电商流量数据化运营

适读人群 ：本书对读者的知识背景和能力没有特定要求，书中的内容都尽量言简意赅、深入浅出。本书适合以下几类读者阅读：?数据运营岗、数据营销岗。这是本书的核心目标人群，基于数据的

（1）明星级专家：宋天龙是数据分析领域的明星级专家，有11年数据分析经验，现担任触脉咨询合伙人，3部数据分析相关的作品享誉业内。

（2）流量运营教科书：内容围绕流量数据化运营的全流程展开，涵盖渠道策略与计划管理、媒体投放与执行管理、渠道投放效果评估与分析、流量运营监控与效果复盘等各个环节。

（3）有用、实用：不讲数据分析理论，不讲数据分析工具使用，所有方法均可在工作中直接使用，而且围绕流量数据化运营的常见问题展开；

（4）易用、易读：不要求会Python，会用Excel就行，无晦涩难懂的理论和复杂的推导过程。

（5）以场景应用为核心：以业务场景为切入点，内容上围绕业务问题、数据支持方案、实用工具实操的思路，用数据解决每个具体业务问题。

这是一本系统讲解数据如何在营销与运营的全流程中发挥驱动作用和辅助决策价值的著作。是知名数据分析专家宋天龙的厚积薄发之作，得到了行业里多位专家的一致好评和推荐。

在内容组织形式上，本书有宏观和微观两条主线：

宏观上，内容围绕流量数据化运营的全流程展开，涵盖渠道策略与计划管理、媒体投放与执行管理、渠道投放效果评估与分析、流量运营监控与效果复盘等各个环节。目标是指导企业如何通过数据实现低成本、大批量、高质量的流量引入，这是流量运营的核心目标，也是本书要解决的核心问题。

微观上，内容根据流量数据化运营的业务操作过程来组织，以业务场景为切入点，依次按照业务问题、数据支持方案、实用工具实操的思路展开，通过案例介绍具体的实施过程，用数据解决具体业务问题。

这本书的重点不是数据分析的原理和方法，也不是数据分析工具的使用，更不是营销等具体业务工作如何开展，相关的知识全部融合到具体的应用场景中，重点是如何让数据在营销与运营的全流程中发挥价值，真正实现业务与数据的互相促进与补充。

本书不要求读者有数据分析基础，也不要求有Python基础。80%的数据处理工作通过Excel完成，余下的20%通过Python完成，即便没有Python基础，也能顺利完成全书的实操。所有实操案例均提供源数据和完整代码。

宋天龙

资深大数据技术专家，有11年数据分析工作经验。触脉咨询合伙人，前Webtrekk（德国bigest在线数据分析服务提供商）中国区技术和咨询负责人。

中国商业联合会数据分析专业委员会《中国大数据人才培养体系标准》专家组成员、虎嗅奖聘委会委员、DMT数字营销人才认证委员会认证委员。

擅长数据挖掘、建模、分析与数据化运营，精通端到端数据价值场景设计、业务需求转换、数据结构梳理、数据建模与学习以及数据工程交付。在电子商务、零售、银行、保险等多个行业拥有丰富的数据项目工作经验，参与过集团和企业级数据体系规划、DMP与数据仓库建设、大数据产品开发、网站流量系统建设、个性化智能推荐与精准营销、企业大数据智能等。

著作颇丰，著有《Python数据分析与数据化运营》《企业大数据系统构建实战：技术、架构、实施与应用》《网站数据挖掘与分析：系统方法与商业实践》等畅销著作。

线上数字营销是绝大多数企业都需要掌握并且精通的营销渠道，而营销数据的分析和运营则是重中之重。只有实现对营销数据的精准衡量和运营，企业才能知道自身在市场格局中的位置，才能制定满足不同需求的营销策略、品牌策略甚至企业战略。宋天龙是国内数据分析与数据运营领域的专家，而这本书是他多年工作经验的总结，推荐阅读。

