打字猴:1.70049747e+09
1700497470 2 前言 [:1700497840]
1700497471 2.1 为什么要写这本书 [:1700497843]
1700497472 2.2 读者对象 [:1700497865]
1700497473 2.3 勘误和支持 [:1700497879]
1700497474 2.4 如何阅读本书 [:1700497887]
1700497475 2.5 致谢 [:1700497903]
1700497476 3 第1章 什么是数据化运营 [:1700497929]
1700497477 3.1 1.1 现代营销理论的发展历程 [:1700497957]
1700497478 3.1.1 1.1.1 从4P到4C [:1700497960]
1700497479 3.1.2 1.1.2 从4C到3P3C [:1700498002]
1700497480 3.2 1.2 数据化运营的主要内容 [:1700498039]
1700497481 3.3 1.3 为什么要数据化运营 [:1700498059]
1700497482 3.4 1.4 数据化运营的必要条件 [:1700498071]
1700497483 3.4.1 1.4.1 企业级海量数据存储的实现 [:1700498076]
1700497484 3.4.2 1.4.2 精细化运营的需求 [:1700498136]
1700497485 3.4.3 1.4.3 数据分析和数据挖掘技术的有效应用 [:1700498146]
1700497486 3.4.4 1.4.4 企业决策层的倡导与持续支持 [:1700498162]
1700497487 3.5 1.5 数据化运营的新现象与新发展 [:1700498178]
1700497488 3.6 1.6 关于互联网和电子商务的最新数据 [:1700498192]
1700497489 4 第2章 数据挖掘概述 [:1700498204]
1700497490 4.1 2.1 数据挖掘的发展历史 [:1700498226]
1700497491 4.2 2.2 统计分析与数据挖掘的主要区别 [:1700498238]
1700497492 4.3 2.3 数据挖掘的主要成熟技术以及在数据化运营中的主要应用 [:1700498268]
1700497493 4.3.1 2.3.1 决策树 [:1700498271]
1700497494 4.3.2 2.3.2 神经网络 [:1700498293]
1700497495 4.3.3 2.3.3 回归 [:1700498332]
1700497496 4.3.4 2.3.4 关联规则 [:1700498367]
1700497497 4.3.5 2.3.5 聚类 [:1700498393]
1700497498 4.3.6 2.3.6 贝叶斯分类方法 [:1700498411]
1700497499 4.3.7 2.3.7 支持向量机 [:1700498447]
1700497500 4.3.8 2.3.8 主成分分析 [:1700498480]
1700497501 4.3.9 2.3.9 假设检验 [:1700498516]
1700497502 4.4 2.4 互联网行业数据挖掘应用的特点 [:1700498536]
1700497503 5 第3章 数据化运营中常见的数据分析项目类型 [:1700498552]
1700497504 5.1 3.1 目标客户的特征分析 [:1700498594]
1700497505 5.2 3.2 目标客户的预测（响应、分类）模型 [:1700498612]
1700497506 5.3 3.3 运营群体的活跃度定义 [:1700498630]
1700497507 5.4 3.4 用户路径分析 [:1700498652]
1700497508 5.5 3.5 交叉销售模型 [:1700498670]
1700497509 5.6 3.6 信息质量模型 [:1700498690]
1700497510 5.7 3.7 服务保障模型 [:1700498722]
1700497511 5.8 3.8 用户（买家、卖家）分层模型 [:1700498732]
1700497512 5.9 3.9 卖家（买家）交易模型 [:1700498781]
1700497513 5.10 3.10 信用风险模型 [:1700498789]
1700497514 5.11 3.11 商品推荐模型 [:1700498805]
1700497515 5.11.1 3.11.1 商品推荐介绍 [:1700498810]
1700497516 5.11.2 3.11.2 关联规则 [:1700498820]
1700497517 5.11.3 3.11.3 协同过滤算法 [:1700498922]
1700497518 5.11.4 3.11.4 商品推荐模型总结 [:1700499050]
1700497519 5.12 3.12 数据产品 [:1700499058]
[ 上一页 ]  [ :1.70049747e+09 ]  [ 下一页 ]