5.0 用户推荐指数
互联网
类型
7.8
豆瓣评分
可以朗读
语音朗读
193千字
字数
2019-08-01
发行日期
展开全部
主编推荐语
新时代产品经理的知识清单。
内容简介
互联网已经深刻地改变了这个时代。为了更好地满足用户的需求，互联网产品背后的系统逻辑也变得越来越复杂。为了跟上时代的脚步，每一个互联网从业者都需要不断升级自己的知识体系。
本书希望同时兼顾理论和实战，使读者既能深入理解理论知识，又能把理论知识用于实战。所以在书中不仅包含了不同系统的最小知识量，也包含了大量的实际案例。
目录
- 封面
- 作者简介
- 扉页
- 版权信息
- 前言
- 目录
- 第1部分 基础
- 第1章 信息架构
- 1.1 信息架构到底是什么
- 1.2 信息架构设计的基本问题
- 1.2.1 你的用户是谁
- 1.2.2 你的内容是什么样的
- 1.2.3 你的产品应用场景是什么
- 1.3 如何设计好信息架构
- 1.3.1 选择合理的解决方案
- 1.3.2 符合一般用户认知
- 1.3.3 可视化的方案
- 1.3.4 以人为中心的设计
- 1.3.5 系统容错设计
- 1.3.6 合理的信息反馈
- 1.3.7 系统的可扩展性
- 1.3.8 关于设计准则的准则
- 1.4 分类系统：建立内容的图书馆
- 1.4.1 分类系统的挑战
- 1.4.2 多级分类
- 1.4.3 分类的维度
- 1.5 导航系统：永远别让用户迷路
- 1.5.1 导航的系统性
- 1.5.2 传统导航分类
- 1.5.3 移动端的导航设计
- 1.6 标签系统：将数据格式化
- 1.6.1 标签的来源
- 1.6.2 系统标签的设计原则
- 1.6.3 标签系统的作用
- 1.7 本章小结
- ■ 案例分享
- 第2章 数据分析
- 2.1 数据驱动的实施步骤
- 2.2 从埋点到指标
- 2.2.1 数据埋点的采集
- 2.2.2 数据埋点的评估
- 2.2.3 选择指标的准则
- 2.3 数据分析的核心方法
- 2.3.1 可信度分析
- 2.3.2 趋势分析
- 2.3.3 数据细分
- 2.3.4 数据对比
- 2.3.5 转化漏斗
- 2.3.6 集群分析
- 2.3.7 数据预估
- 2.3.8 综合分析
- 2.4 归因：从数据到认知
- 2.4.1 相关性和因果性
- 2.4.2 归因的类型
- 2.4.3 微观归因方法
- 2.5 数据分析报告
- 2.5.1 数据报告构成
- 2.5.2 数据报告说明
- 2.6 本章小结
- 第3章 机器学习
- 3.1 什么是机器学习
- 3.1.1 机器学习与学习
- 3.1.2 机器学习系统的构成
- 3.1.3 机器学习的优势
- 3.1.4 机器学习的挑战
- 3.2 特征工程：算法的基石
- 3.2.1 数据提取
- 3.2.2 数据预处理
- 3.2.3 特征选择
- 3.2.4 特征降维
- 3.2.5 其他特征工程
- 3.3 常用机器学习算法
- 3.3.1 线性回归
- 3.3.2 逻辑回归
- 3.3.3 C4.5决策树算法
- 3.3.4 K-means算法
- 3.3.5 朴素贝叶斯
- 3.3.6 人工神经网络
- 3.3.7 模型融合
- 3.4 机器学习算法的应用
- 3.5 人与算法
- 3.5.1 算法可以成为产品的核心竞争力
- 3.5.2 算法需要被更多人理解
- 3.5.3 算法系统需要和人更好地结合
- 3.6 本章小结
- 第2部分 用户
- 第4章 用户运营
- 4.1 用户价值衡量
- 4.1.1 衡量指标的选取
- 4.1.2 净推荐值
- 4.2 用户筛选
- 4.2.1 人工规则
- 4.2.2 RFM模型
- 4.2.3 算法筛选
- 4.3 用户留存
- 4.3.1 创造用户价值
- 4.3.2 定期举办运营活动
- 4.3.3 自动化留存
- 4.4 用户召回
- 4.4.1 常规召回
- 4.4.2 广告召回
- 4.4.3 营销召回
- 4.5 用户变现
- 4.5.1 会员
- 4.5.2 广告
- 4.5.3 电商
- 4.5.4 游戏
- 4.6 本章小结
- ■ 案例分享
- 第5章 用户中心
- 5.1 需求的划分
- 5.2 注册登录
- 5.2.1 手机号与验证码
- 5.2.2 注册登录策略
- 5.2.3 注册登录流程的案例
- 5.3 会员体系
- 5.3.1 会员的核心价值
- 5.3.2 会员体系的设计方法
- 5.3.3 向传统服务行业学习
- 5.4 客服系统
