本书是一份完整的实践指南，可帮助读者了解如何通过用户数据获得可实践的商业洞见。在这本书中，经验丰富的数据科学家、企业经理乔安妮·罗德里格斯介绍了用于明确事情发生的原因以及规模化改变人们的行为的实用统计技术。另外，她还介绍了强大的社会科学技术，用以帮助读者创造更好的理论，设计更好的指标，推动更快速和持续的行为改变。 相较其他极具学术性的数据科学类书籍，本书所介绍的知识很好地弥补了读者所欠缺的专业知识，比如：如何开始一个新的数据科学项目；如何将复杂的想法概念化；如何基于统计学和人口统计学的基础知识建立指标；如何预测企业的消费者群体和物料需求；如何在简单的A/B测试技术、双重差分模型、断点回归、倾向得分匹配和增益建模等技术下进行因果推断。 为了更好地帮助企业家、产品经理、营销人员和其他商业分析专业人士理解相关内容，罗德里格斯借助了大量直观的在线案例和离线案例。同时，为了避免过多的数学解释，她循序渐进地为读者讲解如何为每个应用程序选择正确的技术和算法，如何使用R编程语言并分析得到可信赖的答案。 无论面向哪类产品或服务，读者都可以利用书中的知识设计针对性强的营销活动，从而提高消费者满意度和参与度，增加收入和利润。

Contents
推荐序一
推荐序二
推荐序三
推荐序四
译者序
前言
致谢
第一部分　定性方法论
第1章　数据活动：晚宴模型　3
1.1　用户数据中断　4
1.2　晚宴模型　7
1.3　用户数据有何独特之处　13
1.4　为什么因果关系很重要　21
1.5　可实践的洞见　23
第2章　构建社交宇宙理论　24
2.1　构建理论　24
2.2　概念化和测量　33
2.3　Web产品的理论　37
2.4　可实践的洞见　41
第3章　终极目标：如何改变人类
行为　43
3.1　理解可实践的洞见　43
3.2　一切都是为了改变行为　45
3.3　关于人类行为改变的理论　50
3.4　Web产品中的行为改变　54
3.5　行为改变的现实期望是什么　56
3.6　可实践的洞见　60
第二部分　基本统计学方法
第4章　用户分析中的用户分布　63
4.1　为什么指标很重要　63
4.2　可实践的洞见　73
第5章　指标的创建和解释　74
5.1　时期、年龄和队列　74
5.2　指标的制定　80
5.3　可实践的洞见　92
第6章　为什么用户会流失？A/B
测试的来龙去脉　94
6.1　A/B测试　94
6.2　有趣的免费周活动案例　95
6.3　变量之间的相关性　99
6.4　为什么要研究随机性　102
6.5　A/B测试的核心和关键　104
6.6　A/B测试中的陷阱　115
6.7　可实践的洞见　118
第三部分　预测方法
第7章　用户空间建模：k均值和
PCA　123
7.1　什么是模型　123
7.2　聚类技术　124
7.3　可实践的洞见　132
第8章　预测用户行为：回归、
决策树和支持向量机　133
8.1　预测推断　133
8.2　关于预测的许多问题　134
8.3　预测建模　136
8.4　监督学习模型的验证　148
8.5　可实践的洞见　151
附录　151
第9章　预测产品人口变化：人口
预测　152
9.1　为什么我们要花时间在产品
生命周期上　153
9.2　出生、死亡和整个生命周期　153
9.3　不同的留存模式　155
9.4　人口预测的艺术　161
9.5　可实践的洞见　176
第四部分　因果推断方法
第10章　追求实验：自然实验和
双重差分模型　179
10.1　为什么要进行因果推断　179
10.2　因果推断与预测　180
10.3　当A/B测试不起作用时　181
10.4　从真实数据中进行因果推断的
要点和关键　183
10.5　可实践的洞见　191
第11章　持续追求实验　193
11.1　断点回归　194
11.2　估计获得徽章的因果效应　197
11.3　中断时间序列　201
11.4　季节性分解　205
11.5　可实践的洞见　208
第12章　在实践中开发启发式方法　209
12.1　从真实数据中确定因果关系　209
12.2　统计匹配　210
12.3　倾向得分匹配的问题　 216
12.4　启发式匹配　218
12.5　最佳猜测　218
12.6　总结　221
12.7　可实践的洞见　222
第13章　增益建模　223
13.1　什么是增益　223
13.2　为什么采用增益建模技术　224
13.3　理解增益　225
13.4　预测与增益　225
13.5　增益困难　226
13.6　可实践的洞见　237
第五部分　基于R语言的基本
方法、预测方法和
因果推断方法
第14章　指标的R实现　241
14.1　为什么选择R语言　241
14.2　R基础入门：R语言简介及
安装　242
14.3　分布抽样　247
14.4　汇总统计量　251
14.5　Q-Q图　252
14.6　计算方差和高阶矩　254
14.7　直方图和数据分档　254
14.8　双变量分布和相关性　260
14.9　奇偶进度比　264
14.10　总结　266
第15章　A/B测试、预测建模和人口
预测的R实现　267
15.1　A/B测试　267
15.2　聚类　277
15.3　预测模型　280
15.4　人口预测　289
15.5　总结　297
第16章　断点回归、匹配和增益的
R实现　298
16.1　双重差分建模　298
16.2　断点回归和时间序列建模　301
16.3　统计匹配　310
16.4　增益建模　323
16.5　总结　334
附录　334
参考文献　337
后记　342