网站数据挖掘与分析 系统方法与商业实践

　　本书赞誉
　　前　言
　　认知篇
　　第1章　科学地认识网站的数据分析  2
　　1.1　企业为什么要对网站的数据进行分析  2
　　1.1.1　网站数据分析能为“谁”解决问题  2
　　1.1.2　网站数据分析能解决哪些问题  3
　　1.1.3　常见的几种“分析”概念  5
　　1.2　网站数据分析的5个误区  7
　　1.3　识别网站数据具有欺骗性的3种形态  11
　　1.4　辅助决策与数据驱动的争议  15
　　1.4.1　辅助决策  15
　　1.4.2　数据驱动  16
　　1.4.3　辅助决策与数据驱动差异点  17
　　1.5　本章小结  17
　　第2章　从零开始建立企业数据体系  18
　　2.1　数据价值最大化的定位  18
　　2.1.1　数据价值定位的基本原则  18
　　2.1.2　数据价值的4种常见定位  20
　　2.2　企业数据的职能架构与组成  21
　　2.2.1　企业内部的职能架构  22
　　2.2.2　企业外部的职能架构  25
　　2.3　企业数据技术架构与组成  26
　　2.3.1　数据收集层  27
　　2.3.2　数据存储层  28
　　2.3.3　数据计算层  29
　　2.3.4　数据管理层  34
　　2.3.5　数据应用层  35
　　2.4　本章小结  36
　　第3章　从零开始建立数据分析师个人成长体系  37
　　3.1　数据分析师的完整知识结构  37
　　3.2　对数据分析师的职能素质要求  40
　　3.2.1　工作方向划分  40
　　3.2.2　工作职位划分  41
　　3.3　数据分析师成长的4个阶段  42
　　3.4　给数据分析师的5点建议  45
　　3.5　本章小结  47
　　基础篇
　　第4章　网站数据采集和配置  50
　　4.1　网站分析系统的数据工作机制  50
　　4.1.1　数据采集  50
　　4.1.2　数据处理  53
　　4.1.3　数据报告  55
　　4.2　网站代码部署  55
　　4.2.1　通用全局的脚本部署  56
　　4.2.2　通用页面的脚本部署  59
　　4.2.3　特定页面的脚本部署  62
　　4.3　系统功能配置  63
　　4.3.1　数据安全设置  63
　　4.3.2　数据处理设置  64
　　4.3.3　数据转化设置  79
　　4.3.4　数据整合设置  81
　　4.3.5　数据智能工作设置  82
　　4.4　本章小结  86
　　第5章　网站分析工具的选择  87
　　5.1　网站分析工具  87
　　5.1.1　Adobe Analytics  89
　　5.1.2　Webtrekk  106
　　5.1.3　Webtrends  112
　　5.1.4　Google Analytics  114
　　5.1.5　IBM Coremetrics  122
　　5.1.6　Piwik  125
　　5.1.7　百度统计  127
　　5.2　移动分析工具  128
　　5.2.1　Flurry  128
　　5.2.2　友盟  134
　　5.3　如何选择网站分析工具  135
　　5.3.1　整体解决方案的能力  135
　　5.3.2　产品易用性  136
　　5.3.3　功能丰富性  137
　　5.3.4　增值服务价值  140
　　5.3.5　价格和费用  141
　　5.4　本章小结  142
　　第6章　网站数据整合的方法  143
　　6.1　网站数据整合的意义  143
　　6.2　网站数据整合的范畴  144
　　6.2.1　业务数据整合  144
　　6.2.2　IT数据整合  153
　　6.3　网站数据整合的方法  156
　　6.3.1　在线数据整合  156
　　6.3.2　本地数据整合  163
　　6.4　本章小结  170
　　第7章　数据监测与评估指标  171
　　7.1　业务效果流指标  171
　　7.1.1　站外推广类指标  171
　　7.1.2　网站运营类指标  172
　　7.1.3　企业会员类指标  182
　　7.1.4　呼叫中心类指标  186
　　7.1.5　仓储配送类指标  188
