Google Analytics GA4 商業分析大全：人工智慧賦能，幫你鎖定對的訪客，打贏網路商戰 (1版)

類似書籍推薦給您

【簡介】 學會用商業思維操作 Google Analytics 4，找到最重要的數據洞見 國內第一本最新版 GA4 教學大全! -如果你是 GA4 新手，本書會帶你建立網站分析觀念，熟悉基本操作- -如果你已經熟悉 GA4，本書會加值你的商業思維，找到更多數據背後的洞見- ★ 從通用 GA 轉移到 GA4，打造更靈活的營運儀表板 ★ 借助 AI 大數據分析，精準解讀各項報表 ★ 有效將網站數據轉化成商業行動 ★ 打造顧客旅程地圖，實踐企業成長駭客 ★ 13 周的專案計畫，一覽真實商場應用情境 ★ 從初學者到行銷人員、團隊 Leader、部門主管都適用 網站分析最終目的，就是要達成商業目標，分析模型與報表結果都需要商業思維上的解釋。這是一本繼 Google 正式全面下架通用 GA (GA3) 後，最新版的 Google Analytics 4 教學大全：不僅教你使用 GA4，更讓你套用到商業情境，靈活運用人工智慧分析工具，用最有效的方式得到商業洞見! 本書作者吳政達 (Jess) 精通網站分析工具，長期使用 Google Analytics 讓數據驅動商業決策。曾任多家大型上市公司中高階主管、互聯網新創台灣區總經理。有鑑於今日 Google Analytics 4 已全面取代通用 GA (GA3)，決定不藏私分享過去操作網站分析近 20 年的實戰經驗，幫助大家使用 GA4 找到對的顧客、發掘商機。 本書特色: ★本書特色 特色一：側重心法與觀念的傳達 未來即使 GA4 持續做介面改版，也不太影響書中內容的實用性。 特色二：內文採用情境故事敘述 模擬為期 13 周的專案團隊運作情境，每周結束都有單元練習題目，帶領讀者同書中角色一起學習。 特色三：通用 GA 到 GA4 的差異與轉移 比較兩者的設計架構、GA4 新增加的功能，也詳細介紹轉移方法。 特色四：數據分析的商業思維套用 借用真實的職場經驗，教你如何把商業思維套用到數據分析。 特色五：網站分析跨系統的串聯 分享適合跟 GA4 做上下游串聯、互補的外部系統，讓分析能量倍增。 特色六：商場應用 GA4 的真實案例 介紹矽谷新創如何活用 GA4 打造顧客旅程地圖，實踐企業成長駭客。 ★本書實際帶你執行 - 從通用 GA 到 GA4 的轉移跟比較 - GA4 所有的預設 & 探索報表功能 - 提供連結商業目標與網站目標的實際操作工具 - 網站數據收集品質評估模式建立 - 收集訪客行為數據鎖定高含金量顧客，並進行定向廣告投放 - 透過人工智慧賦能發展深度洞察 - 用商業思維解讀 GA4 的數據，轉化為洞見 - 設定商業目標貨幣價值，找出最有價值的數位接觸點 - 培養說故事能力，成功傳達 KPI 與洞見價值 - GTM / gtag 自訂事件完整操作範例 - GA4 跨系統的串聯資源介紹 ★適合甚麼樣的讀者 - 懼怕數字卻喜歡閱讀故事的 GA4 初學者 - 想快速用 GA4 找出商務洞見的新創企業家、電商人員 - 目標結合數位廣告，鎖定受眾、極大化廣告效益的廣告投手 - 打算探索數據，擴大數據效應的數據工程師 - 預計將網站數據分析套用到商業決策的初中階主管 - 想了解網站分析如何與商業目標結合的高階主管 【目錄】 序 推薦序 Google Analytics 商戰分析學習地圖 本書內容架構 誰應該閱讀這本書？ 一切的一切都得從 A 公司的「Digi-Spark」專案說起 第 1 周 網站分析前必須知道的十件事 1-1 網站分析前最重要的事 ― 設定商業情境 1-2 如何定義網站分析? 1-3 網站分析三大關鍵要素：商業情境、工具、人 1-4 完整網站分析的七層執行架構 1-5 GA = 網站分析嗎? 