本篇數據分析報告全文約3900字，閱讀大約需要10分鐘

一、分析背景及目的

數據源：Ad Display/Click Data on Taobao.com
這是一份淘寶平臺的廣告展示/點擊數據，本次分析需要從這些數據中發現某些規律或者異常，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，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，后續轉化為購買行為才會發生。
把廣告的點擊人數指標拆分：
廣告點擊人數=廣告展示數 x 點擊率
而廣告展示數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

二、分析思路

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

三、分析過程

1.數據清洗

（1）數據概覽

原始的數據集中包括三類數據，具體數據對應屬性如下：

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

（2）數據組合

將三張數據表，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')

得到一張記錄了用戶-廣告信息表

（3）缺失值處理

1、源數據中還有許多的缺失值，將性別和年齡層字段中為空值的記錄刪去

2、查看數據中的異常值，并將異常值刪去
查看廣告商品價格字段的屬性值范圍：

還是存在數據值過大的異常值
為了方便分析對價格字段進行切分，選取更貼近日常生活的價格在1000元以內的廣告記錄進行分析
切片之后仍保留了751570條記錄

（4）數據字段整合

對于廣告商品價格字段，每個廣告的商品都有各自的價格，根據價格字段不便于進行統計。新增一個字段“price_class”代表價格的區間。

（0-價格在0-100元、1-100-200元、2-200-300元...）

2.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

將廣告按價格分為100元以下、200元以下、300元以下等10類，并計算不同價格區間中廣告的點擊率情況。

從圖中發現，所有價格區間商品的點擊率都在5%左右，其中廣告商品價格在100元以下的廣告點擊率最高，為5.92%；
看到價格較低的廣告商品點擊率更高，我們一般認為是對價格敏感的淺層用戶（免費用戶）在這方面的點擊率更高，而擁有一定消費行為和消費意識的中層、深層用戶（付費用戶）則更在意購物時的體驗以及商品的質量。
為了驗證以上說法，我們先假設100元以內的廣告商品主要的點擊對象是淺層用戶，再通過數據驗證。

② 分析100元以內廣告商品點擊率的用戶組成

查看點擊了100元以內的廣告商品的用戶的用戶組成

從用戶分布可以看出，在點擊了100元以內廣告商品的用戶中，深度用戶的比例更高，占比81.6%，而淺層用戶的占比則相對少很多。這推翻了我們原來的假設。

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，有待更多數據驗證。
• 低價廣告商品點擊率更高，且點擊用戶中絕大多數是深度用戶。建議：可以把這個數據反應給廣告投放部門，在這個區域優先投放廣告，既可以對淺層用戶進行流量變現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

由于廣告的類別數量眾多，大部分類別的廣告只有1-2次的展示，數據樣本太小，因此選取展示數量最多的7個類別進行分析。

① 找出展示數、點擊數、點擊率最高的廣告類別

可以看出類別6261廣告的展示數、點擊數、點擊率均為最高，而類別4385廣告的展示數雖然有10000+，但是點擊數、點擊率卻是最低的。

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

計算沒有被點擊的類別4385廣告的商品的平均價格

而點擊了類別4385廣告的商品的平均價格為：

兩者平均價格都在200-300區間、差異不大。結合分析（1），價格區間在200-300的廣告商品點擊率平均是在5.29%，而類別4385則只有3.61%。
這說明：廣告商品價格不是影響類別4385廣告點擊率的因素

b.再按【性別】來分析

先來看看類別4385被哪些用戶看到了

可以看出，類別4385的廣告，主要是被推薦給了男性用戶，而男性用戶對這類商品的興趣大于女性。
并且女性對這類商品的廣告興趣不高，點擊率只有2.75%，是造成類別4385廣告點擊率低的主要原因。

c.最后按【用戶年齡】來分析

來看看不同年齡段、不同性別的用戶點擊率有什么差異

（年齡字段含義：0:10歲以下、1:10-20歲、2:20-30歲、3:30-40歲、4：40-50歲、5:50-60歲、6：60歲以上）

從統計的數據可以看出，類別4385廣告的商品主要點擊群體是30歲以上男性用戶，尤其是60歲以上男性興趣最高，而女性用戶對這類廣告商品興趣低。
結合a、b的分析，受30歲以上男性歡迎、價格在200-300的商品，推測是西裝、皮鞋類或者煙酒類又或者是家用電器類商品

③ 小結

• 類別6261廣告效果最好，有最高的點擊率、展示數和點擊人數。可以加大對該類別廣告的資源投入，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 計算男女人數比例

男女比例約為：1：1.6

② 計算男女各自的點擊數

男女廣告點擊數的比例約為：1：1.7
因此，總體上女性的點擊數要多于男性，但兩者的點擊率基本一致。

③ 比較各類別廣告點擊率-男女差異

可以看出，大部分類別中，女性的廣告點擊數都要明顯大于男性的點擊人數。
只有類別4385、類別4505，這兩個類別的廣告，男性的點擊人數要超過女性的點擊人數。
男女之間的主要差異是由類型6261的廣告造成的，女性的點擊數大約是男性的4倍。

④ 小結

• 總體上看，女性的廣告點擊人數明顯大于男性，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

不同的用戶群體之間用戶價值與消費習慣具有一定的差異，對于不同用戶群體的廣告投放的策略也不同。通過分析不同用戶群體對廣告點擊率有什么關系，來制定不同的投放策略。

這里的分析通過K-Means算法來對用戶進行聚類，并基于RFM模型來對用戶價值進行劃分。

①用K-Means算法對用戶進行聚類

這里選取用戶的購物層次、廣告點擊率、瀏覽廣告的商品平均價格，這3個指標來作為判斷用戶價值的標準

• 用戶的購物層次——體現用戶在平臺上的持續購物深度
• 廣告點擊率——體現用戶對廣告的接受程度
• 瀏覽廣告的商品平均價格——體現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。

注：三個特征在聚類時都進行了特征的標準化

• 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

因此，我們可以出：群體5對廣告的接受程度最高，非常愿意點擊廣告。群體2更喜好高價格的商品，對購買高價商品抱有極大興趣。

② 用RFM模型對用戶進行劃分

根據用戶在購物深度、點擊率、觀看廣告商品的平均價格3個維度的表現，將用戶劃分為5類客戶。
（1）重要保持用戶

• 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。
• 應優先將廣告資源投放給他們身上，維持這類客戶的點擊率

（2）重要發展用戶

• 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。具有很大的發展潛力
• 應加強與這類用戶的聯系，培養其點擊廣告的習慣，使他們成為高點擊率的用戶

（3）重要挽留用戶

• 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

（4）一般用戶

• 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。

（5）低價值用戶

• 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

根據聚類結果，對應上述五類客戶類型，進行匹配，得到客戶群體的價值排名：

根據結果，我們可以發現5類用戶的分布如圖所示：

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

四、結論和建議

把上述的分析過程中的小結正例出來，得到分析結論，并綜合所有的結論提出建議：