淘宝广告数据分析实战!(附代码和100W数据源)(中)

简介: 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。本文主要针对“点击率”这一因素进行分析,与大家分享。

2、分析哪些类别的广告点击率更高,哪些类别的点击率低


由于广告的类别数量众多,大部分类别的广告只有1-2次的展示,数据样本太小,因此选取展示数量最多的7个类别进行分析。


① 找出展示数、点击数、点击率最高的广告类别


image.png


image.png


可以看出类别6261广告的展示数、点击数、点击率均为最高,而类别4385广告的展示数虽然有10000+,但是点击数、点击率却是最低的。


② 分析类别4385广告效果最差的原因:


a.先按【广告商品价格】来分析


计算没有被点击的类别4385广告的商品的平均价格


image.png


而点击了类别4385广告的商品的平均价格为:


image.png


两者平均价格都在200-300区间、差异不大。结合分析(1),价格区间在200-300的广告商品点击率平均是在5.29%,而类别4385则只有3.61%。


这说明:广告商品价格不是影响类别4385广告点击率的因素


b.再按【性别】来分析


先来看看类别4385被哪些用户看到了


image.png


可以看出,类别4385的广告,主要是被推荐给了男性用户,而男性用户对这类商品的兴趣大于女性。


并且女性对这类商品的广告兴趣不高,点击率只有2.75%,是造成类别4385广告点击率低的主要原因。


c.最后按【用户年龄】来分析


来看看不同年龄段、不同性别的用户点击率有什么差异


image.png

(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)


从统计的数据可以看出,类别4385广告的商品主要点击群体是30岁以上男性用户,尤其是60岁以上男性兴趣最高,而女性用户对这类广告商品兴趣低。


结合a、b的分析,受30岁以上男性欢迎、价格在200-300的商品,推测是西装、皮鞋类或者烟酒类又或者是家用电器类商品


③ 小结


  • 类别6261广告效果最好,有最高的点击率、展示数和点击人数。可以加大对该类别广告的资源投入,扩大广告推广效果。


  • 类别4385广告点击率的原因是,这类商品对女性用户而言兴趣不大,女性用户点击率低,导致了整体的点击率低。可以在该广告的广告词中加入“父亲、爷爷”等宣传词,引导女性消费者将该类别商品作为一种礼物送给男性用户,从而提高点击率


  • 类别4385的主要受众群体是30岁以上男性,为了提高点击率可以重点推荐给30岁以上男性用户。对于该类别广告商品的受众,可以适当增加产品折扣、降低商品价格,吸引点击广告的用户转换成购买用户


