广告计费 设计 mysql_基于MySQL实现广告精准投放

数据集

user_profile.csv.tar.gz

ad_feature.csv.tar.gz

raw_sample.csv.tar.gz

数据理解

ad_feature.csv.tar.gz：广告的基本信息，包含广告id的基本信息

user_profile.csv.tar.gz：用户基本信息表格，包含位用户信息

raw_sample.csv.tar.gz：样本人群点击记录表格，包含条点击记录

数据预处理

1. 导入数据

创建用户基本信息表：user_info

创建用户点击信息表：user_click_record

创建广告基本信息表：ad_info

1.用户基本信息表：

select * from user_info limit 20;

#用户基本信息总条数：

select count(*) as ‘用户基本信息条数’ from user_info;

2. 用户点击信息表

select * from user_click_record limit 20;

#用户点击信息总条数：

select count(*) as ‘用户点击信息条数’ from user_click_record;

#用户是否点击信息：

Select count(*) from user_click_record where clk = 1;

3.广告基本信息：

select * from ad_info limit 20;

#广告基本信息总条数：

select count(*) as ‘广告基本信息条数’ from ad_info;

2. 特征提取

选择广告点击最高的广告数据进行分析：

由上面的查询用户点击记录表的广告点击量检索非常耗时，因此我们筛选出表中广告id为：710164的记录，并将其存储到新建表new_user_click_record中。

新建表：

将筛选的结果存储在该表中：

查询结果：

数据分析与可视化图表制作

1.创建可视化图表：

内联接关联user_info表和new_user_click_record表，通过探索各维度特征与当前维度下展现量和点击率之间的关系，分析用户心理与行为。

CREATE VIEW 视图(人群分析) AS

SELECT new_user_click_record.`用户id`,

from_unixtime(new_user_click_record.`时间戳`,‘%Y-%m-%d‘) AS ‘点击日期‘,

from_unixtime(new_user_click_record.`时间戳`,‘%k：%i：%s‘) AS ‘点击时间‘,

new_user_click_record.`资源位`,

new_user_click_record.nonclk,

new_user_click_record.clk,

user_info.`城市层次`,

user_info.`年龄层次`,

user_info.`性别`,

user_info.`消费档次`,

user_info.`是否为大学生`,

user_info.`购物深度`

FROM new_user_click_record,user_info

WHERE user_info.`用户id`= new_user_click_record.`用户id`;

2.  分析不同资源位点击率

select 视图(人群分析.资源位),

count(*) as 展现量,

sum(clk) as 点击数,

CONCAT(Round(sum(clk)/ count(*)*100, 2),‘%‘) as ‘点击率‘FROM 人群分析.资源位

GROUP BY 资源位

order by 点击率 desc;

由分析结果可知，两个资源位点击率差异较少，虽然资源位430539点击率略高一点，但是展现量却不如另一资源位。运营人员应根据推广目的对曝光度以及点击率做合理的权衡。

3. 多维度分析不同投放时间点击率

3.1 每日各时间段点击率分析

SELECT `视图(人群分析)`.`点击时间`,

COUNT(*) AS 展现量,

SUM(`视图(人群分析)`.clk) AS 点击数,

ROUND(SUM(`视图(人群分析)`.clk)/COUNT(*)*100 ,2) AS 点击率,

CONCAT(ROUND(SUM(`视图(人群分析)`.clk)/COUNT(*)*100 ,2),‘%‘)AS 点击率1from`视图(人群分析)`

GROUP BY `视图(人群分析)`.`点击时间`

ORDER BY 点击率 DESC;

展示结果如图所示：

由以上数据图表分析，得出以下结论：

a、 展现量从早上9点开始活跃至晚上十点达到高峰，与人们日常作息时间相对应。

b、 在展现量达到一定体量的基础上，每日的上午10点、下午3点的点击率出现了小高峰。

c、 深夜1-2点点击率升高接近13%,推测原因，一方面可能近期商家做活动抢购，另一方面夜深之时，一天忙碌后临睡前用户会有购物的欲望。

3.2  每周各天点击率分析：

SELECT DATE_FORMAT(`视图(人群分析)`.`点击日期时间`,‘%w‘) AS 周数,

COUNT(*) AS 展现量,

SUM(`视图(人群分析)`.clk) AS 点击数,

ROUND(SUM(`视图(人群分析)`.clk)/COUNT(*)*100 ,2) AS 点击率,

CONCAT(ROUND(SUM(`视图(人群分析)`.clk)/COUNT(*)*100 ,2),‘%‘)AS 点击率1from`视图(人群分析)`

GROUP BY DATE_FORMAT(`视图(人群分析)`.`点击日期时间`,‘%w‘)

ORDER BY 点击率 DESC;

展示结果如下图所示：

分析总结：由图可知道5月6号周六到周一的点击率偏高，展现量也处于不错的水平，而到了下个周六展现量与点击率均有所下降，这可能与下个星期天即将到来的母亲节相关。运营人员可以根据对应节气上线一些具有节日特色的商品。

4 多维度分析各人群点击率

4.1 各年龄层次人群点击率分析

SELECT `视图(人群分析)`.`年龄层次`,

COUNT(*) AS 展现量,

SUM(`视图(人群分析)`.clk) AS 点击数,

CONCAT(ROUND(SUM(`视图(人群分析)`.clk)/COUNT(*)*100 ,2),‘%‘)AS 点击率from`视图(人群分析)`

GROUP BY `视图(人群分析)`.`年龄层次`

ORDER BY 点击率 DESC;

