最近更新时间：2021-11-14

问题1：本书的附件在哪里下载？

下载地址为：《电商流量数据化运营》附件

问题2：《电商流量数据化运营》与《Python数据分析与数据化运营》有什么区别和关系？？

《电商流量数据化运营》与《Python数据分析与数据化运营》的区别与联系如下：

• 逻辑上， 《Python数据分析与数据化运营》 是总，它包含了更广泛的运营话题；而《电商流量数据化运营》是分，它是其中的关于流量运营的分支。后续还会陆续把会员运营、内容运营、商品运营、活动运营、网站运营等主题再分别出书。 当然，《Python数据分析与数据化运营》这本书会在继续改版，以适应新时代的发展需求，所以内容结构上也会更加完整。

• 内容上，《 Python数据分析与数据化运营》的更偏“分析”一些，所以里面包含了大量的维度、指标、分析方法、数据模型、大实话等；而《电商流量数据化运营》更聚焦于业务实践，更偏“业务” 一些 ，所以会看到里面的内容都是围绕“如何做流量运营”的全过程展开，探讨数据如何发挥价值。

• 工具上，《Python数据分析与数据化运营》完全使用Python；而 电商流量数据化运营》 则以Excel为主，辅助以Python实现。

问题3：书里面的案例多吗？

本书从第3章到第7章，基本每个小节（二级标题）下都有1~2个案例。例如：

问题4：书里的案例，使用的是什么工具或语言实现的？

这本书的实现工具有2个，一个是Excel，大概案例实施的占比在70%~80%；第二个是Python，大概案例实施的占比在20%~30%。

其中：Excel的工具版本是Office 2013，Python的版本是3.8（适用于3.9、以及最新的3.10）

问题5：书在哪里可以买到？

通用的买书渠道，比如在线渠道：

• 京东
• 当当
• 亚马逊

线下店可能也有，具体得看渠道了，不过网上买最方便了。

另外，这本书应该也是有电子书的。大家可以去看下京东读书、亚马逊kindle、微信读书。

问题6：书是黑白印刷的，有原始彩图吗？

书的彩图，我一起放在随书附件里面了。大家下载后，会看到压缩包里面有个文件夹，就是原始彩图。如下：

问题7：4.2基于用户喜好的投放内容管理中，为什么需要将商品不同行为和场景的权重加权汇总，而不直接使用单一行为指标或单一场景、单一事件来计算用户喜好？

4.2 基于用户喜好的投放内容管理中，在“ 第四步 为商品增加权重”中出现了两层权重，分别是商品互动事件类型的权重和商品互动产生的场景的权重。为什么需要如此复杂的权重关系？

首先，对于用户对商品的行为喜好的表现，不同的人对于喜好的表现行为不同。比如，有的人会多看，所以浏览是评价喜欢与否的重要标志；有的人的表现是搜索，有的人则是购买。所以，在用户行为上，会存在千差万别的“喜欢表现”，如果我们只使用1个字段（或商品互动事件），那么一定是有所偏颇，因为我们概括的行为不够完整和全面。所以，才需要多个行为事件综合考虑。

如果是这样，只需要针对不同的行为设置不同的权重就行了，为什么还需要有场景区分？

关于场景权重和类型的权重，场景和页面事件并不是一对一的关系，而是多对多的关系。

比如商品品浏览这个事件，指的是有商品的曝光（类似于站外广告的impression），而商品可以在多个场景下曝光，比如一个产品A在首页、搜索页、个人中心页都有推荐展示。

不同的场景，对于核心KPI的影响也是不同的，这就好比站外广告渠道，同样的一个人，我们会认为从高质量渠道进入的时候它“此次”的价值度更高。另外一个日常生活的例子就是，同样的一个人，知名教授介绍给A认识，和普通人介绍给A认识，A会更偏向于认为知名教授介绍时更认可这个新朋友的价值，这种逻辑是相同的。

所以就有了类型和场景分别产生权重再汇总计算的逻辑。

问题8：4.5.5 着陆页测试的贝叶斯评估方法中，贝叶斯的原理有没有进一步的解释、说明或推荐阅读材料？

• A/B测试：A/B测试简单来说，就是为同一个目标制定两个方案，让一部分用户使用A方案，一部分用户应用B方案，记录下用户的使用情况，看哪个方案更符合设计。A方案的转化率可以看做一个二项分布，传统的频率学派认为p是固定不变的，为所有转化的总数除以实验总数。然而贝叶斯学派不会假设p是固定不变的，引入一个Beta分布作为二项分布的共轭先验，通过调整Beta分布参数，动态调整p的值。
• Beta分布：Beta分布是二项分布的共轭先验，描述了二项分布中p取值的可能性。Beta(m,n)代表着m+n次试验，m次A，n次B的概率分布。在频率派认为抛100次硬币，16次正面朝上；抛50次硬币，8次正面朝上，正面概率都是p=0.16。但是贝叶斯学派不这么认为，也即Beta(16，84)和Beta(8, 42)是不一样的概率分布。

