《智能增長》共分 5 部分 :數據篇從智能驅動增長方案的基礎出發，沿著實際工作鏈條，介紹數 據收集、加工、存儲和訪問 ;模型篇銜接基礎數據到上層應用，介紹數據建模，包括生命 周期、RFM、AARRR 和地理信息模型 ;場景篇真正介紹智能增長怎么做，這里以完整的商業 運營鏈條為例拆解 9 大運營場景，從業務、財務和技術的角度詳述增長實踐 ;團隊篇解釋了數 據驅動增長在人物層面需要具備的必要因素 ;結語篇探討了智能增長對經濟的促進作用和作用方式。 《智能增長》適合所有從事移動互聯網行業研發、產品和運營的人員閱讀，對智能增長、互聯網 經濟分析預測的觀察者也有借鑒意義。
百度外賣技術委員會主席力作 作者多年實際操盤經驗總結 剖析大數據時代的“智能增長”的來龍去脈 從數據、模型、場景、團隊等幾個方面系統地總結了企業數據智能化的方法論
蔣凡，現任百度外賣技術委員會主席、總架構師，拉扎斯集團高-級科學家。主要研究方向是物流調度、個性化推薦、智能營銷和畫像建模。譯有《推薦系統》(人民郵電出版社出版)和《推薦系統：技術、評估及高效算法 》(機械工業出版社出版)。作為“百度外賣智能調度”項目負責人，獲得2017年“吳文俊人工智能科技進步獎”(企業技術創新工程項目)。
及時部分 數據篇
第1章 數據收集 2
1.1 行為數據 3
1.1.1 傳統獲取方式 4
1.1.2 獲取方式對比 5
1.1.3 無需埋點的數據收集 5
1.1.4 用戶行為數據類型 7
1.2 交易數據 9
1.2.1 收集交易過程數據 9
1.2.2 收集交易累積數據 11
1.2.3 區分交易金額的組成 12
1.2.4 收集廣告點擊數據 13
1.3 標簽數據 14
1.3.1 發現身份屬性標簽 15
1.3.2 在基礎標簽上加工 15
1.3.3 從交易行為提取標簽 16
1.3.4 從數據挖掘建模輸出 標簽 16
第2章 數據加工 18
2.1 標準與格式 19
2.1.1 基本概念 19
2.1.2 無量綱化處理 20
2.1.3 多源數據融合 21
2.2 關聯分析 23
2.2.1 概念 23
2.2.2 Apriori算法 24
2.2.3 應用關聯分析 25
2.3 數據清洗 28
2.3.1 填補缺失值 28
2.3.2 數據平滑 30
2.3.3 數據造假 31
2.3.4 監測噪聲數據 33
第3章 數據存儲 35
3.1 分層與粒度 35
3.1.1 粒度劃分標準 36
3.1.2 分層實現方法 37
3.1.3 智能增長的新視角 39
3.2 更新與時效 40
3.2.1 記錄實時數據 40
3.2.2 數據更新與同步 41
3.2.3 時效性 42
3.3 搭建存儲方案 43
3.3.1 HDFS數據庫 43
3.3.2 NoSQL數據庫 44
3.3.3 開發自有方案 46
第4章 數據訪問 48
4.1 訪問工具：正排與倒排 48
4.1.1 正排索引 48
4.1.2 倒排索引 52
4.2 衡量方法：查準與查全 54
4.2.1 定義 54
4.2.2 正排查全 55
4.2.3 正排查準 55
4.2.4 倒排查全 56
4.2.5 倒排查準 56
4.3 優化：性能與效率 57
4.3.1 數據庫設計 57
4.3.2 SQL語句設計 59
第二部分 模型篇
第5章 生命周期模型 62
5.1 用戶生命周期 62
5.1.1 劃分標準 63
5.1.2 用戶生命價值 64
5.1.3 生命周期運營 65
5.2 商戶生命周期 67
5.2.1 劃分標準 67
5.2.2 商戶生命價值 69
5.2.3 生命周期運營 69
5.3 小結 71
第6章 RFM模型 73
6.1 定義 73
6.2 適用場景 75
6.2.1 客戶管理 75
6.2.2 電商運營 76
6.2.3 服務升級 77
6.3 演變方向 78
6.3.1 多級指標細分 78
6.3.2 算法降維 79
第7章 AARRR模型 81
7.1 定義 81
7.2 適用場景和指標 82
7.2.1 下載量和激活量 83
7.2.2 用戶獲取成本 84
7.2.3 用戶活躍度 84
