基于python分析广告投放转化情况

置顶

۩ﺴ往后余生ﺴ۩

已于 2022-11-19 17:36:47 修改

阅读量403

点赞数 2

分类专栏： BI报表模型可视化-项目 python 数据挖掘OR分析项目文章标签： python 数据挖掘

于 2022-05-28 13:53:18 首次发布

本文链接：https://blog.csdn.net/weixin_44404350/article/details/124996590

版权

该数据为网上公开脱敏数据，从广告展示到最终付费转化的全过程。

前言

数据来源：
kaggle

广告转化率、付费率、哪些广告转化率高，哪些特征的用户转化率高、哪些广告转化率高但付费率低，进而优化广告的投放策略。

数据分析流程步骤：
1.提出问题–>2.理解数据–>3.清洗数据并建立模型–>结论

一、提出问题

在这里插入图片描述

二、理解数据

在这里插入图片描述

三、清洗数据并建立模型

数据处理流程：
选择子集对应列–>列名重命名–>重复值处理–>空值处理–>一致化处理–>排序–>异常值处理–>特征工程–>建立模型

好的废话不多说，先上结果（这是第一种结果呈现的方式）：

第一种

问题一，转化率是否与性别有关系？

在这里插入图片描述

问题二，转化率是否与年龄段有关？

在这里插入图片描述

问题三，转化率是否与爱好有关？

在这里插入图片描述

问题四，展示次数、点击次数、咨询次数和付费次数的相关性怎样？

在这里插入图片描述

第二种

以下是第二种结果呈现的方式

1.选择子集对应列

import pandas as pd

data = pd.read_csv(r'data.csv',sep=',',header='infer')
# 选择子集（对应列）
choose_column_name= data[['ad_id','age','gender','interest','Impressions','Clicks','Spent','Total_Conversion','Approved_Conversion']]
choose_column_name.head(10)

在这里插入图片描述

2.列名重命名

rename_column = {
   
    "ad_id" : "广告ID",
    "age" : "年龄",
    "gender" : "性别",
    "interest" : "兴趣",
    "Impressions" : "展示次数",
    "Clicks" : "点击次数",
    "Spent" : "花费",
    "Total_Conversion" : "咨询次数",
    "Approved_Conversion" : "付费次数",
}
choose_column_name.rename(columns = rename_column,inplace = True)
choose_column_name.head(10)

在这里插入图片描述

3.重复值处理

choose_column_name.drop_duplicates().count()

在这里插入图片描述
操作后没有发现由重复值。

4.空值处理

choose_column_name.isnull().count()

在这里插入图片描述
没有空值所以不需要处理

5.一致化处理

choose_column_name.dtypes

在这里插入图片描述
类型不用处理

6.排序

choose_column_name.sort_values(by ="花费",ascending = True)

在这里插入图片描述
对花费排序，没有发现异常值

7.异常值处理-看看描述性统计

choose_column_name.describe()

在这里插入图片描述
没有发现类似花费是负数等异常值

8.对兴趣列进行特征提取

interest_df = pd.DataFrame()
interest_df = pd.get_dummies(choose_column_name['兴趣'],prefix = 'interest')
interest_df.head()

在这里插入图片描述

choose_column_name = pd.concat([choose_column_name,interest_df],axis = 1)
choose_column_name.head()

在这里插入图片描述

9.对年龄进行特征提取

age_df = pd.DataFrame()
age_df = pd.get_dummies(choose_column_name['年龄'],prefix = 'Age')
age_df.head()

在这里插入图片描述

choose_column_name = pd.concat([choose_column_name,age_df],axis = 1)
choose_column_name.head()

在这里插入图片描述

10.建立模型

展示次数

# 建立模型
# 展示次数
# choose_column_name["展示次数"].sum()
"{0} {1} {2}".format("展现量：",choose_column_name["展示次数"].sum(),"(次)")
# 点击次数
# choose_column_name["点击次数"].sum()
"{0} {1} {2}".format("点击次数：",choose_column_name["点击次数"].sum(),"(次)")
# 咨询次数
# choose_column_name["咨询次数"].sum()
"{0} {1} {2}".format("咨询次数：",choose_column_name["咨询次数"].sum(),"(次)")
# 付费次数
# choose_column_name["付费次数"].sum()
"{0} {1:d} {2}".format("付费次数：",<