共计 4368 个字符，预计需要花费 11 分钟才能阅读完成。
摘要： 在广告展现数肯定的条件下，点击率的高下就是决定一个广告是否被更多人看到的因素。本文次要针对“点击率”这一因素进行剖析，与大家分享。
在广告展现数肯定的条件下，点击率的高下就是决定一个广告是否被更多人看到的因素。本文次要针对“点击率”这一因素进行剖析，与大家分享。
本文为 Rambo 同学以项目分析的架构，从多维度开展剖析。全文共 4000+ 字，倡议珍藏。
P1 剖析背景及目标
这是一份淘宝平台的广告展现 / 点击数据，本次剖析须要从这些数据中发现某些法则或者异样，进而给经营团队提出倡议。
评估一个广告成果的指标就是广告的点击人数，能够反映一个广告有多少人违心点击查看广告的内容，只有广告被点击，后续转化为购买行为才会产生。
把广告的点击人数指标拆分：
广告点击人数 = 广告展现数 x 点击率
而广告展现数又由广告商品的价格、类别影响；不同人群对不同类别商品有着不同的爱好，从而影响广告的点击率。
在广告展现数肯定的条件下，点击率的高下就是决定一个广告是否被更多人看到的因素。
因而本次剖析就针对【点击率】这一因素进行剖析
P2 剖析思路
从“广告”和“用户”两个角度进行剖析：
1. 广告角度
剖析不同广告的商品价格对点击率的影响
剖析哪些类别的广告点击率更高，哪些类别的点击率低
2. 用户角度
剖析性别和广告点击率有什么关系
联合聚类分析与 RFM 模型剖析用户群体对广告点击率有什么关系
P3 剖析过程
数据荡涤
1、数据概览
原始的数据集中包含三类数据，具体数据对应属性如下：
为了不便剖析，抽取其中的局部字段作为剖析。
从 raw_sample 数据集中抽取：用户 ID、广告 ID、是否点击
从 ad_feature 数据集中抽取：广告 ID、类目 ID、广告商品价格
从 user_profile 数据集中抽取：用户 ID、年龄层、性别、购物档次
2、数据组合
将三张数据表，组合到一张表中
a=raw_sample.merge(right=ad_feature,on=’ad_id’,how=’left’)
b=a.merge(right=user_profile,on=’user_id’,how=’left’)
失去一张记录了用户 - 广告信息表
3、缺失值解决
3.1 源数据中还有许多的缺失值，将性别和年龄层字段中为空值的记录删去
3.2 异样值解决
查看广告商品价格字段的属性值范畴：
还是存在数据值过大的异样值，为了不便剖析对价格字段进行切分，选取更贴近日常生活的价格在 1000 元以内的广告记录进行剖析
切片之后仍保留了 751570 条记录
4、数据字段整合
对于广告商品价格字段，每个广告的商品都有各自的价格，依据价格字段不便于进行统计。新增一个字段“price_class”代表价格的区间。
（0- 价格在 0 -100 元、1-100-200 元、2-200-300 元 …）
联合图表剖析
1、剖析不同广告商品价格对点击率的影响
①将广告商品价格分类
将广告按价格分为 100 元以下、200 元以下、300 元以下等 10 类，并计算不同价格区间中广告的点击率状况。
从图中发现，所有价格区间商品的点击率都在 5% 左右，其中广告商品价格在 100 元以下的广告点击率最高，为 5.92%；
看到价格较低的广告商品点击率更高，咱们个别认为是对价格敏感的浅层用户（收费用户）在这方面的点击率更高，而领有肯定消费行为和生产意识的中层、深层用户（付费用户）则更在意购物时的体验以及商品的品质。
为了验证以上说法，咱们先假如 100 元以内的广告商品次要的点击对象是浅层用户，再通过数据验证。
② 剖析 100 元以内广告商品点击率的用户组成
