數據分析領域經典讀物！數據分析領域 者、谷歌數字營銷布道師、谷歌聯合創始人阿維納什?考希克經典之作！學習以用戶為中心的數據分析思維框架！《怪誕行為學》作者、美國杜克大學行為經濟學教授丹?艾瑞裡《紫牛》《營銷人都是大騙子》作者賽斯?高汀前蘋果公司首席宣傳官蓋伊?川崎CDA數據分析師聯袂推薦

●前言
第1章數據分析進階的全新世界
1.1數據分析現狀
1.2行業現狀
1.3重新反思數據分析：實現數據分析進階3
1.3.1“是什麼”：點擊流
1.3.2“有多少”：多樣性產出分析
1.3.3“為什麼”：實驗和測試
1.3.4“為什麼”：用戶反饋
1.3.5“還有什麼”：競爭情報
1.4變革：YesWeCan
1.4.1策略性調整
1.4.2戰術性轉變
1.4.3其他分析
第2章選擇數據分析工具的很好策略
2.1確定預期業務目標
2.2第一步：選擇數據分析工具前要回答的3個關鍵問題
2.3第二步：選擇數據分析工具前要問供應商的10個問題
2.4數據分析供應商比較：多樣化和競爭優勢
2.5第三步：如何有效地試用數據分析工具
2.6第四步：確定合作前的協議，檢查供應商的服務條款23
第3章點擊流分析的精彩世界：指標
3.1回顧標準指標：8個關鍵網站指標
3.2跳出率
3. 出率
3.4轉化率
3.5參與度
3.6數據分析指標揭秘
3.6.1優秀指標的4個屬性
3.6.2優秀指標示例
3.6.3關於網站成功的3條經驗
3.7關鍵網站指標的戰略性策略
3.7.1確定影響網站指標表現的根源一轉化
3.7.2利用自定義報表
3.7.3創建團隊報表中心
3.7.4從宏觀上進行分析
第4章點擊流分析的精彩世界：實際操作
4.1數據分析入門
4.1.1熟悉基本指標
4.1.2獲取訪客
4.1.3控制成本
4.1.4點擊密度分析
4.1.5衡量購買前的訪問次數
4.2很好數據分析報表
4.2.1流量來源
4.2.2流量產出
4.3基礎分析策略
4.3.1細分至關重要
4.3.2關注用戶行為而非總體情況
4.4讓日常點擊流分析更具操作性
4.4.1站內搜索分析
4.4.2SEO分析
4.4.3付費搜索分析
4.4.4直接流量分析
4.4.5郵件營銷分析
4.4.6富媒體分析
4.5面對現實：數據分析的挑戰性
4.5.1跟蹤訪客cookie
4.5.2數據抽樣
4.5.3歷史數據的價值
4.5.4對用戶體驗視頻回放的作用
4.5.5終極數據校正清單
第5章成功的關鍵：衡量績效
5.1關注“少數關鍵指標”
5.2產出KPI實際操作5例
5.2.1任務完成率
5.2.2搜索流量比例
5.2.3訪客忠誠度和回訪度
5.2.4訂閱數
5.2.5正面退出率
5.3轉化率進階
5.3.1購物車和結算流程放棄率
5.3.2購買前訪問次數和天數
5.3.3平均訂單價值
5.3.4識別可轉化人群
5.4衡量宏觀和微觀的轉化
5.5量化經濟價值
5.6衡量非電子商務網站的成功
5.6.1訪客忠誠度
5.6.2訪客回訪率
5.6.3網站停留時間
5.6.4訪問深度
5.7衡量B2B網站
第6章利用定性數據解決“為什麼”的難題
6.1實驗室可用性研究：是什麼，為什麼，有多少
6.1.1實驗室可用性研究是什麼
6.1.2如何進行測試
6.1.3實驗室可用性研究的很好實踐
6.1.4實驗室可用性研究的好處
6.1.5注意事項
6.2可用性研究替代方案：遠程和線上外包
