在广告数量一定的情况下，点击率是决定一个广告能否被更多人看到的因素。文章主要分析“点击率”因素，分享给大家。

数据来源:Taobao.com上的广告展示/点击数据这是一个淘宝平台的广告展示/点击数据。在这个分析中，我们需要从这些数据中发现一些规律或者异常，然后给运营团队提出建议。评价广告效果的一个指标是广告的点击量，可以反映一个广告中有多少人愿意点击查看广告内容。只有广告被点击，才会转化为购买行为。

划分广告点击次数指数:广告点击次数=广告展示次数x点击率，广告展示次数受广告价格和类别影响；不同的人对不同品类的商品有不同的偏好，影响广告的点击率。

在广告数量一定的情况下，点击率是决定一个广告能否被更多人看到的因素。所以这个分析重点放在[点击率] 。

从“广告”和“用户”两个角度分析:

1.广告角度

2.用户视角

1.数据清理

(1)数据概述

原始数据集包括三种类型的数据，具体数据对应的属性如下:

为了方便分析，提取一些字段作为分析。提取自raw_sample数据集:用户ID、广告ID、点击与否提取自ad_feature数据集:广告ID、类别ID、广告产品价格提取自user_profile数据集:用户ID、年龄层次、性别、购物层次。

(2)数据组合

将三个数据表合并成一个表。

A =原始样本。merge (right = ad _ feature，on =' ad _ id '，how =' left ')B = a . merge(right = user _ profile，on =' user _ id '，how = ' left ')得到一个包含用户广告信息的表。

(3)丢失值的处理

1)源数据中有许多缺失值。删除性别和年龄字段中带有空值的记录。

2)检查数据中的异常值，将异常值从查看广告商品价格字段的属性值范围中删除:

发现最大值为10000000.0元，价格过高，属于异常值。再次删除价格字段中的属性值范围:

还是存在数据值过大的异常值？为了方便价格领域的分析和细分，对1000元以内价格更贴近日常生活的广告记录进行分析和切片后，仍然保留了751570条记录。

(4)数据字段集成

对于广告产品的价格字段，每个广告产品都有自己的价格，不方便按照价格字段进行统计。添加一个新字段“price_class”来表示价格范围。

(0-价格在0-100元，1-100-200元，2-200-300元……)

2.结合图表分析

(1)分析不同广告商品价格对点击率的影响

(一)对广告商品的价格进行分类

根据价格将广告分为100元以下、200元以下、300元以下等10类，计算不同价格区间广告的点击率。

从图中发现，所有价格区间的商品点击率都在5%左右，其中价格在100元以下的广告点击率最高，为5.92%。看到价格较低的广告产品点击率较高，我们一般认为对价格敏感的浅层用户(免费用户)在这方面点击率较高，而有一定消费行为和意识的中深层次用户(付费用户)则更关注购物的体验和产品的质量。为了验证上述说法，我们先假设100元以内的广告产品的主要点击对象都是浅层用户，然后对数据进行验证。

②分析百元以内广告产品点击率的用户构成。

100元内点击广告产品的用户构成

从用户分布可以看出，在100元以内点击广告产品的用户中，深度用户比例较高，占81.6%，而浅层用户比例要小得多。这推翻了我们最初的假设。

摘要:

(2)分析哪些类别的广告点击率较高，哪些类别的点击率较低

由于广告的类别较多，大部分类别的广告只展示1-2次，数据样本太少，所以选取展示次数最多的7个类别进行分析。

①找出显示数、点击数、点击率最高的广告类别。

可以看出，6261类广告的展示次数、点击量和点击率最高，4385类广告的展示次数为10000+，但点击次数和点击率最低。

②分析4385类广告效果最差的原因:

A.一、根据【广告商品价格】分析

计算类别4385广告未被点击商品的平均价格。

点击类别4385广告的产品的平均价格是:

两者均价在200-300区间，差别不大。根据分析(1)，200-300价格区间的广告产品点击率平均为5.29%，而4385类目的点击率仅为3.61%。这说明广告产品的价格并不是影响4385类广告点击率的因素。

B.然后按【性别】分析

我们先来看看哪些用户看到的是4385类别。

可以看出，4385类目的广告主要是推荐给男性用户，男性用户对这类产品的兴趣高于女性。而且女性对这类产品的广告兴趣不高，点击率只有2.75%，是4385类广告点击率低的主要原因。

C.最后根据【用户年龄】来分析

我们来看看不同年龄和性别的用户点击率的差异。

(年龄字段含义:0:10岁以下，1:10-20岁，2:20-30岁，3:30-40岁，4: 40-50岁，5:50-60岁，6: 60岁以上)

从统计数据可以看出，4385类广告中产品的主要点击群体是30岁以上的男性用户，尤其是60岁以上的男性用户兴趣最高，而女性用户对此类广告产品兴趣较低。根据A和B的分析，受30岁以上男性欢迎的、价格在200-300的商品，应该是西装、皮鞋、烟酒或家用电器

③总结

(3)分析性别与广告点击率的关系

①计算男女比例

男女比例约为1: 1.6

②计算男性和女性的点击量。

男女广告点击比例约为1: 1.7。所以，总体来说，女性点击比男性点击多，但两者的点击率基本相当。

③比较各类广告的点击率——性别差异。

可以看出，在大多数类别中，女性的广告点击量明显大于男性。只有4385类和4505类。在这两类广告中，男性的点击量超过了女性。男女的主要区别是6261类型的广告造成的，女性的点击量是男性的4倍左右。

④总结

(4)分析用户群体与广告点击率的关系

不同用户群的用户价值观和消费习惯存在一定差异，针对不同用户群的广告策略也有所不同。通过分析不同用户群与广告点击率的关系，可以制定不同的投放策略。

这里的分析使用K-Means算法对用户进行聚类，并基于RFM模型对用户价值进行划分。

①用K-Means算法对用户进行聚类

这里我们选取三个指标，即用户的购物水平、广告的点击率和商品浏览广告的平均价格，作为判断用户价值的标准。

用户的聚类分析:

这里把所有用户分为五类来代表用户的价值。

注意:所有这三个特性在聚类过程中都是标准化的。

从不同群体的特征分布可以得出结论:

因此，我们可以得出结论，第5组对广告的接受度最高，非常愿意点击广告。2群体偏爱高价商品，对购买高价商品有极大兴趣。

②用RFM模型划分用户

根据用户在购物深度、点击率、观看广告产品均价三个维度的表现，将用户分为五类客户。

1)重要的留存用户

2)重要的开发用户

3)用户的重要留存

4)一般用户

5)低价值用户

根据聚类结果，对应上述五类客户，进行匹配，得到客户群的价值排名:

根据结果，我们可以发现五类用户的分布如图所示:

可以看出，最有价值的三个用户占20%左右。这20%的用户一定会贡献广告的大部分点击率。平台想要广告效果好，就需要投入资源服务好这些用户。普通用户和低价值用户仍然是平台用户的主体。对于这部分用户，需要通过运营/营销策略提高其活跃度/点击率，努力将其转化为重要用户。

③总结

以上述分析过程中的总结为例，得出分析结论，并基于所有结论提出建议:

因为没有深入接触广告业务，数据分析的逻辑有待完善，这个分析只关注点击率。但是，分析评价一个广告推广效果的指标有很多维度，需要更深层次的商业洞察才能分析好。

后续工作将带来更多关于不同业务中数据分析思想的见解。

本文最初由@兰博目标发布。每个人都是产品经理。未经作者允许，禁止转载。

图片来自Unsplash，基于CC0协议。