注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

数据挖掘 营销应用

说出你的业务困惑, 看数据挖掘能否帮你解惑

 
 
 

日志

 
 

数据挖掘实践应用(94, 我计划中的拙作《数据挖掘与数据化运营实战》的目录草案)  

2012-07-23 12:18:59|  分类: 数据挖掘的实践应 |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |
 

背景:机械工业出版社的编辑Lisa萍水相逢遇到了鄙人的这个小博客,建议我整理一下自己的项目经验,尝试出一本相关的书籍。我之前从未奢望自己能著书立说,况且目前市面上“数据挖掘”相关的书目可谓数不胜数,汗牛充栋,严重重复,我也没有必要挤进这个红海浪费纸张也浪费出版社的人力物力。

但是,Lisa建议我从实战的角度考虑本书的编写,我觉得她的建议代表了相当一部分读者的心里话。我决定接受Lisa的建议,尝试对自己多年来数据挖掘应用实践做个总结和归纳,一方面对我个人近10年来谋生的饭碗做个交代,另一方面我发自内心地觉得,编写这样一本实战型的挖掘书籍,对于我个人的能力和知识的梳理和提升是个正面的促进和推动。下面是我计划中的目录草案,请各位有缘的朋友积极提出你们的意见和建议,在下这里有礼了!!!

 

《数据挖掘与数据化运营实战》目录

前言

为什么写这本书;

本书面向的读者;

本书的内容特色(以互联网行业的数据化运营实践案例为主,通过不同的数据分析方法、技术在不同业务场景中的课题实战、落地应用跟踪,形象生动揭示数据挖掘的“以业务为核心,以思路为重点,以挖掘技术为辅佐”的真实有效的“数据挖掘应用宝典”);

如何阅读本书;

联系作者;

致谢

第1章 什么是数据化运营
       1.1 营销的发展历程

1.2  为什么要数据化运营

1.3  数据化运营的主要内容

1.4  数据化运营的必要条件

第 2 章 数据分析与数据挖掘
      2.1数据挖掘的发展历史
      2.2 数据分析与数据挖掘的区别
      2.3 数据挖掘的主要成熟技术以及在互联网运营中的主要应用

2.4 互联网数据挖掘的应用特点

第3章 (互联网)数据化运营中常见的数据分析课题类型

3.1 目标客户的特征分析

3.2 目标客户的运营响应模型(包括流失预警、付费预测、续费预测,等等)

3.3 运营群体的活跃度定义

3.4 用户路径分析(包括运营活动的漏斗分析、在线产品的路径分析、细分群体的路径分析,等

3.5 交叉销售模型

3.6 信息质量模型

3.7 服务保障模型

3.8 用户(买家、卖家)分层模型

3.9 买家交易模型

3.10 信用风险模型(欺诈预警、纠纷预警、高危用户判断,等等)

3.11 商品推荐(关联分析、协同过滤)

第4章 数据挖掘如何与数据化运营相结合
     4.1 两个团队的分工和定位
     4.2 数据化运营是真正的多团队、多专业、多工种的协同作业,缺一不可

第5章 数据分析(挖掘)师在分析课题中常见的错误思想和观念

5.1 “轻视业务论”

5.2 “技术万能论”

5.3 “技术尖端论”

5.4 “建模与应用两段论”

5.5 “机器万能论“

第6章 数据分析(挖掘)项目完整应用案例演示

用一个典型的案例从需求到评估,到建模,到落地应用的运营方案制定执行,到效果的监控和总结、反馈、提升(主要是分享一个具体的典型的挖掘项目的如何反复取数、反复建模,优化、如何制定落地运营方案,如何评估模型的效果以及运营的效果,等等)

第7章 数据挖掘的建模与优化的限度

7.1 理论上说,一个数据挖掘模型可以无限地优化,提升;但是,在业务实践中,我们要遵循“有效、适度“的原则;

7.2 从哪几个维度思考模型优化的限度;

7.3 具体哪些方面可以有效优化模型、提升效果?

第8章 数据挖掘课题中常见的挖掘技术的纰漏点

8.1 数据的抽取不能正确反映业务需求

8.2 分析数据的规模有什么具体的要求吗?

8.3 如何处理缺失值、异常值?

8.4 如何处理数据分布中的严重偏度、斜度?

8.5 如何判断模型的过拟合,如何防止模型的过拟合?

8.6 如何筛选有效的输入变量?

8.7 如何判断共线性问题?

8.8

第9章 聚类分析的典型应用和技术小窍门

9.1 聚类分析技术的类型

9.2 聚类分析技术应用的优点和缺点

9.3 聚类分析技术的扩展应用

9.4 典型聚类案例应用示范

第10章 预测(响应)模型的典型应用和技术小窍门

10.1 稀有事件的预测

10.2 神经网络的预测及注意事项

10.3 决策树预测的优点和缺点

10.4 逻辑回归预测的优点和缺点

10.5 如何优化模型

10.6 典型预测响应模型的应用示范

第11章 用户特征分析的典型应用和技术小窍门

11.1 几种典型的分析思路和分析技术

11.2

第12章 运营效果分析的典型应用和技术小窍门

12.1 统计技术在互联网中的最常见的典型应用

12.2 典型案例应用示范

第13章 漏斗模型的典型应用和技术小窍门

13.1 从WA(web analysis)的核心看漏斗模型的价值

13.2 用sql 代码完成漏斗模型

第14章 路径分析的典型应用和技术小窍门

14.1 link analysis

14.2 sequence analysis

14.3 sql code 方法

14.4 Excel的方法

14.5 典型路径分析的应用示范

第15章 换位思考

15.1 经常站在业务方的角度看看我们的挖掘技术和挖掘过程、挖掘结果

15.2 经常站在同行的角度看看我们的挖掘技术、挖掘过程和挖掘结果 

第16章 养成“数据分析师”的思维模式

16.1 “大胆假设,小心求证”

16.2 “2080原理,抓住主要矛盾和矛盾的主要方面“

16.3 优秀的数据分析师既要客观,也要主观

第17章 条条大路通罗马

17.1 任何一个数据分析(挖掘)的课题一定是有至少两个以上的思路、技术可以分别解决的

17.2 最佳的解决方案取决于具体课题的业务价值、资源安排、分析效率和投入产出 

第18章 数据挖掘课题的质量保障流程和制度

18.1 为什么要建设并落实这个制度

18.2 这个制度的优越性

18.3 如何从组织架构上支持、强化这个制度

第19章 初学者如何有效入门、提升自己的数据挖掘应用能力

19.1 应该具备哪些基本技能(sql、excel、统计基础、业务沟通能力、业务理解能力,等等)

19.2 了解、实践、熟悉、掌握一种数据挖掘工具、软件

19.3 从实战中体会、进步,避免纸上谈兵、闭门造车

        19.4 我自己从32岁开始转行数据挖掘的一路经历、体会、挫折和分享
  评论这张
 
阅读(2678)| 评论(14)
推荐 转载

历史上的今天

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017