上篇 電商戰略戰術
第1章 電子商務的戰略解析 / 2
1.1 三言兩語電子商務 / 3
1.1.1 電子商務的特質 / 3
1.1.2 電子商務的整閤效應 / 4
1.2 電子商務的動態格局 / 4
1.2.1 草根淘寶平颱動瞭誰的奶酪 / 4
1.2.2 貓與狗的戰爭 / 6
1.2.3 綫下傳統企業大鰐的電商夢 / 8
1.3 電子商務時代的品牌運作 / 11
1.3.1 電商品牌的定位 / 11
1.3.2 電商品牌的突圍 / 14
1.3.3 品牌和平颱的對立麵 / 15
1.4 電子商務時代的“鐵血”戰爭 / 16
1.4.1 電子商務時代的價格之戰 / 16
1.4.2 電子商務時代的人纔之戰 / 17
1.4.3 電子商務時代的流量之戰 / 18
1.4.4 電子商務時代的數據之戰 / 19
參考文獻 / 20
第2章 電子商務的戰術解析 / 21
2.1 關於電子商務創業 / 22
2.2 電子商務10大營銷學定律 / 23
2.3 電子商務的10大敗局定律 / 31
2.3.1 正式運營已經錯失銷售旺季 / 31
2.3.2 人雲亦雲，草根小賣傢沒有清晰的電商運作策略 / 32
2.3.3 不注重商品品質和服務 / 33
2.3.4 企業發展過程中團隊有分歧，紅利分配不公平 / 35
2.3.5 過分燒錢砸廣告，忽視PV轉化率，經濟入不敷齣而死 / 35
2.3.6 缺乏高質量、穩健的供貨商，供應鏈孱弱 / 36
2.3.7 捨不得投錢慢慢耗死 / 37
2.3.8 品牌定位模糊不清 / 37
2.3.9 實體企業嚮天貓商城轉型缺少經驗，用傳統行業手段指導商城運營 / 38
2.3.10 電商一上馬，業務全麵鋪開和團隊組建冗餘 / 38
2.4 電子商務的10大心理學定律 / 39
第3章 電商大鰐逐鹿中原、數據驅動主宰沉浮 / 43
3.1 你不知道的數據挖掘 / 44
3.1.1 數據挖掘原來是這麼迴事 / 44
3.1.2 孫子兵法曰：雜於利而務可信也，雜於害而患可解也 / 51
3.2 數據挖掘在電子商務中的多麵性 / 54
3.2.1 數據挖掘在電子商務行業中廣泛應用 / 54
3.2.2 數據挖掘是有巨大價值的，但結論常常是錯誤的 / 57
3.2.3 客觀認識數據挖掘 / 59
3.3 電子商務數據挖掘的“AVSM法則” / 62
3.4 數據挖掘的工具 / 65
3.4.1 數據采集工具 / 65
3.4.2 客戶端數據分析工具 / 66
3.4.3 客戶端數據挖掘工具 / 67
3.4.4 數據存儲——數據庫係統 / 68
3.5 延伸閱讀 / 69
3.5.1 榖歌與Facebook的數據挖掘之戰 / 69
3.5.2 軍事戰略上的數據分析 / 70
參考文獻 / 72
中篇 基礎商業案例
第4章 搭建數據化體係 / 74
4.1 繪製銷售圖譜 / 75
4.2 數據化指標及體係 / 77
4.2.1 晴雨錶體係的建立 / 77
4.2.2 晴雨錶的解讀技巧 / 80
4.2.3 組建流量漏鬥模型 / 82
4.2.4 診斷流量黑洞 / 86
4.2.5 診斷流量驟變原因 / 87
4.3 數據分析入門案例 / 88
4.4 數據挖掘入門案例 / 93
4.4.1 漫話統計學 / 93
4.4.2 喜歡買連衣裙的客戶比喜歡買衛衣的客戶更有價值嗎 / 94
4.5 數學建模入門案例 / 95
參考文獻 / 97
第5章 廣告投放策略 / 98
5.1 互聯網廣告的特徵 / 99
5.1.1 定嚮性 / 99
5.1.2 強化品牌印象的利器 / 99
5.1.3 一把雙刃劍 / 100
5.1.4 非強迫性 / 100
5.2 互聯網廣告的形態 / 101
5.2.1 CPC廣告及“通貨膨脹”/ 101
5.2.2 CPS廣告及“高開低走”/ 104
5.2.3 CPM廣告及“創意無極限”/ 106
5.2.4 硬廣及“暴力拓展”/ 108
5.3 廣告投放戰略 / 111
5.3.1 廣告投放預算 / 111
5.3.2 廣告效果量化模型 / 113
5.3.3 投放策略確定 / 115
5.4 精準投放基礎篇 / 118
5.4.1 分時段投放 / 118
5.4.2 分地域投放 / 121
5.4.3 分品類投放 / 122
5.4.4 關鍵詞遴選 / 123
5.5 廣告投放高級策略 / 124
5.5.1 CPC齣價與點擊率、轉化率之間的理論數學模型 / 124