6.3調研：真正傾聽用戶反饋
6.3.1調研的類型
6.3.2調研中優選的錯誤
6.3.3永不過時的3個很好調研問題
6.3.4選擇線上調研供應商的8個建議
6.4互聯網環境下的用戶研究新方法
6.4.1競爭性基準研究
6.4.2快速可用性測試
6.4.3線上卡片分類研究
6.4.4人工智能視覺熱點圖
第7章快速試錯：發揮測試和實驗的力量
7.1測試方法入門：A/B測試和多變量測試
7.1.1A/B測試
7.1.2多變量測試
7.2可操作的測試建議
7.2.1改進的關鍵——登錄頁面
7.2.2關注結賬、注冊和提交頁面
7.2.3優化廣告數量和位置
7.2.4測試不同的定價與銷售策略
7.2.5測試包裝等實物設計
7.2.6優化外部市場活動
7.3對照實驗：提升分析水平
7.3.1衡量付費搜索對品牌關鍵詞的影響
7.3.2對照實驗案例
7.3.3對照實驗的優缺點
7.4營造企業的測試文化
7.4.1建議1：第一次測試至關重要
7.4.2建議2：不要盲目依賴工具或專家
7.4.3建議3：拋開自以為是
7.4.4建議4：以假設開始
7.4.5建議5：制定目標評估標準和預先決策
7.4.6建議6：測試衡量多目標產出
7.4.7建議7：根據用戶的痛點進行測試
7.4.8建議8：分析數據、交流心得
7.4.9建議9：配備測試推廣者和測試專家
第8章競爭情報分析
8.1競爭情報的數據來源、類型和機密
8.1.1工具條數據
8.1.2用戶庫數據
8.1.3ISP數據
8.1.4搜索引擎數據
8.1.5數據分析供應商的行業基準數據
8.1.6自行提供數據
8.1.7混合數據
8.2網站流量分析
8.2.1分析長期流量趨勢
8.2.2分享競爭網站的重合度，發現機會
8.2.3分析引用網站和退出網站
8.3搜索和關鍵詞分析
8.3.1熱門關鍵詞的績效趨勢
8.3.2地域興趣和機會分析
8.3.3相關搜索和快速上升的搜索
8.3.4市場占有率分析
8.3.5競爭性關鍵詞優勢分析
8.3.6關鍵詞擴展分析
8.4受眾識別和細分分析
8.4.1基於人口統計學的細分分析
8.4.2基於用戶心理的細分分析
8.4.3搜索行為和受眾細分分析
第9章新興分析：社交、移動端和視頻
9.1衡量新型社交網絡：數據的挑戰
9.1.1網站內容的演變
9.1.2推特的革命
9.2分析離線用戶體驗（應用程序）
9.3分析移動端用戶體驗
9.3.1移動端數據的收集方法
9.3.2移動端報表和分析
9.4衡量博客的表現
9.4.1原始作者的貢獻
9.4.2讀者增長
9.4.3轉化率
9.4.4引用和轟動指數
9.4.5博客成本
9.4.6博客的收益（投資回報率）
9.5量化推特的影響
9.5.1粉絲人數的增長
9.5.2信息放大
9.5.3點擊率和轉化
9.5.4轉化率
9.5.5新興的推特指標
9.6分析視頻的表現
9.6.1視頻的數據收集
9.6.2關鍵視頻指標與分析
9.6.3高級視頻分析
第10章解決隱藏的數據分析陷阱
10.1準確性還是準確性
10.2數據質量處理的6個步驟
10.3建立行動儀表盤
10.3.1創建優秀的儀表盤
10.3.2綜合儀表盤
10.3.3高影響力儀表盤的5個準則
10.4全線營銷的機遇和多渠道衡量
10.4.1轉向全線營銷模式
10.4.2多渠道分析
10.5行為定向的優勢和挑戰
10.5.1行為定向的優勢
10.5.2克服基本的分析挑戰
