摘要：在廣告展示數一定的條件下，點選率的高低就是決定一個廣告能否被更多人看到的因素。本文主要針對“點選率”這一因素進行分析，與大家分享。
在廣告展示數一定的條件下，點選率的高低就是決定一個廣告能否被更多人看到的因素。本文主要針對“點選率”這一因素進行分析，與大家分享。
本文為Rambo同學以項目分析的架構，從多元度展開分析。全文共4000+字，建議收藏。
P1 分析背景及目的
這是一份淘寶平台的廣告展示/點選資料，本次分析需要從這些資料中發現某些規律或者異常，進而給營運團隊提出建議。
評價一個廣告效果的名額就是廣告的點選人數，可以反映一個廣告有多少人願意點選檢視廣告的内容，隻有廣告被點選，後續轉化為購買行為才會發生。
把廣告的點選人數名額拆分：
廣告點選人數=廣告展示數 x 點選率
而廣告展示數又由廣告商品的價格、類别影響；不同人群對不同類别商品有着不同的喜好，進而影響廣告的點選率。
在廣告展示數一定的條件下，點選率的高低就是決定一個廣告能否被更多人看到的因素。
是以本次分析就針對【點選率】這一因素進行分析
P2 分析思路
從“廣告”和“使用者”兩個角度進行分析：
1.廣告角度
分析不同廣告的商品價格對點選率的影響
分析哪些類别的廣告點選率更高，哪些類别的點選率低
2.使用者角度
分析性别和廣告點選率有什麼關系
結合聚類分析與RFM模型分析使用者群體對廣告點選率有什麼關系
P3 分析過程
資料清洗
1、資料概覽
原始的資料集中包括三類資料，具體資料對應屬性如下：
為了友善分析，抽取其中的部分字段作為分析。
從raw_sample資料集中抽取：使用者ID、廣告ID、是否點選
從ad_feature資料集中抽取：廣告ID、類目ID、廣告商品價格
從user_profile資料集中抽取：使用者ID、年齡層、性别、購物層次
2、資料組合
将三張資料表，組合到一張表中
a=raw_sample.merge(right=ad_feature,on='ad_id',how='left')
b=a.merge(right=user_profile,on='user_id',how='left')
得到一張記錄了使用者-廣告資訊表
3、缺失值處理
3.1 源資料中還有許多的缺失值，将性别和年齡層字段中為空值的記錄删去
3.2 異常值處理
檢視廣告商品價格字段的屬性值範圍：
還是存在資料值過大的異常值，為了友善分析對價格字段進行切分，選取更貼近日常生活的價格在1000元以内的廣告記錄進行分析
切片之後仍保留了751570條記錄
4、資料字段整合
對于廣告商品價格字段，每個廣告的商品都有各自的價格，根據價格字段不便于進行統計。新增一個字段“price_class”代表價格的區間。
（0-價格在0-100元、1-100-200元、2-200-300元...）
結合圖表分析
1、分析不同廣告商品價格對點選率的影響
①将廣告商品價格分類
将廣告按價格分為100元以下、200元以下、300元以下等10類，并計算不同價格區間中廣告的點選率情況。
從圖中發現，所有價格區間商品的點選率都在5%左右，其中廣告商品價格在100元以下的廣告點選率最高，為5.92%；
看到價格較低的廣告商品點選率更高，我們一般認為是對價格敏感的淺層使用者（免費使用者）在這方面的點選率更高，而擁有一定消費行為和消費意識的中層、深層使用者（付費使用者）則更在意購物時的體驗以及商品的品質。
為了驗證以上說法，我們先假設100元以内的廣告商品主要的點選對象是淺層使用者，再通過資料驗證。
② 分析100元以内廣告商品點選率的使用者組成
檢視點選了100元以内的廣告商品的使用者的使用者組成