——胡力 Netconcepts（耐特康赛）华南分公司总经理

流量数据化运营是电商运营的重要课题。天龙在这一领域从业多年，服务过众多大型甲方和乙方客户，具有深厚的经验积累。这本书将数据知识与业务应用有效结合，形成涵盖媒体策划、执行落地、监控评估与效果复盘的完整闭环，是一本好学、好用的书，推荐感兴趣的读者阅读。

——宋星 互联网营销与运营领域意见领袖/国内领先互联网数据咨询机构纷析咨询创始人/《数据赋能》作者

这是一本非常完整的流量运营教科书，体系完整，信息量大，案例丰富。运营岗和营销岗的同学都应该通读这本书，从日常琐碎的工作中，找到数据驱动的力量。

——宫鑫 射手学院创始人

现金流对传统企业的运营起着决定性的作用，但对于互联网企业来讲，流量运营可能更重要。用户红利消失殆尽，获客成本不断上升，如何让流量变为存量并产生价值？如何思考？如何运营流量？相信这本书能给你想要的答案。

——邓凯 爱数圈创始人/数据布道者

本书可用12个字概括：视野开阔、结构严谨、内容翔实、抽丝剥茧。基于电商业务的链条，把从数据获取、数据分析、数据决策、数据应用，到数据复盘的全数据化运营的流程讲透了。对于刚接触数据业务的新手，这是一本由浅入深的教科书，对于资深数据分析师，这本书也可以作为案头工具书，查漏补缺。

——罗盎 资深数据专家

前言

第1章 全面认识流量数据化运营

1.1流量运营的3个核心概念

1.1.1什么是流量

1.1.2流量的来源

1.1.3流量的数据化运营

1.2流量运营的4个基本步骤

1.2.1营销目标确定

1.2.2渠道策略与计划管理

1.2.3媒体投放与执行管理

1.2.4渠道投放效果评估与复盘

1.3流量运营的职能岗位

1.3.1部门划分

1.3.2技能要求

1.4流量运营的4类数据来源

1.4.1通过广告投放工具获得的外部投放数据

1.4.2通过流量分析工具采集的自有流量数据

1.4.3通过大数据工具采集的自有数据

1.4.4通过第三方来源获得的行业和竞品数据

1.5本章小结

第2章 常见流量渠道全面盘点

2.1直接输入流量渠道

2.1.1什么是直接输入流量

2.1.2直接输入流量的3个特征

2.1.3知识拓展：直接输入流量4类业务抓手

2.2SEO渠道

2.2.1什么是SEO流量

2.2.2SEO流量在企业前、中、后期的角色

2.2.3国内SEO市场的两大阵营

2.2.4数据如何应用到SEO渠道运营

2.2.5知识拓展：SEO渠道的价值局限性

2.3SEM渠道

2.3.1什么是SEM

2.3.2SEM更多的价值在于“临门一脚”

2.3.3SEO与SEM的相互促进和掣肘

2.3.4SEM渠道适用的营销场景

2.3.5数据如何应用到SEM渠道运营

2.3.6知识拓展：SEM渠道的流量天花板

2.4硬广告渠道

2.4.1什么是硬广告

2.4.2为什么硬广告不精准，我们依然要投

2.4.3如何评估线下硬广告的实际效果

2.4.4硬广告渠道适用的营销场景

2.4.5数据如何应用到硬广告渠道运营

2.4.6知识拓展：流量作弊，硬广告之殇

2.5信息流广告渠道

2.5.1什么是信息流广告

2.5.2信息流广告的精准体现在哪里

2.5.3场景化思维下的信息流广告运营

2.5.4信息流广告适用的营销场景

2.5.5数据如何应用到信息流广告运营

2.5.6知识拓展：如何消除“老板看不见广告”的焦虑

2.6社群渠道

2.6.1什么是社群渠道

2.6.2社群中的圈层管理

2.6.3挖掘社群渠道裂变模式、节点与传播路径

2.6.4社群渠道适用的营销场景

2.6.5数据如何应用到社群渠道运营

2.6.6知识拓展：证明社群运营的价值

2.7MCN渠道

2.7.1什么是MCN

2.7.2MCN直播带货模式的“危”与“机”

