廣告投放數(shù)據(jù)分析

共 5194字，需瀏覽 11分鐘

2022-02-09 17:32

1 提出問(wèn)題：如何實(shí)現(xiàn)廣告的精準(zhǔn)投放

實(shí)現(xiàn)廣告的精準(zhǔn)投放就是最大化投入產(chǎn)出的過(guò)程，需要知道我們的用戶(hù)在哪里，在哪些渠道能夠更大化用戶(hù)價(jià)值，以及各個(gè)渠道用戶(hù)價(jià)值的變化規(guī)律。通過(guò)對(duì)渠道方式和渠道質(zhì)量的追蹤，以引流和轉(zhuǎn)化率為關(guān)鍵事件，做好渠道的優(yōu)化和維護(hù)。

本文通過(guò)研究阿里天池?cái)?shù)據(jù)，僅從渠道，投放時(shí)間，投放人群，以點(diǎn)擊率為數(shù)據(jù)指標(biāo)進(jìn)行數(shù)據(jù)分析，從而給出更好的方案和建議，實(shí)現(xiàn)高效率高產(chǎn)出。

2 數(shù)據(jù)來(lái)源

2.1 數(shù)據(jù)源

阿里天池 tianchi.aliyun.com/dataset/dataDetail?dataId=56

2.2 數(shù)據(jù)理解

（1）user_profile.csv.tar.gz

（2）ad_feature.csv.tar.gz

（3）raw_sample.csv.tar.gz

表user_profile反映的是用戶(hù)信息，表ad_feature反映的是廣告屬性信息，表raw_sample反映的是用戶(hù)行為信息。數(shù)據(jù)集不存在投入產(chǎn)出字段，命題轉(zhuǎn)化為以瀏覽量、點(diǎn)擊率作為數(shù)據(jù)指標(biāo)，進(jìn)行數(shù)據(jù)分析。

3 分析思路

4 數(shù)據(jù)存儲(chǔ)

將數(shù)據(jù)源存儲(chǔ)在MYSQL數(shù)據(jù)庫(kù)中，且變更數(shù)據(jù)存儲(chǔ)空間大小。

4.1 計(jì)算各個(gè)廣告的點(diǎn)擊次數(shù)

由于數(shù)據(jù)量巨大，宕機(jī)時(shí)間長(zhǎng)，選擇部分?jǐn)?shù)據(jù)分析，以下計(jì)算各個(gè)廣告的點(diǎn)擊次數(shù)。

-- 1 各個(gè)廣告總點(diǎn)擊次數(shù)
SELECT raw_sample.adgroup_id, count(*) AS arise_count
FROM raw_sample
GROUP BY adgroup_id
ORDER BY arise_count DESC;

4.2 選擇子集

篩選廣告點(diǎn)擊湊數(shù)最多的710164作為新的數(shù)據(jù)集建表

-- 2 新建表
CREATE TABLE IF NOT EXISTS 710164_sample
(
userid  INT NOT NULL, 
time_stamp VARCHAR(100) NOT NULL,
adgroup_id VARCHAR(20) DEFAULT NULL,
pid  VARCHAR(100) DEFAULT NULL,
nonclk  VARCHAR(20) DEFAULT NULL,
clk VARCHAR(20) DEFAULT NULL
)engine=innodb default charset=utf8;

將篩選數(shù)據(jù)插入數(shù)據(jù)表中

-- 3 將查詢(xún)數(shù)據(jù)插入表中
INSERT INTO 710164_sample
SELECT * FROM raw_sample
WHERE adgroup_id = '710164';

創(chuàng)建視圖作為中間橋梁

-- 4 創(chuàng)建視圖
CREATE VIEW per_group_an AS 
SELECT s.userid, 
FROM_UNIXTIME(s.time_stamp,'%Y-%m-%d') AS 'clk_date',
FROM_UNIXTIME(s.time_stamp,'%k') AS 'clk_time',
s.pid,
s.nonclk,
s.clk,
u.new_user_class_level,
u.age_level,
u.final_gender_code,
u.pvalue_level,
u.occupation,
u.shopping_level
FROM 710164_sample AS s, user_profile AS u
WHERE u.userid = s.userid;

-- 5 查詢(xún)視圖數(shù)據(jù)
SELECT * FROM per_group_an;

-- 6 觀察一下價(jià)格
SELECT price
FROM ad_feature
WHERE adgroup_id = '710164';

5 數(shù)據(jù)分析

5.1 分析不同渠道點(diǎn)擊率

SELECT p.pid, COUNT(*) AS arise_count,
            SUM(p.clk) AS clk_count,
	   CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio
			 
FROM per_group_an AS p
GROUP BY p.pid
ORDER BY clk_ratio DESC;

由于渠道有限，僅從2個(gè)渠道源分析來(lái)看，430548_1007需要繼續(xù)維護(hù)渠道，提高轉(zhuǎn)化率，430548_1007需要加大渠道投入，做好引流。

5.2 分析不同投放時(shí)間點(diǎn)擊率

5.2.1 每日各時(shí)間段點(diǎn)擊率分析

SELECT p.clk_time, COUNT(*) AS arise_count,
       SUM(p.clk) AS clk_count,
			 ROUND(SUM(p.clk)/COUNT(*),4) AS clk_ratio,
			 CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio_copy
FROM per_group_an AS p
GROUP BY p.clk_time
ORDER BY clk_ratio DESC;