從使用者分布可以看出，在點選了100元以内廣告商品的使用者中，深度使用者的比例更高，占比81.6%，而淺層使用者的占比則相對少很多。這推翻了我們原來的假設。
小結：17年5月6日至17年5月12日這8天裡的廣告點選率理想，但由于缺乏去年同期、今年上月的資料，不足以判斷5%左右的廣告點選率是否是一個正常水準，有待更多資料驗證。
低價廣告商品點選率更高，且點選使用者中絕大多數是深度使用者。建議：可以把這個資料反應給廣告投放部門，在這個區域優先投放廣告，既可以對淺層使用者進行流量變現又能讓廣告讓更多具有消費意願的中、深層使用者看見。
2、分析哪些類别的廣告點選率更高，哪些類别的點選率低
由于廣告的類别數量衆多，大部分類别的廣告隻有1-2次的展示，資料樣本太小，是以選取展示數量最多的7個類别進行分析。
① 找出展示數、點選數、點選率最高的廣告類别
可以看出類别6261廣告的展示數、點選數、點選率均為最高，而類别4385廣告的展示數雖然有10000+，但是點選數、點選率卻是最低的。
② 分析類别4385廣告效果最差的原因：
a.先按【廣告商品價格】來分析計算沒有被點選的類别4385廣告的商品的平均價格
而點選了類别4385廣告的商品的平均價格為：
兩者平均價格都在200-300區間、差異不大。結合分析（1），價格區間在200-300的廣告商品點選率平均是在5.29%，而類别4385則隻有3.61%。
這說明：廣告商品價格不是影響類别4385廣告點選率的因素
b.再按【性别】來分析
先來看看類别4385被哪些使用者看到了
可以看出，類别4385的廣告，主要是被推薦給了男性使用者，而男性使用者對這類商品的興趣大于女性。
并且女性對這類商品的廣告興趣不高，點選率隻有2.75%，是造成類别4385廣告點選率低的主要原因。
c.最後按【使用者年齡】來分析
來看看不同年齡段、不同性别的使用者點選率有什麼差異
（年齡字段含義：0:10歲以下、1:10-20歲、2:20-30歲、3:30-40歲、4：40-50歲、5:50-60歲、6：60歲以上）
從統計的資料可以看出，類别4385廣告的商品主要點選群體是30歲以上男性使用者，尤其是60歲以上男性興趣最高，而女性使用者對這類廣告商品興趣低。
結合a、b的分析，受30歲以上男性歡迎、價格在200-300的商品，推測是西裝、皮鞋類或者煙酒類又或者是家用電器類商品
③ 小結
類别6261廣告效果最好，有最高的點選率、展示數和點選人數。可以加大對該類别廣告的資源投入，擴大廣告推廣效果。
類别4385廣告點選率的原因是，這類商品對女性使用者而言興趣不大，女性使用者點選率低，導緻了整體的點選率低。可以在該廣告的廣告詞中加入“父親、爺爺”等宣傳詞，引導女性消費者将該類别商品作為一種禮物送給男性使用者，進而提高點選率
類别4385的主要閱聽人群體是30歲以上男性，為了提高點選率可以重點推薦給30歲以上男性使用者。對于該類别廣告商品的閱聽人，可以适當增加産品折扣、降低商品價格，吸引點選廣告的使用者轉換成購買使用者
3、分析性别和廣告點選率有什麼關系
① 計算男女人數比例
男女比例約為：1：1.6
② 計算男女各自的點選數
男女廣告點選數的比例約為：1：1.7
是以，總體上女性的點選數要多于男性，但兩者的點選率基本一緻。
③ 比較各類别廣告點選率-男女差異
可以看出，大部分類别中，女性的廣告點選數都要明顯大于男性的點選人數。
隻有類别4385、類别4505，這兩個類别的廣告，男性的點選人數要超過女性的點選人數。
男女之間的主要差異是由類型6261的廣告造成的，女性的點選數大約是男性的4倍。
④ 小結