7.2.4 用戶留存率 85
7.2.5 用戶平均收入 86
7.2.6 用戶回報率 87
7.2.7 用戶影響因子 88
7.3 小結 88
第8章 地理信息模型 90
8.1 意義 90
8.2 基礎技術 91
8.2.1 地理坐標 92
8.2.2 地圖定位 94
8.2.3 地圖導航 94
8.3 適用場景 95
8.3.1 地址信息解析 96
8.3.2 基礎位置描述 97
8.3.3 周邊POI檢索 98
8.3.4 高精度定位服務 99
8.3.5 個性化感知 100
8.4 演變方向 101
8.4.1 室內定位精準度 101
8.4.2 POI位置語義化 102
第三部分 場景篇
第9章 如何持續獲得新用戶 104
9.1 意義 104
9.2 從0到10 000，圈定種子用戶 105
9.2.1 采用邀請機制 106
9.2.2 引起社區關注 106
9.3 從10 000到1000萬，構建增長 機制 107
9.3.1 競爭群體增長 107
9.3.2 延伸品類增長 108
9.3.3 相近地址增長 109
9.3.4 社交關系增長 110
9.4 評估與反饋 111
9.4.1 降低競品用戶的獲取 成本 112
9.4.2 提高附近用戶的激活 比例 112
9.4.3 提高延伸用戶的活躍 程度 113
9.4.4 提高社交用戶的影響 能力 114
9.4.5 拉新效果評估矩陣 114
9.5 小結 115
第10章 誰是你的明星商戶 116
10.1 意義 116
10.2 拓荒階段 117
10.2.1 動銷率與展現率 118
10.2.2 吸引能力：平衡動銷 和展現 118
10.3 發展階段 119
10.3.1 新客導流數量與質量 119
10.3.2 導流能力：平衡數量 與質量 120
10.4 相持階段 120
10.4.1 客單價與客單量 121
10.4.2 擴張能力：平衡單價 與單量 121
10.5 穩定階段 122
10.5.1 投資回報率與營業利 潤率 122
10.5.2 盈利能力：跨越盈虧 平衡線 123
10.6 小結 124
第11章 何日君再來 125
11.1 背景 125
11.2 留存分析工具 127
11.2.1 目標用戶定格測算 分析 127
11.2.2 選定用戶時序演化 分析 129
11.3 挽回流失用戶 131
11.3.1 流失的定義和分類 131
11.3.2 流失率預測模型 132
11.3.3 干預流失過程 133
11.3.4 流失用戶激活效應 133
11.4 小結 134
第12章 差異化定價 136
12.1 意義 136
12.2 根據服務區分定價 138
12.2.1 一服務一價 138
12.2.2 創造差異服務 139
12.3 根據用戶區分定價 140
12.3.1 看到不同價格 140
12.3.2 派發不同紅包 140
12.4 根據時間區分定價 141
12.4.1 潮汐規律 141
12.4.2 峰值效應 142
12.5 小結 144
第13章 縮短用戶決策路徑 145
13.1 決策路徑上的技術鏈條 146
13.2 搜索技術 147
13.2.1 查詢詞分析 147
13.2.2 查詢詞變換 149
13.2.3 檢索結果擴展 150
13.3 排序技術 151
13.3.1 社交類 151
13.3.2 消費類 152
13.4 推薦技術 152
13.4.1 技術選型 153
13.4.2 技術挑戰 157
13.5 小結 160
第14章 營造虛擬經濟循環 161
14.1 背景 161
14.2 虛擬商品定價 163
14.2.1 信用積分體系 163
14.2.2 道具交易體系 164
14.3 虛擬管理激勵 165
14.3.1 調節服務難度 166
14.3.2 調節服務質量 167
14.4 虛擬資源競價 169
14.4.1 發現虛擬資源 169
14.4.2 找到競價者 170
14.4.3 估算競爭價格 171
14.5 小結 171
第15章 擠出繁榮里的泡沫 173
15.1 什么是刷單 174
15.1.1 刷單形態 174