查看点击了 100 元以内的广告商品的用户的用户组成
从用户散布能够看出，在点击了 100 元以内广告商品的用户中，深度用户的比例更高，占比 81.6%，而浅层用户的占比则绝对少很多。这颠覆了咱们原来的假如。
小结：17 年 5 月 6 日至 17 年 5 月 12 日这 8 天里的广告点击率现实，但因为不足去年同期、往年上月的数据，不足以判断 5% 左右的广告点击率是否是一个失常程度，有待更多数据验证。
高价广告商品点击率更高，且点击用户中绝大多数是深度用户。倡议：能够把这个数据反馈给广告投放部门，在这个区域优先投放广告，既能够对浅层用户进行流量变现又能让广告让更多具备生产志愿的中、深层用户看见。
2、剖析哪些类别的广告点击率更高，哪些类别的点击率低
因为广告的类别数量泛滥，大部分类别的广告只有 1 - 2 次的展现，数据样本太小，因而选取展现数量最多的 7 个类别进行剖析。
① 找出展现数、点击数、点击率最高的广告类别
能够看出类别 6261 广告的展现数、点击数、点击率均为最高，而类别 4385 广告的展现数尽管有 10000+，然而点击数、点击率却是最低的。
② 剖析类别 4385 广告成果最差的起因：
a. 先按【广告商品价格】来剖析计算没有被点击的类别 4385 广告的商品的平均价格
而点击了类别 4385 广告的商品的平均价格为：
两者平均价格都在 200-300 区间、差别不大。联合剖析（1），价格区间在 200-300 的广告商品点击率均匀是在 5.29%，而类别 4385 则只有 3.61%。
这阐明：广告商品价格不是影响类别 4385 广告点击率的因素
b. 再按【性别】来剖析
先来看看类别 4385 被哪些用户看到了
能够看出，类别 4385 的广告，次要是被举荐给了男性用户，而男性用户对这类商品的趣味大于女性。
并且女性对这类商品的广告趣味不高，点击率只有 2.75%，是造成类别 4385 广告点击率低的次要起因。
c. 最初按【用户年龄】来剖析
来看看不同年龄段、不同性别的用户点击率有什么差别
（年龄字段含意：0:10 岁以下、1:10-20 岁、2:20-30 岁、3:30-40 岁、4：40-50 岁、5:50-60 岁、6：60 岁以上）
从统计的数据能够看出，类别 4385 广告的商品次要点击群体是 30 岁以上男性用户，尤其是 60 岁以上男性趣味最高，而女性用户对这类广告商品趣味低。
联合 a、b 的剖析，受 30 岁以上男性欢送、价格在 200-300 的商品，揣测是西装、皮鞋类或者烟酒类又或者是家用电器类商品
③ 小结
类别 6261 广告成果最好，有最高的点击率、展现数和点击人数。能够加大对该类别广告的资源投入，扩充广告推广成果。
类别 4385 广告点击率的起因是，这类商品对女性用户而言兴趣不大，女性用户点击率低，导致了整体的点击率低。能够在该广告的广告词中退出“父亲、爷爷”等宣传词，疏导女性消费者将该类别商品作为一种礼物送给男性用户，从而进步点击率
类别 4385 的次要受众群体是 30 岁以上男性，为了进步点击率能够重点举荐给 30 岁以上男性用户。对于该类别广告商品的受众，能够适当减少产品折扣、升高商品价格，吸引点击广告的用户转换成购买用户
3、剖析性别和广告点击率有什么关系
① 计算男女人数比例
男女比例约为：1：1.6
② 计算男女各自的点击数
男女广告点击数的比例约为：1：1.7
因而，总体上女性的点击数要多于男性，但两者的点击率基本一致。
③ 比拟各类别广告点击率 - 男女差别
能够看出，大部分类别中，女性的广告点击数都要显著大于男性的点击人数。
只有类别 4385、类别 4505，这两个类别的广告，男性的点击人数要超过女性的点击人数。
