最新章節

• 思考
• 9.6.6 整合CRM
• 9.6.5 強化與客戶的鏈接節點
• 9.6.4 對服務進行分類
• 9.6.3 對池內客戶張貼標簽
• 9.6.2 對客戶池進行過濾分層

• 思考 更新時間：2019-01-03 15:31:30
• 9.6.6 整合CRM
• 9.6.5 強化與客戶的鏈接節點
• 9.6.4 對服務進行分類
• 9.6.3 對池內客戶張貼標簽
• 9.6.2 對客戶池進行過濾分層
• 9.6.1 了解客戶需求的真實痛點
• 9.6 客戶關系管理商業流小結
• 9.5 客戶關系管理用好新媒體的新思維
• 9.4 基于KANO模型劃分服務類型
• 9.3.5 客戶關系管理的落地
• 9.3.4 數據庫的挖掘
• 9.3.3 數據庫的標簽
• 9.3.2 數據庫的加厚
• 9.3.1 數據庫的組建
• 9.3 客戶關系管理五部曲
• 9.2 客戶關系管理的流程
• 9.1 客戶關系管理的生死穴
• 第9章 不一樣的客戶關系管理
• 8.4 大型促銷活動促銷節點的設計
• 8.3.5 現貨模式下的彈性補貨策略
• 8.3.4 銷量預測的三種最基本的方法
• 8.3.3 商品結構如何布局
• 8.3.2 大數據環境下供應鏈管理的通路
• 8.3.1 供應鏈數據化管理的點和面
• 8.3 供應鏈數據化管理
• 8.2.4 客服團隊數據化管理高級應用：測算咨詢并發數
• 8.2.3 客服團隊忠誠度激勵方案
• 8.2.2 客服團隊的績效管理
• 8.2.1 客服團隊排班設計
• 8.2 客服團隊數據化管理
• 8.1 任何一個團隊或項目不能量化就不能管理
• 第8章 數據化管理
• 7.6.3 小結
• 7.6.2 支持度、置信度和提升度
• 7.6.1 關聯推薦的機理
• 7.6 關聯推薦的設計
• 7.5.2 搭配套餐的新陳代謝
• 7.5.1 人類最小心理感覺差
• 7.5 警惕搭配套餐的騙局
• 7.4 商品詳情頁的“倒三角形”結構
• 7.3.3 首頁商品撤換的“ROI”原則
• 7.3.2 站內搜索的設置
• 7.3.1 經典的結構布局理論
• 7.3 網頁的結構布局策略
• 7.2 網站首頁最優長度如何測定
• 7.1 數據驅動與藝術設計漫談
• 第7章 數據驅動藝術設計
• 6.6 廣告資源的整合和管理
• 6.5.4 廣告投放非線性組合優化
• 6.5.3 CPC廣告的三種平衡點
• 6.5.2 深度解讀CPC與點擊率之間的意義
• 6.5.1 CPC出價與點擊率、轉化率之間的理論數學模型
• 6.5 廣告投放高級策略
• 6.4.4 關鍵詞遴選
• 6.4.3 分品類投放
• 6.4.2 分地域投放
• 6.4.1 分時段投放
• 6.4 精準投放基礎篇
• 6.3.3 投放策略確定
• 6.3.2 廣告效果量化模型
• 6.3.1 廣告投放預算
• 6.3 廣告投放戰略
• 6.2.5 通俗易懂理解RTB廣告機理
• 6.2.4 硬廣及“暴力拓展”
• 6.2.3 CPM廣告及“創意無極限”
• 6.2.2 CPS廣告及“高開低走”
• 6.2.1 CPC廣告及“通貨膨脹”
• 6.2 互聯網廣告的形態
• 6.1.4 非強迫性
• 6.1.3 “鷸蚌相爭，坐收漁翁之利”的蒙眼競價
• 6.1.2 強化品牌印象的利器
• 6.1.1 定向性
• 6.1 互聯網廣告的特征
• 第6章 廣告投放策略
• 5.5 數學建模入門案例
• 5.4.2 喜歡買連衣裙的客戶比喜歡買衛衣的客戶更有價值嗎
• 5.4.1 漫話統計學
