如何分析着陆页数据——选自《电商流量数据化运营》


6.8.1 着陆页数据概述

无论着陆页是站外Minisite还是站内页面,着陆页都是承载流量的核心载体。因此,着陆页分析是营销分析的必要环节。着陆页数据既有用户行为数据,也有页面本身的数据,这些都将用来分析着陆页质量以及对后续转化。

6.8.2 分析着陆页是否真的有问题

营销渠道如果转化效果不好,第一步应该分析着陆页是否有问题,因为着陆页是站内转化漏斗的第一步,让用户留下来才可能产生后续转化。

着陆页如果有问题,会表现为跳出率高、平均页面浏览时间短。但是,如果跳出率高、平均页面浏览时间短就一定是着陆页的问题吗?

通过不同维度的对比可以很容易分析着陆页是否真的有问题。如表6-4为某着陆页上不同渠

继续阅读

渠道效果影响因素研究——选自《电商流量数据化运营》


在渠道效果分析中,找到影响效果转化的主要因素是重中之重。它能直接帮助营销人员更好的了解渠道转化的影响因素,以及如何进行渠道效果优化和提升;同时,还可以基于分析得到的业务规则,直接应用到营销投放和操作过程,因此落地性和价值度都非常高。

该节内容可应用于任何带有转化目标的渠道中,且转化的定义可以包含任何目标场景,例如:

  • 动作场景:提交订单、按钮点击、线索填写、注册、登陆、抽奖等事件。
  • 非动作场景:停留超过30秒、看过超过10个页面、浏览过特定页面等过程性行为。

7.2.1 渠道效果影响因素概述

在“4.1.4 基于Lookalike的人群规则实现投放人群管理”中介绍了如何通过模型提取营销目标人

继续阅读

《Python数据分析与数据化运营》第一版 勘误


由于本书的作者水平有限并受限于有限的撰稿时间,以及整个出版环节众多可能会出现信息不对称,书中难免会出现一些错误或者不准确的地方,在此陈列出来供读者参考。这些已经发现的“错误”,会在下一次重印或再版时修正,有关修正的部分,会额外做标记,请读者朋友留意。

> 特别提示:由于第一版采用的仍然是Python2代码,因此在Python2下能正常工作,但是Python3下会出现的问题,不在此看勘误列表内。

最近更新时间:2019-04-22


> 提示:在2018年11月的第一版第三次重印中,更新了部分问题,请读者留意。辨别购买版本的问题,请读者翻到如下页面的框选处:


1.在P302“5.

继续阅读

《Python数据分析与数据化运营》第二版 勘误


本书默认已经修正了第一版遇到的所有问题,因此以下勘误仅限于第二版。有关第一版的勘误,请见“《Python数据分析与数据化运营》第一版勘误”。

> 说明:由于第二版的出版时间为2019年,我已经将最新版本的代码更新到博客中,地址为:《Python数据分析与数据化运营》第二版新老版本代码对比。安装和使用最新版本的读者可参照该链接的代码。**

最近更新时间:2021-10-14


最近一次新书重印更新为2020-11(第2版第4次)重印,读者可查看“前言”的前1页找到相关信息,如下:

1.P108 第二段文字中,英语、数据、语文成绩……中的“数据”应为“数学”。

解释:如图圆圈处文字

2

继续阅读

《Python数据分析与数据化运营》第二版 老代码与新代码对照信息


由于第二版是2019年出版,某些库或方法可能已经过时,在此汇总新版本和之前书中的老版本的差异,供大家了解。

在遇到类似于“没有找到方法”、“无法找到库”、“不存在”等类似问题时,可先在这里查看下是否存在现成解决方案。

更新时间:2021-06-12


第一章

1.1 第一章最后的“销售预测应用”部分中的代码需要更新。

原始代码为:

new_x = 84610   
pre_y = model.predict(new_x) # 老版本

print(pre_y)

新版本中,需要改为:

new_x = 84610   
pre_y = model.predict([[new_x]]) # 

继续阅读

《Python数据分析与数据化运营》第二版 常见问题


在该文章中,仅总结第二版相关的问题,有关第一版的问题,请到“《Python数据分析与数据化运营》第一版常见问题”查看。

> 说明:由于第二版的出版时间为2019年,我已经将最新版本的代码更新到博客中,地址为:《Python数据分析与数据化运营》第二版新老版本代码对比。安装和使用最新版本的读者可参照该链接的代码。

最近更新时间:2021-06-15


1. 问题:第二版的书籍配套源代码下载地址?

代码下载: 《Python数据分析与数据化运营》第二版 附件

2. 问题:第二版和第一版比有哪些变化?

本书在第一版上市后,得到来自于各行各业很多好友和读者的支持和反馈,在此致以感谢!第二版在第一

继续阅读

《Python数据分析与数据化运营》第一版 常见问题


在这边文章中,我会把读者反馈给我的常见问题总结出来,供更多读者参考。里面会涉及到各种疑问或混淆知识点,希望能给大家解惑。如果大家有什么疑问,可以直接在这里留言,我会将一些跟本书相关的知识性问题总结出来并在此回答。

最近更新时间:2021-07-05


1.问题:对于一维数据而言,reshape之后仍然是一维,为什么还要做reshape操作?

在第一章的代码示例中,有一段如下代码:

x=numpy.array(x).reshape([100,1])

为什么需要对x对reshape?即使是reshape,x仍然是1维数据啊(只有一列)?

回答:对于sklearn中的fit方法而言,对输入的x的

继续阅读

《电商流量数据化运营》第一版勘误


最近更新时间:2021-11-09


1. P111中,第4章的Excel中4-1数据源标题有误

第4章4-1中,原始Excel数据源中,预测数据集的标题与原始训练集的标题不一致,这会导致在预测过程中,出现训练集和预测集由于输入特征名称不一致,而导致ColumnTransformer过程报错。

名称不一致在我写书时的版本中执行并没有问题,目前的sklearn版本中会报错。

因此,我更新了数据源,保持Excel中训练集和预测集的特征名称一致。主要修改如下图:

图中,左侧是Excel修改的名称,右侧是对应到P111打印输出的结果中,列名的变化,请读者注意区别。

> 提示:如果上图看不清楚,

继续阅读

《电商流量数据化运营》第一版常见问题


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

继续阅读

《电商流量数据化运营》上市了!


《电商流量数据化运营》这本书我定义为是一本“拿来用”的书。

熟悉我的朋友们知道,长久以来,我都是做数据相关工作的。但无论是数据分析、建模、机器学习,还是数据产品、智能应用开发,其核心数据价值都体现在“在什么地方用”、“有多大用”这些环节上。

在我超过10年的数据工作中,我深感“数据”的价值是模糊不清的,原因之一就在于数据是没法直接落地的!也就是数据工作与业务工作是分离的!

想想,常见数据分析师、数据工程师的基本工作思维是什么?是先拿到一批数据,然后通过各种方法、算法得到一些结果,最后再想想这些数据结论能用在哪呢?——这种先有数据结果再找应用场景的工作方法,在大多数场景下都得不到很好的价值体现

继续阅读