2.7.3企业与MCN的供应链合作

2.7.4MCN渠道适用的营销场景

2.7.5数据如何应用到MCN渠道运营

2.7.6知识拓展：MCN渠道直播带货选品的考虑要素

2.8会员营销渠道

2.8.1什么是会员营销渠道

2.8.2会员营销的精准优势来源于哪里

2.8.3会员营销需要平衡用户体验与企业目标

2.8.4会员营销渠道适用的营销场景

2.8.5数据如何应用到会员营销运营

2.8.6知识拓展：不做会员营销的异类电商企业

2.9CPS渠道

2.9.1什么是CPS渠道

2.9.2第三方CPS渠道都是“劫道”的

2.9.3CPS对消费者的决策驱动力体现在哪里

2.9.4与其他渠道相比，CPS渠道的性价比如何

2.9.5CPS渠道适用的营销场景

2.9.6数据如何应用到CPS渠道运营

2.9.7知识拓展：CPS渠道作弊与刷量

2.10其他流量渠道

2.10.1小程序

2.10.2快应用

2.10.3App流量渠道

2.10.4公关传播

2.10.5LBS渠道

2.10.6线下实体网点

2.10.7BD合作渠道

2.11本章小结

第3章 渠道策略与计划管理

3.1设计企业级流量渠道策略

3.1.1企业级流量渠道策略概述

3.1.2流量渠道策略的应用场景

3.1.3健康的流量结构的特征

3.1.4基于不同营销目标的渠道贡献度

3.1.5知识拓展：流量运营与整合营销传播的关系

3.2基于多指标综合决策的渠道选择

3.2.1基于多指标的综合决策概述

3.2.2如何选择多个决策指标

3.2.3如何设置多个指标的权重

3.2.4结合层次评分综合评估渠道排名

3.2.5知识拓展：解决统一标准下不同渠道价值评估的公平问题

3.3发掘流量爆发力强的渠道

3.3.1流量爆发力概述

3.3.2流量爆发力强的两个特征

3.3.3哪些渠道流量爆发力更强

3.3.4通过数据分析爆发力强的渠道

3.3.5知识拓展：如何评估未投放渠道的流量爆发力

3.4预测付费渠道效果并进行KPI管理

3.4.1付费渠道效果预测概述

3.4.2不同付费渠道预测的差异点

3.4.3通过回归方法预测流量效果

3.4.4预测模式的可解释性与限制性

3.4.5知识拓展：如何基于预测结果制定KPI

3.5预测直接输入与SEO效果并设置合理预期

3.5.1直接输入与SEO效果预测概述

3.5.2通过加权移动平均方法预测未来流量

3.5.3知识拓展：自动ARIMA在预测中的应用

3.6基于多因素限制的目标最大化的预算分配

3.6.1预算分配概述

3.6.2预算分配时的主要限制性因素

3.6.3通过规划求解实现多因素约束下的目标最大化

3.6.4应用目标最大化规划求解的限制性条件

3.6.5知识拓展：规划求解的其他应用场景

3.7基于用户行为模式的渠道组合管理

3.7.1用户访问行为的渠道概述

3.7.2如何识别用户访问的来源渠道

3.7.3通过序列关联模式挖掘渠道组合策略

3.7.4基于用户访问行为的渠道组合策略的限制条件