• 5.4 數據挖掘入門案例
• 5.3 數據分析入門案例
• 5.2.5 診斷流量驟變原因
• 5.2.4 診斷流量黑洞
• 5.2.3 組建流量漏斗模型
• 5.2.2 晴雨表的解讀技巧
• 5.2.1 指導日常運營的一些關鍵指標
• 5.2 運營常見的數據指標及體系
• 5.1 繪制銷售圖譜
• 第5章 搭建數據化體系
• 4.4.4 數據存儲——數據庫系統
• 4.4.3 客戶端數據挖掘工具
• 4.4.2 客戶端數據分析工具
• 4.4.1 數據采集工具
• 4.4 數據挖掘的工具
• 4.3 電子商務數據挖掘的“AVSM法則”
• 4.2.3 客觀認識數據挖掘
• 4.2.2 數據挖掘是有巨大價值的，但結論常常是錯誤的
• 4.2.1 數據挖掘在電子商務行業中廣泛應用
• 4.2 數據挖掘在電子商務中的多面性
• 4.1.2 孫子兵法曰：雜于利而務可信也，雜于害而患可解也
• 4.1.1 數據挖掘原來是這么回事
• 4.1 你不知道的數據挖掘
• 第4章 電商群雄逐鹿中原、數據驅動主宰沉浮
• 3.4.2 將數據分解成權重序列的延伸閱讀
• 3.4.1 數據的權重序列和單位權重序列
• 3.4 數據序列的小波分解定律——輪廓和細節
• 3.3 根本沒有任何新的技術構成云計算
• 3.2.3 迄今為止大數據成功的部分案例——沒有啤酒+尿布
• 3.2.2 泛濫的數據如何有效存儲
• 3.2.1 信息量泛濫的社會
• 3.2 三言兩語大數據
• 3.1 數據作用力的難點在于挖掘常識以外的價值
• 第3章 數據驅動相關知識鋪墊
• 2.4.10 舍不得投錢慢慢耗死
• 2.4.9 揠苗助長，團隊豪華人員冗余
• 2.4.8 不注重商品品質和服務
• 2.4.7 傳統企業觸電，手段老套
• 2.4.6 品牌定位模糊不清
• 2.4.5 供應鏈孱弱
• 2.4.4 痛失時機
• 2.4.3 人傻錢多燒錢砸廣告，經濟入不敷出而死
• 2.4.2 團隊內訌，決策分歧
• 2.4.1 運營大思路不清晰
• 2.4 電子商務的十大敗局定律
• 2.3 電子商務的十大心理學定律
• 2.2.10 營銷方向之宏觀與微觀
• 2.2.9 網絡營銷兩種流量經營的基本模型
• 2.2.8 客戶生命周期是營銷行為的“縱貫線”
• 2.2.7 營銷需要兩廂情愿
• 2.2.6 意料之外，情理之中，那是計
• 2.2.5 營銷是一門轉移注意力的藝術
• 2.2.4 用好一般等價物：優惠券、代金券、現金券和紅包
• 2.2.3 營銷過程中的價格與價值的“遛狗理論”
• 2.2.2 非平臺電商最好不要做互聯性質的SNS
• 2.2.1 營銷的前提是解除客戶的心理抗拒
• 2.2 電子商務十大營銷學定律
• 2.1 關于電子商務創業
• 第2章 電子商務的戰術解析
• 1.5 互聯網+中最為關鍵的迭代思維與高等數學中的微積分關系
• 1.4.4 電子商務時代的數據之戰
• 1.4.3 電子商務時代的流量之戰
• 1.4.2 電子商務時代的人才之戰
• 1.4.1 電子商務時代的價格之戰
• 1.4 電子商務時代的“鐵血”戰爭
• 1.3.3 品牌與平臺的達爾文進化論
• 1.3.2 電商品牌的突圍
• 1.3.1 電商品牌的定位
• 1.3 電子商務時代的品牌運作
• 1.2.3 線下傳統企業大鱷的電商夢
• 1.2.2 貓與狗的戰爭
• 1.2.1 草根淘寶平臺動了誰的奶酪
• 1.2 電子商務的動態格局
• 1.1.2 電子商務的整合效應
• 1.1.1 電子商務的特質
