淘宝广告数据分析实战！（附代码和100W数据源）

在广告展示数一定的条件下，点击率的高低就是决定一个广告能否被更多人看到的因素。本文主要针对“点击率”这一因素进行分析，与大家分享。

本文为Rambo同学原创投稿，以项目分析的架构，从多维度展开分析。全文共4000+字，建议收藏。

相关数据源和代码已经打包整理好，后台回复“广告数据“即可获取。

P1  分析背景及目的

这是一份淘宝平台的广告展示/点击数据，本次分析需要从这些数据中发现某些规律或者异常，进而给运营团队提出建议。

评价一个广告效果的指标就是广告的点击人数，可以反映一个广告有多少人愿意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发生。

把广告的点击人数指标拆分：

广告点击人数=广告展示数 x 点击率

而广告展示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喜好，从而影响广告的点击率。

在广告展示数一定的条件下，点击率的高低就是决定一个广告能否被更多人看到的因素。

因此本次分析就针对【点击率】这一因素进行分析

P2  分析思路

从“广告”和“用户”两个角度进行分析：

1.广告角度

---

• 分析不同广告的商品价格对点击率的影响

• 分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

• 分析性别和广告点击率有什么关系

• 结合聚类分析与RFM模型分析用户群体对广告点击率有什么关系

P3  分析过程

  数据清洗

---

1、数据概览

原始的数据集中包括三类数据，具体数据对应属性如下：

为了方便分析，抽取其中的部分字段作为分析。
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、购物层次

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')

得到一张记录了用户-广告信息表

3、缺失值处理

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 异常值处理
查看广告商品价格字段的属性值范围：