數(shù)據(jù)運(yùn)營：數(shù)據(jù)分析模型撬動新零售實(shí)戰(zhàn)

第1 篇　零售企業(yè)基礎(chǔ)分析方法應(yīng)用
第1 章　開啟數(shù)據(jù)化業(yè)務(wù)洞察：基礎(chǔ)分析方法 002
1.1　趨勢分析 003
1.2　對比分析 005
1.3　分布分析 009
1.4　組成分析 013
1.5　關(guān)系分析 015
1.6　其他分析方法 017
1.7　本章小結(jié) 019
第2 章　讓客單價“飛”起來：購物籃分析 020
2.1　從經(jīng)典故事的起源探索購物籃分析的奧秘 020
2.2　兩個案例：購物籃分析數(shù)據(jù)化決策怎么用 022
2.2.1　模型適用的零售業(yè)務(wù)場景 022
2.2.2　案例1 ：不合時宜的服飾可以不打折清倉嗎 025
2.2.3　案例2 ：如何輕松獲取私域運(yùn)營流量
（新零售場景） 030
2.3　購物籃分析模型的實(shí)現(xiàn) 034
2.4　本章小結(jié) 036
第3 章　擒賊先擒王，高效降本增益：帕累托分析 038
3.1　二八定律誕生的科學(xué)性 038
3.2　兩個案例：帕累托分析數(shù)據(jù)化決策怎么用 040
3.2.1　模型適用的零售業(yè)務(wù)場景 040
3.2.2　案例1 ：降本增益，1500 多個商品如何優(yōu)化 041
3.2.3　案例2 ：企業(yè)的用戶貢獻(xiàn)分布健康嗎
（CRM 管理） 045
3.3　帕累托分析模型的實(shí)現(xiàn) 049
3.4　本章小結(jié) 054
第4 章　精準(zhǔn)定位，業(yè)績優(yōu)化有方向：象限分析 056
4.1　象限分割的數(shù)學(xué)邏輯原理 057
4.2　兩個案例：象限分析數(shù)據(jù)化決策怎么用 060
4.2.1　模型適用的零售業(yè)務(wù)場景 060
4.2.2　案例1 ：餐廳的菜品如何管理優(yōu)化 062
4.2.3　案例2 ：紙業(yè)零售商如何提升門店業(yè)績 066
4.3　象限分析模型的實(shí)現(xiàn) 070
4.4　本章小結(jié) 074
第2 篇　零售企業(yè)進(jìn)階分析方法應(yīng)用
第5 章　快速厘清自己，掌握外部形勢：SWOT 分析 076
5.1　SWOT 分析的原理 076
5.2　兩個案例：SWOT 分析數(shù)據(jù)化決策怎么用 079
5.2.1　模型適用的零售業(yè)務(wù)場景 080
5.2.2　案例1 ：用戶眼中的品牌是什么樣的
（市場決策） 081
5.2.3　案例2 ：備選開店的3 家購物中心該如何選擇
（企業(yè)戰(zhàn)略） 085
5.3　本章小結(jié) 091
第6 章　1 分鐘梳理10 萬個用戶的商業(yè)價值：RFM 分析 092
6.1　RFM 分析的邏輯原理 093
6.2　兩個案例：RFM 分析數(shù)據(jù)化決策怎么用 095
6.2.1　模型適用的零售業(yè)務(wù)場景 095
6.2.2　案例1 ：你的高價值用戶在哪里（CRM） 097
6.2.3　案例2 ：打折清倉的靴子賣給誰（營銷決策） 103
6.3　RFM 分析模型的實(shí)現(xiàn) 107
6.4　本章小結(jié) 110
第7 章　不懂商業(yè)數(shù)據(jù)分析？先來聽它說：杜邦分析 112
7.1　從經(jīng)典起源看杜邦分析如何“解” 112
7.2　兩個案例：杜邦分析數(shù)據(jù)化決策怎么用 114
7.2.1　模型適用的零售業(yè)務(wù)場景 114