• 1.1 三言兩語電子商務
• 第1章 電子商務的戰略解析
• 前言
• 自序
• 版權信息
• 封面

• 封面
• 版權信息
• 自序
• 前言
• 第1章 電子商務的戰略解析
• 1.1 三言兩語電子商務
• 1.1.1 電子商務的特質
• 1.1.2 電子商務的整合效應
• 1.2 電子商務的動態格局
• 1.2.1 草根淘寶平臺動了誰的奶酪
• 1.2.2 貓與狗的戰爭
• 1.2.3 線下傳統企業大鱷的電商夢
• 1.3 電子商務時代的品牌運作
• 1.3.1 電商品牌的定位
• 1.3.2 電商品牌的突圍
• 1.3.3 品牌與平臺的達爾文進化論
• 1.4 電子商務時代的“鐵血”戰爭
• 1.4.1 電子商務時代的價格之戰
• 1.4.2 電子商務時代的人才之戰
• 1.4.3 電子商務時代的流量之戰
• 1.4.4 電子商務時代的數據之戰
• 1.5 互聯網+中最為關鍵的迭代思維與高等數學中的微積分關系
• 第2章 電子商務的戰術解析
• 2.1 關于電子商務創業
• 2.2 電子商務十大營銷學定律
• 2.2.1 營銷的前提是解除客戶的心理抗拒
• 2.2.2 非平臺電商最好不要做互聯性質的SNS
• 2.2.3 營銷過程中的價格與價值的“遛狗理論”
• 2.2.4 用好一般等價物：優惠券、代金券、現金券和紅包
• 2.2.5 營銷是一門轉移注意力的藝術
• 2.2.6 意料之外，情理之中，那是計
• 2.2.7 營銷需要兩廂情愿
• 2.2.8 客戶生命周期是營銷行為的“縱貫線”
• 2.2.9 網絡營銷兩種流量經營的基本模型
• 2.2.10 營銷方向之宏觀與微觀
• 2.3 電子商務的十大心理學定律
• 2.4 電子商務的十大敗局定律
• 2.4.1 運營大思路不清晰
• 2.4.2 團隊內訌，決策分歧
• 2.4.3 人傻錢多燒錢砸廣告，經濟入不敷出而死
• 2.4.4 痛失時機
• 2.4.5 供應鏈孱弱
• 2.4.6 品牌定位模糊不清
• 2.4.7 傳統企業觸電，手段老套
• 2.4.8 不注重商品品質和服務
• 2.4.9 揠苗助長，團隊豪華人員冗余
• 2.4.10 舍不得投錢慢慢耗死
• 第3章 數據驅動相關知識鋪墊
• 3.1 數據作用力的難點在于挖掘常識以外的價值
• 3.2 三言兩語大數據
• 3.2.1 信息量泛濫的社會
• 3.2.2 泛濫的數據如何有效存儲
• 3.2.3 迄今為止大數據成功的部分案例——沒有啤酒+尿布
• 3.3 根本沒有任何新的技術構成云計算
• 3.4 數據序列的小波分解定律——輪廓和細節
• 3.4.1 數據的權重序列和單位權重序列
• 3.4.2 將數據分解成權重序列的延伸閱讀
• 第4章 電商群雄逐鹿中原、數據驅動主宰沉浮
• 4.1 你不知道的數據挖掘
• 4.1.1 數據挖掘原來是這么回事
• 4.1.2 孫子兵法曰：雜于利而務可信也，雜于害而患可解也
• 4.2 數據挖掘在電子商務中的多面性
• 4.2.1 數據挖掘在電子商務行業中廣泛應用
• 4.2.2 數據挖掘是有巨大價值的，但結論常常是錯誤的
• 4.2.3 客觀認識數據挖掘
• 4.3 電子商務數據挖掘的“AVSM法則”
• 4.4 數據挖掘的工具
• 4.4.1 數據采集工具
• 4.4.2 客戶端數據分析工具
• 4.4.3 客戶端數據挖掘工具
• 4.4.4 數據存儲——數據庫系統
• 第5章 搭建數據化體系
• 5.1 繪制銷售圖譜
• 5.2 運營常見的數據指標及體系
• 5.2.1 指導日常運營的一些關鍵指標
