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。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。

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。

Contents<br />推荐序一<br />推荐序二<br />推荐序三<br />推荐序四<br />译者序<br />前言<br />致谢<br />第一部分  定性方法论<br />第1章  数据活动：晚宴模型  3<br />1.1  用户数据中断  4<br />1.2  晚宴模型  7<br />1.3  用户数据有何独特之处  13<br />1.4  为什么因果关系很重要  21<br />1.5  可实践的洞见  23<br />第2章  构建社交宇宙理论  24<br />2.1  构建理论  24<br />2.2  概念化和测量  33<br />2.3  Web产品的理论  37<br />2.4  可实践的洞见  41<br />第3章  终极目标：如何改变人类<br />行为  43<br />3.1  理解可实践的洞见  43<br />3.2  一切都是为了改变行为  45<br />3.3  关于人类行为改变的理论  50<br />3.4  Web产品中的行为改变  54<br />3.5  行为改变的现实期望是什么  56<br />3.6  可实践的洞见  60<br />第二部分  基本统计学方法<br />第4章  用户分析中的用户分布  63<br />4.1  为什么指标很重要  63<br />4.2  可实践的洞见  73<br />第5章  指标的创建和解释  74<br />5.1  时期、年龄和队列  74<br />5.2  指标的制定  80<br />5.3  可实践的洞见  92<br />第6章  为什么用户会流失？A/B<br />测试的来龙去脉  94<br />6.1  A/B测试  94<br />6.2  有趣的免费周活动案例  95<br />6.3  变量之间的相关性  99<br />6.4  为什么要研究随机性  102<br />6.5  A/B测试的核心和关键  104<br />6.6  A/B测试中的陷阱  115<br />6.7  可实践的洞见  118<br />第三部分  预测方法<br />第7章  用户空间建模：k均值和<br />PCA  123<br />7.1  什么是模型  123<br />7.2  聚类技术  124<br />7.3  可实践的洞见  132<br />第8章  预测用户行为：回归、<br />决策树和支持向量机  133<br />8.1  预测推断  133<br />8.2  关于预测的许多问题  134<br />8.3  预测建模  136<br />8.4  监督学习模型的验证  148<br />8.5  可实践的洞见  151<br />附录  151<br />第9章  预测产品人口变化：人口<br />预测  152<br />9.1  为什么我们要花时间在产品<br />生命周期上  153<br />9.2  出生、死亡和整个生命周期  153<br />9.3  不同的留存模式  155<br />9.4  人口预测的艺术  161<br />9.5  可实践的洞见  176<br />第四部分  因果推断方法<br />第10章  追求实验：自然实验和<br />双重差分模型  179<br />10.1  为什么要进行因果推断  179<br />10.2  因果推断与预测  180<br />10.3  当A/B测试不起作用时  181<br />10.4  从真实数据中进行因果推断的<br />要点和关键  183<br />10.5  可实践的洞见  191<br />第11章  持续追求实验  193<br />11.1  断点回归  194<br />11.2  估计获得徽章的因果效应  197<br />11.3  中断时间序列  201<br />11.4  季节性分解  205<br />11.5  可实践的洞见  208<br />第12章  在实践中开发启发式方法  209<br />12.1  从真实数据中确定因果关系  209<br />12.2  统计匹配  210<br />12.3  倾向得分匹配的问题   216<br />12.4  启发式匹配  218<br />12.5  很好猜测  218<br />12.6  总结  221<br />12.7  可实践的洞见  222<br />第13章  增益建模  223<br />13.1  什么是增益  223<br />13.2  为什么采用增益建模技术  224<br />13.3  理解增益  225<br />13.4  预测与增益  225<br />13.5  增益困难  226<br />13.6  可实践的洞见  237<br />第五部分  基于R语言的基本<br />方法、预测方法和<br />因果推断方法<br />第14章  指标的R实现  241<br />14.1  为什么选择R语言  241<br />14.2  R基础入门：R语言简介及<br />安装  242<br />14.3  分布抽样  247<br />14.4  汇总统计量  251<br />14.5  Q-Q图  252<br />14.6  计算方差和高阶矩  254<br />14.7  直方图和数据分档  254<br />14.8  双变量分布和相关性  260<br />14.9  奇偶进度比  264<br />14.10  总结  266<br />第15章  A/B测试、预测建模和人口<br />预测的R实现  267<br />15.1  A/B测试  267<br />15.2  聚类  277<br />15.3  预测模型  280<br />15.4  人口预测  289<br />15.5  总结  297<br />第16章  断点回归、匹配和增益的<br />R实现  298<br />16.1  双重差分建模  298<br />16.2  断点回归和时间序列建模  301<br />16.3  统计匹配  310<br />16.4  增益建模  323<br />16.5  总结  334<br />附录  334<br />参考文献  337<br />后记  342<br /><br />