3 理解增益 225
13.4 预测与增益 225
13.5 增益困难 226
13.6 可实践的洞见 237
第五部分 基于R语言的基本
方法、预测方法和
因果推断方法
第14章 指标的R实现 241
14.1 为什么选择R语言 241
14.2 R基础入门：R语言简介及
安装 242
14.3 分布抽样 247
14.4 汇总统计量 251
14.5 Q-Q图 252
14.6 计算方差和高阶矩 254
14.7 直方图和数据分档 254
14.8 双变量分布和相关性 260
14.9 奇偶进度比 264
14.10 总结 266
第15章 A/B测试、预测建模和人口
预测的R实现 267
15.1 A/B测试 267
15.2 聚类 277
15.3 预测模型 280
15.4 人口预测 289
15.5 总结 297
第16章 断点回归、匹配和增益的
R实现 298
16.1 双重差分建模 298
16.2 断点回归和时间序列建模 301
16.3 统计匹配 310
16.4 增益建模 323
16.5 总结 334
附录 334
参考文献 337
后记 342
推荐序一
推荐序二
推荐序三
推荐序四
译者序
前言
致谢
**部分 定性方法论
第1章 数据活动：晚宴模型 3
1.1 用户数据中断 4
1.2 晚宴模型 7
1.3 用户数据有何独特之处 13
1.4 为什么因果关系很重要 21
1.5 可实践的洞见 23
第2章 构建社交宇宙理论 24
2.1 构建理论 24
2.2 概念化和测量 33
2.3 Web产品的理论 37
2.4 可实践的洞见 41
第3章 终极目标：如何改变人类
行为 43
3.1 理解可实践的洞见 43
3.2 一切都是为了改变行为 45
3.3 关于人类行为改变的理论 50
3.4 Web产品中的行为改变 54
3.5 行为改变的现实期望是什么 56
3.6 可实践的洞见 60
第二部分 基本统计学方法
第4章 用户分析中的用户分布 63
4.1 为什么指标很重要 63
4.2 可实践的洞见 73
第5章 指标的创建和解释 74
5.1 时期、年龄和队列 74
5.2 指标的制定 80
5.3 可实践的洞见 92
第6章 为什么用户会流失？A/B
测试的来龙去脉 94
6.1 A/B测试 94
6.2 有趣的免费周活动案例 95
6.3 变量之间的相关性 99
6.4 为什么要研究随机性 102
6.5 A/B测试的核心和关键 104
6.6 A/B测试中的陷阱 115
6.7 可实践的洞见 118
第三部分 预测方法
第7章 用户空间建模：k均值和
PCA 123
7.1 什么是模型 123
7.2 聚类技术 124
7.3 可实践的洞见 132
第8章 预测用户行为：回归、
决策树和支持向量机 133
8.1 预测推断 133
8.2 关于预测的许多问题 134
8.3 预测建模 136
8.4 监督学习模型的验证 148
8.5 可实践的洞见 151
附录 151
第9章 预测产品人口变化：人口
预测 152
9.1 为什么我们要花时间在产品
生命周期上 153
9.2 出生、死亡和整个生命周期 153
9.3 不同的留存模式 155
9.4 人口预测的艺术 161
9.5 可实践的洞见 176
第四部分 因果推断方法
第10章 追求实验：自然实验和
双重差分模型 179
10.1 为什么要进行因果推断 179
10.2 因果推断与预测 180
10.3 当A/B测试不起作用时 181
10.4 从真实数据中进行因果推断的
要点和关键 183
10.5 可实践的洞见 191
第11章 持续追求实验 193
11.1 断点回归 194
11.2 估计获得徽章的因果效应 197
11.3 中断时间序列 201
11.4 季节性分解 205
11.5 可实践的洞见 208
第12章 在实践中开发启发式方法 209
12.1 从真实数据中确定因果关系 209
12.2 统计匹配 210
12.3 倾向得分匹配的问题 216
12.4 启发式匹配 218
12.5 佳猜测 218
12.6 总结 221
12.7 可实践的洞见 222
第13章 增益建模 223
13.1 什么是增益 223
13.2 为什么采用增益建模技术 224
13.3 理解增益 225
13.4 预测与增益 225
13.5 增益困难 226