1-6 GA 分析的三大主要工作：數據收集、報表建立、產生洞見 1-7 先確保數據品質，再進行網站分析 1-8 網站數據分析主要目標：尋找洞見、進行決策 1-9 維度和指標是 GA 每一份報表的基本元素 1-10 資深數據分析師挖掘商業洞見的五個慣用手法 1-11 第一周任務 第 2 周 精準連結商業目標與網站指標 2-1 建立「網站評估計畫」，以連結商業目標與分析數據 2-2 拆解商業目標為分析指標與 KPI 2-3 產業實例說明：常用的指標與 KPI 2-4 透過設定目標價值，來追蹤網站價值分布 2-5 訪客、內容、廣告：常用來檢視網站價值分布的面向 2-6 三種最常用的轉換目標設定 + 三種不同形式的轉換率計算方式 2-7 轉換該一次到位還是循序漸進?談「微轉換」與「巨轉換」 2-8 提高轉換率的好思維：從顧客旅程角度切入 2-9 三個評估品牌聲量與品牌價值轉換的作法 2-10 兩大重點直接陳述，實現和高管的數據高效溝通 2-11 說個好故事，有效表達分析結果與商業洞見 2-12 第二周任務 第 3 周 網站分析從找到「對的客人」與其動機開始 3-1 透過「訪客區隔」定義「對的客人」 3-2 利用條件滿足與順序滿足的邏輯，一步步找到真正的 VIP 3-3 鎖定 VIP 後，透過行銷科技（MarTech）三招來擴大戰果 3-4 誰是 VIP 當中的 VVIP ?訪客效期價值（CLV | LTV）運用的秘密 3-5 「量化分析 + 質性調查」雙管齊下，深入挖掘顧客行為動機 3-6 質性數據調查常用的思考架構：LIFT 思維模式 3-7 第三周任務 第 4 周 GA4 在「多裝置、跨平台、重隱私」時代誕生的意義 4-1 Google Analytics 演進史概說 4-2 GA4 為何誕生於此時此刻 ? 4-3 GA4 是具有通用 GA 外殼，但擁有 Firebase 靈魂的全新數據分析工具 4-4 GA4 數據收集多元化：談三大資料流與兩個數據收集建構元素 4-5 GA4 的兩大報表系統：資產庫（Library）與探索（Explore） 4-6 GA4「人工智慧與機器學習」的 AI 應用 4-7 第四周任務 第 5 周 GA4 vs 通用 GA：設計理念與架構比較 5-1 數據收集，改由「人」當主角 | 從網站核心蛻變為使用者核心 5-2 帳戶結構升級為多裝置相容：從「多網站」到「多數位接觸點」的資源帳戶結構設計 5-3 多資料流數據形塑報表多元化：從單一網站報表到多元資料流探索報表 5-4 數據收集基本單元，由「事件」一統江湖 | 從「工作階段」到「事件」的數據收集 5-5 行銷人員的好消息，GA4 不需寫程式就可自動收集若干基本互動事件 5-6 更多元化的電子商務營利模式 | 從「加強型電子商務」到「多元營利模式」的觀念轉變 5-7 分眾行為捕捉的行為定向廣告設計 | 從簡單「訪客區隔」到進階「目標受眾」設計 5-8 GA4 全新功能大放送：人工智慧與數據匯出 5-9 該看跳出率還是參與度? 5-10 原通用 GA 的資料檢視（View）功能為何消失了? 5-11 通用 GA 與 GA4 的資料保留時間有何不同? 5-12 通用 GA 如何遷移到 GA4 ? 5-13 第五周任務 第 6 周 分析小白起手式：GA4 預設報表基本解讀 6-1 先連結練習示範帳戶：電商（GMS）與手機遊戲 App（Flood-it!） 6-2 GA4 | 首頁（Home） 6-3 GA4 報表 | 報表數據匯報（Reports Snapshot） 6-4 GA4 報表 | 即時報表（Real time） 6-5 GA4 報表 | 生命週期（Life cycle）報表 | 電商網站（GMS）AEMR 四小報表 6-6 GA4 報表 | 遊戲報表、應用開發人員 | 手機遊戲 App 6-7 GA4 報表 | 使用者（User）報表 6-8 GA4 報表 | Search Console（SEO）報表 6-9 建立第一份自己的 GA4 資產庫自訂報表 6-10 第六周任務 