社交媒体大数据分析
Lutz Finger, Soumitra Dutta
杨旸 译
出版时间:2016年10月
页数:284
在社交媒体时代,你可以度量几乎一切事物,但是你却不知道自己在寻找什么,仅仅收集海量的数据并不会自动结出有价值的“果实”。
本书将会为你揭示如何通过一套叫做“看-测-学”的系统,从大数据之中提取有重要业务价值的信息。这套系统能够帮助你提出恰当的问题,度量适合的数据并且从这些结果中学习到有用的信息。
本书的两位作者根据自己多年大数据相关工作的经验,总结出了这套系统最初的原型。在本书中,这两位专家帮助业务经理和业务分析师来学习和掌握“看-测-学”系统,并且展示一些有针对性的方法,将社交媒体分析应用到市场营销、销售和公关领域。

“这是一部非常重要的著作。本书的作者不仅拥有切实的行业经验,并且能够通过他在业内积累的世界范围的、广泛的人脉和关系网络,看清行业发展的方向。”
——Alex “Sandy” Pentland,MIT教授
“本书循序渐进地介绍了大数据的方方面面的知识,从基本概念到如何从中获取价值等,应有尽有。”
——N. R. Narayana Murthy,Infosys联合创始人及执行主席
  1. 第1部分 通过功能度量媒体
  2. 第1章 市场营销
  3. 市场营销与社交媒体:愿景与现实
  4. 有关社交媒体的三个误区
  5. 社交媒体很便宜
  6. 社交媒体很快
  7. 社交媒体只不过是另一种渠道
  8. 品牌推广
  9. 社交媒体:一把新的标尺
  10. 可达性并不等同于认知度
  11. 案例:维珍航空
  12. 投资回报率:琳达划得来吗?
  13. 购买意向
  14. 如何识别购买意向
  15. 行为定位
  16. 令人不安的因素
  17. 社交定位
  18. 你说的
  19. 你喜欢的
  20. 你朋友喜欢的
  21. 同质性VS影响力
  22. 社交圈子VS行为
  23. 意见领袖
  24. 总结
  25. 练习簿
  26. 第2章 销售
  27. 简介
  28. 社交销售
  29. 以数据为驱动的销售
  30. 可达性VS购买意向
  31. 社交认可可以构建信任
  32. 用户评级
  33. 用户评论
  34. 同辈压力
  35. 社交认可和同辈压力真的有用吗?
  36. 是什么或者是谁驱使你去购买的?
  37. 推荐系统
  38. 协作式的推荐系统
  39. 基于内容的推荐
  40. 推荐系统中的技术
  41. 冷启动(Cold-start)问题
  42. 数据匮乏
  43. 毫无惊喜
  44. 如何建立一个推荐系统:从小事做起
  45. 信任、个性化及理由
  46. 个人关系
  47. 理由
  48. 总结
  49. 练习簿
  50. 第3章 公共关系
  51. 公用关系通常没有可度量的投资回报率
  52. 度量人群
  53. 公共关系中的可达性
  54. 公共关系中的背景
  55. 内容的背景
  56. 作者的上下文
  57. 新闻工作者的客户关系管理
  58. 人类沟通的天性
  59. 影响力的六项原则
  60. 度量信息分发
  61. 剪报
  62. 文章数量的误读
  63. 阅读列表
  64. 交互
  65. 点击
  66. 分享、点赞
  67. 评论
  68. 拷贝
  69. 投入VS影响
  70. 案例:“弹性印度”理念的传播
  71. 来自公共关系的警示
  72. 公共关系灾难的案例
  73. 不合时宜的销售
  74. 被低估了的传播速度
  75. 自我审查
  76. 捏造事实
  77. 没有预警系统
  78. 不确定性
  79. 飞速的灾难
  80. 案例:麦当劳
  81. 警示信号
  82. 总结
  83. 练习簿
  84. 第4章 客户服务
  85. 顾客的新声
  86. 戴尔的“地狱”
  87. 美联航弄坏吉他
  88. 客户服务2.0
  89. 智识库与客户自助服务
  90. 更快乐的员工
  91. 明智的选择
  92. 正面宣传
  93. 注意事项
  94. 把客户引导到你的服务渠道中来
  95. 小心“洞穴巨人”
  96. 资源以及标度
  97. 社交客户服务会成为新的商品吗?
  98. 自动化以及商务智能
  99. 一个航空公司客户满意度的案例
