淘宝平台广告点击数据分析报告

在广告展示数一定的条件下，点击率的高低就是决定一个广告能否被更多人看到的因素。 文章主要分析就针对“点击率”这一因素进行分析，与大家分享。

一、分析背景及目的

数据源：Ad Display/Click Data on Taobao.com 这是一份淘宝平台的广告展示/点击数据，本次分析需要从这些数据中发现某些规律或者异常，进而给运营团队提出建议 评价一个广告效果的指标就是广告的点击人数，可以反映一个广告有多少人愿意点击查看广告的内容，只有广告被点击，后续转化为购买行为才会发生。

把广告的点击人数指标拆分： 广告点击人数=广告展示数 x 点击率 ，而广告展示数又由广告商品的价格、类别影响；不同人群对不同类别商品有着不同的喜好，从而影响广告的点击率。

在广告展示数一定的条件下，点击率的高低就是决定一个广告能否被更多人看到的因素。 因此本次分析就针对【点击率】这一因素进行分析。

二、分析思路

从“广告”和“用户”两个角度进行分析：

1. 广告角度

分析不同广告的商品价格对点击率的影响

分析哪些类别的广告点击率更高，哪些类别的点击率低

2. 用户角度

分析性别和广告点击率有什么关系

结合聚类分析与RFM模型分析用户群体对广告点击率有什么关系

三、分析过程 1. 数据清洗

（1）数据概览

原始的数据集中包括三类数据，具体数据对应属性如下：

为了方便分析，抽取其中的部分字段作为分析。 从raw_sample数据集中抽取：用户ID、广告ID、是否点击 从ad_feature数据集中抽取：广告ID、类目ID、广告商品价格 从user_profile数据集中抽取：用户ID、年龄层、性别、购物层次

（2）数据组合

将三张数据表，组合到一张表中

a=raw_sample.merge(right=ad_feature,on='ad_id',how='left') b=a.merge(right=user_profile,on='user_id',how='left')

得到一张记录了用户-广告信息表

（3）缺失值处理

1）源数据中还有许多的缺失值，将性别和年龄层字段中为空值的记录删去

2）查看数据中的异常值，并将异常值删去 查看广告商品价格字段的属性值范围：

发现最大值为100000000.0元，价格过大，属于异常值，删去 再次查看价格字段的属性值范围：

还是存在数据值过大的异常值 为了方便分析对价格字段进行切分，选取更贴近日常生活的价格在1000元以内的广告记录进行分析 切片之后仍保留了751570条记录

（4）数据字段整合

对于广告商品价格字段，每个广告的商品都有各自的价格，根据价格字段不便于进行统计。新增一个字段“price_class”代表价格的区间。

（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

①将广告商品价格分类

将广告按价格分为100元以下、200元以下、300元以下等10类，并计算不同价格区间中广告的点击率情况。

从图中发现，所有价格区间商品的点击率都在5%左右，其中广告商品价格在100元以下的广告点击率最高，为5.92%； 看到价格较低的广告商品点击率更高，我们一般认为是对价格敏感的浅层用户（免费用户）在这方面的点击率更高，而拥有一定消费行为和消费意识的中层、深层用户（付费用户）则更在意购物时的体验以及商品的质量。 为了验证以上说法，我们先假设100元以内的广告商品主要的点击对象是浅层用户，再通过数据验证。

② 分析100元以内广告商品点击率的用户组成

查看点击了100元以内的广告商品的用户的用户组成