第 7 周 進階分析好工具：GA4 探索分析模型與商業應用 7-1 GA4 探索報表與探索分析魔法師：「探索編輯器」 7-2 GA4 探索 | 任意形式（Free-form） 7-3 GA4 探索 | 漏斗（Funnel）分析與商業應用 7-4 GA4 探索 | 路徑（Path）分析與商業應用 7-5 GA4 探索 | 區隔重疊（Segment Overlay）分析與商業應用 7-6 GA4 探索 | 使用者多層檢視（User）分析與商業應用 7-7 GA4 探索 | 同類群組（Cohort）分析與商業應用 7-8 GA4 探索 | 使用者生命週期（User Lifetime）分析與商業應用 7-9 GA4 探索 | 範本庫 | 用途（Use Cases）與產業（Industries）模板 7-10 GA4 兩大報表系統套用母體數據的差異 7-11 第七周任務 第 8 周 廣告效度極大化：GA4 廣告歸因分析與自訂目標對象 8-1 GA4 廣告 | 廣告頻道成效與廣告歸因 8-2 GA4 管理 | 資源設定 | 資料顯示 | 目標對象 8-3 第八周任務 第 9 周 GA4 進階「資料顯示」設定：事件、轉換與自訂定義 9-1 GA4 事件的四大類型，與事件的建立修改 9-2 GA4 事件的資料結構 9-3 GA4 事件的目標價值設定 9-4 透過 GTM 設定事件目標價值 9-5 利用 GTM 和 gtag 來自訂事件並傳送數據給 GA4 9-6 GTM 與 GA4 的進階資料交換：Data Layer 變數層的運用 9-7 GA4 重要事件 (Key Event) 與聯播網設定 9-8 GA4 的自訂定義（自訂維度指標） 9-9 GA4 的管道群組設定 9-10 GA4 的歸因分析設定 9-11 GA4 的報表識別資訊設定 9-12 GA4 的 DebugView 9-13 第九周任務 第 10 周 GA4 帳戶與資源的進階管理與微調 10-1 GA4 管理選單概說 10-2 GA4 管理 | 帳戶設定 10-3 GA4 管理 | 資源設定 | 資源 10-4 GA4 管理 | 資源設定 | 資料收集和修改 10-5 GA4 管理 | 資源設定 | 產品連結 10-6 第十周任務 第 11 周 延伸與擴散數據的力量：GA4 的外部連結 11-1 可以和 GA4 連結進行數據交換的外部系統 11-2 輸入 GA4：與 YouTube 的串接 11-3 輸入 GA4：導入其他線上線下數據，談評估通訊協定 Measurement Protocol 11-4 數據互導：和 CRM（客戶關係管理系統）的連結應用 11-5 GA4 輸出：和 Google BigQuery 的整合應用 11-6 GA4 輸出：連結 DMP（數據管理平台）與 CDP（客戶資料管理平台） 11-7 GA4 輸出視覺化工具：Looker Studio 可扮演的五個角色 11-8 第十一周任務 第 12 周 補強 GA4 的十個分析工具 12-1 使用者訪問分析工具 12-2 使用者行為錄製工具 12-3 競爭分析工具 12-4 SEO 分析工具 12-5 使用者互動留存分析工具 12-6 行銷與電郵自動化工具 12-7 社交媒體操作、輿情分析與內容行銷工具 12-8 轉換優化 A / B 測試工具 12-9 數據視覺圖表呈現工具 12-10 顧客旅程追蹤工具 12-11 第十二周任務 第 13 周 用 GA4 玩轉矽谷新創顯學：成長駭客（GH）與顧客體驗（CX） 13-1 用 GA4 實踐「成長駭客」（Growth Hacking） 13-2 用 GA4 實踐「顧客旅程地圖」（Customer Journey Map） 13-3 結尾 後記 名詞解釋 Glossary

全格局使用PyTorch：深度學習和圖神經網路 實戰篇 2022 <深智數位> (1版)

類似書籍推薦給您