　　7.2　成本控制流指标  193
　　7.3　收益控制流指标  197
　　7.4　本章小结  201
　　第8章　数据分析场景和方法  202
　　8.1　以效果预测为目的的数据分析  202
　　8.1.1　效果预测是什么  202
　　8.1.2　效果预测的两种类型  203
　　8.1.3　效果预测的应用场景  203
　　8.1.4　预测结果的常用方法  204
　　8.2　以结论定义为目的的数据分析  211
　　8.2.1　结论定义是什么  211
　　8.2.2　结论定义的4种方向  212
　　8.2.3　结论定义的3个误区  213
　　8.2.4　下结论的常用方法  215
　　8.3　以数据探究为目的的数据分析  218
　　8.3.1　数据探究是什么  218
　　8.3.2　数据探究的两种类型  218
　　8.3.3　探究原因的分析方法  219
　　8.4　以业务执行为目的的数据分析  222
　　8.4.1　业务执行是什么  222
　　8.4.2　业务执行的两种类型  222
　　8.4.3　提取业务执行建议的常用方法  223
　　8.5　正确的数据模型与算法选择观  228
　　8.6　本章小结  229
　　案例篇
　　第9章　网站数据的营销辅助应用  232
　　9.1　网站营销分析辅助决策报告矩阵  232
　　9.2　三种常用的网站营销分析场景  239
　　9.2.1　营销前的媒体规划与效果预测  239
　　9.2.2　营销时的异常检测与及时反馈  241
　　9.2.3　营销结果总结与项目分析  243
　　9.3　常用的网站营销分析维度  245
　　9.3.1　目标端  245
　　9.3.2　媒体端  245
　　9.3.3　用户端  249
　　9.3.4　网站端  249
　　9.3.5　竞争端  251
　　9.3.6　其他因素  252
　　9.4　网站营销辅助决策四大案例  253
　　9.4.1　恶意流量分析  253
　　9.4.2　多渠道订单归因分析  259
　　9.4.3　渠道效果聚类  274
　　9.4.4　营销效果分析  286
　　9.5　本章小结  295
　　第10章　数据驱动下的数字营销应用  297
　　10.1　数字营销的概念和范围  297
　　10.2　数字营销发展的三个阶段  298
　　10.3　个性化媒体投放的价值  298
　　10.4　个性化媒体投放的技术架构  299
　　10.4.1　数据层  300
　　10.4.2　算法层  301
　　10.4.3　API层  304
　　10.4.4　应用层  305
　　10.5　个性化媒体投放的实现  306
　　10.5.1　个性化媒体投放的实现方式  306
　　10.5.2　如何选择优秀的服务提供商  307
　　10.6　个性化媒体投放的问题  307
　　10.7　本章小结  309
　　第11章　网站数据的运营辅助应用  310
　　11.1　网站运营分析辅助决策报告矩阵  310
　　11.2　三类常见的网站运营分析场景  311
　　11.2.1　点：面向单体坑位的辅助分析  311
　　11.2.2　线：面向站内流程的优化与提高  314
　　11.2.3?面：面向整体网站资源的价值最大化  318
　　11.3　常用的网站运营分析维度  319
　　11.3.1　目标端  319
　　11.3.2　运营端  320
　　11.3.3　用户端  322
　　11.3.4　网站端  323
　　11.3.5　竞争端  324
　　11.3.6　其他因素  325
　　11.4　网站运营辅助决策四大案例  325
　　11.4.1　站内广告位效果标杆管理  326
　　11.4.2　网站用户调研  330
　　11.4.3　站内活动分析  338
　　11.4.4　商品销售诊断  354
　　11.5　本章小结  362
　　第12章　数据驱动下的个性化运营应用  363
　　12.1　网站运营的概念和范围  363
　　12.2　网站运营发展的三种形态  364
　　12.3　个性化网站运营的价值  364
　　12.4　个性化网站运营的应用  365
　　12.4.1　个性化网站运营的在线应用  365