3、分析性别和广告点击率有什么关系


① 计算男女人数比例


image.png


男女比例约为:1:1.6


② 计算男女各自的点击数


image.png


男女广告点击数的比例约为:1:1.7


因此,总体上女性的点击数要多于男性,但两者的点击率基本一致。


③ 比较各类别广告点击率-男女差异


image.png


image.png


可以看出,大部分类别中,女性的广告点击数都要明显大于男性的点击人数。


只有类别4385、类别4505,这两个类别的广告,男性的点击人数要超过女性的点击人数。


男女之间的主要差异是由类型6261的广告造成的,女性的点击数大约是男性的4倍。


④ 小结


总体上看,女性的广告点击人数明显大于男性,但两者的点击率却是差不多的。

类别4385、4505广告,男性的点击人数要多于女性。这类广告可能是男士服饰、汽车、烟酒这类商品

相关文章
|
1月前
|
数据采集 算法 数据挖掘
10余位大佬+10余年经验的结晶:Python数据分析与挖掘实战
LinkedIn 对全球超过3.3亿用户的工作经历和技能进行分析后得出,目前最炙手可热的25 项技能中,数据挖掘排名第一。那么数据挖掘是什么? 数据挖掘是从大量数据(包括文本)中挖掘出隐含的、先前未知的、对决策有潜在价值的关系、模式和趋势,并用这些知识和规则建立用于决策支持的模型,提供预测性决策支持的方法、工具和过程。数据挖掘有助于企业发现业务的趋势,揭示已知的事实,预测未知的结果,因此“数据挖掘”已成为企业保持竞争力的必要方法。 今天给小伙伴们分享的Python数据分析与数据挖掘手册是10余位数据挖掘领域资深专家和科研人员,10余年大数据挖掘咨询与实施经验结晶。从数据挖掘的应用出发,以电力、
10余位大佬+10余年经验的结晶:Python数据分析与挖掘实战
|
2天前
|
机器学习/深度学习 数据挖掘 TensorFlow
解锁Python数据分析新技能,TensorFlow&PyTorch双引擎驱动深度学习实战盛宴
在数据驱动时代,Python凭借简洁的语法和强大的库支持,成为数据分析与机器学习的首选语言。Pandas和NumPy是Python数据分析的基础,前者提供高效的数据处理工具,后者则支持科学计算。TensorFlow与PyTorch作为深度学习领域的两大框架,助力数据科学家构建复杂神经网络,挖掘数据深层价值。通过Python打下的坚实基础,结合TensorFlow和PyTorch的强大功能,我们能在数据科学领域探索无限可能,解决复杂问题并推动科研进步。
12 0
|
1月前
|
数据采集 算法 数据挖掘
10余位大佬+10余年经验的结晶:Python数据分析与挖掘实战
LinkedIn 对全球超过3.3亿用户的工作经历和技能进行分析后得出,目前最炙手可热的25 项技能中,数据挖掘排名第一。那么数据挖掘是什么? 数据挖掘是从大量数据(包括文本)中挖掘出隐含的、先前未知的、对决策有潜在价值的关系、模式和趋势,并用这些知识和规则建立用于决策支持的模型,提供预测性决策支持的方法、工具和过程。数据挖掘有助于企业发现业务的趋势,揭示已知的事实,预测未知的结果,因此“数据挖掘”已成为企业保持竞争力的必要方法。 今天给小伙伴们分享的Python数据分析与数据挖掘手册是10余位数据挖掘领域资深专家和科研人员,10余年大数据挖掘咨询与实施经验结晶。从数据挖掘的应用出发,以电力、
|
1月前
|
数据可视化 数据挖掘 数据处理
【python】python淘宝交易数据分析可视化(源码+数据集)【独一无二】
【python】python淘宝交易数据分析可视化(源码+数据集)【独一无二】
|
20天前
|
前端开发 Java JSON
Struts 2携手AngularJS与React:探索企业级后端与现代前端框架的完美融合之道
【8月更文挑战第31天】随着Web应用复杂性的提升,前端技术日新月异。AngularJS和React作为主流前端框架,凭借强大的数据绑定和组件化能力,显著提升了开发动态及交互式Web应用的效率。同时,Struts 2 以其出色的性能和丰富的功能,成为众多Java开发者构建企业级应用的首选后端框架。本文探讨了如何将 Struts 2 与 AngularJS 和 React 整合,以充分发挥前后端各自优势,构建更强大、灵活的 Web 应用。
34 0
|
20天前
|
SQL 数据采集 算法
【电商数据分析利器】SQL实战项目大揭秘:手把手教你构建用户行为分析系统,从数据建模到精准营销的全方位指南!
【8月更文挑战第31天】随着电商行业的快速发展,用户行为分析的重要性日益凸显。本实战项目将指导你使用 SQL 构建电商平台用户行为分析系统,涵盖数据建模、采集、处理与分析等环节。文章详细介绍了数据库设计、测试数据插入及多种行为分析方法,如购买频次统计、商品销售排名、用户活跃时间段分析和留存率计算,帮助电商企业深入了解用户行为并优化业务策略。通过这些步骤,你将掌握利用 SQL 进行大数据分析的关键技术。
36 0
|
2月前
|
机器学习/深度学习 数据挖掘 TensorFlow
解锁Python数据分析新技能,TensorFlow&PyTorch双引擎驱动深度学习实战盛宴
【7月更文挑战第31天】在数据驱动时代,Python凭借其简洁性与强大的库支持,成为数据分析与机器学习的首选语言。**数据分析基础**从Pandas和NumPy开始,Pandas简化了数据处理和清洗,NumPy支持高效的数学运算。例如,加载并清洗CSV数据、计算总销售额等。
48 2
|
2月前
|
机器学习/深度学习 人工智能 数据挖掘
从0到1构建AI帝国:PyTorch深度学习框架下的数据分析与实战秘籍
【7月更文挑战第30天】PyTorch以其灵活性和易用性成为深度学习的首选框架。
51 2
|
2月前
|
机器学习/深度学习 数据挖掘 TensorFlow
数据界的“福尔摩斯”如何炼成?Python+TensorFlow数据分析实战全攻略
【7月更文挑战第30天】数据界的“福尔摩斯”运用Python与TensorFlow解开数据之谜。
34 2
|
29天前
|
数据采集 数据挖掘 数据处理
解锁Python数据分析新技能!Pandas实战学习,让你的数据处理能力瞬间飙升!
【8月更文挑战第22天】Python中的Pandas库简化了数据分析工作。本文通过分析一个金融公司的投资数据文件“investment_data.csv”,介绍了Pandas的基础及高级功能。首先读取并检查数据,包括显示前几行、列名、形状和数据类型。随后进行数据清洗,移除缺失值与重复项。接着转换日期格式,并计算投资收益。最后通过分组计算平均投资回报率,展示了Pandas在数据处理与分析中的强大能力。
31 0

热门文章

最新文章