| 作者 |
| [美]查克·希曼（Chuck Hemann） 肯·布尔巴里（Ken Burbary） |
| 丛书名 |
| 数据分析与决策技术丛书 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9787111677215 |
| 简要 |
| 简介 |
| 内容简介书籍经济管理学书籍 本书全面分析介绍了数字营销领域，不仅对新平台、新指标、新的度量方式进行了详细解析，而且通过多种数字营销案例对工具在解读消费者行为方面的全过程应用进行了详细地描述，同时对市场上不同类别的工具进行了简要推荐介绍。本书语言轻松自然、通俗易懂，适用于现代的、以数据为导向的市场营销从业人员，或市场营销专业的高校学生。 |
| 目录 |
| 本书赞誉 译者序 序 致谢 关于作者 第1章 了解协同数字生态系统 1 1.1 数字生态系统的演化 1 1.2 数据增长趋势 2 1.3 数字媒体类型 4 1.3.1 付费媒体 6 1.3.2 自有媒体 8 1.4 竞争情报 9 1.5 点击流（网络分析） 10 1.6 转化率分析 11 1.7 自定义用户细分 11 1.8 视觉叠加 12 1.9 社交媒体报告 12 1.10 用户体验反馈 13 1.11 实时网站分析 14 1.12 参考文献 14 第2章 简析数字分析概念 15 2.1 从顶部开始 15 2.2 运用度量框架 16 2.3 确定自有社交媒体和赢得社交媒体的指标 17 2.3.1 自有社交媒体指标 18 2.3.2 赢得社交媒体指标 26 2.4 揭开网络数据的神秘面纱 27 2.5 数字广告概念 29 2.6 适合搜索分析的指标 30 2.6.1 付费搜索 31 2.6.2 自然搜索 31 2.7 数字分析与传统分析的结合 32 2.7.1 初级研究 33 2.7.2 传统媒体监测 34 2.7.3 传统客户关系管理的数据 34 2.8 综合范例 34 2.8.1 报告时间线 34 2.8.2 报告模板 35 2.8.3 不同的人群，不同的策略 35 第3章 选择分析工具 36 3.1 评估新的营销技术 37 3.2 组合你的营销技术栈 39 3.2.1 Cisco的营销技术栈 39 3.2.2 Intel的营销技术栈 40 3.3 识别重要的营销技术解决方案 43 3.4 购买决策者 45 3.5 营销技术解决方案的采用 45 3.6 结语 47 3.7 参考文献 47 第4章 数字分析：品牌 48 4.1 数字品牌分析的益处 48 4.2 数字时代的品牌分析 49 4.3 品牌份额 50 4.3.1 声音份额 51 4.3.2 搜索份额 52 4.3.3 受众份额 54 4.4 品牌受众 56 4.4.1 总受众触及率 56 4.4.2 总受众关注度 57 4.4.3 总受众互动度 58 4.5 消费者自我概念与品牌个性的一致性 58 4.6 数字品牌分析的未来 60 第5章 数字分析：受众 61 5.1 什么是受众分析 64 5.2 受众分析用例 65 5.2.1 数字战略制定 66 5.2.2 内容策略制定 66 5.2.3 互动策略制定 67 5.2.4 搜索引擎优化 67 5.2.5 内容优化 67 5.2.6 用户体验设计 68 5.2.7 受众细分 68 5.3 受众分析工具类型 68 5.4 受众分析补充技术 74 5.5 对话类型 75 5.6 事件触发 76 第6章 数字分析：生态系统 78 6.1 生态系统分析 79 6.2 生态系统分析的产出 81 6.3 数字生态系统图 82 第7章 投资回报率 83 7.1 定义ROI 84 7.1.1 互动回报率 84 7.1.2 影响力回报率 86 7.1.3 体验回报率 87 7.2 正确地追踪ROI 88 7.2.1 理解自上而下的收益度量方法 88 7.2.2 利用自下而上的度量模型 91 7.3 度量数字营销有效性的三层模型方法 94 第8章 理解数字影响力 96 8.1 理解数字影响力的本质 97 8.1.1 “引爆点”现象 98 8.1.2 社群规则现象 99 8.2 制定现代媒体列表 99 8.3 使用匹配的工具 101 8.3.1 Klout 101 8.3.2 其他重要的影响者分析工具 104 8.3.3 定制影响力分析方法 105 8.4 线上影响力与线下影响力的对比 106 8.5 使用影响者列表 107 第9章 