• 5.2.2 晴雨表的解讀技巧
• 5.2.3 組建流量漏斗模型
• 5.2.4 診斷流量黑洞
• 5.2.5 診斷流量驟變原因
• 5.3 數據分析入門案例
• 5.4 數據挖掘入門案例
• 5.4.1 漫話統計學
• 5.4.2 喜歡買連衣裙的客戶比喜歡買衛衣的客戶更有價值嗎
• 5.5 數學建模入門案例
• 第6章 廣告投放策略
• 6.1 互聯網廣告的特征
• 6.1.1 定向性
• 6.1.2 強化品牌印象的利器
• 6.1.3 “鷸蚌相爭，坐收漁翁之利”的蒙眼競價
• 6.1.4 非強迫性
• 6.2 互聯網廣告的形態
• 6.2.1 CPC廣告及“通貨膨脹”
• 6.2.2 CPS廣告及“高開低走”
• 6.2.3 CPM廣告及“創意無極限”
• 6.2.4 硬廣及“暴力拓展”
• 6.2.5 通俗易懂理解RTB廣告機理
• 6.3 廣告投放戰略
• 6.3.1 廣告投放預算
• 6.3.2 廣告效果量化模型
• 6.3.3 投放策略確定
• 6.4 精準投放基礎篇
• 6.4.1 分時段投放
• 6.4.2 分地域投放
• 6.4.3 分品類投放
• 6.4.4 關鍵詞遴選
• 6.5 廣告投放高級策略
• 6.5.1 CPC出價與點擊率、轉化率之間的理論數學模型
• 6.5.2 深度解讀CPC與點擊率之間的意義
• 6.5.3 CPC廣告的三種平衡點
• 6.5.4 廣告投放非線性組合優化
• 6.6 廣告資源的整合和管理
• 第7章 數據驅動藝術設計
• 7.1 數據驅動與藝術設計漫談
• 7.2 網站首頁最優長度如何測定
• 7.3 網頁的結構布局策略
• 7.3.1 經典的結構布局理論
• 7.3.2 站內搜索的設置
• 7.3.3 首頁商品撤換的“ROI”原則
• 7.4 商品詳情頁的“倒三角形”結構
• 7.5 警惕搭配套餐的騙局
• 7.5.1 人類最小心理感覺差
• 7.5.2 搭配套餐的新陳代謝
• 7.6 關聯推薦的設計
• 7.6.1 關聯推薦的機理
• 7.6.2 支持度、置信度和提升度
• 7.6.3 小結
• 第8章 數據化管理
• 8.1 任何一個團隊或項目不能量化就不能管理
• 8.2 客服團隊數據化管理
• 8.2.1 客服團隊排班設計
• 8.2.2 客服團隊的績效管理
• 8.2.3 客服團隊忠誠度激勵方案
• 8.2.4 客服團隊數據化管理高級應用：測算咨詢并發數
• 8.3 供應鏈數據化管理
• 8.3.1 供應鏈數據化管理的點和面
• 8.3.2 大數據環境下供應鏈管理的通路
• 8.3.3 商品結構如何布局
• 8.3.4 銷量預測的三種最基本的方法
• 8.3.5 現貨模式下的彈性補貨策略
• 8.4 大型促銷活動促銷節點的設計
• 第9章 不一樣的客戶關系管理
• 9.1 客戶關系管理的生死穴
• 9.2 客戶關系管理的流程
• 9.3 客戶關系管理五部曲
• 9.3.1 數據庫的組建
• 9.3.2 數據庫的加厚
• 9.3.3 數據庫的標簽
• 9.3.4 數據庫的挖掘
• 9.3.5 客戶關系管理的落地
• 9.4 基于KANO模型劃分服務類型
• 9.5 客戶關系管理用好新媒體的新思維
• 9.6 客戶關系管理商業流小結
• 9.6.1 了解客戶需求的真實痛點
• 9.6.2 對客戶池進行過濾分層
• 9.6.3 對池內客戶張貼標簽
• 9.6.4 對服務進行分類
• 9.6.5 強化與客戶的鏈接節點
• 9.6.6 整合CRM
• 思考 更新時間：2019-01-03 15:31:30