10.5.3行為定向的兩個先決條件
10.6線上數據挖掘和預測分析面臨的挑戰
10.6.1數據類型
10.6.2變量的數量
10.6.3多個主要目的
10.6.4多次訪問行為
10.6.5缺少主鍵和數據集
10.7涅槃之路：實現智能分析的步驟
第11章數據分析專家的入門指南
11.1背景信息的重要性
11.1.1比較不同時期的關鍵指標
11.1.2通過細分提供背景信息
11.1.3比較網站的關鍵指標平均值和細分值
11.1.4給指標尋找伴侶
11.1.5利用行業基準和競爭數據
11.1.6了解業務知識
11.2比較KPI變化趨勢
11.2.1呈現業務知識
11.2.2細分來救援235
11.3在Top10之外：什麼改變了
11.4真正的價值：衡量潛在轉化及訪客行為
11.4.1潛在訪客行為
11.4.2潛在轉化
11.54種不能指導實際行動的KPI衡量技術
11.5.1平均值
11.5.2百分比
11.5.3比率
11.5.4組合或計算得出指標
11.6搜索：實現很優長尾策略
11.6.1計算頭部和長尾
11.6.2了解品牌和行業關鍵詞
11.6.3很好的搜索營銷策略
11.6.4執行很好的長尾策略
11.7搜索：衡量上層漏鬥關鍵詞的價值
11.8搜索：付費點擊的進階分析
11.8.1識別關鍵詞的潛在機會
11.8.2關注“什麼改變了”
11.8.3分析展示份額和收入損失
11.8.4擁抱投資回報率分布表
11.8.5用戶搜索查詢和匹配類型歸零
第12章數據分析專家的進階指南
12.1多觸點營銷活動歸因分析
12.1.1多觸點是什麼
12.1.2你有歸因問題嗎
12.1.3歸因模型
12.1.4實際情況下歸因分析的核心挑戰
12.1.5歸因分析的可行替代方案
12.1.6關於多觸點的部分思考
12.2多渠道分析：對於全線營銷的衡量技巧
12.2.1跟蹤線下營銷活動對線上營銷活動的影響
12.2.2跟蹤線上廣告活動的線下影響
第13章數據分析的職業生涯
13.1數據分析師職業生涯規劃：選擇、薪酬前景和發展
13.1.1個人技術貢獻者
13.1.2個人業務貢獻者
13.1.3技術團隊領導者
13.1.4業務團隊領導
13.2數據分析成功職業生涯的技能培養
13.2.1使用數據
13.2.2獲取多個分析工具的經驗
13.2.3在實際中的運用
13.2.4成為數據收集偵探
13.2.5數學基礎：學習統計學的基本知識
13.2.6善於提問
13.2.7與業務團隊緊密合作
13.2.8學習有效的數據可視化和PPT技能
13.2.9與時俱進：參加免費網絡研討會
13.2.10與時俱進：閱讀博客
13.3數據分析專家好看好的一天
13.4雇傭優選的人纔：給分析經理和總監的建議
……

在過去幾年中，互聯網、在線營銷以及廣告經歷了巨大的變革，然而大家處理數據的方式跟幾十年前相比還是大同小異。數據分析領域的 者（Avinash Kaushik）通過《谷歌數據分析方法》提出了下一代數據分析的框架，將能很大程度地幫助你提高組織的能動性和對市場的反應速度。本書闡述了如何去衡量、分析目前互聯網上出現的新技術和應用，並在此基礎上快速行動。這些新技術和應用包括社交媒體、視頻、移動互聯網上以用戶為中心的設計等。作者通過對傳統方法的改造，對互聯網數據進行了抽絲剝繭般的分析，提出了具體、簡單以及更優選的方法。如果你想了解數據分析方法，本書將是你的很好選擇。