运用数字分析赋能营销方案 110 9.1 了解社交媒体版图分析 111 9.2 搜索和自媒体平台分析 116 9.3 开展媒体分析 119 第10章 改善客户服务体验 121 10.1 客户期望 121 10.2 社交客户服务的冲突 124 10.2.1 了解消费者 126 10.2.2 了解消费者意图 127 10.2.3 个性化消费者体验 127 10.3 社交客户服务模型 128 10.3.1 特定阶段的客户服务 128 10.3.2 局限阶段的客户服务 128 10.3.3 正式阶段的客户服务 129 10.3.4 达美航空案例 129 10.4 参考文献 131 第11章 利用数字分析进行危机预测 132 11.1 制定现代潜在危机事件管理计划 133 11.2 识别已知的潜在危机事件 134 11.2.1 制定已知的潜在危机事件列表 135 11.2.2 了解在线对话份额 135 11.2.3 搭建支持者和反对者画像 137 11.2.4 浅析影响者 137 11.2.5 呈现正确内容 137 11.2.6 了解正面和负面词汇 138 11.2.7 标记正确词汇 139 11.3 危机日的监控和实时报告 140 11.3.1 处理突发危机事件 140 11.3.2 制定内容计划 141 11.3.3 制定报告方案和报告节奏 142 11.3.4 危机期间的报告频率和报告内容 142 11.3.5 危机之后的报告频率和报告内容 143 11.4 危机结束后的历史修正 144 11.4.1 对基础研究的评估 144 11.4.2 识别关键的第三方平台及拟定内容同步发布方案 145 第12章 发布新产品 146 12.1 产品生命周期概览 147 12.2 产品生命周期—引入阶段 148 12.2.1 消费者对产品X有哪些反应 150 12.2.2 洞察消费者对产品X有哪些顾虑 151 12.2.3 哪些是消费者未满足或未表达的需求 152 12.3 产品生命周期—成长阶段 152 12.3.1 产品X被讨论、分享和评价的社群、网站及社交平台有哪些 154 12.3.2 哪些人是产品X的话题中的影响者 154 12.3.3 消费者对产品X零售及促销有何反应 155 12.4 产品生命周期—成熟阶段 155 12.4.1 围绕产品X而产生的消费者趋势和偏好有哪些 157 12.4.2 用户对其他相关产品的兴趣度如何 158 12.5 结语 158 第13章 制定研究计划 159 13.1 构建数据源列表 160 13.1.1 识别数据源 160 13.1.2 选择需要分析的渠道 162 13.1.3 识别搜索和源语言 164 13.2 确定研究方法 165 13.2.1 定义假设 166 13.2.2 分析的时间表 168 13.2.3 识别项目团队 168 13.2.4 确定分析的深度 169 13.2.5 构建编码框架 170 13.2.6 采用情绪分析方法 170 13.2.7 过滤垃圾邮件和机器人程序 171 13.3 参考文献 172 第14章 生成有价值的报告 173 14.1 构建报告 174 14.1.1 从后至前构建报告 175 14.1.2 报告格式 177 14.1.3 了解报告的时间表 178 14.2 交付报告 179 14.3 了解报告的用例 180 14.3.1 高管层用例 181 14.3.2 管理层用例 181 14.3.3 分析层用例 182 14.4 搭建中央信息存储仓库 183 14.4.1 指挥中心 184 14.4.2 基于网络的应用程序 185 第15章 数字数据的未来 186 15.1 见证数字分析标准的演进 188 15.1.1 回顾社交媒体聆听的演进史 188 15.1.2 深入展开搜索分析 190 15.1.3 唤醒受众分析的水晶球 190 15.1.4 预测内容分析的未来 191 15.1.5 了解影响者分析的全景图 192 15.2 了解数字分析的发展前景 193 15.2.1 消除分析人才的缺口 193 15.2.2 合理存储用户数据 195 15.2.3 数据源的持续整合 196 15.2.4 应对用户隐私顾虑 196 15.2.5 提高品牌对社交数据的可获得性 197 15.2.6 提高数据的干净度和准确性 198 15.2.7 CMO们面临的量化分析挑战 198 15.2.8 浅析机器学习和人工智能 199 15.3 参考文献 200 |