淘寶廣告數(shù)據分析實戰(zhàn)！（附代碼和100W數(shù)據源）

在廣告展示數(shù)一定的條件下，點擊率的高低就是決定一個廣告能否被更多人看到的因素。本文主要針對“點擊率”這一因素進行分析，與大家分享。

本文為Rambo同學原創(chuàng)投稿，以項目分析的架構，從多維度展開分析。全文共4000+字，建議收藏。

相關數(shù)據源和代碼已經打包整理好，后臺回復“廣告數(shù)據“即可獲取。

這是一份淘寶平臺的廣告展示/點擊數(shù)據，本次分析需要從這些數(shù)據中發(fā)現(xiàn)某些規(guī)律或者異常，進而給運營團隊提出建議。

評價一個廣告效果的指標就是廣告的點擊人數(shù)，可以反映一個廣告有多少人愿意點擊查看廣告的內容，只有廣告被點擊，后續(xù)轉化為購買行為才會發(fā)生。

把廣告的點擊人數(shù)指標拆分：

廣告點擊人數(shù)=廣告展示數(shù) x 點擊率

而廣告展示數(shù)又由廣告商品的價格、類別影響；不同人群對不同類別商品有著不同的喜好，從而影響廣告的點擊率。

在廣告展示數(shù)一定的條件下，點擊率的高低就是決定一個廣告能否被更多人看到的因素。

因此本次分析就針對【點擊率】這一因素進行分析

從“廣告”和“用戶”兩個角度進行分析：

1.廣告角度

• 分析不同廣告的商品價格對點擊率的影響
• 分析哪些類別的廣告點擊率更高，哪些類別的點擊率低

2.用戶角度

• 分析性別和廣告點擊率有什么關系

• 結合聚類分析與RFM模型分析用戶群體對廣告點擊率有什么關系

??數(shù)據清洗

1、數(shù)據概覽

原始的數(shù)據集中包括三類數(shù)據，具體數(shù)據對應屬性如下：

為了方便分析，抽取其中的部分字段作為分析。
從raw_sample數(shù)據集中抽取：用戶ID、廣告ID、是否點擊
從ad_feature數(shù)據集中抽?。簭V告ID、類目ID、廣告商品價格
從user_profile數(shù)據集中抽取：用戶ID、年齡層、性別、購物層次

2、數(shù)據組合

將三張數(shù)據表，組合到一張表中

a=raw_sample.merge(right=ad_feature,on='ad_id',how='left')b=a.merge(right=user_profile,on='user_id',how='left')

3、缺失值處理

4、數(shù)據字段整合

? 結合圖表分析

1、分析不同廣告商品價格對點擊率的影響

①將廣告商品價格分類

② 分析100元以內廣告商品點擊率的用戶組成

小結：

• 17年5月6日至17年5月12日這8天里的廣告點擊率理想，但由于缺乏去年同期、今年上月的數(shù)據，不足以判斷5%左右的廣告點擊率是否是一個正常水平，有待更多數(shù)據驗證。
• 低價廣告商品點擊率更高，且點擊用戶中絕大多數(shù)是深度用戶。建議：可以把這個數(shù)據反應給廣告投放部門，在這個區(qū)域優(yōu)先投放廣告，既可以對淺層用戶進行流量變現(xiàn)又能讓廣告讓更多具有消費意愿的中、深層用戶看見。

2、分析哪些類別的廣告點擊率更高，哪些類別的點擊率低

① 找出展示數(shù)、點擊數(shù)、點擊率最高的廣告類別

② 分析類別4385廣告效果最差的原因：

a.先按【廣告商品價格】來分析

b.再按【性別】來分析

c.最后按【用戶年齡】來分析

③ 小結

• 類別6261廣告效果最好，有最高的點擊率、展示數(shù)和點擊人數(shù)?？梢约哟髮υ擃悇e廣告的資源投入，擴大廣告推廣效果。
• 類別4385廣告點擊率的原因是，這類商品對女性用戶而言興趣不大，女性用戶點擊率低，導致了整體的點擊率低?？梢栽谠搹V告的廣告詞中加入“父親、爺爺”等宣傳詞，引導女性消費者將該類別商品作為一種禮物送給男性用戶，從而提高點擊率
• 類別4385的主要受眾群體是30歲以上男性，為了提高點擊率可以重點推薦給30歲以上男性用戶。對于該類別廣告商品的受眾，可以適當增加產品折扣、降低商品價格，吸引點擊廣告的用戶轉換成購買用戶

3、分析性別和廣告點擊率有什么關系

① 計算男女人數(shù)比例

② 計算男女各自的點擊數(shù)

③ 比較各類別廣告點擊率-男女差異

④ 小結

• 總體上看，女性的廣告點擊人數(shù)明顯大于男性，但兩者的點擊率卻是差不多的。
• 類別4385、4505廣告，男性的點擊人數(shù)要多于女性。這類廣告可能是男士服飾、汽車、煙酒這類商品

4、分析用戶群體對廣告點擊率有什么關系

①用K-Means算法對用戶進行聚類

• 用戶的購物層次——體現(xiàn)用戶在平臺上的持續(xù)購物深度
• 廣告點擊率——體現(xiàn)用戶對廣告的接受程度
• 瀏覽廣告的商品平均價格——體現(xiàn)用戶通過廣告推廣能帶來的潛在收益

對用戶進行聚類分析：

這里將所有用戶分成5類，來代表用戶價值的高低。

• 群體5在點擊率方面最大
• 群體2在瀏覽廣告的商品平均價格最大
• 所有群體的用戶在購物層次上基本沒有差異

② 用RFM模型對用戶進行劃分

• 這類用戶有著高點擊率，有更大的可能將用戶的點擊率轉換為實際的購買行為。并且喜歡在平臺上進行購物，是最理想的客戶。
• 應優(yōu)先將廣告資源投放給他們身上，維持這類客戶的點擊率

• 這類用戶點擊率中等、也喜歡在平臺上進行購物，并且對廣告商品的價格適中。具有很大的發(fā)展?jié)摿?/span>
• 應加強與這類用戶的聯(lián)系，培養(yǎng)其點擊廣告的習慣，使他們成為高點擊率的用戶

• 這類用戶點擊率偏低，但是其瀏覽的廣告商品的價格很高，對該類用戶進行挽回，能提高廣告轉化為實際購買行為的價值
• 應加強與這類用戶的互動，延長這類用戶的生命周期

• 這類用戶點擊率低，瀏覽廣告的商品價格適中。這類用戶沒有點擊廣告的習慣，偶爾點擊廣告的商品價格也不高
• 應嘗試投放多種類型的廣告給這類用戶，觀察是否能找到用戶感興趣的廣告商品類型，進而提高點擊率。

• 這類用戶點擊率低，瀏覽廣告商品價格低，屬于平臺的免費用戶，用戶價值較低

③ ?小結

• 重要用戶占比20%，對于群體1、2、5里的用戶，應針對用戶特點，定向推送廣告，在高點擊率的同時，爭取進一步提高廣告的轉化率，將點擊落實為購買。
• 其他用戶占比80%，對于群體3、4的用戶，應推送多種類型的廣告給這類用戶，尋找用戶對哪類廣告的商品更感興趣，并可以通過相應促銷活動，提高其活躍度和廣告點擊率，爭取將這類用戶轉換為重要用戶