商業產品分析：從使用者資料獲得商業洞見的資料科學方法 Product Analytics: Applied Data Science Techniques for Actionable Consumer Insights

本書是一份完整的實務指南，可幫助讀者了解如何透過使用者資料獲得可實踐的商業洞見。
在這本書中，經驗豐富的資料科學家、
企業經理喬安妮·羅德里格斯介紹了用於明確事情發生的原因以及規模化改變人們的行為的實用統計技術。
另外，她也介紹了強大的社會科學與技術，
用來幫助讀者創造更好的理論，設計更好的指標，推動更快速且持續的行為改變。
相較其他極具學術性的資料科學類書籍，本書所介紹的知識很好地彌補了讀者所欠缺的專業知識，
例如：如何開始一個新的資料科學專案；如何將複雜的想法概念化；
如何基於統計和人口統計的基礎知識建立指標；如何預測企業的消費者群體和物料需求；
如何在簡單的A/B測試技術、雙重差分模型、斷點回歸、傾向得分匹配和增益建模等技術下進行因果推論。
為了更好地幫助企業家、產品經理、行銷人員和其他商業分析專業人士理解相關內容，
羅德里格斯借助了大量直觀的線上案例和離線案例。
同時，為了避免過多的數學解釋，她循序漸進地為讀者講解如何為每個應用程式選擇正確的技術和演算法，
如何使用R程式語言並分析得到可信賴的答案。
無論面向哪類產品或服務，讀者都可以利用書中的知識設計針對性強的行銷活動，
進而提高消費者滿意度和參與度，增加收入和利潤。

推薦序一
推薦序二
推薦序三
推薦序四
譯者序
前言
致謝
第一部分定性方法論
第1章資料活動：晚宴模型
1.1 使用者資料中斷
1.2 晚宴模型
1.3 使用者資料有何獨特之處
1.4 為什麼因果關係很重要
1.5 可實踐的洞見
第2章建構社交宇宙理論
2.1 建構理論
2.2 概念化與測量
2.3 Web產品的理論
2.4 可實踐的洞見
第3章終極目標：如何改變人類行為
3.1 理解可實踐的洞見
3.2 一切都是為了改變行為
3.3 關於人類行為改變的理論
3.4 Web產品中的行為改變
3.5 行為改變的現實期望是什麼
3.6 可實踐的洞見
第二部分基本統計方法
第4章用戶分析中的用戶分佈
4.1 為什麼指標很重要
4.2 可實踐的洞見
第5章指標的創建和解釋
5.1 時期、年齡和隊列
5.2 指標的製定
5.3 可實踐的洞見
第6章為什麼用戶會流失？A/B測試的來龍去脈
6.1 A/B測試
6.2 有趣的免費週活動案例
6.3 變數之間的相關性
6.4 為什麼要研究隨機性
6.5 A/B測試的核心和關鍵
6.6 A/B測試中的陷阱
6.7 可實踐的洞見
第三部分預測方法
第7章使用者空間建模：k均值與PCA
7.1 什麼是模型
7.2 聚類技術
7.3 可實踐的洞見
第8章預測使用者行為：迴歸、決策樹與支援向量機
8.1 預測推論
8.2 關於預測的許多問題
8.3 預測建模
8.4 監督學習模型的驗證
8.5 可實踐的洞見
附錄
第9章預測產品人口變化：人口預測
9.1 為什麼我們要花時間在產品生命週期上
9.2 出生、死亡和整個生命週期
9.3 不同的留存模式
9.4 人口預測的藝術
9.5 可實踐的洞見
第四部分因果推論方法
第10章追求實驗：自然實驗與雙重差分模型
10.1 為什麼要進行因果推論
10.2 因果推論與預測
10.3 當A/ B測試不起作用時
10.4 從真實數據中進行因果推斷的要點和關鍵
10.5 可實踐的洞見
第11章持續追求實驗
11.1 斷點回歸
11.2 估計獲得徽章的因果效應
11.3 中斷時間序列
11.4 季節性分解
11.5 可分解實踐的洞見
第12章在實踐中發展啟發式方法
12.1 從真實數據中確定因果關係
12.2 統計匹配
12.3 傾向得分匹配的問題
12.4 啟發式匹配
12.5 最佳猜測
12.6 總結
12.7 可實踐的洞見
第13章增益建模
13.1 什麼是增益
13.2 為什麼採用增益建模技術
13.3 理解增益
13.4 預測與增益
13.5 增益困難
13.6 可實踐的洞見
第五部分基於R語言的基本方法、預測方法和因果推斷方法
第14章指標的R實現
14.1 為什麼選擇R語言
14.2 R基礎入門：R語言簡介及安裝
14.3 分佈抽樣
14.4 匯總統計量
14.5 QQ圖
14.6 計算方差和高階矩
14.7 直方圖和資料分檔
14.8 雙變量分佈和相關性
14.9 奇偶進度比
14.10 總結
第15章A/B測試、預測建模與人口預測的R實現
15.1 A/B測試
15.2 聚類
15.3 預測模型
15.4 人口預測
15.5 總結
第16章斷點回歸、匹配和增益的R實現
16.1 雙重差分建模
16.2 斷點迴歸與時間序列建模
16.3 統計配對
16.4 增益建模
16.5 總結
附錄
參考文獻
後記