- 5.4.1 客服系统组成
- 5.4.2 核心指标：CPO
- 5.4.3 从客服到产品
- 5.5 本章小结
- ■ 案例分享
- 第3部分 系统
- 第6章 搜索系统
- 6.1 搜索系统的原理
- 6.1.1 搜索系统如何存储数据
- 6.1.2 如何处理用户输入的搜索文本
- 6.1.3 对内容进行筛选
- 6.1.4 对结果进行排序
- 6.2 搜索交互功能
- 6.3 搜索系统的评估
- 6.3.1 客观指标
- 6.3.2 人工评估指标
- 6.4 优化搜索系统
- 6.4.1 数据系统
- 6.4.2 A/B测试
- 6.4.3 搜索运营后台
- 6.4.4 基础数据规范
- 6.4.5 逐个评估、抓大放小
- 6.5 本章小结
- ■ 案例分享
- 第7章 推荐系统
- 7.1 推荐系统的基本介绍
- 7.1.1 推荐系统的应用场景
- 7.1.2 目标和数据
- 7.1.3 从一张表格说起
- 7.2 从内容推荐到协同过滤
- 7.2.1 基于内容的推荐
- 7.2.2 协同过滤与相似度
- 7.2.3 基于内容的协同过滤
- 7.2.4 基于用户的协同过滤
- 7.2.5 基于标签的推荐
- 7.3 隐语义模型
- 7.3.1 隐语义模型的思想
- 7.3.2 隐语义模型的原理
- 7.3.3 隐语义模型的应用
- 7.4 推荐算法的评估
- 7.4.1 离线评估
- 7.4.2 离线评估A/B测试
- 7.4.3 线上A/B测试
- 7.5 推荐系统项目实践
- 7.5.1 要解决产品的哪些问题
- 7.5.2 怎样合理地规划技术路径
- 7.5.3 推荐系统的策略细节
- 7.6 本章小结
- ■ 案例分享
- 第8章 信息流系统
- 8.1 信息流的设计思路
- 8.1.1 信息优先级
- 8.1.2 信息加工策略
- 8.1.3 信息流更新机制
- 8.2 规则类信息流设计
- 8.2.1 时间衰减法
- 8.2.2 对数衰减法
- 8.2.3 评价排序法
- 8.2.4 概率加权法
- 8.3个性化信息流设计
- 8.3.1 从规则算法到机器学习
- 8.3.2 用户冷启动
- 8.3.3 及时反馈
- 8.3.4 内容冷启动
- 8.4 信息流的商业模式
- 8.5 信息流的挑战
- 8.6 本章小结
- ■ 案例分享
- 第9章 线下交易匹配系统
- 9.1 线下交易的特点
- 9.1.1 资源排他性
- 9.1.2 时空不匹配
- 9.1.3 系统公平性
- 9.1.4 系统开放性
- 9.1.5 服务敏感性
- 9.2 时空价值模型
- 9.2.1 时空价值模型的定义
- 9.2.2 时空理想划分
- 9.2.3 时空聚类方法
- 9.2.4 仿真模型构建
- 9.3 时空价值
- 9.3.1 时空需求预估
- 9.3.2 基于转移概率的时空价值预估
- 9.3.3 基于邻域的时空价值预估
- 9.4 服务匹配方法
- 9.4.1 匹配度的构建
- 9.4.2 二分图匹配
- 9.5 线下交易运营
- 9.5.1 用户侧运营
- 9.5.2 服务侧激励
- 9.5.3 动态调价
- 9.5.4 预期可视化
- 9.5.5 高价值用户保护
- 9.6 线下交易的挑战
- 9.6.1 押金模式的困境
- 9.6.2 社会和政策的影响
- 9.6.3 供需时空分布不均
- 9.6.4 无法兼顾效率和业务目标
- 9.6.5 数据挖掘和算法创新
- 9.7 本章小结
- ■ 案例分享
- 第4部分 职业
- 第10章 产品逻辑之美
- 10.1 人是不完美的系统
- 10.1.1 非理性的决策
- 10.1.2 有立场的决策
- 10.1.3 信息不完全的决策
- 10.2 产品经理的逻辑
- 10.2.1 什么是产品经理的逻辑
- 10.2.2 怎么评估产品经理的逻辑
- 10.2.3 怎么提高产品经理的逻辑
- 10.3 我的思维框架
- 10.4 人是终极算法
- 第11章 未来的产品经理
- 11.1 产品经理的历史
- 11.2 产品经理的现在
- 11.2.1 焦虑的产品经理
- 11.2.2 产品经理的晋升
- 11.3 产品经理的未来
- 11.3.1 对新鲜事物保持好奇
- 11.3.2 对社会和人保持好奇心
- 11.4 为未来而准备
展开全部
评分及书评
5.0
3个评分
给这本书评了5.0非常不错希望能够尽快上线
出版方
电子工业出版社
电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。