可知：

a. 在瀏覽量達(dá)到一定數(shù)據(jù)時(shí)，每日的上午10點(diǎn)、下午3點(diǎn)的點(diǎn)擊率出現(xiàn)了小高峰。

b. 晚上由9點(diǎn)開(kāi)始瀏覽量主鍵提升，但點(diǎn)擊率相對(duì)于前段時(shí)間較低，說(shuō)明多數(shù)用戶(hù)是目的性流量走低。

c. 深夜0-2點(diǎn)點(diǎn)擊率超過(guò)12%，推測(cè)原因，可能是瀏覽量較低，偶然性提升，也可能是這部分人群的目的性較強(qiáng)，如果能獲知這些人群畫(huà)像，能高效的做好營(yíng)銷(xiāo)轉(zhuǎn)化。

說(shuō)明，目標(biāo)客戶(hù)在深夜轉(zhuǎn)化的可能性更高。

5.2.2 每周各天點(diǎn)擊率分析

SELECT DATE_FORMAT(p.clk_date,'%w') AS week_day, COUNT(*) AS arise_count,
             SUM(p.clk) AS clk_count,
	     ROUND(SUM(p.clk)/COUNT(*),4) AS clk_ratio,
	     CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio_copy
FROM per_group_an AS p
GROUP BY DATE_FORMAT(p.clk_date,'%w') 
ORDER BY clk_ratio DESC;

可知，周六、日，周一點(diǎn)擊率較高，瀏覽量也不低，說(shuō)明這幾天帶來(lái)的收益是更大的。

5.2.3 各天各時(shí)間段分析

SELECT DATE_FORMAT(p.clk_date,'%w') AS week_day, clk_time,
       COUNT(*) AS arise_count,
       SUM(p.clk) AS clk_count,
			 ROUND(SUM(p.clk)/COUNT(*),4) AS clk_ratio,
			 CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio_copy
FROM per_group_an AS p
GROUP BY DATE_FORMAT(p.clk_date,'%w'),clk_time 
ORDER BY clk_ratio DESC;

5.3 分析人群特征點(diǎn)擊率

5.3.1 各年齡層次人群點(diǎn)擊率分析

SELECT age_level, COUNT(*) AS arise_count,
       SUM(p.clk) AS clk_count,
			 ROUND(SUM(p.clk)/COUNT(*),4) AS clk_ratio,
			 CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio_copy
FROM per_group_an AS p
GROUP BY age_level
ORDER BY clk_ratio DESC;

可知

a. 廣告投放在1/2/5年齡層帶來(lái)的點(diǎn)擊率更高，需要從時(shí)間維度考慮，增大廣告投入對(duì)這三個(gè)年齡層的效果。

b. 對(duì)與年齡層6，可以從時(shí)間維度考慮增大樣本投入后會(huì)不會(huì)有更大的點(diǎn)擊率，從而判定是否需要更多的投入。

c. 對(duì)比年齡層1/5和3，說(shuō)明可以放棄對(duì)年齡層3的投入，最好增加時(shí)間維度和投入資源維度。

d. 年齡層0需要投入更多的資源，觀察效果后判定舍去與否。

5.3.2 各個(gè)消費(fèi)等級(jí)人群點(diǎn)擊率分析

SELECT p.pvalue_level,
	    COUNT(*) AS arise_count,
	    SUM(p.clk) AS clk_count,
	    ROUND(SUM(p.clk)/COUNT(*),4) AS clk_ratio,
	    CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio_copy
FROM per_group_an AS p
GROUP BY pvalue_level
ORDER BY clk_ratio DESC;

可知，高檔人群點(diǎn)擊率偏低僅有7.13%，原因可能是產(chǎn)品的客單價(jià)是109，不符合這類(lèi)人群的需求。

5.3.3 各購(gòu)物深度人群點(diǎn)擊率分析

SELECT p.shopping_level,
	    COUNT(*) AS arise_count,
	     SUM(p.clk) AS clk_count,
	     ROUND(SUM(p.clk)/COUNT(*),4) AS clk_ratio,
	     CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio_copy
FROM per_group_an AS p
GROUP BY shopping_level
ORDER BY clk_ratio DESC;

可知，中、深度用戶(hù)點(diǎn)擊率略高，如果逐步轉(zhuǎn)化至付費(fèi)階段，相比于淺度用戶(hù)，中、深度用戶(hù)后續(xù)付費(fèi)根能行會(huì)更大。

5.3.4 各職業(yè)（是否大學(xué)生）人群點(diǎn)擊率分析

SELECT p.occupation,
	    COUNT(*) AS arise_count,
	     SUM(p.clk) AS clk_count,
	     ROUND(SUM(p.clk)/COUNT(*),4) AS clk_ratio,
	     CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio_copy
FROM per_group_an AS p
GROUP BY occupation
ORDER BY clk_ratio DESC;

可知，大學(xué)生的點(diǎn)擊率略高，但總體區(qū)分度不大，說(shuō)明樣本用戶(hù)群體對(duì)710164敏感度差異性不大，可能是價(jià)格109屬于平價(jià)款的原因。

5.3.5 各城市等級(jí)人群點(diǎn)擊率分析

SELECT p.new_user_class_level,
			 COUNT(*) AS arise_count,
	     SUM(p.clk) AS clk_count,
			 ROUND(SUM(p.clk)/COUNT(*),4) AS clk_ratio,
			 CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio_copy
FROM per_group_an AS p
GROUP BY new_user_class_level
ORDER BY clk_ratio DESC;