營(yíng)銷偵探：用數(shù)據(jù)解密商業(yè)真相

目　錄
前　言　商業(yè)數(shù)據(jù)就像偵探小說(shuō)
致　謝
測(cè)試題
第1部分 營(yíng)銷和數(shù)據(jù)的前世今生
第1章　營(yíng)銷這個(gè)商業(yè)游戲，誰(shuí)在玩 2
1.消費(fèi)者：游戲的起點(diǎn) 3
2.商家：游戲玩家　6
3.媒體：從媒介到游戲規(guī)則制定者 9
4.營(yíng)銷公司：游戲方法論探索者　11
5.第三方公司：裁判　13
思考練習(xí) 15
第2章　數(shù)據(jù)幫助營(yíng)銷決策　16
1.數(shù)據(jù)是資源，也是生意? 16
廣告主：要么省錢，要么賺錢? 17
媒體和營(yíng)銷公司：錢沒(méi)白花　18
第三方公司：數(shù)據(jù)積累和沉淀　19
2.數(shù)據(jù)與營(yíng)銷的關(guān)系在互聯(lián)網(wǎng)時(shí)代之前已經(jīng)存在 20
量化研究：媒體和消費(fèi)者的兩個(gè)面向　20
質(zhì)化研究：人機(jī)協(xié)同下的技術(shù)發(fā)展　24
傳統(tǒng)營(yíng)銷效果評(píng)估方法的局限性 26
“大數(shù)據(jù)”時(shí)代到來(lái)　27
3.對(duì)“大數(shù)據(jù)”的誤解與修正　30
數(shù)據(jù)≠數(shù)字（Data≠Number） 30
大≠多，數(shù)據(jù)多不一定能解決問(wèn)題 32
“大數(shù)據(jù)”就是比“小數(shù)據(jù)”好嗎　33
去除技術(shù)濾鏡，數(shù)據(jù)原本很簡(jiǎn)單　34
思考練習(xí)　36
第2部分 “大數(shù)據(jù)”時(shí)代下的營(yíng)銷真相
第3章　營(yíng)銷模型的變與不變　40
1.營(yíng)銷模型中的“變”量　40
從商家視角到消費(fèi)者視角：4P與4C　41
從被動(dòng)到主動(dòng)：AIDA與AISAS　42
從廣告到經(jīng)營(yíng)：AARRR與AIPL　44
從轉(zhuǎn)化到分享：“漏斗”與“波紋”　46
從線性到亂序：5A　49
2.營(yíng)銷模型中的“不變”量　50
整合營(yíng)銷下的POE模型 51
POE模型與數(shù)據(jù)業(yè)務(wù)的關(guān)系　54
思考練習(xí)　55
第4章　Paid Media：浪費(fèi)的廣告預(yù)算去哪兒了　58
1.廣告監(jiān)測(cè)的基本原理　58
消費(fèi)者在媒體上看廣告　59
品牌方針對(duì)媒體類型分配預(yù)算 62
互聯(lián)網(wǎng)廣告排期 63
互聯(lián)網(wǎng)廣告計(jì)費(fèi)方式 67
第三方公司如何監(jiān)測(cè)媒體 69
2.廣告監(jiān)測(cè)的維度和指標(biāo) 74
基礎(chǔ)指標(biāo) 75
監(jiān)察指標(biāo)　78
優(yōu)化指標(biāo) 81
3.案例：廣告監(jiān)測(cè)評(píng)價(jià)媒體效果 83
媒體許諾的曝光點(diǎn)擊是否達(dá)標(biāo) 84
是否存在異常數(shù)據(jù)　86
未來(lái)投放有哪些優(yōu)化空間 88
思考練習(xí) 92
第5章　Owned Media：用戶來(lái)看我，我好看嗎　94
1.自有網(wǎng)站和H5的監(jiān)測(cè)原理　95
從HTML說(shuō)起　95
消費(fèi)者進(jìn)入品牌網(wǎng)站之前 97
品牌方針對(duì)自有網(wǎng)站的監(jiān)測(cè) 99
2.網(wǎng)站和H5監(jiān)測(cè)的指標(biāo)　100
基礎(chǔ)指標(biāo) 100
興趣評(píng)估指標(biāo)　104
熱力圖插件 106
