商業(yè)產品分析：從用戶數(shù)據獲得商業(yè)洞見的數(shù)據科學方法

Contents
推薦序一
推薦序二
推薦序三
推薦序四
譯者序
前言
致謝
第一部分　定性方法論
第1章　數(shù)據活動：晚宴模型　3
1.1　用戶數(shù)據中斷　4
1.2　晚宴模型　7
1.3　用戶數(shù)據有何獨特之處　13
1.4　為什么因果關系很重要　21
1.5　可實踐的洞見　23
第2章　構建社交宇宙理論　24
2.1　構建理論　24
2.2　概念化和測量　33
2.3　Web產品的理論　37
2.4　可實踐的洞見　41
第3章　終極目標：如何改變人類
行為　43
3.1　理解可實踐的洞見　43
3.2　一切都是為了改變行為　45
3.3　關于人類行為改變的理論　50
3.4　Web產品中的行為改變　54
3.5　行為改變的現(xiàn)實期望是什么　56
3.6　可實踐的洞見　60
第二部分　基本統(tǒng)計學方法
第4章　用戶分析中的用戶分布　63
4.1　為什么指標很重要　63
4.2　可實踐的洞見　73
第5章　指標的創(chuàng)建和解釋　74
5.1　時期、年齡和隊列　74
5.2　指標的制定　80
5.3　可實踐的洞見　92
第6章　為什么用戶會流失？A/B
測試的來龍去脈　94
6.1　A/B測試　94
6.2　有趣的免費周活動案例　95
6.3　變量之間的相關性　99
6.4　為什么要研究隨機性　102
6.5　A/B測試的核心和關鍵　104
6.6　A/B測試中的陷阱　115
6.7　可實踐的洞見　118
第三部分　預測方法
第7章　用戶空間建模：k均值和
PCA　123
7.1　什么是模型　123
7.2　聚類技術　124
7.3　可實踐的洞見　132
第8章　預測用戶行為：回歸、
決策樹和支持向量機　133
8.1　預測推斷　133
8.2　關于預測的許多問題　134
8.3　預測建?！?36
8.4　監(jiān)督學習模型的驗證　148
8.5　可實踐的洞見　151
附錄　151
第9章　預測產品人口變化：人口
預測　152
9.1　為什么我們要花時間在產品
生命周期上　153
9.2　出生、死亡和整個生命周期　153
9.3　不同的留存模式　155
9.4　人口預測的藝術　161
9.5　可實踐的洞見　176
第四部分　因果推斷方法
第10章　追求實驗：自然實驗和
雙重差分模型　179
10.1　為什么要進行因果推斷　179
10.2　因果推斷與預測　180
10.3　當A/B測試不起作用時　181
10.4　從真實數(shù)據中進行因果推斷的
要點和關鍵　183
10.5　可實踐的洞見　191
第11章　持續(xù)追求實驗　193
11.1　斷點回歸　194
11.2　估計獲得徽章的因果效應　197
11.3　中斷時間序列　201
11.4　季節(jié)性分解　205
11.5　可實踐的洞見　208
第12章　在實踐中開發(fā)啟發(fā)式方法　209
12.1　從真實數(shù)據中確定因果關系　209
12.2　統(tǒng)計匹配　210
12.3　傾向得分匹配的問題　 216
12.4　啟發(fā)式匹配　218
12.5　佳猜測　218
12.6　總結　221
12.7　可實踐的洞見　222
第13章　增益建?！?23
13.1　什么是增益　223
13.2　為什么采用增益建模技術　224
13.3　理解增益　225
13.4　預測與增益　225
13.5　增益困難　226
13.6　可實踐的洞見　237
第五部分　基于R語言的基本
方法、預測方法和
因果推斷方法
第14章　指標的R實現(xiàn)　241
14.1　為什么選擇R語言　241
14.2　R基礎入門：R語言簡介及
安裝　242
14.3　分布抽樣　247
14.4　匯總統(tǒng)計量　251
14.5　Q-Q圖　252
14.6　計算方差和高階矩　254
14.7　直方圖和數(shù)據分檔　254
14.8　雙變量分布和相關性　260
14.9　奇偶進度比　264
14.10　總結　266
第15章　A/B測試、預測建模和人口
預測的R實現(xiàn)　267
15.1　A/B測試　267
15.2　聚類　277
15.3　預測模型　280
15.4　人口預測　289
15.5　總結　297
第16章　斷點回歸、匹配和增益的
R實現(xiàn)　298
16.1　雙重差分建?！?98
16.2　斷點回歸和時間序列建?！?01
16.3　統(tǒng)計匹配　310
16.4　增益建模　323
16.5　總結　334
附錄　334
參考文獻　337
后記　342