  100. 情绪算法
  101. 首语重复算法
  102. 上下文
  103. 我们到底能不能用这些算法?
  104. 特殊词汇—来自索尼爱立信的案例
  105. 一种动态的机器学习方式
  106. 案例:newBrandAnalytics
  107. 案例:戴尔的客户服务
  108. 总结
  109. 练习簿
  110. 第5章 社交化的客户关系管理:市场研究
  111. 案例学习:客户生命周期
  112. 分析型客户关系管理:新的前线
  113. 传统方式的弊端
  114. 调优客户关系管理系统
  115. Facebook和Open Graph
  116. 哪些数据?
  117. 社交媒体:太粗浅
  118. 个人数据:太敏感?
  119. 总结
  120. 练习簿
  121. 第6章 与系统的博弈
  122. 垃圾邮件以及机器人
  123. 建立可达性
  124. 如何发现机器人
  125. 诬蔑对手
  126. 约翰·苏努努(John Sununu)
  127. 粉丝丑闻
  128. 建立影响力以及意向
  129. 一个Twitter上的图灵测试
  130. 美军对社交媒体机器人的研发
  131. 散播有偿意见:草根以及“人工草皮”
  132. SOPA以及PIPA事件:一个现代草根运动
  133. 微软的反垄断案
  134. 中国的“水军”
  135. 理念、实施以及可达性
  136. 传染性
  137. 《KONY2012》
  138. 定制热点
  139. 真相中的真相
  140. 如何识别创建感染性活动的企图
  141. 热点的背面:节制信息
  142. 模糊的界限
  143. Facebook的案例
  144. 总结
  145. 练习簿
  146. 第7章 预测
  147. 预测未来
  148. 学习的预测分析
  149. 选举的预测
  150. 选择性偏见
  151. 错误的公共关系偏见
  152. 预测投票行为
  153. 预测票房
  154. 电影产业
  155. 真知灼见
  156. 结论
  157. 预测证券市场
  158. 章末预测
  159. 练习簿
  160. 第2部分 建立你自己的问-量-学系统
  161. 第8章 提出恰当的问题
  162. 案例学习:大型的电信公司
  163. 背景知识
  164. 他被听到吗?
  165. 构建问题
  166. 创造性探索
  167. 领域知识
  168. 恰当的问题
  169. 一个为搜寻问题而生的行业
  170. 总结
  171. 练习簿
  172. 第9章 使用正确的数据
  173. 哪些数据是重要的
  174. 相关性与因果关系
  175. 验证相关性
  176. 错误,或者说为什么结构性数据更有优势
  177. 结构性数据
  178. 非结构性数据
  179. 成本以及内幕
  180. 案例:匹配引擎
  181. 数据的选择
  182. 采样
  183. 子集
  184. “我了解关键字”
  185. 没有真相
  186. 案例:海地
  187. 总结
  188. 练习簿
  189. 第10章 定义正确的度量标准
  190. 社交媒体度量标准的例子
  191. 影响力
  192. 消费者偏好
  193. 追来投资回报率
  194. 标准带来的风险
  195. 影响标准
  196. 错误的行为
  197. 随时间不断改变
  198. 征服难题
  199. 总结
  200. 练习簿
书名:社交媒体大数据分析
译者:杨旸 译
国内出版社:人民邮电出版社
出版时间:2016年10月
页数:284
书号:978-7-115-42084-8
原版书书名:Ask Measure Learn
原版书出版商:O'Reilly Media
Lutz Finger
 
LUTZ FINGER是一位LinkedIn数据分析师。他也是Fisheye分析公司的联合创始人以及前CEO。Fisheye是一家数据挖掘公司,后被WPP集团收购。
 
 
Soumitra Dutta
 
SOUMITRA DUTTA是一位在用新技术处理业务问题领域的权威,也是康奈尔大学S.C约翰逊管理研究院的院长。
她也是Fisheye分析公司的联合创始人以及前主席。