分析各渠道广告，建立评分模型以及找到优质渠道的特性

最新推荐文章于 2023-12-05 01:14:23 发布

今天我有更博学吗？

最新推荐文章于 2023-12-05 01:14:23 发布

阅读量1.4k

点赞数 1

分类专栏：学习数据分析 python 文章标签：数据分析 python

本文链接：https://blog.csdn.net/LYY1045691954/article/details/111145929

版权

本文通过分析多个广告渠道的效果数据，采用加权评分法评估渠道质量，发现平均停留时间和访问深度相关性高，需考虑合并或删除其中一个。优质渠道主要特征包括：素材类型为jpg、广告类型为横幅、合作方式中ROI占比增加。A859和A756渠道表现优秀，适合增加投放。同时，广告类型为“不确定”的情况需明确，gif、暂停类型的广告与访问深度相关性强。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

官方描述

公司近三个月(30天)大力投放广告，累计投放的渠道有889，每个渠道的客户性质也可能不同，比如在优酷视频投广告和今日头条投放广告，效果可能会有差异。现在需要对广告效果分析实现有针对性的广告效果测量和优化工作。

一、观察数据

在这里插入图片描述

平均停留时长有两个空值，我们找到这两个空值

两个渠道都有日均UV，平均停留时间不太可能为0。并且两个渠道的素材类型、广告类型、合作方式、广告卖点相同，用相同广告属性的平均数去弥补。

同时我们能根据平均数、四分位数推测，结果数据呈现偏态分布，有许多异常值，做直方图和箱线图查看。

在这里插入图片描述
实现代码：

fig, axes = plt.subplots(2,6,figsize=(20,8))
result_type=ad.columns.tolist()[1:7]
result_type
for i in range(len(result_type)):
    sns.distplot(ad[result_type[i]],norm_hist=True,ax=axes[0][i])
    axes[0][i].axvline(x=ad[result_type[i]].mean(), color = 'red',linestyle=":")
    sns.boxplot(ad[result_type[i]],ax=axes[1][i])
plt.tight_layout()

在这里插入图片描述

二、提出问题以及实现方法

2.1 哪个渠道综合结果数据较优质

重点关注顺序应该是渠道给公司带来的：
收益效果（订单转化率）
新用户效果（平均注册率）
访问效果（日均UV、平均搜索率、访问深度、平均停留时长）

这里用加权评分法对这几个结果数据进行评分

2.1.1 排除有相关性的数据

corr = ad.corr().round(2)
mask = np.zeros_like(corr)
mask[np

最低0.47元/天解锁文章