3.7.5知识拓展：将渠道组合策略扩展到跨设备领域

3.8数据使用注意

3.8.1数据反映了过去，但不能100%说明未来

3.8.2滥用数据还不如不用

3.8.3业务方也要懂数据

3.9本章小结

第4章 媒体投放与执行管理

4.1基于Lookalike的投放人群管理

4.1.1渠道投放人群概述

4.1.2基于Lookalike的ID列表实现投放人群管理

4.1.3基于Lookalike的人群规则实现投放人群管理

4.1.4知识拓展：在精准与规模之间寻找平衡点

4.2基于用户喜好的投放内容管理

4.2.1投放内容管理概述

4.2.2基于不同动作倾向的商品喜好

4.2.3基于目标商品提炼的共性标签

4.2.4知识拓展：广告内容个性化与动态素材管理

4.3基于效果的广告触达媒介优选

4.3.1广告触达媒介优选概述

4.3.2使用方差分析确定媒介效果的差异性

4.3.3基于方差对比判断媒介的稳定性

4.3.4知识拓展：假设检验在业务场景中的应用

4.4广告投放的排期要素管理

4.4.1广告投放的排期要素管理概述

4.4.2不同日期维度下的影响分析

4.4.3通过日历标记管理日期性要素

4.4.4知识拓展：基于组合媒体的排期管理

4.5着陆页测试与优化

4.5.1着陆页优化概述

4.5.2着陆页测试的3种类型

4.5.3着陆页测试的8类主要对象

4.5.4着陆页测试的4个实施要素

4.5.5着陆页测试的贝叶斯评估方法

4.5.6知识拓展：着陆页个性化设计策略

4.6渠道测试性投放

4.6.1渠道测试性投放概述

4.6.2测试性投放中的噪声控制

4.6.3测试性投放的效果一致性验证

4.6.4知识拓展：基于渠道相似性的策略应用

4.7渠道补量、扣量和余量

4.7.1渠道补量、扣量和余量概述

4.7.2补量的两种操作方式

4.7.3广告主扣量的优化价值

4.7.4余量的数据反馈及成因

4.7.5知识拓展：数据度量标准与数据差异性原因

4.8数据使用注意

4.8.1多个数据系统的数据误差

4.8.2小样本数据

4.9本章小结

第5章 执行常见问题的排查与解决

5.1渠道执行问题排查常用维度

5.1.1渠道执行问题概述

5.1.2渠道执行问题排查的常用维度

5.1.3渠道执行问题排查的先后逻辑

5.1.4知识拓展：排查问题时的5种思维模式

5.2排查实时流量骤降的原因并做好预防

5.2.1流量骤降概述

5.2.2如何获得实时流量数据

5.2.3排查流量骤降的4个步骤

5.2.4预防流量数据丢失的4个步骤

5.2.5知识拓展：采集端数据丢失产生的影响

5.3排查实时流量骤增的原因并解除异常

5.3.1流量骤增概述

5.3.2排查流量骤增的4个步骤

5.3.3案例：某次大型促销活动流量骤增100倍

5.3.4知识拓展：消除流量骤增对后续流量运营的影响

5.4排查流量下滑渠道并找到优化点

5.4.1流量下滑概述

5.4.2细分并找到主要下滑渠道

5.4.3找到与下滑趋势相反的异常渠道