男女之间的次要差别是由类型 6261 的广告造成的，女性的点击数大概是男性的 4 倍。
④ 小结
总体上看，女性的广告点击人数显著大于男性，但两者的点击率却是差不多的。
类别 4385、4505 广告，男性的点击人数要多于女性。这类广告可能是男士服饰、汽车、烟酒这类商品
4、剖析用户群体对广告点击率有什么关系
不同的用户群体之间用户价值与生产习惯具备肯定的差别，对于不同用户群体的广告投放的策略也不同。通过剖析不同用户群体对广告点击率有什么关系，来制订不同的投放策略。
这里的剖析通过 K -Means 算法来对用户进行聚类，并基于 RFM 模型来对用户价值进行划分。
①用 K -Means 算法对用户进行聚类
这里选取用户的购物档次、广告点击率、浏览广告的商品平均价格，这 3 个指标来作为判断用户价值的规范
用户的购物档次——体现用户在平台上的继续购物深度
广告点击率——体现用户对广告的接受程度
浏览广告的商品平均价格——体现用户通过广告推广能带来的潜在收益
对用户进行聚类分析：
这里将所有用户分成 5 类，来代表用户价值的高下。
注：三个特色在聚类时都进行了特色的标准化
从不同群体的特色散布能够得出：
群体 5 在点击率方面最大
群体 2 在浏览广告的商品平均价格最大
所有群体的用户在购物档次上根本没有差别
因而，咱们能够出：群体 5 对广告的接受程度最高，十分违心点击广告。群体 2 更爱好高价格的商品，对购买高价商品抱有极大趣味。
② 用 RFM 模型对用户进行划分
依据用户在购物深度、点击率、观看广告商品的平均价格 3 个维度的体现，将用户划分为 5 类客户。
（1）重要放弃用户
这类用户有着高点击率，有更大的可能将用户的点击率转换为理论的购买行为。并且喜爱在平台上进行购物，是最现实的客户。
应优先将广告资源投放给他们身上，维持这类客户的点击率
（2）重要倒退用户
这类用户点击率中等、也喜爱在平台上进行购物，并且对广告商品的价格适中。具备很大的发展潜力
应增强与这类用户的分割，造就其点击广告的习惯，使他们成为高点击率的用户
（3）重要挽留用户
这类用户点击率偏低，然而其浏览的广告商品的价格很高，对该类用户进行挽回，能进步广告转化为理论购买行为的价值
应增强与这类用户的互动，缩短这类用户的生命周期
（4）个别用户
这类用户点击率低，浏览广告的商品价格适中。这类用户没有点击广告的习惯，偶然点击广告的商品价格也不高
应尝试投放多种类型的广告给这类用户，察看是否能找到用户感兴趣的广告商品类型，进而进步点击率。
（5）低价值用户
这类用户点击率低，浏览广告商品价格低，属于平台的收费用户，用户价值较低
依据聚类后果，对应上述五类客户类型，进行匹配，失去客户群体的价值排名：
依据后果，咱们能够发现 5 类用户的散布如图所示：
能够看出：最有价值的 3 类用户占比约为 20%。这 20% 的用户必然奉献了广告点击率的绝大部分，平台如果心愿广告成果好，就须要投入资源服务好这部分用户
个别用户、低价值用户仍为平台用户的主体，对于这类用户须要通过经营 / 营销策略，进步他们的活跃度 / 点击率，争取将他们转换成重要的用户。
③ 小结
重要用户占比 20%，对于群体 1、2、5 里的用户，应针对用户特点，定向推送广告，在高点击率的同时，争取进一步提高广告的转化率，将点击落实为购买。
其余用户占比 80%，对于群体 3、4 的用户，应推送多种类型的广告给这类用户，寻找用户对哪类广告的商品更感兴趣，并能够通过相应促销流动，进步其活跃度和广告点击率，争取将这类用户转换为重要用户
P4 论断和倡议
把上述的剖析过程中的小结正例进去，失去剖析论断，并综合所有的论断提出倡议：
剖析报告到此，点击关注，第一工夫理解华为云陈腐技术~