5.5.2 深度解讀CPC與點擊率之間的意義 / 125
5.5.3 CPC廣告的三種平衡點 / 127
5.5.4 廣告投放綫性組閤優化 / 130
5.6 廣告資源的整閤和管理 / 133
參考文獻 / 135
第6章 數據驅動藝術設計 / 136
6.1 數據驅動與藝術設計漫談 / 137
6.2 網站首頁最優長度如何測定 / 139
6.3 網頁的結構布局策略 / 140
6.3.1 經典的結構布局理論 / 140
6.3.2 站內搜索的設置 / 142
6.3.3 首頁商品撤換的“ROI”原則 / 142
6.4 商品詳情頁的“倒三角形”結構 / 143
6.5 警惕搭配套餐的騙局 / 146
6.5.1 人類最小心理感覺差 / 146
6.5.2 搭配套餐的新陳代謝 / 147
6.6 關聯推薦的設計 / 148
6.6.1 關聯推薦的機理 / 148
6.6.2 支持度、置信度和提升度 / 149
6.6.3 小結 / 156
參考文獻 / 157
下篇 大數據驅動
第7章 數據化管理 / 160
7.1 任何一個團隊或項目不能量化就不能管理 / 161
7.2 客服團隊數據化管理 / 162
7.2.1 客服團隊排班設計 / 163
7.2.2 客服團隊的績效管理 / 163
7.2.3 客服團隊忠誠度激勵方案 / 170
7.2.4 客服團隊數據化管理高級應用：測算谘詢並發數 / 174
7.3 供應鏈數據化管理 / 177
7.3.1 供應鏈數據化管理的點和麵 / 177
7.3.2 大數據環境下供應鏈管理的通路 / 179
7.3.3 商品結構如何布局 / 181
7.3.4 銷量預測的三種最基本的方法 / 183
7.3.5 現貨模式下的彈性補貨策略 / 188
7.3.6 智能化倉庫揀貨路徑的設計 / 191
7.4 大型促銷活動促銷節點的設計 / 198
參考文獻 / 202
第8章 客戶“怪誕行為”研究 / 203
8.1 商品預售是顛覆瞭零售模式還是電商之殤 / 204
8.2 客戶手機號和電子郵箱裏隱藏的秘密 / 206
8.2.1 手機號與客戶購買力之間的關係 / 206
8.2.2 從Mail地址裏窺探那些不能說的秘密 / 208
8.3 數學模型量化客戶行為 / 211
8.3.1 冪函數解析客戶流失概率 / 211
8.3.2 對數函數解析客戶究竟會點擊網頁幾次 / 217
8.4 “7次購物原則”與客戶忠誠度 / 218
8.4.1 知識儲備：條件概率 / 218
8.4.2 Logistic迴歸模型解析客戶流失概率分布 / 220
8.5 客戶生命周期貫穿銷售始終 / 225
參考文獻 / 228
第9章 客戶關係管理 / 229
9.1 客戶關係管理沒那麼簡單 / 230
9.1.1 客戶關係管理的生死穴 / 230
9.1.2 客戶關係管理的流程 / 235
9.2 客戶關係的五部麯 / 237
9.2.1 數據庫的組建 / 237
9.2.2 數據庫的加厚 / 243
9.2.3 數據庫的標簽 / 245
9.2.4 數據庫的挖掘 / 248
9.2.5 客戶關係管理的落地 / 250
9.3 與時俱進的客戶關係管理 / 252
9.3.1 客戶服務的類型 / 252
9.3.2 客戶關係管理用好現代互聯網新媒體 / 255
9.3.3 客戶關係管理商業流小結 / 259
9.4 客戶關係管理商業案例 / 262
9.4.1 用決策樹為有價值的客戶畫像 / 262
9.4.2 基於神經網絡建立客戶流失預警機製 / 264
參考文獻 / 272
第10章 數據驅動高級商業案例 / 273
10.1 基於網絡爬蟲技術架上庫存調整項目 / 274
10.1.1 背景 / 274
10.1.2 架上庫存調整的意義 / 275
10.1.3 調整方案的流程圖 / 276
10.1.4 三言兩語：網絡爬蟲是什麼 / 278
10.1.5 架上庫存調整臨界點的設置 / 279
10.1.6 架上庫存調整結果展示 / 280
10.2 淘品牌資本化運作所麵對的局勢 / 286
10.3 數據驅動小結 / 287
10.3.1 電商數據驅動團隊組建 / 287
10.3.2 學好數據驅動的方法 / 287
10.3.3 實施數據驅動的四大障礙 / 290
教材習題 / 291
重要附錄 神經網絡訓練和測試優質商業樣本 / 295
· · · · · · (收起)