總體上看，女性的廣告點選人數明顯大于男性，但兩者的點選率卻是差不多的。
類别4385、4505廣告，男性的點選人數要多于女性。這類廣告可能是男士服飾、汽車、煙酒這類商品
4、分析使用者群體對廣告點選率有什麼關系
不同的使用者群體之間使用者價值與消費習慣具有一定的差異，對于不同使用者群體的廣告投放的政策也不同。通過分析不同使用者群體對廣告點選率有什麼關系，來制定不同的投放政策。
這裡的分析通過K-Means算法來對使用者進行聚類，并基于RFM模型來對使用者價值進行劃分。
①用K-Means算法對使用者進行聚類
這裡選取使用者的購物層次、廣告點選率、浏覽廣告的商品平均價格，這3個名額來作為判斷使用者價值的标準
使用者的購物層次——展現使用者在平台上的持續購物深度
廣告點選率——展現使用者對廣告的接受程度
浏覽廣告的商品平均價格——展現使用者通過廣告推廣能帶來的潛在收益
對使用者進行聚類分析：
這裡将所有使用者分成5類，來代表使用者價值的高低。
注：三個特征在聚類時都進行了特征的标準化
從不同群體的特征分布可以得出：
群體5在點選率方面最大
群體2在浏覽廣告的商品平均價格最大
所有群體的使用者在購物層次上基本沒有差異
是以，我們可以出：群體5對廣告的接受程度最高，非常願意點選廣告。群體2更喜好高價格的商品，對購買高價商品抱有極大興趣。
② 用RFM模型對使用者進行劃分
根據使用者在購物深度、點選率、觀看廣告商品的平均價格3個次元的表現，将使用者劃分為5類客戶。
（1）重要保持使用者
這類使用者有着高點選率，有更大的可能将使用者的點選率轉換為實際的購買行為。并且喜歡在平台上進行購物，是最理想的客戶。
應優先将廣告資源投放給他們身上，維持這類客戶的點選率
（2）重要發展使用者
這類使用者點選率中等、也喜歡在平台上進行購物，并且對廣告商品的價格适中。具有很大的發展潛力
應加強與這類使用者的聯系，培養其點選廣告的習慣，使他們成為高點選率的使用者
（3）重要挽留使用者
這類使用者點選率偏低，但是其浏覽的廣告商品的價格很高，對該類使用者進行挽回，能提高廣告轉化為實際購買行為的價值
應加強與這類使用者的互動，延長這類使用者的生命周期
（4）一般使用者
這類使用者點選率低，浏覽廣告的商品價格适中。這類使用者沒有點選廣告的習慣，偶爾點選廣告的商品價格也不高
應嘗試投放多種類型的廣告給這類使用者，觀察是否能找到使用者感興趣的廣告商品類型，進而提高點選率。
（5）低價值使用者
這類使用者點選率低，浏覽廣告商品價格低，屬于平台的免費使用者，使用者價值較低
根據聚類結果，對應上述五類客戶類型，進行比對，得到客戶群體的價值排名：
根據結果，我們可以發現5類使用者的分布如圖所示：
可以看出：最有價值的3類使用者占比約為20%。這20%的使用者必然貢獻了廣告點選率的絕大部分，平台如果希望廣告效果好，就需要投入資源服務好這部分使用者
一般使用者、低價值使用者仍為平台使用者的主體，對于這類使用者需要通過營運/營銷政策，提高他們的活躍度/點選率，争取将他們轉換成重要的使用者。
重要使用者占比20%，對于群體1、2、5裡的使用者，應針對使用者特點，定向推送廣告，在高點選率的同時，争取進一步提高廣告的轉化率，将點選落實為購買。
其他使用者占比80%，對于群體3、4的使用者，應推送多種類型的廣告給這類使用者，尋找使用者對哪類廣告的商品更感興趣，并可以通過相應促銷活動，提高其活躍度和廣告點選率，争取将這類使用者轉換為重要使用者
P4 結論和建議
把上述的分析過程中的小結正例出來，得到分析結論，并綜合所有的結論提出建議：
分析報告到此，點選關注，第一時間了解華為雲新鮮技術~