其分布图如下图所示：

由图可知，年龄层次1、2、5对于点击率偏高，年龄层次2和3展现量处于不错水平，可推断现今青少年仍是消费主体。

4.2  各消费档次人群点击率分析

SELECT `视图(人群分析)`.`消费档次`,

CASE WHEN `视图(人群分析)`.`消费档次`=1 THEN "低档"WHEN `视图(人群分析)`.`消费档次`=2 THEN "中档"WHEN `视图(人群分析)`.`消费档次`=3 THEN "高档"ELSE"未分类"END AS `实际消费档次`,

COUNT(*) AS 展现量,

SUM(`视图(人群分析)`.clk) AS 点击数,

CONCAT(ROUND(SUM(`视图(人群分析)`.clk)/COUNT(*)*100 ,2),‘%‘)AS 点击率from`视图(人群分析)`

GROUP BY `视图(人群分析)`.`消费档次`

ORDER BY 点击率 DESC;

其分布结果如下图所示：

由图表分析可知，高档人群展现量仅有883，且点击率也偏低，推测是由于产品109的单价，不符合高档人群购物需求，推广时候应该注意剔除此类人群。

4.3 各个购物深度人群点击率分析

SELECT `视图(人群分析)`.`购物深度`,

CASE WHEN `视图(人群分析)`.`购物深度`=1 THEN "浅层用户"WHEN `视图(人群分析)`.`购物深度`=2 THEN "中度用户"WHEN `视图(人群分析)`.`购物深度`=3 THEN "深度用户"ELSE"未分类"END AS `实际购物深度`,

COUNT(*) AS 展现量,

SUM(`视图(人群分析)`.clk) AS 点击数,

CONCAT(ROUND(SUM(`视图(人群分析)`.clk)/COUNT(*)*100 ,2),‘%‘)AS 点击率from`视图(人群分析)`

GROUP BY `视图(人群分析)`.`购物深度`

ORDER BY 点击率 DESC;

其分布结果如下图所示：

由图表分析可知，用户购物深度对于点击率影响不大。但是深度用户在展现量占据90%以上，点击率仍有9.45%，该人群点击率比较稳定。

4.4  各职位(是否大学生)人群点击率分析：

SELECT `视图(人群分析)`.`是否大学生`,

CASE WHEN `视图(人群分析)`.`是否大学生`=1 THEN "是"WHEN `视图(人群分析)`.`是否大学生`=0 THEN "否"ELSE"未分类"END AS `实际职位(是否大学生)`,

COUNT(*) AS 展现量,

SUM(`视图(人群分析)`.clk) AS 点击数,

CONCAT(ROUND(SUM(`视图(人群分析)`.clk)/COUNT(*)*100 ,2),‘%‘)AS 点击率from`视图(人群分析)`

GROUP BY `视图(人群分析)`.`是否大学生`

ORDER BY 点击率 DESC;

分析可知，用户的职位对于是否是大学生影响不大，分析商品单价109，属于平价款，接受程度较高

4.5  各城市层级人群点击率分析

SELECT `视图(人群分析)`.`城市层级`,

COUNT(*) AS 展现量,

SUM(`视图(人群分析)`.clk) AS 点击数,

CONCAT(ROUND(SUM(`视图(人群分析)`.clk)/COUNT(*)*100 ,2),‘%‘)AS 点击率from`视图(人群分析)`

GROUP BY `视图(人群分析)`.`城市层级`

ORDER BY 点击率 DESC；

其分布结果如下图所示：

由图表分析可知，第1层级点击率较低，第4层级展现量也比较低，处于中间第2层级展现量以及点击率都很高，消费人群与所在城市繁华程度以及人数有关。

4.6  不同性别人群点击率分析：

SELECT `视图(人群分析)`.`性别`,

COUNT(*) AS 展现量,

SUM(`视图(人群分析)`.clk) AS 点击数,

CONCAT(ROUND(SUM(`视图(人群分析)`.clk)/COUNT(*)*100 ,2),‘%‘)AS 点击率from`视图(人群分析)`

GROUP BY `视图(人群分析)`.`性别`

ORDER BY 点击率 DESC;

分析可得，女性远比男性展现量的点击率高，故运营人员可以多推荐一些女性相关的产品。

总结与建议

产品分析：商品价格是109，在对应类目这个价格是普通价位，受众较多。对应广告的展现量以及点击量也处于较高的水平。

广告资源位分析：产品在两个资源位点击率并无较大差别。

广告投放时间分析：每天上午10点左右，下午3点左右点击率较高，也与商家促销活动、节假日时间等因素相关。可以根据推广需求，及转化率对于这几个时间区间设置溢价，提高该时段的展现，提高整个计划的点击率。

投放人群分析：由分析可知，广告对于购物深度，以及是否是学生人群的特性不敏感。对于城市层级，年龄层次，消费档次人群特性比较敏感，研究产品本身特点，推测产品主要消费人群是年龄处于1-2层级，消费能力一般，且处于社会中层的群体。

基于MySQL实现广告精准投放

标签：深度   学生   sam   青少年   比较   每日   新建   制作   特性

本条技术文章来源于互联网，如果无意侵犯您的权益请点击此处反馈版权投诉

本文系统来源：https://www.cnblogs.com/colin1314/p/11228962.html