第1章 從正確的數據觀開始 001
1.1 數據的兩個核心價值：優化與驅動 001
1.1.1 數據優化 001
1.1.2 數據驅動 003
1.2 如何開始行動 004
1.2.1 實現數據賦能最重要的是什麼 004
1.2.2 商業意識 006
1.2.3 建立數據能力 007
1.2.4 勇敢去做 007
1.2.5 警惕“僞數據主義傾嚮” 008
1.3 企業組織維度上的匹配 013
1.3.1 經驗還是數據 013
1.3.2 企業數據化成熟度模型 015
1.4 不變的基本邏輯：從前到後的營銷與運營 017
第2章 數據從何而來——數據的獲取 021
2.1 數據的“方” 021
2.1.1 第一方數據 022
2.1.2 第二方數據 022
2.1.3 第三方數據 023
2.2 公域數據與私域數據 024
2.2.1 定義 024
2.2.2 私域數據的重要性 025
2.3 前端數據與後端數據 027
2.4 數字化運營中個體數據的結構 028
2.4.1 標定個體的ID 028
2.4.2 個體的屬性數據 030
2.5 個體數據與人群數據 031
2.6 私域數據的獲取 033
2.6.1 私域數據的來源：消費者觸點 033
2.6.2 消費者觸點上的私域數據的獲取（1）：廣告端 034
2.6.3 消費者觸點上的私域數據的獲取（2）：網站端 041
2.6.4 消費者觸點上的私域數據的獲取（3）：事件監測（埋點） 048
2.6.5 消費者觸點上的私域數據的獲取（4）：App 端 058
2.6.6 消費者觸點上的私域數據的獲取（5）：公眾號和小程序端 062
2.7 公域數據的來源、獲取和接入 065
2.7.1 公域數據的來源 065
2.7.2 公域數據的獲取 067
2.7.3 公域數據的接入 069
第3章 數據驅動的數字化推廣 073
3.1 閤約廣告與非閤約廣告 073
3.1.1 閤約廣告 073
3.1.2 非閤約廣告 075
3.2 從閤約到非閤約：數字廣告生態的重大轉變 075
3.2.1 廣告網絡 075
3.2.2 廣告交換平颱 078
3.2.3 實時競價廣告 080
3.2.4 RTB 廣告的競價方式 085
3.2.5 程序化廣告的特點 089
3.3 數據驅動的品牌廣告投放 091
3.3.1 品牌RTB 廣告投放 091
3.3.2 RTB 在品牌營銷上的悖論 094
3.3.3 品牌PMP 之一：程序化閤約廣告 096
3.3.4 品牌PMP 之二：優先交易 102
3.3.5 品牌PMP 之三：私有競價 105
3.3.6 選擇閤適的品牌程序化廣告投放方式 107
3.3.7 品牌程序化廣告投放的操作係統 109
3.4 數據的應用與DMP 114
3.4.1 DMP 的本質 114
3.4.2 在DMP 中選擇人群 116
3.4.3 利用DMP 衡量品牌廣告的投放效果 117
3.4.4 真實的DMP 案例 118
3.4.5 DMP 的Look-alike 功能 125
3.5 數據驅動的效果廣告投放 128
3.5.1 再營銷 129
3.5.2 效果營銷所用的RTB 130
3.5.3 私有RTB 133
3.5.4 oCPM 與oCPC 138
3.5.5 效果類程序化廣告投放的操作係統 143
3.6 無處不在的數據驅動 151
3.6.1 私域數據驅動的程序化廣告投放 152
3.6.2 RTA 廣告 155
3.6.3 基於公域數據的程序化廣告投放 157
3.7 個人信息保護：紅綫、悖論與前景 163
3.7.1 什麼是個人信息 163
3.7.2 個人信息使用的閤規 167
3.7.3 去特徵化 170
第4章 流量效果的數據分析 173
4.1 流量渠道的效果分析與優化的工作內容 173
4.2 流量渠道的數據采集 174
4.2.1 流量標記的Link Tag 方法 174
4.2.2 對搜索競價排名流量使用流量標記 179
4.2.3 信息流廣告用Link Tag 做標記 182
