广告投放数据分析

小小蔡

共 5194字，需浏览 11分钟

· 2022-02-09

1 提出问题：如何实现广告的精准投放

实现广告的精准投放就是最大化投入产出的过程，需要知道我们的用户在哪里，在哪些渠道能够更大化用户价值，以及各个渠道用户价值的变化规律。通过对渠道方式和渠道质量的追踪，以引流和转化率为关键事件，做好渠道的优化和维护。

本文通过研究阿里天池数据，仅从渠道，投放时间，投放人群，以点击率为数据指标进行数据分析，从而给出更好的方案和建议，实现高效率高产出。

如何评估渠道质量确定投放优先级

2 数据来源

2.1 数据源

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

2.2 数据理解

（1）user_profile.csv.tar.gz

（2）ad_feature.csv.tar.gz

（3）raw_sample.csv.tar.gz

表user_profile反映的是用户信息，表ad_feature反映的是广告属性信息，表raw_sample反映的是用户行为信息。数据集不存在投入产出字段，命题转化为以浏览量、点击率作为数据指标，进行数据分析。

3 分析思路

广告投放数据分析

4 数据存储

将数据源存储在MYSQL数据库中，且变更数据存储空间大小。

4.1 计算各个广告的点击次数

由于数据量巨大，宕机时间长，选择部分数据分析，以下计算各个广告的点击次数。

-- 1 各个广告总点击次数
SELECT raw_sample.adgroup_id, count(*) AS arise_count
FROM raw_sample
GROUP BY adgroup_id
ORDER BY arise_count DESC;

4.2 选择子集

筛选广告点击凑数最多的710164作为新的数据集建表

-- 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;

将筛选数据插入数据表中

-- 3 将查询数据插入表中
INSERT INTO 710164_sample
SELECT * FROM raw_sample
WHERE adgroup_id = '710164';

创建视图作为中间桥梁

-- 4 创建视图
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 查询视图数据
SELECT * FROM per_group_an;

-- 6 观察一下价格
SELECT price
FROM ad_feature
WHERE adgroup_id = '710164';

5 数据分析

5.1 分析不同渠道点击率

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，仅从2个渠道源分析来看，430548_1007需要继续维护渠道，提高转化率，430548_1007需要加大渠道投入，做好引流。

5.2 分析不同投放时间点击率

5.2.1 每日各时间段点击率分析

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. 在浏览量达到一定数据时，每日的上午10点、下午3点的点击率出现了小高峰。

b. 晚上由9点开始浏览量主键提升，但点击率相对于前段时间较低，说明多数用户是目的性流量走低。

c. 深夜0-2点点击率超过12%，推测原因，可能是浏览量较低，偶然性提升，也可能是这部分人群的目的性较强，如果能获知这些人群画像，能高效的做好营销转化。

说明，目标客户在深夜转化的可能性更高。

5.2.2 每周各天点击率分析

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，周一点击率较高，浏览量也不低，说明这几天带来的收益是更大的。

5.2.3 各天各时间段分析

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 分析人群特征点击率

5.3.1 各年龄层次人群点击率分析

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. 广告投放在1/2/5年龄层带来的点击率更高，需要从时间维度考虑，增大广告投入对这三个年龄层的效果。

b. 对与年龄层6，可以从时间维度考虑增大样本投入后会不会有更大的点击率，从而判定是否需要更多的投入。

c. 对比年龄层1/5和3，说明可以放弃对年龄层3的投入，最好增加时间维度和投入资源维度。

d. 年龄层0需要投入更多的资源，观察效果后判定舍去与否。

5.3.2 各个消费等级人群点击率分析

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，高档人群点击率偏低仅有7.13%，原因可能是产品的客单价是109，不符合这类人群的需求。

5.3.3 各购物深度人群点击率分析

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、深度用户点击率略高，如果逐步转化至付费阶段，相比于浅度用户，中、深度用户后续付费根能行会更大。

