Python-K-Means聚类分析广告效果

Step 0. 项目介绍

本案例的业务场景：
假如你们公司投放广告的渠道很多，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。

本案例，通过各类广告渠道90天内额日均UV，平均注册率、平均搜索率、访问深度、平均停留时长、订单转化率、投放时间、素材类型、广告类型、合作方式、广告尺寸和广告卖点等特征，将渠道分类，找出每类渠道的重点特征，为加下来的业务讨论和数据分析提供支持。

Step 1. 导入模块

In [23]:

import pandas as pd
import numpy as np 
import plotly.graph_objects as go
import plotly.express as px

from sklearn.preprocessing import MinMaxScaler,OneHotEncoder 
from sklearn.metrics import silhouette_score # 导入轮廓系数指标
from sklearn.cluster import KMeans # KMeans模块

import warnings
from pandas.core.common import SettingWithCopyWarning

warnings.filterwarnings('ignore', category=SettingWithCopyWarning)

Step 2. 数据概览

In [3]:

raw_data = pd.read_csv(r'/home/kesci/input/guanggao2482/ad_performance.csv')
raw_data.head()

Out[3]:

	Unnamed: 0	渠道代号	日均UV	平均注册率	平均搜索量	访问深度	平均停留时间	订单转化率	投放总时间	素材类型	广告类型	合作方式	广告尺寸	广告卖点
0	0	A203	3.69	0.0071	0.0214	2.3071	419.77	0.0258	20	jpg	banner	roi	140*40	打折
1	1	A387	178.70	0.0040	0.0324	2.0489	157.94	0.0030	19	jpg	banner	cpc	140*40	满减
2	2	A388	91.77	0.0022	0.0530	1.8771	357.93	0.0026	4	jpg	banner	cpc	140*40	满减
3	3	A389	1.09	0.0074	0.3382	4.2426	364.07	0.0153	10	jpg	banner	cpc	140*40	满减
4	4	A390	3.37	0.0028	0.1740	2.1934	313.34	0.0007	30	jpg	banner	cpc	140*40	满减

In [27]:

print("——" * 10)
print('数据集存在重复值个数：')
print(raw_data.duplicated().sum())
print("——" * 10)
print('数据集缺失值情况：')
print(raw_data.isna().sum())
print("——" * 10)
print('数据集各字段类型：')
print(raw_data.dtypes)
print("——" * 10)
print('数据总体概览：')
print(raw_data.info())

————————————————————
数据集存在重复值个数：
0
————————————————————
数据集缺失值情况：
渠道代号      0
日均UV      0
平均注册率     0
平均搜索量     0
访问深度      0
平均停留时间    2
订单转化率     0
投放总时间     0
素材类型      0
广告类型      0
合作方式      0
广告尺寸      0
广告卖点      0
dtype: int64
————————————————————
数据集各字段类型：
渠道代号       object
日均UV      float64
平均注册率     float64
平均搜索量     float64
访问深度      float64
平均停留时间    float64
订单转化率     float64
投放总时间       int64
素材类型       object
广告类型       object
合作方式       object
广告尺寸       object
广告卖点       object
dtype: object
————————————————————
数据总体概览：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 889 entries, 0 to 888
Data columns (total 13 columns):
渠道代号      889 non-null object
日均UV      889 non-null float64
平均注册率     889 non-null float64
平均搜索量     889 non-null float64
访问深度      889 non-null float64
平均停留时间    887 non-null float64
订单转化率     889 non-null float64
投放总时间     889 non-null int64
素材类型      889 non-null object
广告类型      889 non-null object
合作方式      889 non-null object
广告尺寸      889 non-null object
广告卖点      889 non-null object
dtypes: float64(6), int64(1), object(6)
memory usage: 90.4+ KB
None

数据维度概况
除了渠道唯一标识，共12个维度，889行，有缺失值，有异常值。

数据13个维度介绍
1、渠道代号：渠道唯一标识
2、日均UV：每天的独立访问量
3、平均注册率=日均注册用户数/平均每日访问量
4、平均搜索量：每个访问的搜索量
5、访问深度：总页面浏览量/平均每天的访问量