資料案例-藍米手機的精準廣告營銷

背景介紹：假設我是大米手機的資料分析師大傅，今天收到市場營運小旋同學的春節投放需求，在大米平台的DMP投放展示廣告，做促銷藍米手機活動，投放預算是100萬，同時悄悄告訴我，如果投放ROI超過2，她們市場營運總監設立獎勵金額為（n-2）*1萬的獎金。大傅是如何選取目标人群做精準廣告投放呢？

1. 廣告資料和資料估算

100w的投放，ROI為2的時候，目标銷售額為100w*2=200w，藍米手機的單價是2k元，目标銷售量200w/2k=1k台，大傅的目标就是找到購買這1k台手機的潛在消費群體。

用曆史資料檢驗ROI

曆史展示價格CPM為100，則可購買的展示PV約為100w*1k/100=1000w次

曆史點選率CRT是2%，則預測點選為1000w*2%=5w次

曆史購買轉換率是0.5%，則預測購買為5w* 0.5%=1k台，剛好滿足，市場營運果然是老江湖呀！

估算人群規模

需要産出的多大的人群規模，來支援1000w次展示PV呢？

了解投放期為25天，則平均日展示PV為1000w/25=40w

曆史競價勝出率為40%，則預測日展示PV為40w/40%=100w

曆史PU/UV比為2，則預測日UV為 100w/2=50w

曆史人群日曝光率25%，則預測人群規模為50w/25%=200w，需要每天産出100w的目标人群用于廣告投放。

2. 訂單資料和市場分析

競争對手分析

通過在大米商城上的曆史訂單資料，分析出藍米手機的主要消費人群特征和定位，然後分析出同等價格定位和細分消費人群定位的競争機型，發現主要的競争對手是頻果的藍果手機和華力的藍力手機

細分市場分析

觀察最近三個月市場銷售份額如下

頻果的藍果市場佔有率35%

華力的藍力25%

大米的藍米20%

觀察最近一個月的日銷量資料

近期藍米手機的平均銷量為10台，最好銷量為20台，銷量波動走勢略有下降

近期藍果+藍力的平均銷量量為30台，最好銷量量為80台，銷量比較穩定

從細分市場容量來看要在25天内賣出1k台，日均銷售40台，還是非常有挑戰的，但值得嘗試一下！

3. 行為資料和特征提取

擷取店鋪中的行為

藍果直營店的浏覽、加車、收藏和訂單資料

華力直營店的浏覽、加車、收藏和訂單資料

大米直營店的浏覽、加車、收藏和訂單資料

擷取品牌上的行為

頻果的商品的浏覽、加車、收藏和訂單資料

華力的商品的浏覽、加車、收藏和訂單資料

大米的商品的浏覽、加車、收藏和訂單資料

擷取細分市場上的行為

中高端智能手機的浏覽、加車、收藏和訂單資料

擷取關聯品牌和品類上的行為

通過關聯分析，找到和藍米手機高度相關的品牌或品類，擷取使用者在這些商品或品類上的行為

JBL音響的浏覽、加車、收藏和訂單資料

Moto藍牙耳機的浏覽、加車、收藏和訂單資料

準備資料和打标

以17天為一個周期，以前14天的資料作為訓練集合，後3天的資料作為驗證集合。訓練出來的模型就是用過去14天的資料，預測後3天最有可能買藍米的人群。從曆史資料中提取最近三個月的資料，将有購買行為的人打标記，購買了标記為正例，沒有購買标記為反例。

準備特征

添加屬性特征，如性别，年齡，居住地，消費能力等

參考RFM模型添加行為特征，比如：統計前1天，2天，3天，5天，7天，14天的中使用者在XXX的YY行為次數

參考TS模型添加行為序列特征，比如：标記使用者在XXX1的YY1行為後2天在XXX2的YY2行為

4. 模型訓練

選擇GBDT算法訓練模型，目标是産出100w的最有可能買藍米手機的人群

發現召回率偏低

将17天的行為資料周期擴充到31天

引入更多的關聯品牌和品類的行為，優化模型的召回達到100w

發現精确度偏低

用因素分析找到主要特征，引入更多的相關特征，在保證召回基數的前提下優化模型的精确度

嘗試新的模型

将模型訓練的目标調整為幾組目标人群，很有可能購買藍米手機的20w人群A，有可能購買中高端智能手機的100w人群B，最有可能購買藍果手機的5w人群C，最有可能購買藍力手機的5w人群D，則投放目标人群是人群A+（人群B-人群A-人群C-人群D）

投放測試

用小批量的投放測試目标人群的效果不錯，好期待春節的正式投放效果，還真的有點惦記ROI>2的獎金。