4.2.4 App的推廣來源問題 184
4.2.5 流量標記不能實現的地方 191
4.3 細分渠道的評估與分析 193
4.3.1 流量渠道的衡量指標 193
4.3.2 流量渠道的産齣分析 195
4.3.3 流量渠道的質量分析 196
4.3.4 衡量流量質量的標準指標與Engagement 197
4.3.5 流量質量與産齣的結閤分析 206
4.4 整閤渠道效果評估和歸因分析 208
4.4.1 歸因，一個名詞之下的多個理解 209
4.4.2 綫上全域歸因可以實現嗎 210
4.4.3 綫上局部歸因 211
4.4.4 單觸點歸因：流量覆蓋問題 214
4.4.5 一個轉化背後所有可能的努力 215
4.4.6 歸因中的助攻和進球 218
4.4.7 歸因：一個實際的助攻案例 222
4.4.8 曝光歸因和點擊歸因 223
4.4.9 歸因的時效性 225
4.4.10 更詳細的歸因關係——歸因路徑 226
4.4.11 歸因模型 230
4.4.12 自定義歸因模型與智能歸因模型 236
4.5 流量渠道分析的總結案例 243
4.6 異常流量與作弊識彆 248
4.6.1 流量作弊情況嚴重嗎 249
4.6.2 常見的作弊方法 251
4.6.3 作弊流量的流量特徵 254
4.6.4 識彆作弊流量 255
4.7 綫上推廣對綫下轉化效果的評估 268
4.7.1 追蹤購買意嚮 268
4.7.2 追蹤綫上推廣帶來的綫下銷售 270
第5章 數字化的流量運營與消費者交互 273
5.1 流量的落地優化 273
5.1.1 落地體驗“五原則”與反麵案例 274
5.1.2 著陸頁的跳齣率 281
5.1.3 熱力圖 283
5.1.4 熱力圖的替代 288
5.1.5 著陸頁分析與優化 290
5.1.6 智能著陸頁 298
5.2 A/B 測試 300
5.2.1 A/B 測試應該怎麼使用 300
5.2.2 A/B 測試如何確保均勻分流 302
5.2.3 A/B 測試的統計學意義與辛普森悖論 303
5.3 用戶交互的分析與優化 307
5.3.1 體驗失效 307
5.3.2 內容交互 317
5.3.3 社交內容分析 326
5.3.4 用戶引導 333
5.4 利用數據優化微觀轉化 342
5.4.1 轉化的宏觀漏鬥和微觀漏鬥 343
5.4.2 轉化漏鬥分析 345
5.4.3 微轉化元素 353
5.4.4 關鍵轉化環節的優化 360
5.5 利用數據優化宏觀轉化 382
5.5.1 轉化的周期 382
5.5.2 商品的分析 391
5.5.3 消費者忠誠 399
第6章 數字化的消費者深度運營 413
6.1 消費者深度運營的邏輯 413
6.1.1 什麼是消費者深度運營 414
6.1.2 産品、市場與消費者運營的策略矩陣 414
6.1.3 兩個障礙 416
6.1.4 誘餌、觸點與規則方法 418
6.2 私域流量與消費者深度運營 425
6.2.1 私域流量不過是博人眼球的概念？ 425
6.2.2 私域與公域，一枚硬幣的兩麵 426
6.2.3 私域流量運營的4 種形態 428
6.2.4 私域流量運營的模式一：DTC 430
6.2.5 私域流量運營的模式二：B2C2C 434
6.2.6 私域流量運營的模式三：B2B2C 438
6.2.7 私域流量運營的模式四：B2B 441
6.3 消費者深度運營的數據解決方案 442
6.3.1 CDP 442
6.3.2 利用CDP 進行消費者數據的管理和應用 450
6.3.3 如何衡量CDP 的價值 461
6.4 消費者深度運營的常用解決方案 464
6.4.1 單一觸點上的自動化運營 465
6.4.2 單一生態內的數據化運營 474
6.4.3 跨生態的數據化運營 485
6.5 未來已來 495
6.5.1 人工智能正在升級數字化運營 495
6.5.2 5G也會帶來巨大的變化 497
6.5.3 數字化營銷與運營從業者的變化與應對 505
索引 511
· · · · · · (
收起)
