广告展示数一定时，点击率决定广告曝光——Rambo原创投稿项目架构多维度分析校园网站建设定制_运营推广

在广告展示的某种条件下，高点和低点是确定更多人可以看到广告的因素。本文主要分析“点击率”的因素，并与您分享。

本文是Rambo同学的原始贡献，并通过项目分析的体系结构对多维分析进行了分析。全文是4000多个单词，建议收集它。

相关的数据源和代码已经包装和整理，背景回复了“广告数据”以获取它。

P1分析背景和目的

这是一家广告显示/单击平台上的数据。需要从这些数据中找到此分析，以找到某些规则或异常，然后对操作团队提出建议。

评估广告效果的指标是广告的点击次数，这可以反映有多少人愿意单击以查看广告内容。只有在单击广告并将发生后续转换时。

拆除广告的点击次数：

广告的数量=广告数量显示x点击

广告显示的数量受广告产品的价格和类别的影响；不同的人对不同类别的产品有不同的偏好，这将影响广告的点击率。

在广告展示的某种条件下，高点和低点是确定更多人可以看到广告的因素。

因此，该分析基于[点击率]的因素

P2分析想法

从“广告”和“用户”的角度进行分析：

1。广告角度

2。用户角度

P3分析过程

数据清洁

1。数据概述

原始数据集包括三种类型的数据。特定数据的相应属性如下：

为了促进分析，将其中的一些领域用作分析。

从数据集中的小：用户ID，广告ID，是否单击

从数据集开始：广告ID，类ID，广告产品价格

从数据集中排除：用户ID，年龄层，性别，购物水平

2。数据组合

将三个数据表组合到表中

<p style='margin-bottom:15px;color:#555555;font-size:15px;line-height:200%;text-indent:2em;'> <pre class="code-snippet__js" data-lang="ini"><code><span class="code-snippet_outer">a=raw_sample.merge(right=ad_feature,on='ad_id',how='left')</span></code><code><span class="code-snippet_outer">b=a.merge(right=user_profile,on='user_id',how='left')</span></code></pre></p>

获取记录的用户广告信息表

3。缺乏价值处理

3.1源数据中仍然有许多丢失值，删除了性别和年龄领域中空缺记录

3.2混合物加工

查看广告产品价格字段的属性范围：

最大值为.0 yuan，价格太大，是异常的价值，删除

再次查看价格字段的属性范围：

仍然存在异常值，数据值太多。为了促进对价格领域的分析，选择在1,000元内更接近日常生活的广告记录进行分析

切片后，仍然有记录记录

4。数据字段集成

对于广告产品的价格字段，每个广告的产品都有自己的价格，并且根据价格字段并不方便。添加了一个字段“”代表价格的范围。

（0-价格为0-100元，1-100-200元，2-200-300元...）

结合图表分析

1。分析不同广告产品对点击率的影响

①广告商品价格的分类

广告分为10个类别，例如价格低于100元的价格，少于200元和小于300元，并以不同的价格间隔计算广告的点击率。

从图中，所有价格间隔产品的点击量约为5％。其中，在100元以下广告的广告产品的广告点击量为5.92％；

看到低成本广告产品的点击率较高 - 我们通常认为这是在这方面的价格敏感性的浅用户（免费用户）的高点，以及具有某些消费行为和深层用户消费者意识（付费用户）商品的体验和产品的质量更加关心。

