精益AI

Table of contents

1. 封面
2. 封底
3. 对本书的赞誉
4. 扉页
5. 版权页
6. O'Reilly公司介绍
7. 目录 (1/2)
8. 目录 (2/2)
9. 序
10. 前言
    1. 本书的读者对象
    2. 本书的结构
    3. 致谢
11. 第一部分 AI + 增长营销 = 智能营销
    1. 第1章 认识增长营销 (1/2)
    2. 第1章 认识增长营销 (2/2)
    3. 第2章 为何选择精益AI
       1. 2.1 什么是AI
       2. 2.2 什么是机器学习
       3. 2.3 AI的三大驱动力
       4. 2.4 AI营销的行业趋势
       5. 2.5 AI+增长营销=智能营销
12. 第二部分 客户获取3.0
    1. 第3章 何谓客户获取3.0
       1. 3.1 扩张和学习的新维度
       2. 3.2 AI与客户获取
       3. 3.3 是时候开启智能机器了
    2. 第4章 手动与自动
       1. 4.1 数字营销世界中的智能机器思维
       2. 4.2 筹码：客户生命周期管理
       3. 4.3 IMVU增长团队的自动化策略
       4. 4.4 构建自动化业务用例
    3. 第5章 “智能机器”的框架
       1. 5.1 分解用于营销目的的机器学习
       2. 5.2 监督学习算法的主要类型
       3. 5.3 无监督学习算法的主要类型
       4. 5.4 监督或无监督通用的学习算法
       5. 5.5 数据的重要性
       6. 5.6 受众选择
       7. 5.7 信息投放
       8. 5.8 探索与优化
       9. 5.9 将机器学习和AI应用于IMVU的客户旅程
       10. 5.10 小结
    4. 第6章 自行搭建与外部采购
       1. 6.1 搭建与采购分析
       2. 6.2 搭建AI解决方案的风险
       3. 6.3 采购AI解决方案的风险
       4. 6.4 机器学习即服务
       5. 6.5 搭建还是采购……还是都选？
       6. 6.6 权衡利弊
13. 第三部分 选择和衡量重要指标
    1. 第7章 创业公司的关键增长指标
       1. 7.1 客户获取成本
       2. 7.2 留存率
       3. 7.3 客户终身价值
       4. 7.4 广告投资回报率
       5. 7.5 转化率
       6. 7.6 提防无价值指标
    2. 第8章 创意的效果
       1. 8.1 创意资产的重要性
       2. 8.2 创意团队的参与
       3. 8.3 广告疲劳
       4. 8.4 优秀创意的益处
       5. 8.5 创意的最佳实践
       6. 8.6 移动端广告最佳实践
       7. 8.7 未来创意发展与迭代
    3. 第9章 跨渠道归因
       1. 9.1 什么是营销归因？
       2. 9.2 营销归因模型
       3. 9.3 为你的初创企业选择合适的归因模型
       4. 9.4 营销归因工具
       5. 9.5 营销归因的好处
       6. 9.6 基于人的归因是未来的方向 (1/3)
       7. 9.6 基于人的归因是未来的方向 (2/3)
       8. 9.6 基于人的归因是未来的方向 (3/3)
14. 第四部分 选择正确的用户获取方法
    1. 第10章 用户获取策略
       1. 10.1 如何思考用户获取策略
       2. 10.2 用户漏斗的阶段
       3. 10.3 五个关键的用户获取策略
    2. 第11章 增长堆栈
       1. 11.1 它是如何起作用的？
       2. 11.2 分析与见解 (1/2)
       3. 11.2 分析与见解 (2/2)
       4. 11.3 获取
       5. 11.4 参与与留存 (1/2)
       6. 11.4 参与与留存 (2/2)
       7. 11.5 变现
       8. 11.6 跨堆栈的活动 (1/2)
       9. 11.6 跨堆栈的活动 (2/2)
       10. 11.7 通信平台
       11. 11.8 在AI世界中应用堆栈
15. 第五部分 管理增量复杂性和风险
    1. 第12章 如何管理复杂性
       1. 12.1 识别用例
       2. 12.2 期望值
       3. 12.3 运营状态
       4. 12.4 关注结果
       5. 12.5 客户数据
       6. 12.6 选择正确的指标
    2. 第13章 如何降低风险
       1. 13.1 数据依赖
       2. 13.2 透明度
       3. 13.3 算法偏差
       4. 13.4 合规
       5. 13.5 明确的目标
       6. 13.6 机器学习模型的可适应性
    3. 第14章 人与机器
       1. 14.1 未来增长团队所需的技能
       2. 14.2 采取增长的心态
       3. 14.3 AI将创造更多工作机会
16. 第六部分 下一个前沿领域
    1. 第15章 为成功做规划
       1. 15.1 成功目标和衡量标准
       2. 15.2 AI与人类合作共赢
       3. 15.3 数据是一切事物的核心 (1/2)
       4. 15.3 数据是一切事物的核心 (2/2)
       5. 15.4 数据隐私和完整性
    2. 第16章 持续的挑战
       1. 16.1 数据采集
       2. 16.2 隐私权控制
       3. 16.3 精简团队
       4. 16.4 新的渠道和机遇
       5. 16.5 随时警惕欺诈
       6. 16.6 面对挑战
    3. 第17章 如何与AI共赢 (1/2)
    4. 第17章 如何与AI共赢 (2/2)
17. 作者介绍