【簡介】 熟悉基礎，精通實戰。 接續了上一本實戰篇的基礎，本書將介紹目前最流行的物體辨識和自然語言處理在圖神經網路上的最完整應用。當你熟悉了神經網路之後，接下來要精進的就是針對網路結果的強化及最佳化。在GNN的基礎上，針對目前最流行的視覺處理模型進行修改、架設及強化，並且實際應用在現有的平台上。本書的重點就是大量了使用現有的Python函數庫，並且應用了最新的資料集，讓你能真正看到資料套用在模型上的強大能力。在針對Pytorch的函數庫上，不但有視覺應用，更有號稱人工智慧明珠的NLP應用。使用了Torchtext以及NLP的唯一/最佳選擇Huggingface Transformers。而大家耳熟能詳，但又不知道怎麼用的模型，包括GPT-2、Transformer-XL、ALBERT、ELECTRA、DistillBERT等，在書中都有詳細介紹。另外為了解開DL的神祕，本書也難得介紹了Captum套件，讓深度神經網路更具可解釋性。本書最後也不忘介紹ZSL、這種極少量資料就可訓練高精度模型的方法。有關異質圖神經網路部分，也有大量DGL和NetworkX的範例，實戰篇+基礎篇兩本書，要不充分了解GNN都不行。 本書亮點 ～GNN 最強實戰參考書～ 使用圖型的預訓練模型、Torschvision，GaitSet模型、CASIA-B資料集 高級NLP模型訓練及微調、BERTology、CBOW、Skip-Gram、Torchtext、spaCy 文字使用模型TextCNN來把玩IMDB資料庫 高階工程師才會用的Mist啟動函數、Ranger最佳化器 正宗NLP函數庫Huggingface Transformers詳解、AutoModel、AutoModelWithMHead、多頭注意力、PretrainedTokernizer 【目錄】 第 1 章 圖片分類模型 1.1 深度神經網路起源 1.2 Inception 系列模型 1.3 ResNet 模型 1.4 DenseNet 模型 1.5 PNASNet 模型 1.6 EfficientNet 模型 1.7 實例：使用預訓練模型辨識圖片內容 1.8 實例：使用遷移學習辨識多種鳥類 1.9 從深度卷積模型中提取視覺特徵 第 2 章 機器視覺的進階應用 2.1 基於圖片內容的處理任務 2.2 實例: 使用Mask R-CNN 模型進行目標檢測與語義分割 2.3 基於視訊內容的處理任務 2.4 實例: 用GaitSet 模型分析人走路的姿態，並進行身份辨識 2.5 偵錯技巧 第 3 章 自然語言處理的相關應用 3.1 BERT 模型與NLP 任務的發展階段 3.2 NLP 中的常見任務 3.3 實例: 訓練中文詞向量 3.4 常用文字處理工具 3.5 實例: 用TextCNN 模型分析評論者是否滿意 3.6 了解Transformers 函數庫 3.7 實例: 使用Transformers 函數庫的管道方式完成多種NLP任務 3.8 Transformers 函數庫中的AutoModel 類別 3.9 Transformers 函數庫中的BERTology 系列模型 3.10 Transformers 函數庫中的詞表工具 3.11 BERTology 系列模型 3.12 實例: 用遷移學習訓練BERT 模型來對中文分類 3.13 實例: 用R-GCN 模型了解文字中的代詞 第 4 章 神經網路的可解釋性 4.1 了解模型解釋函數庫 4.2 實例: 用可解釋性了解數值分析神經網路模型 4.3 實例: 用可解釋性了解NLP 相關的神經網路模型 4.4 實例: 用Bertviz 工具視覺化BERT 模型權重 4.5 實例: 用可解釋性了解影像處理相關的神經網路模型 4.6 實例: 用可解釋性了解圖片分類相關的神經網路模型 第 5 章 辨識未知分類的方法-- 零次學習 5.1 了解零次學習 5.2 零次學習中的常見問題 5.3 帶有視覺結構約束的VSC 模型 5.4 詳解Sinkhorn 演算法 5.5 實例: 使用VSC 模型來辨識未知類別的鳥類圖片 5.6 針對零次學習的性能分析 第 6 章 異質圖神經網路 6.1 異質圖的基礎知識 6.2 二分圖的實現方式 6.3 異質圖的實現方式 6.4 隨機行走取樣 6.5 DGL 函數庫中的區塊圖結構 6.6 實例: 使用PinSAGE 模型架設推薦系統 6.7 複習

