成功加入购物车
图书条目标准图
R.D. / 电子工业出版社 / 2019-01 / 平装
售价 ¥ 40.00 5.8折
定价 ¥69.00
品相 九五品
优惠 满包邮
延迟发货说明
上书时间2020-04-06
卖家超过10天未登录
产品经理数据修炼30问
《产品经理数据修炼30问》立足于国内互联网行业,面向全体产品经理,结合作者5余年从事数据产品经理的工作经验,围绕日常数据工作的4个维度(产品数据、数据产品、数据运营、数据技能)提出并讨论30个常见却又值得玩味的问题。 对于职场人士而言,为解决具体问题而进行学习无疑是一种快捷有效的学习方式。鉴于此,《产品经理数据修炼30问》采用问答的形式,侧重于引导读者提出问题,然后围绕解决问题的思路展开讨论,而与解决问题无关的内容只字不提。这样的体例安排,一方面,减轻读者的学习负担,帮助读者把握阅读节奏;另一方面,若读者对其中涉及的部分内容感兴趣,可以在《产品经理数据修炼30问》讨论的基础上展开系统性学习。
第一单元 刚接手一款产品,如何快速了解它 第1问 重新定义产品,应从哪开始? 3 1.1 寻找一个切入点 3 1.2 宏观:领域与生态 4 1.3 中观:产品全局 4 1.4 微观:产品功能与用户 5 1.5 归纳与重新定义 7 第2问 怎样理解产品中那些酷炫的数据指标? 10 2.1 指标背后的要素:时间粒度和口径 10 2.2 值得思考的“终极问题” 12 2.3 为数据指标分类 15 第3问 产品中有那么多功能,怎样摸清它们的脉络? 18 3.1 画一张属于自己的产品地图 18 3.2 已登录or未登录 21 3.3 好友or陌生人 21 3.4 流量or Wi-Fi联网 22 第4问 了解产品用户,应选择用户画像还是用户特征? 23 4.1 用户画像vs用户特征 23 4.2 关注不发声的大多数用户 25 4.3 警惕无效的用户特征 25 4.4 识别用户反馈带来的伪需求 27 第5问 关于产品与数据,还有哪些值得注意的概念? 29 5.1 这些用词的区别在哪里 29 5.2 保持名称的一致性 33 5.3 近似值和数值的位数 33 第二单元 数据支撑体系是如何运作的? 第6问 人力:数据团队中有哪些幕后英雄? 39 6.1 数据产品经理 40 6.2 数据分析师 40 6.3 数据项目经理 41 6.4 开发工程师 41 6.5 测试工程师 41 6.6 运维工程师 42 6.7 基础研究员 42 第7问 物力:数据产品是怎么来的? 44 7.1 是的,依然来自需求 44 7.2 不一样的需求过程 45 7.3 同样存在伪需求 48 第8问 除了报表平台,数据产品还包括什么? 51 8.1 先给数据产品分个层次 51 8.2 数据采集层 52 8.3 数据接入层 53 8.4 数据处理层 53 8.5 数据应用层 54 第9问 数据上报前需要做哪些准备工作? 56 9.1 准备一:允许上报什么样的数据 56 9.2 准备二:定义数据协议和数据Topic 58 9.3 准备三:统一文本编码 59 第10问 埋点就是数据采集吗? 61 10.1 标准动作三步走:埋点、采集、上报 61 10.2 采集组件的两类功能:机制型功能和服务型功能 63 10.3 对采集组件优化的思考 64 第11问 数据上报到哪里去了? 66 11.1 不得不谈的技术流程 66 11.2 数据仓库vs数据库 67 11.3 用可视化方式达成约定 69 第12问 我们可以直接使用上报的数据吗? 72 12.1 数据处理的基本操作:归并和计算 72 12.2 任务调度平台,自动化处理引擎 75 12.3 横表vs纵表 79 12.4 事实表vs维度表 80 第13问 数据处理好了,我可以享用哪些服务? 82 13.1 数据门户的家族成员 82 13.2 报表呈现的奥秘 83 13.3 运筹帷幄的Dashboard 85 13.4 火眼金睛的用户分析平台 86 13.5 温暖人心的数据订阅 89 13.6 万能的SQL,灵活的即席查询 91 第14问 体验优良的数据产品有哪些表现? 