4、分析用户群体对广告点击率有什么关系
不同的用户群体之间用户价值与消费习惯具有一定的差异，对于不同用户群体的广告投放的策略也不同。通过分析不同用户群体对广告点击率有什么关系，来制定不同的投放策略。
这里的分析通过K-Means算法来对用户进行聚类，并基于RFM模型来对用户价值进行划分。
①用K-Means算法对用户进行聚类
这里选取用户的购物层次、广告点击率、浏览广告的商品平均价格，这3个指标来作为判断用户价值的标准
- 用户的购物层次——体现用户在平台上的持续购物深度
- 广告点击率——体现用户对广告的接受程度
- 浏览广告的商品平均价格——体现用户通过广告推广能带来的潜在收益
对用户进行聚类分析：
这里将所有用户分成5类，来代表用户价值的高低。
注：三个特征在聚类时都进行了特征的标准化
从不同群体的特征分布可以得出：
- 群体5在点击率方面最大
- 群体2在浏览广告的商品平均价格最大
- 所有群体的用户在购物层次上基本没有差异
因此，我们可以出：群体5对广告的接受程度最高，非常愿意点击广告。群体2更喜好高价格的商品，对购买高价商品抱有极大兴趣。
② 用RFM模型对用户进行划分
根据用户在购物深度、点击率、观看广告商品的平均价格3个维度的表现，将用户划分为5类客户。
（1）重要保持用户
这类用户有着高点击率，有更大的可能将用户的点击率转换为实际的购买行为。并且喜欢在平台上进行购物，是最理想的客户。
应优先将广告资源投放给他们身上，维持这类客户的点击率
（2）重要发展用户
这类用户点击率中等、也喜欢在平台上进行购物，并且对广告商品的价格适中。具有很大的发展潜力
应加强与这类用户的联系，培养其点击广告的习惯，使他们成为高点击率的用户
（3）重要挽留用户
这类用户点击率偏低，但是其浏览的广告商品的价格很高，对该类用户进行挽回，能提高广告转化为实际购买行为的价值
应加强与这类用户的互动，延长这类用户的生命周期
（4）一般用户
这类用户点击率低，浏览广告的商品价格适中。这类用户没有点击广告的习惯，偶尔点击广告的商品价格也不高
应尝试投放多种类型的广告给这类用户，观察是否能找到用户感兴趣的广告商品类型，进而提高点击率。
（5）低价值用户
这类用户点击率低，浏览广告商品价格低，属于平台的免费用户，用户价值较低
根据聚类结果，对应上述五类客户类型，进行匹配，得到客户群体的价值排名：
根据结果，我们可以发现5类用户的分布如图所示：
可以看出：最有价值的3类用户占比约为20%。这20%的用户必然贡献了广告点击率的绝大部分，平台如果希望广告效果好，就需要投入资源服务好这部分用户
一般用户、低价值用户仍为平台用户的主体，对于这类用户需要通过运营/营销策略，提高他们的活跃度/点击率，争取将他们转换成重要的用户。
③ 小结
- 重要用户占比20%，对于群体1、2、5里的用户，应针对用户特点，定向推送广告，在高点击率的同时，争取进一步提高广告的转化率，将点击落实为购买。
- 其他用户占比80%，对于群体3、4的用户，应推送多种类型的广告给这类用户，寻找用户对哪类广告的商品更感兴趣，并可以通过相应促销活动，提高其活跃度和广告点击率，争取将这类用户转换为重要用户
结论和建议
把上述的分析过程中的小结正例出来，得到分析结论，并综合所有的结论提出建议：