CCNA 網路認證教戰手冊 EXAM 200-301

類似書籍推薦給您

CCNA網路認證教戰手冊 EXAM 200-301 ISBN13：9789863126362 替代書名：CCNA Certification Study Guide, Volume 2：Exam 200-301 出版社：旗標出版社 作者：Todd Lammle 譯者：林慶德;陳宇芬 裝訂／頁數：平裝／992頁 規格：23cm*17cm*4.6cm (高/寬/厚) 出版日：2020/09/15 中國圖書分類：電腦；資料處理 內容簡介 　　CCNA 認證考試必讀！ 　　Cisco 網路權威 Todd Lammle 的暢銷學習手冊，能讓您充滿自信地參加 CCNA EXAM 200-301 認證考試。本書完全符合 CCNA 考試的最新變動，除了基本的網路觀念解說，還搭配動手練習、實驗以及「真實情境」的說明，逐步幫您奠定網路相關基礎。不論是考證照、轉職或是想增進網管知識都能有所收穫。 　　EXAM 200-301 認證，考試範圍變廣，即使參加過坊間的補習課程，仍然不容易記住所有細節，本書是您最佳的參考手冊，請一定要徹底理解以下主題才能從容應試！ 　　．路由器、交換器與控制器 　　．下一代防火牆 (NGFW) 　　．Cisco 無線網路架構 　　．IP 的連接與路由器 　　．DHCP、DNS 與 NAT 　　．存取控制與第二層安全 　　．安全性政策與協定 　　．遠端存取與 VPN 　　．自動化與可程式化 　　與此書相輔相成的「互動式線上學習」提供了試題庫和研讀工具，可幫助您提高首次參加就能通過認證的機會。請連上 www.wiley.com/go/sybextestprep 網頁，依網頁說明註冊成為會員，即可瀏覽本書的試題庫： 　　．【測驗範例】：提供書中的所有題目，包括「評鑑測試」，以及每章結束之前的習題。此外，還有兩份測驗題。您可以透過這些題目來測試自己對內容的了解程度。 　　．【電子閃卡】：這些閃卡是可讓您快速學到知識的小工具，您可以將它當作額外的簡單練習題。 　　．【專有名詞 PDF 檔】：方便您以搜尋的方式查閱書中的專有名詞！ 本書特色 　　★100% 涵蓋最新 CCNA EXAM 200-301 認證考試範圍 　　★Cisco 頂尖專家 Todd Lammle 親自解說，幫您奠定紮實的網路核心基礎 　　★美國亞馬遜網路書店 Cisco Certification Guides 最暢銷書籍 　　★讀者公認 CCNA 認證考試必備參考書 　　★Sybex 互動式線上學習和試題庫 (英文介面) 目錄 簡介 評鑑測試 Ch01 網路基礎知識 Ch02 TCP/IP Ch03 子網路切割 Ch04 IP 位址的檢修 Ch05 IP 遶送 Ch06 開放式最短路徑優先協定 (OSPF) Ch07 第 2 層交換 Ch08 虛擬區域網路 (VLAN) 與跨 VLAN 遶送 Ch09 高等交換技術 Ch10 存取清單 Ch11 網路位址轉換 (NAT) Ch12 IP 服務 Ch13 安全性 Ch14 第一中繼站冗餘協定 (FHRP) Ch15 虛擬私密網路 (VPN) Ch16 服務品質 (QoS) Ch17 網際網路協定第 6 版 (IPv6) Ch18 IP、IPv6 和 VLAN 的故障檢測 Ch19 無線技術 Ch20 設定無線技術 Ch21 虛擬化、自動化、可程式化 Ch22 SDN 控制器 Ch23 組態管理 附錄 習題解答