　　12.4.2　个性化网站运营的离线应用  368
　　12.5　个性化网站运营的实现  369
　　12.6　个性化网站运营遇到的问题  371
　　12.7　本章小结  372
　　提高篇
　　第13章　数据风险管理与控制  374
　　13.1　数据风险管理的概念  374
　　13.2　数据风险管理的类型  375
　　13.3　数据风险管理的原则  378
　　13.4　数据风险管理与控制  379
　　13.5　本章小结  383
　　第14章　数据质量把控与建设  384
　　14.1　数据质量建设的内涵  384
　　14.2　数据质量建设的原则  386
　　14.3　影响数据质量的常见因素  389
　　14.4　数据质量建设的框架  391
　　14.4.1　数据质量管理  391
　　14.4.2　数据监督管理  398
　　14.4.3　数据生命周期管理  399
　　14.5　本章小结  402
　　第15章　数据投入与产出管理  404
　　15.1　数据投入与产出的内涵  404
　　15.2　数据投入与产出的特征  405
　　15.3　数据投入与产出的管理  406
　　15.3.1　数据投入管理  406
　　15.3.2　数据产出管理  408
　　15.3.3　数据投入与产出优化  410
　　15.4　本章小结  413
　　第16章　数据流程与落地管理  414
　　16.1　数据流程与落地管理的内涵  414
　　16.2　数据流程与落地管理的意义  415
　　16.3　数据流程与落地管理的策略  416
　　16.4　数据流程与落地管理的框架  418
　　16.4.1　数据需求管理  419
　　16.4.2　项目工作流程  421
　　16.4.3　数据培训体系  424
　　16.4.4　权限管理流程  426
　　16.4.5　数据知识管理  427
　　16.5　本章小结  428
　　附录A　网站分析工具的特性及代码部署  429
　　附录B　企业网站数据工作的局限与发展  457

　　宋天龙（TonySong） ，Webtrekk（德国的网站数据分析服务提供商）中国区技术和咨询负责人，前国美在线数据分析经理， 数据研究与商业应用博主，资深数据分析领域专家。拥有丰富的数据项目应用经验，参与过公司级流量数据仓库建设、企业BI和DMP搭建、RTB和DSP、站内个性化推荐等大型数据工作项目。参与实施客户案例包括国美、库巴、迪信通，Esprit中国、猪八戒、乐视商城、泰康人寿、合众人寿、酒仙网等，Webpower、德国OTTO集团电子商务（中国）。等，合作培训的项目包括数盟、互联网分析沙龙、Netconcepts、truemetrics、中商联数据分析委等。萝卜课堂特邀讲师，百度文库认证作家、站长之家、互联网分析沙龙专栏作家。

　　《网站数据挖掘与分析 系统方法与商业实践》是目前网站数据挖掘与分析领域具系统性、深度和商业实践指导价值的著作，作者是来自在线数据分析领域巨擘Webtrekk的官方资深数据分析专家，黄成明、宋星、蓝鲸、宫鑫等近10位国内网站分析领域专家联袂推荐。
　　全书从5个维度对网站数据分析进行了全面的讲解：
　　（1）认知维度：首先是告诉企业和数据分析师应该如何科学地认识网站数据分析，其次是指导企业如何从零开始构建自己的数据体系，最后讲解了数据分析师应该如何从零开始建立自己的成长体系；
　　（2）技术维度：详细地讲解了网站数据的采集和配置、网站分析工具的选择和使用、网站数据整合的方法、数据监测与评估的指标，以及数据分析的场景和相应的方法；
　　（3）应用维度：通过10余个商业化的案例，还原了网站数据分析在营销和运营中的应用，不仅从业务层面讲解了数据驱动的营销和运营的方法论，而且还从实操层面讲解了案例的操作过程，可以直接套用到工作中并产出效果；
　　（4）管理维度：从数据管理者和领导者的角度探讨了如何进行数据风险、数据质量、数据投入和产出、数据流程和落地管理，这些都是作为管理者自我提升的必备知识；
　　（5）工具维度：对Webtrekk和Adobe Analytics等的网站分析工具报表、指标和重要特性进行了详细的列举，同时包含大量的完整代码部署示例。