为了验证上述语句，我们首先假设100元的广告产品的主要点击是浅用户，然后通过数据验证。

②分析100元内广告产品的点击率的用户组成

检查100元内广告产品用户的用户

从用户分布中可以看出，在100元之内单击的用户中，深度用户的比例较高，占81.6％，并且浅户用户的比例相对较小。这推翻了我们的原始假设。

概括：

2.分析哪些类别的广告点击较高，哪些类别点击较低。

由于广告类别的数量大量，大多数广告类别仅为1-2次，数据样本太小。因此，选择显示最多的7个类别进行分析。

①找出显示最多的广告类别，点击次数和最高点击率

可以看出，6261类广告的显示，点击和点击的数量最高，尽管类别4385广告的数量为10000+，但点击和点击率的数量最低。

②分析类别4385最重要的广告效果：

一个。按[广告产品价格]进行分析

计算未点击的产品的平均价格4385广告

单击类别4385广告的平均价格是：

两者的平均价格与200-300没有太大不同。结合分析（1），200-300中广告产品的平均点击率为5.29％，而4385类仅为3.61％。

此描述：广告产品的价格不是影响类别4385广告点击的因素

b。按[性别]分析

让我们看一下4385类。

可以看出，4385类广告主要建议男性用户，而男性用户比女性更感兴趣。

女性对此类产品的广告不感兴趣，而点击率仅为2.75％，这是单击率低4385广告的主要原因。

c。最后，按[用户年龄]分析

让我们看一下不同年龄和不同性别的用户点击率的差异

（年龄领域的含义：0：10岁以下，1：10-20岁，2：20-30岁，3：30-40岁，4：40-50岁以上）

从统计数据可以看出，4385类广告的主要类别是一组30岁以上的男性用户，尤其是60岁以上的男性，而女性用户对此类广告产品的兴趣较低。

结合对A和B的分析，它受到30岁以上的男性的欢迎，价格为200-300。据推测，这是一件西装，皮鞋或烟草或家用电器。

③摘要

3。分析性别和广告点击率之间有什么关系

①计算男性和女人的比例

男人和女人的比例大约是：1：1.6

②计算男性和女人的命中次数

男女广告的点击比例为：1：1.7

因此，一般而言的点击次数比男人多，但是两者的点击基本上是相同的。

③比较男女之间各种广告点击差异的比较

可以看出，在大多数类别中，女性广告点击率明显大于男性点击。

只有4385和4505类。在这两个类别的广告中，男性点击次数超过了女性的点击次数。

男女之间的主要区别是由6261型广告引起的。女性点击大约是男性的4倍。

④摘要

4。分析用户组与广告的点击率有关

用户价值与不同用户组之间的消费习惯之间存在一定的差异，而不同用户组的广告策略也不同。通过在单击广告速率上分析不同用户组之间的关系，以制定不同的投资策略。

这里的分析是通过K-均值算法的用户群集，并且根据RFM模型对用户值进行了分配。

①使用K-均值算法制作用户群

在这里，选择了用户的购物水平，广告点击率以及产品浏览广告的平均价格。这三个指标被用作判断用户价值的标准。

用户分析：将所有用户分为5个类别以表示用户价值。

注意：将三个功能集中时标准化

它可以从不同群体的特征中得出结论：

因此，我们可以生产：第5组对广告的接受最高，并且非常愿意单击广告。第2组更喜欢高价商品，并且有兴趣购买高价产品。

②使用RFM模型将用户划分

根据用户在深度，点击率和广告产品平均价格的性能下，用户将用户分为5类客户。

（1）维护用户很重要

（2）重要的开发用户

（3）重要的保留用户

（4）一般用户

（5）低价值用户

根据集群的结果，对应于五种客户类型的类型的类型是匹配的，以获取客户组的价值排名：

根据结果，我们可以发现图中显示了5个用户的分布：

可以看出，最有价值的3种用户占20％。这20％的用户不可避免地会贡献大多数广告点击。如果平台想要广告效果很好，则需要投资于为这些用户服务的资源。

普通用户和低价值用户仍然是平台用户的主要主体。对于此类用户，他们需要操作/营销策略以提高其活动/点击率，并努力将其转换为重要用户。

③摘要

P4结论和建议

在上述分析过程中纠正摘要，得出分析结论，并就所有结论做出建议：

分析报告在这里〜

该文章首先由每个人发行是产品经理

原始链接：

欢迎大家注意兰博同学，每个人都是产品经理帐户~~

●

<br />

<span style="color: rgb(0, 128, 255);">即可入群交流数据干货</span>

支持干货

广告展示数一定时，点击率决定广告曝光——Rambo原创投稿项目架构多维度分析校园网站建设定制

新世纪大学英语综合英语发展教程1 - 2册：品味文学作品提升

咕噜牛与小胖闯祸之旅：猪猪小学的迟到奇遇与打屁股机器人的故事

新世纪大学英语综合英语发展教程1 - 2册：品味文学作品提升

咕噜牛与小胖闯祸之旅：猪猪小学的迟到奇遇与打屁股机器人的故事

相关文章