15.1.2 作弊手段 175
15.2 加強數據校驗 177
15.2.1 性驗證 177
15.2.2 常駐點驗證 178
15.2.3 硬件驗證 179
15.3 發現數據異常 180
15.3.1 短期頻繁行為 180
15.3.2 批量雷同行為 181
15.3.3 抱團趨同 182
15.4 制止作弊行為 182
15.4.1 規則系統 182
15.4.2 機器建模 183
15.4.3 避免誤傷 184
15.5 小結 184
第16章 為商戶賦能 186
16.1 選地址 187
16.1.1 找到旺鋪位置 187
16.1.2 劃定服務范圍 188
16.2 選商品 189
16.2.1 知己知彼找爆品 189
16.2.2 商品的生命周期 190
16.3 選客群 190
16.3.1 定制目標用戶 190
16.3.2 提高攬客質量 191
16.3.3 降低攬客成本 192
16.4 小結 192
第17章 調度一盤棋 194
17.1 調度模式分類 195
17.1.1 單地串行調度 196
17.1.2 單地并行調度 196
17.1.3 雙地并行調度 197
17.2 物流調度決策 198
17.2.1 多目標優化 199
17.2.2 分層建模降維 200
17.2.3 云端虛擬調度 201
17.2.4 配送耗時預估 202
17.2.5 可視化平臺 203
17.3 運力供需分配 204
17.3.1 需求預測與跨時空 調配 205
17.3.2 極端條件運力預警 分配 205
17.4 小結 206
第四部分 團隊篇
第18章 榜樣的力量 208
18.1 Facebook增長團隊 209
18.1.1 組織構成 209
18.1.2 主要經驗 210
18.2 美團大數據團隊 210
18.2.1 組織構成 210
18.2.2 主要經驗 211
18.3 騰訊大數據團隊 212
18.3.1 組織構成 212
18.3.2 主要經驗 212
18.4 GrowingIO大數據團隊 213
18.4.1 組織構成 213
18.4.2 主要經驗 214
18.5 京東大數據團隊 214
18.5.1 組織構成 215
18.5.2 主要經驗 215
18.6 阿里巴巴數據平臺事業部 216
18.6.1 組織構成 216
18.6.2 主要經驗 217
第19章 組建增長團隊 218
19.1 增長團隊組織架構 218
19.1.1 增長團隊內部成員 218
19.1.2 增長團隊相關角色 220
19.1.3 團隊合作方式 223
19.2 發揮數據科學家的作用 224
19.2.1 數據科學家做什么 225
19.2.2 數據科學家怎么做 226
19.3 常見陷阱與經驗 227
19.3.1 避免大數據浮腫 227
19.3.2 溝通部門間障礙 227
19.3.3 防范建設 228
第五部分 結語篇
第20章 增長的力量 232
20.1 智能增長對經濟的意義 232
20.1.1 互聯網改造工業經濟 232
20.1.2 互聯網經濟到智能經濟的過渡 233
20.1.3 智能增長的本質 234
20.2 智能增長的階段 235
20.2.1 早期積累 236
20.2.2 快速發展 236
20.2.3 精細運營 237
20.3 人的未來 238
20.3.1 被機器智能替代 239
20.3.2 做機器做不了的 240
20.3.3 駕馭機器智能 240
20.3.4 增長的代價 241
后記 242
大數據和人工智能是當今產業發展的動力。一個企業如何利用這些前沿技術實現自己的智能增長？目前為止，這個產業界、學術界廣為人關注的問題并沒有得到應有的研究。可以說，蔣凡的這部著作填補了這方面的需求。本書從數據、模型、場景、團隊等幾個方面系統地總結了企業數據智能化的方法論，及時、、翔實。這是一部非常好的書，相信關注這方面問題的人都會受益匪淺。強烈推薦！ ——今日頭條人工智能實驗室主任 李航 無論領域是To C還是To B，高效增長都是企業發展所追求的永恒目標。本書完整且頗具深度地介紹