3.案例：網(wǎng)站監(jiān)測(cè)評(píng)價(jià)活動(dòng)效果 108
案例1：異常數(shù)據(jù)排查 108
案例2：廣告和網(wǎng)站優(yōu)化分析 110
思考練習(xí)　113
第6章　Earned Media：社交數(shù)據(jù)撬動(dòng)粉絲力量 115
1.社交媒體和數(shù)據(jù)的基本概念 116
社交媒體與社會(huì)化營(yíng)銷 116
社交數(shù)據(jù)的獲取、解析、結(jié)構(gòu)化 118
2.社交媒體數(shù)據(jù)的指標(biāo) 119
互動(dòng)指標(biāo) 120
輿情指標(biāo) 120
關(guān)系指標(biāo) 122
指標(biāo)解讀誤區(qū) 123
3.案例：社交媒體數(shù)據(jù)分析的5大場(chǎng)景 125
日常輿情監(jiān)測(cè)與活動(dòng)效果評(píng)估 126
品牌負(fù)面處理和危機(jī)公關(guān) 129
消費(fèi)者需求挖掘與新產(chǎn)品探索 132
代言人與KOL選擇 134
賬號(hào)分析與客戶關(guān)系管理 138
思考練習(xí) 142
第7章　POE模型下的行業(yè)變革與機(jī)會(huì) 148
1.Paid Media：程序化廣告與動(dòng)態(tài)優(yōu)化 149
程序化廣告趨勢(shì)成為共識(shí) 149
數(shù)據(jù)如何在程序化廣告中發(fā)揮作用 154
從投放程序化到創(chuàng)意自動(dòng)化 156
2.Owned Media：從營(yíng)銷數(shù)字化到經(jīng)營(yíng)數(shù)字化 158
第一、二、三方DMP 158
DMP,CRM與CDP　159
從數(shù)據(jù)分析到IT項(xiàng)目管理 161
3.Earned Media：從社交媒體到社會(huì)化運(yùn)營(yíng) 165
數(shù)據(jù)助力互聯(lián)網(wǎng)社交化運(yùn)營(yíng) 165
從Web2.0到Web3.0的新可能 167
思考練習(xí) 169
第3部分　入門三部曲：從0到1做好營(yíng)銷數(shù)據(jù)分析
第8章　營(yíng)銷數(shù)據(jù)分析的第一步：理解數(shù)據(jù) 173
1.測(cè)試你的Data Sense 174
我的工資有沒(méi)有拖后腿？—平均數(shù)和中位數(shù) 176
為什么總是廣東省第一？—絕對(duì)值與大盤值 178
分母太小，百分比無(wú)意義—比例與絕對(duì)值 180
2.數(shù)據(jù)統(tǒng)計(jì)的基本概念 181
數(shù)據(jù)的類型 181
數(shù)據(jù)的集中趨勢(shì)描述 183
數(shù)據(jù)的離散程度描述 185
思考練習(xí) 187
第9章　營(yíng)銷數(shù)據(jù)分析的第二步：模仿學(xué)習(xí) 190
1.粗讀報(bào)告要看四件事 191
研究目的 191
數(shù)據(jù)來(lái)源和數(shù)據(jù)獲取方式 193
維度和指標(biāo) 197
研究的有效性 201
2.營(yíng)銷報(bào)告模仿實(shí)例 202
一份報(bào)告怎么看 202
日積月累怎么做 211
思考練習(xí)　214
第10章　營(yíng)銷數(shù)據(jù)分析的第三步：創(chuàng)造實(shí)踐 215
1.完成數(shù)據(jù)分析報(bào)告的流程 215
需求溝通 217
報(bào)告框架和流程規(guī)劃 218
數(shù)據(jù)收集和整理 223
可視化和產(chǎn)出洞察 225
結(jié)論匯報(bào)和校正 229
2.完成第一份數(shù)據(jù)報(bào)告 231
拿自己的數(shù)據(jù)來(lái)練手 232
找公開數(shù)據(jù)來(lái)研究 239
思