5.3.4 各职业（是否大学生）人群点击率分析

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，大学生的点击率略高，但总体区分度不大，说明样本用户群体对710164敏感度差异性不大，可能是价格109属于平价款的原因。

5.3.5 各城市等级人群点击率分析

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;

可知，等级城市2浏览量和点击率较高，需要持续投入，4可以继续投入观察效果，1/3可考虑舍弃。

6 结论和建议

6.1 渠道分析

只有2个渠道，区分度不大，从引流和转化的角度看，430548_1007需要继续维护渠道，提高转化率，430548_1007需要加大渠道投入，做好引流。

6.2 投放时间分析

加大对深夜0-2点时间段广告投放，周六、日和周一，投放效果更好。

6.3 人群分析

（1）加大对年龄层1/2/5年龄层投放效果，建议减少对高档人群的投放，加大对中深度用户投放，加大对城市等级2/4投放，广告对职业不敏感，建议取消这部分投入

（2）多维度下其他特征，可以结合时间维度，多做测试，然后取舍。

图片

表情

信息流广告投放如何做数据分析？

随着互联网人口红利的消失，各大互联网产品都争先恐后开始做用户增长，希望以最低的成本拉新促活更多用户。用户增长的策略和手段有很多，其中互联网效果广告投放是非常重要的一种手段。在互联网广告投放过程中，负责投放的运营同学为了保证最优的投放收益率，会从广告的各个角度去做投放优化，如：文案、图片、排版、媒体位置以及定向人群等等。而数据分析能从量化的角度指导运营如何去投放广告，如何优化投放组合，从而降低用户获取的成本。所以本文会介绍一些互联网广告投放中的数据分析方法论。一、信息流广告业务介绍 1.1 基本概念介绍信息流广告是移动互联网时期产生，穿插在内容流中的广告，信息流广告有图文、图片、短视频等不同形式。因为信息流广告是完全

雪凌儿jinling

广告投放效果分析

In [1]: import pandas as pd import numpy as np import random from matplotlib import pyplot as plt import seaborn as sns import time, datetime from pyecharts import Funnel 分析目的实现淘宝展示广告精准投放，提高广告投放效果。数据来源https://tianchi.aliyun.com/dataset/dataDetail?dataId=56 数据说明原始样本骨架raw_sample 从淘宝网站中随机抽样了114万用户8天内的广告展示/点击日志（

孤注

市场营销（六）：广告投放效果分析

数据化效果评估市场活动有三个重要作用，分别是评价市场营销工作的成效；及时调整和优化市场策略和资源投入；积累历史经验数据库，为后续营销提供效果预测和评估。市场活动效果的评估主要有5个维度，分别是：媒体投放数据；广告效果数据；产品运营数据；第三方监测数据和用户行为数据。（1）媒体投放数据媒体投放的数量、投放渠道、投放金额是评估效果的基础数据。（2）广告效果数据广告效果数据是最直接的评估维度，评估广告投放的指标主要有：CPM、CPC、CPA、CPL、激活率、转化率、ROI等。值得注意的是，在评估苹果广告效果时，要结合媒体投放数据综合评估，我们不能光看绝对数量，也不能光看比例，两者结合才是最客观的分析方法。但是，不是

黎湘艳

什么广告投放？

什么叫广告投放？广告投放的工作主要是通过报刊、广播、电视、电影、路牌、橱窗、印刷品、霓虹灯等媒介或者形式，在中华人民共和国境内刊播、设置、张贴广告，已达到扩大传播广告内容范围的目的。投放的主要形式： 1、利用报纸、期刊、图书、名录等刊登广告； 2、利用广播、电视、电影、录像、幻灯等播映广告； 3、利用街道、广场、机场、车站、码头等的建筑物或空间设置路牌、霓虹灯、电子显示牌、橱窗、灯箱、墙壁等广告； 4、利用影剧院、体育场（馆）、文化馆、展览馆、宾馆、饭店、游乐场、商场等场所内外设置、张贴广告； 5、利用车、船、飞机等交通工具设置、绘制、张贴广告； 6、通过