13.6 可实践的洞见 237
第五部分 基于R语言的基本
方法、预测方法和
因果推断方法
第14章 指标的R实现 241
14.1 为什么选择R语言 241
14.2 R基础入门：R语言简介及
安装 242
14.3 分布抽样 247
14.4 汇总统计量 251
14.5 Q-Q图 252
14.6 计算方差和高阶矩 254
14.7 直方图和数据分档 254
14.8 双变量分布和相关性 260
14.9 奇偶进度比 264
14.10 总结 266
第15章 A/B测试、预测建模和人口
预测的R实现 267
15.1 A/B测试 267
15.2 聚类 277
15.3 预测模型 280
15.4 人口预测 289
15.5 总结 297
第16章 断点回归、匹配和增益的
R实现 298
16.1 双重差分建模 298
16.2 断点回归和时间序列建模 301
16.3 统计匹配 310
16.4 增益建模 323
16.5 总结 334
附录 334
参考文献 337
后记 342
展开全部
商业产品分析:从用户数据获得商业洞见的数据科学方法 作者简介
作者简介·
一位经验丰富的数据科学家和企业经理，拥有数学（伦敦经济学院）、政治学（加州大学伯克利分校）和人口学（加州大学伯克利分校）硕士学位，以及国际经济学学士学位（乔治城大学）。她热衷于通过分析大量结构化、半结构化和非结构化的数据来解决实际问题。在医疗保健和游戏领域，她拥有6年应用机器学习和统计算法的经验，并能转化为商业洞见。她在 Sony PlayStation 开创了新的分析技术，并领导了 MeYou Health 的所有数据科学工作。此外，她还是医疗技术公司 ClinicPriceCheck.com 的创始人。
译者简介·
安丛
资深项目管理顾问，拥有近十年项目管理经验，曾服务于多个国内外大型数字化项目。目前从事于AI智能语音领域，译有《AI重新定义企业》。
万星
作者简介·乔安妮·罗德里格斯（Joanne Rodrigues）
一位经验丰富的数据科学家和企业经理，拥有数学（伦敦经济学院）、政治学（加州大学伯克利分校）和人口学（加州大学伯克利分校）硕士学位，以及国际经济学学士学位（乔治城大学）。她热衷于通过分析大量结构化、半结构化和非结构化的数据来解决实际问题。在医疗保健和游戏领域，她拥有6年应用机器学习和统计算法的经验，并能转化为商业洞见。她在 Sony PlayStation 开创了新的分析技术，并领导了 MeYou Health 的所有数据科学工作。此外，她还是医疗技术公司 ClinicPriceCheck.com 的创始人。
译者简介·安丛
资深项目管理顾问，拥有近十年项目管理经验，曾服务于多个国内外大型数字化项目。目前从事于AI智能语音领域，译有《AI重新定义企业》。
万星
资深解决方案架构师，项目管理专家，有15年数字化从业经验。拥有PMP、ITIL、AWS SAA、ACP、EXIN DevOpsMaster专业认证， 译有《云转型》。
魏玮
资深产品顾问，致力于产品设计和敏捷交付。从业近十年，服务于多个国内外客户产品演进项目，拥有PMP、ACP、ITIL等专业认证。
书友推荐
- >
诗经-先民的歌唱
诗经-先民的歌唱
¥15.1¥39.8 - >
上帝之肋:男人的真实旅程
上帝之肋:男人的真实旅程
¥19.3¥35.0 - >
经典常谈
经典常谈
¥27.9¥39.8 - >
唐代进士录
唐代进士录
¥17.1¥39.8 - >
自卑与超越
自卑与超越
¥13.5¥39.8 - >
中国人在乌苏里边疆区:历史与人类学概述
中国人在乌苏里边疆区:历史与人类学概述
¥20.6¥48.0 - >
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
¥9.9¥23.0 - >
【精装绘本】画给孩子的中国神话
【精装绘本】画给孩子的中国神话
¥17.6¥55.0
本类畅销
-
数据结构:C语言描述
¥19.3¥25 -
数据库原理与应用
¥15.7¥29.5 -
MATLAB智能优化算法:从写代码到算法思想
¥27.7¥89 -
4.23文创礼盒A款--“作家言我精神状态”
¥42.3¥206 -
4.23文创礼盒B款--“作家言我精神状态”
¥42.3¥206 -
一句顶一万句 (印签版)
¥40.4¥68