上图是一枚硬币抛100次有16次正面，和抛50次有8次正面的两个实验。图中的数据分布就是 Beta(16，84)和Beta(8, 42)的分布图 。 在Beta(α,β)中，Beta分布有两个参数α和β，α的现实意义就是16次正面，β的现实意义就是84次反面。

通俗地讲，Beta概率是对“正面概率应该为p”这件事情的概率分布。

上面的实验的基本规律：

在频率派认为抛100次硬币，16次正面朝上；抛50次硬币，8次正面朝上，正面概率都是p=0.16。

但是贝叶斯学派不这么认为，也即Beta(16，84)和Beta(8, 42)是不一样的概率分布。

规律的进一步解释：

上图抛100次有16次正面和抛50次有8次正面虽然只是实验规模不同，但是分布密度图是不一样的：

1. 频率学派观点是应该猜测正面概率p=0.16；贝叶斯学派观点是，以上两种情况的猜测p都小于0.16，因为实验次数越少，真实的正面和反面的差距就可能越大！

2. 实验次数越小，上面概率密度图应该越平缓（绿线），因为少的实验次数不能增大决策信心。而蓝色的100次实验，明显有更大的信心猜测p更接近0.16.

3. 实验次数越大，上面概率密度图的均值更应该接近0.16，符合大数定律。

因此，基于上述基本逻辑，贝叶斯可以被引用到AB测试中，对比2个版本的实验结果的差异。

关于进一步的贝斯的算法和推导过程，请见：

Bayesian_AB_wwwing_at_VWO.pdf

Bayesian_Statistics.pdf

问题9：第7章7.2.2 分析特征对转化目标的正负向影响中，shaply值输出为什么有2个数组，为什么要选择第二个数组？

首先，需要明白的是，无论是什么模型和算法，对于一个具有二分类结果（例如是否转化，预测结果是0或1）的特征x，预测的得到的y一定是包含两项结果的，要么为0要么为1。

所以，在模型的输出时，这个预测结果就有两种表示方法：

• 第一种 概率输出，也就是clf.predict_proba(x)得到的结果，它的值分别【同时】包含了结果可能是0以及结果为1 的概率，例如[0.12,0.82]。
• 第二种 标签输出，也就是clf.predict(x)得到的结果，它的值【只】包含1个结果（0或1），例如[1]。

上面2种表示方法，如何对应？ 默认情况下，预测模型判断结果是否为转化或不转化有一个基准值为0.5，也就是说，当预测概率值>0.5值，那么预测的label就是1；否则就是0。在上面的2种情况里面，由于第二个值的概率为0.82，那么结果的label1。

当大家有自定义的需求时，也可以调整这个0.5的阈值，比如我可以定义为，只有当预测为1的概率为0.9时，我才认知他能转化，那么此时，这个结果的预测标签就是0——不转化。

此时，我们对转化的定义就非常严格，有点像，考试达到90分，我们才认为你合格；而不是60分就合格。

回到shapely的值，shap_value返回的结果包含2个数组，这2个数组是与概率预测模型相对应的，也就是分别解释当预测为0以及预测为1的情况下，各个特征分别对于这2个结果（0以及1）的影响。在书中，我们重点研究的是“特征是如何影响转化的”，所以我们就取第二个数组。

在这两组shaply检验结果中，大家可以看到，2组的结果值是以【0】为界限对称分布的。比如当一个特征对于x为0时的影响结果值是0.07821677，那么对x为1时的结果值的影响就是-0.07821677。0在shaply结果中表示“没有影响”，所以当x=0和x=1的shaply值相加时，就应该结果0。如下面打印出2的两组shapley结果值。

在研究shapely的总体特征时，检验的是所有特征的shapely值的绝对值的均值。所以：

• 对于总体特征的重要性检验而言，使用第一个数组还是第二个数组，结果就都是一样的。
• 但是要检验shapely对于特定预测结果的影响结果（例如为0或为1）时，就需要区分使用不同的检验结果。

下面举一个例子：

假设分类模型中有3个结果（比如预测用户的等级为高、中、低），此时，我们要重点检验 不同特征如何促进用户成为 高价值客户时，就要选择结果数组中，检验值为 高价值的label的结果值。这个值的设置跟模型相关：

• 假如我们设置的label 0/1/2分别表示低、中、高转化，那么就应该取shaply检验结果返回的第3个数组；
• 但如果设置的是0/1/2分别表示高、中、低，那么就应该取返回结果的第一个数组。