<內容簡介>

為什麼登入購物網站之後，發現陳列的商品都是最近最想買的東西？
為什麼有些網站生意興隆，有些又是門可羅雀？
大數據(Big Data)早已將資料分析的結果變成預測的根據，更可怕的是預測已經越來越接近實際值了。
壞消息是，不管是大企業或小公司，抑或是上班族，你我已無法避免處理上百億顆硬碟的大數據了。
好消息是，讀完本書之後，你也許不會馬上成為處理大數據的高手，但你已經比別人更了解大數據處理的原則及工具，馬上立於不敗之地。
本書用淺顯的文字與獨特的視角，不僅成功解讀電子商務運營之惑，更呈現大量資料分析和挖掘的必要基礎知識，並使用一些工具來做資料分析和資料採擷。讀者透過本書可輕鬆掌握電子商務運營須關注的要點與方法，還可從書中學習如何利用資料來完成--流量獲取優化、廣告投放、客戶分析，以及客戶價值提升等系列電子商務運營要務。

<專家推薦>

未來的網際網路世界一定是屬於資料的。我們要將社交平台做到極致，資料分析和資料採擷的作用也是必不可少的。Raymond 的這本書是電子商務資料分析領域有獨特觀點的好書，而且給從業者提供了切實可行的營運方案。希望能多看到一些像這樣的好書。

——微軟全球社交平台首席開發總監 李津

我們對資料分析和資料採擷的關注度很高，也很高興看到這樣一部專注於電子商務資料分析領域的好書問世。Raymond 的這本書深淺適中，既符合技術人員的需求，對於非技術的電子商務從業人員幫助也非常大。

——阿里巴巴集團資深總監 陳宜„

譚磊的這本書列出了很多關於電子商務資料營運方面的獨特觀點，令人耳目一新，是電子商務和營運領域從業者不得不讀的一本好書。

——英特爾資料中心軟體部巨量資料軟體服務部總監 范磊

<作者簡介>

譚磊 
復旦大學電腦學士，美國杜克大學電腦碩士，在美國微軟服務時間超過13年，
曾經擔任多家公司多個層級技術管理崗位，在搜索、互聯網廣告、資料採擷、
電子商務等方面有豐富的經驗，是互聯網技術領域資深專家。

<目錄>

推薦序
前言
CHAPTER 1　引言：電子商務營運和資料 
1.1 2012 年最大的賭
1.2 為300 萬人建300 萬個網 
1.2.1　電子商務的RUPI 概念
1.2.2　在網際網路上賣米
1.2.3　電子商務怎麼能離開資料 
1.2.4　淘寶店的四個核心資料
1.3 讓電子商務營運不再那麼辛苦
1.3.1 電子商務人的辛苦
1.3.2 電子商務營運入學考試
1.3.3　店鋪診斷——我的網店能賺更多錢嗎
1.3.4　讓你的網店脫穎而出 
1.3.5　為你的網店裝上「業務雷達」
1.4 電子商務資料營運的五大應用
1.4.1　讓網站更吸引人
1.4.2　把潛在客戶轉換成真正的客戶
1.4.3　採擷老客戶價值
1.4.4　推薦系統的設計和應用
1.4.5　針對不同客戶提供個人化的產品
1.5 關於電子商務資料的六個「W」和一個「H」
1.6 本書的內容 
1.7 本章相關資源
 
CHAPTER 2　我們需要知道的資料分析
2.1 從資料分析說起
2.2 資料分析基本概念 
2.2.1　就這麼簡單：三種基礎資料 
2.2.2　我們這樣來瞭解資料
2.2.3　機率並不可怕
2.3 讓我們開始加工資料 
2.3.1　資料整合——把所有資料都拿過來
2.3.2　資料清洗——給資料玩「洗刷刷」
2.3.3　資料轉換——給資料換個「新衣」
2.3.4　資料歸約——有時候也要丟掉資料
2.4 用向量表示資料
2.5 網站記錄檔的收集和處理 
2.5.1　網站記錄檔資訊分類
2.5.2　網站記錄檔實例 
2.5.3　網站記錄檔前置處理
2.6 最好的分析方法——看圖說話
2.6.1　起起伏伏用聚合線圖
2.6.2　簡單比較用柱狀圖
2.6.3　轉換率用漏斗圖表示最直觀
2.6.4　雷達圖顯示使用者偏好
2.6.5　表示比例最好的圓形圖和環狀圖
2.7 本章相關資源

CHAPTER 3　我們需要知道的資料採擷
3.1 什麼是資料採擷 
3.1.1　紙尿布和啤酒
3.1.2　Target 和懷孕預測指數
3.1.3　從資料分析到資料採擷 
3.1.4　資料採擷的一般過程 
3.2 人人都能做資料採擷 
3.3 我們需要知道的四種資料採擷演算法
3.3.1　分類——人以群分
3.3.2　叢集——物以類聚
3.3.3　連結——事物是普遍關聯的
3.3.4　序列——排隊的規律，中國人最明白
3.4 Web 採擷和資訊檢索 
3.4.1　Web 採擷和資訊檢