注册 | 登录读书好,好读书,读好书!
读书网-DuShu.com
当前位置: 首页出版图书科学技术计算机/网络家庭与办公软件数据运营:数据分析模型撬动新零售实战

数据运营:数据分析模型撬动新零售实战

数据运营:数据分析模型撬动新零售实战

定 价:¥89.00

作 者: 叶秋萍 著
出版社: 电子工业出版社
丛编项:
标 签: 暂缺

购买这本书可以去


ISBN: 9787121428333 出版时间: 2022-03-01 包装: 平装
开本: 16开 页数: 220 字数:  

内容简介

  本书主要内容: 12个数据分析模型在零售多元化业务场景中如何支持决策,实现业务赋能。 本书主要解决以下问题: l针对不同的业务场景,分析模型怎么选? l利用数据分析解决业务问题的完整思路是怎样的? l商业分析如何养成?分析结果如何落地? 本书适合读者: 数据分析师、市场分析师、商业分析师、数据运营官、业务决策者、强数据意识企业高层领导,以及其他对数据分析或数据运营感兴趣或欲转行从事数据分析或数据运营工作的人员。

作者简介

  叶秋萍从数据分析师到数据分析运营总监。专业书籍《数据实践之美》作者之一。互联网、传统行业都曾涉猎。服务过世界500强企业数据项目;经手过数据治理、数据分析、BI、数据中台设计、数据运营、用户画像等数据应用及企业整体解决方案;熟悉前沿的数据产品、数据运营体系。致力于企业从“点”到“面”的数据应用,不能落地的数据项目都属于资源浪费。

图书目录

第1 篇 零售企业基础分析方法应用
第1 章 开启数据化业务洞察:基础分析方法 002
1.1 趋势分析 003
1.2 对比分析 005
1.3 分布分析 009
1.4 组成分析 013
1.5 关系分析 015
1.6 其他分析方法 017
1.7 本章小结 019
第2 章 让客单价“飞”起来:购物篮分析 020
2.1 从经典故事的起源探索购物篮分析的奥秘 020
2.2 两个案例:购物篮分析数据化决策怎么用 022
2.2.1 模型适用的零售业务场景 022
2.2.2 案例1 :不合时宜的服饰可以不打折清仓吗 025
2.2.3 案例2 :如何轻松获取私域运营流量
(新零售场景) 030
2.3 购物篮分析模型的实现 034
2.4 本章小结 036
第3 章 擒贼先擒王,高效降本增益:帕累托分析 038
3.1 二八定律诞生的科学性 038
3.2 两个案例:帕累托分析数据化决策怎么用 040
3.2.1 模型适用的零售业务场景 040
3.2.2 案例1 :降本增益,1500 多个商品如何优化 041
3.2.3 案例2 :企业的用户贡献分布健康吗
(CRM 管理) 045
3.3 帕累托分析模型的实现 049
3.4 本章小结 054
第4 章 精准定位,业绩优化有方向:象限分析 056
4.1 象限分割的数学逻辑原理 057
4.2 两个案例:象限分析数据化决策怎么用 060
4.2.1 模型适用的零售业务场景 060
4.2.2 案例1 :餐厅的菜品如何管理优化 062
4.2.3 案例2 :纸业零售商如何提升门店业绩 066
4.3 象限分析模型的实现 070
4.4 本章小结 074
第2 篇 零售企业进阶分析方法应用
第5 章 快速厘清自己,掌握外部形势:SWOT 分析 076
5.1 SWOT 分析的原理 076
5.2 两个案例:SWOT 分析数据化决策怎么用 079
5.2.1 模型适用的零售业务场景 080
5.2.2 案例1 :用户眼中的品牌是什么样的
(市场决策) 081
5.2.3 案例2 :备选开店的3 家购物中心该如何选择
(企业战略) 085
5.3 本章小结 091
第6 章 1 分钟梳理10 万个用户的商业价值:RFM 分析 092
6.1 RFM 分析的逻辑原理 093
6.2 两个案例:RFM 分析数据化决策怎么用 095
6.2.1 模型适用的零售业务场景 095
6.2.2 案例1 :你的高价值用户在哪里(CRM) 097
6.2.3 案例2 :打折清仓的靴子卖给谁(营销决策) 103
6.3 RFM 分析模型的实现 107
6.4 本章小结 110
第7 章 不懂商业数据分析?先来听它说:杜邦分析 112
7.1 从经典起源看杜邦分析如何“解” 112
7.2 两个案例:杜邦分析数据化决策怎么用 114
7.2.1 模型适用的零售业务场景 114
7.2.2 案例1 :上个月的营业总成本为何这么高
(财务分析) 117
7.2.3 案例2 :如何快速学会商业分析(商业思维) 120
7.3 杜邦分析模型的实现 124
7.4 本章小结 125
第8 章 谁动了指标的“情绪”方向盘:相关性分析 127
8.1 相关性分析是什么 128
8.2 两个案例:相关性分析数据化决策怎么用 130
8.2.1 模型适用的零售业务场景 130
8.2.2 案例1 :服饰公司的订货率为何骤跌 131
8.2.3 案例2 :用户生命周期为何这么短
(CRM 管理) 134
8.3 相关性分析模型的实现 136
8.4 本章小结 139
第9 章 “人以群分”科学决策:聚类分析 141
9.1 “人以群分”的分类逻辑 142
9.2 两个案例:聚类分析数据化决策怎么用 143
9.2.1 模型适用的零售业务场景 144
9.2.2 案例1 :商品的精细化运营该怎么做 145
9.2.3 案例2 :如何科学搭建会员等级体系
(CRM 管理) 151
9.3 聚类分析模型的实现 154
9.4 本章小结 159
第10 章 360 度了解“陌生人”的商业手法:
用户画像分析 161
10.1 用户画像分析的基础 162
10.2 案例:用户画像分析商业化运营怎么做 165
10.2.1 模型适用的零售业务场景及实现难点 166
10.2.2 案例:快过节了,购物中心如何促活
(用户运营) 167
10.3 用户画像分析模型的实现 172
10.4 本章小结 174
第3 篇 零售企业全域数据运营高阶应用
第11 章 帮助企业生存扎根:AIPL 消费全链路模型 178
11.1 AIPL 模型的逻辑原理 179
11.2 两个案例:AIPL 模型数据化决策怎么用 183
11.2.1 如何支持零售企业用户运营 183
11.2.2 案例1 :如何解决品牌用户增长难的问题
( 私域运营) 185
11.2.3 案例2 :如何高效达成本月销售业绩
( 线上+ 线下) 190
11.3 本章小结 193
第12 章 帮助企业业务长青:阿里两大营销模型 194
12.1 提高消费质量:FAST 消费者运营健康度模型 195
12.1.1 数据分析在FAST 模型中的作用 196
12.1.2 FAST 模型适用的业务场景 197
12.1.3 如何提升“618 活动”业绩(用户运营) 197
12.1.4 FAST 模型小结 200
12.2 提升消费价值:GROW 品牌业务增长模型 201
12.2.1 数据分析在GROW 模型中的作用 203
12.2.2 GROW 模型适用的业务场景 204
12.2.3 如何实现“618 活动”高业绩目标(企业战略) 204
12.2.4 GROW 模型小结 206
12.3 本章小结 206

本目录推荐