儿豁.搞个爪爪哦

线下广告投放

谢邀：先说种类形式，线下广告投放方式多种多样，种类有很多，想要了解具体的广告投放形式和价格联系我。一、交通广告 1、地铁广告地铁广告投放中，也分为很多种类，比如：灯箱广告，地铁包车广告，单边站台屏蔽门贴、品牌通道等。 →。→传送门看：地铁广告一般是如何定价的？（多图预警） 2、公交车广告投放公交车广告，公交车广告种类：公交车车身广告、公交车拉手广告、公交车媒体广告、语音播报、车门广告等。→。→传送门看：公交车广告投放形式 3、高铁广告高铁广告的形式种类：外车门玻璃贴、LED信息屏、广播、枕巾、桌贴、海报、行李架彩贴等，还有些商业大佬们会以冠名高铁的形式。高铁动车乘客“三高”特征越来越显著，乘客

艾迪亚地铁传媒

《2020年度移动广告投放分析报告》

2020年的广告投放市场瞬息万变，在综合分析了全年的移动广告投放数据后，我们发现： 1. 今年的广告形式仍然以图片为主，但视频广告占比呈明显的上升趋势 2. 文化娱乐行业广告投放数连续四季度占比第一，全年重点广告主前10中娱乐类APP占据5席 3. 巨量引擎上以应用下载为目的广告占比超四成，主要为引导下载休闲、网赚类手游……下文将从更多维度为大家详细展现各行业、各重点流量平台、年度重点广告主的广告投放分析，深入了解2020年的移动广告投放分析市场。 > 说明：本报告以投放广告数与广告投放金额（估算）的综合数据作为衡量广告投放力度的依据，广告投放数不完全等于其实际广告消耗，仅供参考。本报告提及的广告投放金额来自于 App Gr

智增增

穿山甲-广告投放

FB广告投放

很久没有在知乎上记录点什么了，虽然我之前有一篇《做英语客服的一天》算是我点赞文章小高峰，但是我还是想说说最近的职业变动情况。我已经在上个月转岗，开始做FB广告投放助理，客服的工作其实非常非常不推荐，因为没有办法锻炼自己的核心能力，或者说和我自己的性格不符，我不想要做辅助性工作，想要冲锋陷阵。 FB投放的工作慢慢开始上手，居然也神奇了爆了两款产品，有的时候或许我倒霉了太久，也该给我一点sugar尝尝。分享一下我在B站短暂的学习吧，我觉得这个课程非常基础，可能会比较宏观，不太适合真实遇见的很多情况，也可能是现在我还是小白阶段，没有感受到这个工作的高大上，现在最重要的仍然是选品，没有一个好的品，是没有办法跑起来的，所有的数据分

不知己丑

数据运营笔记 | 广告投放的数据思路

产品运营三大核心指标：拉新、活跃、留存。相信每一个小伙伴都不陌生。不同的产品阶段可能运营策略重心会有所不同，但肯定对于各种拉新活动并不陌生，例如H5活动、广告投放、软文扩散、渠道换量等。每一轮的投放活动都需要衡量投入产出比ROI，每一次活动结束都需要进行复盘讨论，每一轮迭代投放都可能在验证一些猜想。我们的目标是：用合理的投入成本，通过各类途径优化，最大化效果产出。但实际的运营投放中，往往会遇到各式各样的投放方式：这个渠道说，我们不能实现不了直接跳转下载；那个渠道又说，我们是做品牌的，高曝光才是我们的优势，转化不关我事；还有的时候，一个渠道上，就有3个不同的位置x3种素材x3种跳转方

腾讯大数据

数据分析之广告归因

数据管道