5.4.4知识拓展：构建完整的渠道跟踪结构

5.5排查ROI下降的原因并找到问题点

5.5.1ROI下降概述

5.5.2通过缩小ROI下滑渠道的范围确定问题渠道

5.5.3通过计算收入和费用因子得分找到问题渠道

5.5.4知识拓展：将因子得分排查法拓展到更多场景

5.6数据使用注意

5.6.1流量运营也要对ROI负责

5.6.2不要到活动结束后才开始问题排查

5.6.3复杂的统计分析结果不是必要保证

5.7本章小结

第6章 营销渠道的效果评估与基本分析

6.1如何评估渠道效果的好坏

6.1.1渠道效果评估概述

6.1.2判断数据好坏的4种方法

6.1.3判断数据好坏程度的2种方法

6.1.4知识拓展：渠道的数据重复计算问题

6.2如何通过归因合理分配渠道转化贡献

6.2.1归因模型概述

6.2.2归因能解决的2类业务问题

6.2.35类常见的归因模型

6.2.4针对不同场景选择适合的归因模型

6.2.5知识拓展：基于完整数据的自定义归因

6.3如何分析渠道效果的边际效应

6.3.1渠道效果边际变化规律概述

6.3.2分析渠道回报效率的边际递减效应

6.3.3分析渠道单位成本的边际递增效应

6.3.4知识拓展：数据分组

6.4如何找到渠道转化短板并提升转化效果

6.4.1漏斗分析概述

6.4.2漏斗分析的主要业务场景

6.4.3漏斗分析的额外数据跟踪

6.4.4漏斗分析的主要维度和方法

6.4.5案例：预约表单的漏斗分析与应用

6.4.6知识拓展：跨行为类型的漏斗跟踪

6.5如何分析渠道留存效果

6.5.1渠道留存概述

6.5.2如何分析留存衰减趋势

6.5.3如何分析留存稳定期

6.5.4如何分析运营活动对留存的影响

6.5.5如何分析新用户规模与留存率的关系

6.5.6知识拓展：通过留存发现的作弊问题

6.6如何分析渠道的时间特征

6.6.1时间特征概述

6.6.2分析渠道的长期趋势、年度特征

6.6.3分析渠道的中期趋势、季度特征

6.6.4分析渠道的短期趋势、月度特征

6.6.5知识拓展：分析渠道的时间交叉特征

6.7如何对流量渠道做分组分析

6.7.1渠道分组分析概述

6.7.2按照渠道属性的分组分析

6.7.3按照渠道效果的分组分析

6.7.4知识拓展：分组的目标是确定优化方向，而非分组本身

6.8如何分析着陆页数据

6.8.1分析着陆页是否真的有问题

6.8.2分析注意力随位置的变化规律

6.8.3分析页面加载时间对转化的影响

6.8.4知识拓展：着陆页上的异常数据

6.9数据使用注意

6.9.1数据评估结果不是念数据

6.9.2看似正确实际却错误的建议

6.9.3正确但没用的建议

6.9.4基于片面数据归纳的偏颇结论

6.10本章小结

第7章 渠道效果专题性研究

7.1流量渠道的效果标杆研究

7.1.1渠道效果标杆概述

7.1.2渠道效果标杆设立的3个原则

7.1.3渠道效果标杆定义的3类方法

7.1.4知识拓展：“集中程度”还是“最佳实践”

