Facebook是國外許多商家青睞的廣告平臺之一，本文站在廣告商家角度，對投放效果進行數據分析，幫助商家找到問題所在，提高廣告投放效果

數據來源及字段解釋

該項目中使用的數據來自匿名組織的社交媒體廣告，包含11個變量中的1143個觀察值。數據來源于Kaggle：https://www.kaggle.com/loveall/notebook

提出問題

廣告投放行業(yè)主要業(yè)務指標

效果指標：
CTR=(Clicks / Impr)*100
咨詢轉化率=Total_con / Clicks
付費轉化率=Approved_con / Clicks

KPI指標：
CPM=(Spent / Impr) * 1000
CPC=Spent / Clicks
CPA=Spent / Approved_con

財務指標：
ROAS=Revenue / Spent

從業(yè)務角度來看，我們希望這些數據可以用來改善業(yè)務績效。在不了解公司的營銷策略或活動目標的情況下，我們不知道哪個關鍵績效指標最重要。 所以我們將假定這是一個電子商務公司，專注于利潤最大化。本次分析聚焦的問題：

• 三支廣告組各自的效果如何？（瀏覽量，點擊率，咨詢轉化率，付費轉化率）
• 三支廣告組各自CPM、CPC、CPA及ROAS指標表現如何？
• 用戶點擊量、轉化量與廣告花費是否成正相關？
• 從性別、興趣、年齡三個方面來看，如何改善投放效果？

數據分析

• 數據預處理

1. 刪除重復數據選擇ad_id作為每一條數據的唯一標識，刪除重復數據，結果是未發(fā)現重復值。
2. 觀察數據共11列，1143行， 無缺失值。Clicks列為0，但Total_Conversion列大于0，可能是未統(tǒng)計到點擊次數，我們將這類數據作為異常值刪除。
3. 由于此次數據集的轉化量沒有對應的收益，現在假設用戶咨詢一次收益5美元，用戶付費一次收益100美元。

• 三支廣告的廣告效果如何？（瀏覽量，點擊率，咨詢轉換率，付費轉換率）
  

由上圖可以看出，該公司進行了3個系列的廣告投放，廣告組ID分別為916、936和1178。916投放了35個廣告，花費約149.71美元，促成了16次付費轉化；936投放了288個廣告，花費約2893.37美元，促成了118次付費轉化；1178投放了613個廣告，花費約55662.15美元，促成了869次付費轉化。

各行業(yè)之間的點擊率可能會有所不同，但2％是合理的基準。三支廣告的平均點擊率在基準水平，其中916和936的點擊率高于基準水平，而1178的點擊率較低；916的咨詢轉化率及付費轉化率最高，而1178的付費轉化率僅為5.21%。

• 三支廣告組各自CPM、CPC、CPA及ROAS指標表現如何？
  

三支廣告組中，916的ROAS最高，1178的CPA遠遠超過其他兩支廣告，同時ROAS僅有3.76，表現欠佳。

• 用戶瀏覽量、點擊量、轉化量及ROAS與廣告花費是否成正相關？

首先先看廣告費用的多少與瀏覽量、點擊量、付費次數，ROAS的關系，是不是廣告花費約多，這些指標就越高。這里我們用散點圖：

正如我們期望的那樣，廣告費用與獲得的瀏覽量和點擊量之間有很強的相關性，廣告費用越高，瀏覽量和點擊量越多；而廣告費用和付費次數沒有太強的相關性。

從廣泛的數據概覽中，我們可以看到，廣告支出越多，獲得的瀏覽量和點擊量就越多，但這并沒有為我們提供具體可行的方案。在下一階段的分析中，我們將更詳細地研究特定的廣告組，并提供具體措施。 我們選擇廣告組1178，首先因為它的投放量最多，擁有最多數據，且廣告花費最多，我們也希望能夠獲得更多轉化。其次，廣告組1178在ROAS分析中表現欠佳，我們將對它進行詳細分析并且提供一些投放優(yōu)化建議。

• 從性別、興趣、年齡三個方面來看，目標受眾是否定位準確以及找出投入產出最大的是哪一部分群體，如何改善投放效果？

首先，我們來看整體性別與點擊量、廣告費用、付費次數及ROAS之間的關系

從圖中可以得知，對女性用戶的廣告花費遠高于男性，但ROAS較低，整體上可以適當增加對男性用戶的廣告投放。

整體年齡段與點擊量、ROAS之間的關系

45-49年齡段的點擊量最高，但ROAS最低，可以適當減少在45-49年齡段的投放；且30-34年齡段人群ROAS最高，可以增加對該年齡段的投放。

興趣標簽與點擊量、ROAS之間的關系。

ROAS排名前五的用戶興趣標簽為104、101、102、31和112，可以優(yōu)先考慮投放具有這些興趣特征的用戶。

前文已計算出點擊量與廣告費用呈正相關，而興趣標簽為29，16，10，27，28的點擊量非常高但ROAS并不理想，意味著廣告支出較多而收益較少，可以減少對具有這類興趣標簽用戶的廣告投放。

結合用戶的性別屬性，我們選取了三個興趣標簽進一步分析，提出優(yōu)化建議，分別為點擊量多且ROAS表現較好的興趣標簽101；ROAS較好，但廣告費用相對較大的興趣標簽15；廣告支出較多但ROAS沒有達到理想效果的興趣標簽29。

從上面的結果來看，我們可以增加對興趣標簽為101的男性用戶的廣告預算，因為目前每1美元的支出能夠帶來30美元的收益。 但這也可能是點擊量較少（17）的偶然現象，可以結合實際業(yè)務確定。

興趣標簽29的男女性用戶點擊量差別較小，但男性ROAS遠高于女性，建議增加對該興趣的男性用戶的廣告投放，減少對該興趣女性用戶的廣告投放。

為避免幸存者效應，對于點擊——咨詢——付費過程中的流失客戶需要進行流失原因分析。以下是根據用戶興趣標簽，分析各階段的轉化率

總結：

1. 了解了三支廣告組的投放效果及KPI表現情況
2. 廣告費用與瀏覽量和點擊量呈正相關，廣告支出越多，瀏覽量和點擊量越高
3. 針對廣告組1178，整體上可以增加對男性用戶的廣告投放和30-34年齡段人群的投放；可以優(yōu)先考慮投放興趣標簽為104、101、102、31和112的用戶，同時減少對興趣標簽為29，16，10，27，28用戶的投放

廣告投放需要不斷進行調整優(yōu)化，根據數據分析結果優(yōu)化投放后，需要再次從數據反饋中進行調整，判斷之前分析結果的準確性。實際業(yè)務中應結合業(yè)務部門的各項指標來分析，理解業(yè)務邏輯和業(yè)務模型，有一套清晰的目標，能夠在特定問題中深入數據，從而做出適當的決策。