94 14.1 交互是体验的一部分 94 14.2 别让我思考,值得强化的基础体验 95 14.3 别让我孤单,多方位的支持服务 99 14.4 别让我犯错,严格对待权限与安全 102 第三单元 立足当下,如何轻松实践数据化运营? 第15问 怎样快速树立数据化运营思维? 107 15.1 认清运营的焦点:用户 107 15.2 理解用户数据的六步循环 109 15.3 明确数据化运营与数据产品体系的关系 110 第16问 数据啊,数据,我的产品怎样才能成功? 112 16.1 感性地提出一个问题 112 16.2 将问题分解为能够量化的指标 112 16.3 理性地回答问题 114 第17问 怎样制定合适的数据上报策略? 116 17.1 大声说出你想了解的内容 116 17.2 数据化各实体,寻找定义要素 117 17.3 用语义表达法试验上报策略 120 第18问 哪些用户数据值得收集? 125 18.1 对用户行为的三步思考 125 18.2 操作不仅仅是“单击” 128 18.3 操作时长数据的上报 130 18.4 用户属性的时效问题 131 第19问 怎样为数据赋予运营的意义? 132 19.1 从“使用iPhone手机的深圳市女性用户每日发消息情况”说起 132 19.2 口径对数据事实的影响 134 19.3 累积处理要赶早 135 第20问 怎样对待未登录用户和小号用户? 139 20.1 匿名访客,你的需求同样重要 139 20.2 自然人识别,揭开用户ID背后的真相 142 第21问 为什么要进行用户建模和用户分层? 146 21.1 用户建模,基于已知探索未知 146 21.2 用户分层,让群体特征更明显 149 21.3 四象限法,实现双维度分组 152 第22问 怎样精确控制A/B测试? 22.1 回顾一场典型的A/B测试 154 22.2 用数据控制两组用户的差异变量 155 22.3 虚拟A/B测试,只靠数据就能搞定 158 第23问 数据是怎样推动产品灰度发布的? 162 23.1 灰度发布,为产品引路的金丝雀 162 23.2 对参与用户的筛选 165 23.3 对参与用户的数据跟踪 165 23.4 把质量数据作为能否进行下一轮发布的依据 166 23.5 灰度发布的注意事项 166 第24问 “随机播放”为什么让用户感觉不随机? 168 24.1 请随机播放几首歌曲 168 24.2 还没有注册,就让我登录? 169 24.3 天啊,刚刚发生了什么? 172 第四单元 智能时代,还有哪些数据必修课? 第25问 各式各样的图表分别适用于哪些场景? 177 25.1 数据报告中常用的图表 177 25.2 统计与分析的选择 180 25.3 产品经理的最爱 182 25.4 不宜滥用的图表 184 25.5 图表高效表达的四大原则 186 第26问 相比Excel,R语言更适合绘制图表吗? 189 26.1 R语言不仅擅长绘图 190 26.2 R语言更是统计分析能手 194 第27问 Excel中有哪些一学就会的高级技巧? 198 27.1 “单击即用”的隐藏功能 198 27.2 一定要会的几个公式 203 第28问 怎样通过SQL自由地查询数据? 212 28.1 在Access中运行一段SQL代码 212 28.2 聚合查询 214 28.3 合并查询 216 28.4 联结查询 216 第29问 人工智能可以带给我们哪些启发? 219 29.1 怎样理解人工智能 219 29.2 机器学习与大数据 221 29.3 人工智能产品思维 223 第30问 有哪些现成的数据可在运营中参考? 226 30.1 大数据指数 226 30.2 互联网行业和产品资讯 229 30.3 政府机构统计数据 232
展开全部
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30