7.2渠道效果影响因素研究

7.2.1渠道效果影响因素概述

7.2.2分析特征对转化目标的正负向影响

7.2.3分析特征如何影响单个样本的预测结果

7.2.4知识拓展：渠道效果影响因素的落地应用

7.3转化路径的媒体组合规律研究

7.3.1转化路径的媒体组合概述

7.3.2单一渠道重复次数对效果的影响分析

7.3.3组合渠道首末次触点对效果的影响分析

7.3.4增加新的渠道对原有投放组合的影响分析

7.3.5知识拓展：基于转化路径链接关系的规律分析

7.4渠道相似度研究

7.4.1渠道相似度概述

7.4.2基于渠道效果的最近邻分析

7.4.3基于渠道效果的聚类分析

7.4.4知识拓展：基于访问协同过滤的相似度分析

7.5虚假流量辨别与研究

7.5.1虚假流量概述

7.5.2通过流量属性分布辨别虚假流量

7.5.3通过流量在线行为指标辨别虚假流量

7.5.4通过用户离线行为指标辨别虚假流量

7.5.5通过用户行为流序列关系辨别虚假流量

7.5.6通过业务投放与实际数据差异辨别虚假流量

7.5.7通过数据的质量辨别虚假流量

7.5.8通过页面热力图辨别虚假流量

7.5.9通过长期价值指标辨别虚假流量

7.5.10知识拓展：通过机器学习方法辨别虚假流量

7.6数据使用注意

7.6.1模型准确度并非高于一切，不能忽略业务落地性

7.6.2不能通过一次专题分析解决所有问题

7.6.3专题分析并非是一次性的

7.6.4重视数据过程，也要重视数据校验

7.6.5模型并非万能

7.7本章小结

第8章 流量运营的监控与效果复盘

8.1流量日常监控

8.1.1流量日常监控概述

8.1.2如何实现自动化监控

8.1.3监控结果的信息告警

8.1.4知识拓展：流量的外部竞争监控

8.2流量复盘

8.2.1流量复盘概述

8.2.2流量复盘的参与部门

8.2.3流量复盘的基本流程

8.2.4流量复盘的主要内容

8.2.5知识拓展：有效复盘的重要支撑——执行过程的数字化

8.3撰写分析报告

8.3.1分析报告概述

8.3.2不同报告对象的内容侧重点

8.3.3不同类型报告的内容侧重点

8.3.4影响分析报告满意度的因素

8.3.5知识拓展：分析报告的立场问题

8.4数据使用注意

8.4.1数据分析师并非只是写报告

8.4.2不能使用“我觉得”代替数据论证

8.4.3数据分析不能过分依赖数据工具

8.4.4数据分析不能速成

8.5本章小结

附录A 电商流量运营数据参考

附录B Python安装和部署

为什么要写这本书

在互联网时代，流量运营是企业的核心运营内容之一，包括流量获取和流量转化两个环节。前者负责把外部流量引入企业内部，后者负责转化流量并达成企业目标。本书内容侧重于前者，通过数据帮助企业实现低成本、大批量、高质量的流量引入。

本书内容涵盖基于数据的渠道策略与计划管理、媒体投放与执行管理、渠道投放效果评估与完整营销流程复盘，知识构建上以场景应用为核心，重点介绍在什么场景下应该选择什么样的解决方案、最后交付什么样的数据结论或内容，并通过具体案例介绍完整实施过程。

本书80%的实践内容基于Excel完成，剩余20%基于Python完成。因此，即使读者没有任何Python基础，也能完成本书绝大部分案例实践。

这不是一本讲数据分析原理的书，所有的理论知识都融合在应用场景中；这也不是一本介绍Excel或Python的工具书，Excel或Python都只是辅助工具而已；这更不是一本侧重于介绍渠道拓展、商务合作、媒介执行、营销工具使用等纯业务知识和经验的书，我相信很多读者在这方面比我更专业。这是一本拿来用（而不是拿来学）的书，可以作为案头工具书或参考书，其价值在于教会读者如何在营销全流程中发挥数据的辅助决策甚至数据驱动的最大作用，实现业务+数据相互补充和促进，真正达到1+1>2的效果。

读者对象

本书对读者的知识背景和能力没有特定要求，适合以下流量运营相关人员和对流量运营工作感兴趣的读者阅读。

数据运营人员、数据营销人员。这是本书的核心目标人群，基于数据的运营和营销方式能辅助他们优化营销业务。

营销和市场推广人员。本书的运营对象是流量，围绕流量获取展开相关工作的业务部门都可以通过阅读本书来提升数据化运营能力。

数据分析师、网站分析师、商业分析师。他们能通过本书获得相对完整的数据决策支持与应用的概念、思路和方法，这对于后续职业发展和成长规划具有重要意义。

高等院校的毕业生、职场新人、计划转行到数据运营岗的在职人士。本书没有深奥的理论，没有复杂的工具操作说明，以“用”为导向，使得读者能很快理解业务场景以及数据应用模式，进而快速投入流量数据化运营的相关工作中。

如何阅读本书

本书共包含8章，按照数据化运营的工作脉络依次展开。

第1章对全书内容进行了提纲挈领的介绍，包括流量运营的相关概念、基本步骤、职能岗位和数据来源。

第2章盘点了企业中常见的10类流量渠道，包括直接输入流量渠道、SEO渠道、SEM渠道、硬广告渠道、信息流广告渠道、社群渠道、MCN渠道、会员营销渠道、CPS渠道以及其他流量渠道。