7.2.2　案例1 ：上個月的營業(yè)總成本為何這么高
（財務(wù)分析） 117
7.2.3　案例2 ：如何快速學(xué)會商業(yè)分析（商業(yè)思維） 120
7.3　杜邦分析模型的實(shí)現(xiàn) 124
7.4　本章小結(jié) 125
第8 章　誰動了指標(biāo)的“情緒”方向盤：相關(guān)性分析 127
8.1　相關(guān)性分析是什么 128
8.2　兩個案例：相關(guān)性分析數(shù)據(jù)化決策怎么用 130
8.2.1　模型適用的零售業(yè)務(wù)場景 130
8.2.2　案例1 ：服飾公司的訂貨率為何驟跌 131
8.2.3　案例2 ：用戶生命周期為何這么短
（CRM 管理） 134
8.3　相關(guān)性分析模型的實(shí)現(xiàn) 136
8.4　本章小結(jié) 139
第9 章　“人以群分”科學(xué)決策：聚類分析 141
9.1　“人以群分”的分類邏輯 142
9.2　兩個案例：聚類分析數(shù)據(jù)化決策怎么用 143
9.2.1　模型適用的零售業(yè)務(wù)場景 144
9.2.2　案例1 ：商品的精細(xì)化運(yùn)營該怎么做 145
9.2.3　案例2 ：如何科學(xué)搭建會員等級體系
（CRM 管理） 151
9.3　聚類分析模型的實(shí)現(xiàn) 154
9.4　本章小結(jié) 159
第10 章　360 度了解“陌生人”的商業(yè)手法：
用戶畫像分析 161
10.1　用戶畫像分析的基礎(chǔ) 162
10.2　案例：用戶畫像分析商業(yè)化運(yùn)營怎么做 165
10.2.1　模型適用的零售業(yè)務(wù)場景及實(shí)現(xiàn)難點(diǎn) 166
10.2.2　案例：快過節(jié)了，購物中心如何促活
（用戶運(yùn)營） 167
10.3　用戶畫像分析模型的實(shí)現(xiàn) 172
10.4　本章小結(jié) 174
第3 篇　零售企業(yè)全域數(shù)據(jù)運(yùn)營高階應(yīng)用
第11 章　幫助企業(yè)生存扎根：AIPL 消費(fèi)全鏈路模型 178
11.1　AIPL 模型的邏輯原理 179
11.2　兩個案例：AIPL 模型數(shù)據(jù)化決策怎么用 183
11.2.1　如何支持零售企業(yè)用戶運(yùn)營 183
11.2.2　案例1 ：如何解決品牌用戶增長難的問題
（ 私域運(yùn)營） 185
11.2.3　案例2 ：如何高效達(dá)成本月銷售業(yè)績
（ 線上+ 線下） 190
11.3　本章小結(jié) 193
第12 章　幫助企業(yè)業(yè)務(wù)長青：阿里兩大營銷模型 194
12.1　提高消費(fèi)質(zhì)量：FAST 消費(fèi)者運(yùn)營健康度模型 195
12.1.1　數(shù)據(jù)分析在FAST 模型中的作用 196
12.1.2　FAST 模型適用的業(yè)務(wù)場景 197
12.1.3　如何提升“618 活動”業(yè)績（用戶運(yùn)營） 197
12.1.4　FAST 模型小結(jié) 200
12.2　提升消費(fèi)價值：GROW 品牌業(yè)務(wù)增長模型 201
12.2.1　數(shù)據(jù)分析在GROW 模型中的作用 203
12.2.2　GROW 模型適用的業(yè)務(wù)場景 204
12.2.3　如何實(shí)現(xiàn)“618 活動”高業(yè)績目標(biāo)（企業(yè)戰(zhàn)略） 204
12.2.4　GROW 模型小結(jié) 206
12.3　本章小結(jié) 206