一、分析目的：

在大数据时代的背景下，广告主可从购买媒介变成直接购买用户。广告的精准投放对广告主、服务平台与潜在用户而言，在提升效率与商业效益方面，有了更迫切的需求。然而网络广告形式多样，很多广告投放系统率相对缺乏针对性，使得网络广告精确度不够高。因此，对推广数据的研究是十分必要的。所以本次项目将从用户特征，投放时间，投放位置以及高点击率广告的特征等方面多维度进行数据分析，以提高用户点击率，实现淘宝展示广告精准投放，提升广告投放效果。

二、数据来源：

https://tianchi.aliyun.com/dataset/dataDetail?dataId=56

原始样本骨架raw_sample

从淘宝网站中随机抽样了114万用户8天内的广告展示/点击日志（2600万条记录），构成原始的样本骨架。

字段说明如下：

(1) user_id：脱敏过的用户ID；

(2) adgroup_id：脱敏过的广告单元ID；

(3) time_stamp：时间戳；

(4) pid：资源位；

(5) noclk：为1代表没有点击；为0代表点击；

(6) clk：为0代表没有点击；为1代表点击；

广告基本信息表ad_feature

本数据集涵盖了raw_sample中全部广告的基本信息。字段说明如下：

(1) adgroup_id：脱敏过的广告ID；

(2) cate_id：脱敏过的商品类目ID；

(3) campaign_id：脱敏过的广告计划ID；

(4) customer_id:脱敏过的广告主ID；

(5) brand：脱敏过的品牌ID；

(6) price: 宝贝的价格

用户基本信息表user_profile

本数据集涵盖了raw_sample中全部用户的基本信息。字段说明如下：

(1) userid：脱敏过的用户ID；

(2) cms_segid：微群ID；

(3) cms_group_id：cms_group_id；

(4) final_gender_code：性别 1:男,2:女；

(5) age_level：年龄层次；

(6) pvalue_level：消费档次，1:低档，2:中档，3:高档；

(7) shopping_level：购物深度，1:浅层用户,2:中度用户,3:深度用户

(8) occupation：是否大学生 ，1:是,0:否

(9) new_user_class_level：城市层级

用户的行为日志behavior_log

本数据集涵盖了raw_sample中全部用户22天内的购物行为(共七亿条记录)。字段说明如下：

(1) user：脱敏过的用户ID；

(2) time_stamp：时间戳；

(3) btag：行为类型, 包括以下四种：

ipv：浏览

cart：加入购物车

fav：喜欢

buy：购买

(4) cate：脱敏过的商品类目；

(5) brand: 脱敏过的品牌词；

（本数据集数据量极大(2600万），故随机选取10%的数据来分析）

三、数据预处理

3.1 导入数据集

3.2 缺失值检测与填充

a.检测

user表有2个属性有缺失值：pvalue_level(缺失54.24%)、new_user_class_level(缺失32.49%)，
广告基本信息表ad有1个属性有缺失值：brand(缺失29.09%)；
样本数据表dataset没有缺失值。
所以只需对 user_data、ads 两个表进行缺失值填充。
b.填充
1.user表
‘pvalue_level’(消费档次：1低2中3高):通过KNN算法（基于K个最近邻的填充算法）进行预测填充；
'new_user_class_level '(城市层次)：该属性值为分类属性，对其进行众数填充。
2.ad表
‘brand’(品牌ID):由于该数据为id类数据，填充其上下条数据的值，在本文中使用的是填充上一条数据的值。

3.3 数据合并

将ad,user,datab表按顺序合并起来。

3.4 时间戳数据处理

四、分析思路

1、从广告方面，可以从广告自身的渠道、点击量最高的广告的特征、广告的投放时间进行分析。

2、从用户角度，可以对点击广告的用户进行特征分析，分别对top3的广告点击用户进行聚类分析，对商品和用户分类

3、获取和top3类似的商品分别推送给点击top3广告的用户

4、对广告商品进行交易环节漏斗分析，对比不同广告收费模式下的利润最大化以及优化方法。

五、分析过程

5.1广告投放渠道分析

资源位430539_1007的点击率要高于430548_1007，表明第一个广告投放渠道要优于第二个。

2.2广告投放时间

以一天的小时为单位分析

16-19时、21-22时和0-2时的广告点击率都相对较高，3时、7-8时、14-15时的点击率极低。这几个时间段的广告投放效果很差。当然，点击率的高低对比也受各时间段的浏览量影响，点击率的低的时间段有可能是由于高浏览量造成，点击率高的时间段也有可能是由于低浏览量造成。具体情况还需要更多数据进一步分析。

以一周时间来分析

2.3广告投放的目标人群(有点击行为的用户特征）

a.用户性别

1代表男性，2代表女性，男性的广告点击率高于女性。

b.消费档次

1代表低档，2代表中档，3代表高档，说明随着消费档次的提高，用户打开广告的欲望越低。

c.购物深度

1.代表浅层用户，2代表中度用户，3代表深度用户，说明随着购物深度的增加，用户打开广告的欲望越低，浅层用户更容易被广告吸引。

d.是否大学生

0代表不是大学生，1代表是大学生，广告对大学生吸引较小，非大学生更容易被广告吸引，点击广告。

e.年龄层次

年龄层级2的用户广告点击率最高，1、3、6也很高，0、4、5较低，其中4最低。广告投放目标为用户年龄层级为1236时效果较好，4基本很难被广告吸引。

结论
1.渠道：430539_1007渠道的广告投放效果要好于430548_1007渠道。
2.时间：6-19时、21-22时的广告投放效果较好，周二的广告投放效果好。
3.用户：具有男性，地中档的消费档次，浅层购物深度，非大学生，年龄层次在1、2、3、6的用户点击意愿更强。
广告投放时需要参考上述点击率较高的特征变量

二、CPA相关

通过fav/pv得知用户点击广告并浏览后收藏广告推送的产品转化率为1.47%。

绘制交易环节漏斗图

用户在点击广告浏览后，加入购物车的转化率约为2.5%，购买转化率约1.4%，和点击浏览广告后加入收藏的转化率（1.46%）接近。如果是选择CPA作为广告收费计算方式，需要提高用户的加入购物车转化率，购买转化率和收藏转化率。这三个转化率低，是用户在点击广告进入商品详情界面，即着落页后，较难激发购物欲望，说明着落页需要优化，才可以提高转化率，优化广告投放效果。