第3章介绍了数据在渠道策略与计划管理阶段的应用，包括设计企业级流量渠道策略、基于多指标综合决策的渠道选择、发掘流量爆发力强的渠道、预测付费渠道效果并进行KPI管理、预测直接输入与SEO效果并设置合理预期、基于多因素限制的目标最大化的预算分配、基于用户行为模式的渠道组合管理。

第4章介绍了数据在媒体投放与执行管理阶段的应用，包括基于Lookalike的投放人群管理、基于用户喜好的投放内容管理、基于效果的广告触达媒介优选、广告投放的排期要素管理、着陆页测试与优化、渠道测试性投放，以及渠道补量、扣量和余量。

第5章介绍了数据在执行常见问题的排查与解决阶段的应用，包括渠道执行问题排查常用维度、排查实时流量骤降的原因并做好预防、排查实时流量骤增的原因并解除异常、排查流量下滑渠道并找到优化点、排查ROI下降的原因并找到问题点。

第6章介绍了数据在营销渠道的效果评估与基本分析阶段的应用，包括如何评估渠道效果的好坏、如何通过归因合理分配渠道转化贡献、如何分析渠道效果的边际效应、如何找到渠道转化短板并提升转化效果、如何分析渠道留存效果、如何分析渠道的时间特征、如何对流量渠道做分组分析、如何分析着陆页数据。

第7章介绍了数据在渠道效果专题性研究阶段的应用，包括流量渠道的效果标杆研究、渠道效果影响因素研究、转化路径的媒体组合规律研究、渠道相似度研究、虚假流量辨别与研究。

第8章介绍了数据在流量运营的监控与效果复盘阶段的应用，包括流量日常监控、流量复盘、撰写分析报告。

除了以上内容外，以下是本书中涉及的特定内容的解释和说明。

提示：重要提示和应用技巧，每条提示信息内容量较少，一般都是经验类的总结。

注意：需要引起注意的知识，能帮助读者在应用时避免踩坑。

关于案例数据源文件和代码文件：本书除了第1章、第2章和第8章外，其他章都有对应的源数据和完整代码，可以在华章网站（wwwhzbookcom）或者数据常青藤博客（wwwdataivycn）下载相关资源。

勘误和支持

由于笔者水平有限，加之撰稿时间仓促，书中难免会出现一些错误或者不准确的地方，恳请读者批评指正。读者可通过以下途径联系并反馈建议或意见。

微信沟通：本书已经建立讨论群，读者可先添加笔者个人微信（TonySong2013），再进入讨论群。

网站讨论区：在笔者的数据常青藤博客的书籍讨论区留言。

电子邮件：517699029@qqcom。

致谢

在本书的撰写过程中，笔者得到了来自多方的指导、帮助和支持。

首先，感谢王晓东先生和柳辉先生。王晓东先生是我多年好友，是他力邀我来触脉咨询担任重要职位并给予我极大的信任；柳辉先生带领触脉在业务增长、公司布局、全球化等方面所取得的成绩让我备受鼓舞，也为我的成长提供了坚实的基础。

其次，感谢机械工业出版社华章公司的老师们。杨福川老师用他专业的经验、广阔的视野、前瞻的意识帮助我打开了写作思路。这本书不是“心血来潮”之作，而是在撰写《Python数据分析与数据化运营》时就已经敲定的系列主题。另外，感谢参与审校、排版、印刷、发行等环节的老师们，他们的辛勤付出保证了本书的顺利面世。

再次，感谢在我从业各个阶段支持与帮助过我的领导、朋友以及合作伙伴，尤其是田学锋先生，他是我的良师益友，也是开启我流量视野的领路人；其他一起工作的小伙伴（排名不分先后）包括庞程程、徐子东、赵光娟、王成、吕兆星、郑传峰、杨晓鹏、张默宇、张璐、张伟松、白迪、许嫚等。

最后，感谢我的父母、家人，尤其是我的夫人姜丽女士，她在我写书的这段时间把家里的一切料理得井井有条，才让我得以有精力完成本书。

谨以此书献给热爱数据工作并为之奋斗的朋友们！