广告投放效果分析

广告投放效果分析

一、分析背景和目的

在大数据时代的背景下，广告主可以购买媒介变成直接购买用户，广告的精准投放对广告主、服务平台与潜在用户而言，在提升效率与商业效益方面，有了更迫切的需求，然而网络广告形式多样，很多广告投放系统相对缺乏针对性，使得网络广告精准度不够高，因此，对推广数据的研究是十分必要的。所有本次项目将从用户特征，投放时间，投放位置以及高点击率广告的特征等方面多维度进行数据分析，以提高用户点击率，实现淘宝展示广告精准投放，实现广告投放效果最大。

注意：本文是博主自主探索数据分析的记录和总结，有些方法和结论会存在错误，希望对你学习有帮助的话我很高兴，但是有问题的话希望给小弟批评和指正。

本文使用的数据工具为mysql 和 tableau

二、数据集

数据来源阿里天池，数据集

数据名称	说明	属性
raw_sample	原始样本骨架	用户id，广告id，时间，资源位，是否点击
ad_feature	广告的基本信息	广告id，广告计划id，类目id，品牌id
user_profile	用户的基本信息	用户id，年龄层，性别等
raw_behavior	用户的行为日志	用户id，行为类型，时间，商品类目id，品牌id

具体字段如图：

三、分析框架和思路

对于衡量广告投放效果有三种模式：

对于cpc模式，点击率 = 点击量 / 展示量，可以使用点击量衡量投放效果，对于品牌来说，是根据点击量来进行付费的，点击率则可以体现广告的吸引力。

对于cpa模式，可以构建两个漏斗，即浏览—收藏—购买，浏览—加入购物车—购买，观察转换率可以衡量投放效果。

四、数据预处理

1. 原数据集太大，为了方便分析，在raw_sample数据集中截取300w条数据
2. 数据缺失值处理，如果出现缺失，将缺失的行删除即可（简单方法）

select count(user_id),count(adgroup_id),count(time_stamp),count(pid),count(noclk),count(clk)
from raw_sample;

在 user_profile 数据中 pvalue_level 字段缺失率高达53.1%，这里可以使用knn算法进行预测填充 (我比较菜，先直接忽略，后续学习python之后进行补充），而 new_user_class_level 字段的缺失率也有27.4%，可以使用众数进行补充。

3. 数据重复值处理

select user_id, adgroup_id, time_stamp, pid, noclk, clk
from raw_sample
group by user_id, adgroup_id, time_stamp, pid, nonclk, clk
having count(user_id) >1;

4. 数据异常值，比如有无超出时间范围
5. 时间处理，将时间戳分解为日期和时间

alter table raw_sample add time_date varchar(20);
alter table raw_sample add time_hour varchar(20);
update raw_sample set time_date =