使用SQL实现广告的精准投放
1 提出问题:如何实现广告的精准有效投放。
在推广过程中,优质人群,时间,资源位的确定属于盲测,且市场多变,推广的过程中大量人力财力是无效的投入。通过对推广数据的研究,从人群、投放时间、投放位置等多维度进行点击率数据分析,得出最佳推广方案,从而让推广更高效。
2 分析思路
3 数据来源
阿里天池 https://tianchi.aliyun.com/dataset/dataDetail?dataId=56
数据集
user_profile.csv.tar.gz
ad_feature.csv.tar.gz
raw_sample.csv.tar.gz4 数据理解
4.1 ad_feature.csv.tar.gz
【广告基本信息表】包含846811个广告id的基本信息
4.2 user_profile.csv.tar.gz
【用户基本信息表】包含1062768个用户信息
4.3 raw_sample.csv.tar.gz
【样本人群点击记录表】包含26558961条点击记录。
5 数据清洗
5.1 导入数据
新建数据库–【淘宝推广数据】,将数据csv表格通过navicat 导入数据库:
5.2 选择子集
数据库【淘宝推广数据】包含84611个广告的基本信息,1062768个用户基本信息,26558961个广告点击记录。为构建高效化推广分析模型,保证分析更准确,选择样本用户点击数据较多的广告id进行分析。
5.3 新建表
由于【样本人群点击数据记录表】数据体量是千万级别,SQL检索比较费时,我们筛选表格中广告id710164的点击记录,储存在新建表格【新样本人群点击数据记录表】中。5.3.1 新建空白表
CREATE TABLE新样本人群广告点击记录表
(用户id INT NOT NULL auto_increment,
时间戳 varchar(255) NOT NULL,
广告id varchar(255) NULL,
资源位 varchar(255) NULL,
nonclk varchar(255) NULL,
clk varchar(255) NULL,
PRIMARY KEY(用户id,时间戳)
)ENGINE=INNODB;5.3.2 筛选结果储存在表中
Insert into新样本人群广告点击记录表
select * from样本人群广告点击记录表
where广告id
LIKE ‘%710164%’
6 构建模型
6.1 创建视图简化操作
用内联结关联【用户基本信息表】与【新样本人群点击记录表】,创建视图简化后续操作
CREATE VIEW 视图(人群分析) AS
SELECT新样本人群广告点击记录表
.用户id
,
from_unixtime(新样本人群广告点击记录表
.时间戳
,’%Y-%m-%d’) AS ‘点击日期’,
from_unixtime(新样本人群广告点击记录表
.时间戳
,’%k:%i:%s’) AS ‘点击时间’,
新样本人群广告点击记录表
.资源位
,
新样本人群广告点击记录表
.nonclk,
新样本人群广告点击记录表
.clk,
用户基本信息表
.城市层级
,
用户基本信息表
.年龄层次
,
用户基本信息表
.性别
,
用户基本信息表
.消费档次
,
用户基本信息表
.职位(是否大学生)
,
用户基本信息表
.购物深度
FROM新样本人群广告点击记录表
,用户基本信息表
WHERE用户基本信息表
.用户id
=新样本人群广告点击记录表
.用户id
;
6.2 分析不同资源位点击率
SELECT视图(人群分析)
.资源位
,
COUNT() AS 展现量,
SUM(视图(人群分析)
.clk) AS 点击数,
CONCAT(ROUND(SUM(视图(人群分析)
.clk) /COUNT()*100 ,2),’%’)AS 点击率
from视图(人群分析)
GROUP BY视图(人群分析)
.资源位
ORDER BY 点击率 DESC;
从结果可看出,两个资源位点击率差异较少,虽然资源位430539点击率略高一点,但是展现量却不如另一资源位。运营人员应根据推广目的对曝光度以及点击率做合理的权衡。6.3 多维度分析不同投放时间点击率
6.3.1 每日各时间段点击率分析
SELECT视图(人群分析)
.点击时间
,
COUNT() AS 展现量,
SUM(视图(人群分析)
.clk) AS 点击数,
ROUND(SUM(视图(人群分析)
.clk) /COUNT()100 ,2) AS 点击率,
CONCAT(ROUND(SUM(视图(人群分析)
.clk) /COUNT()*100 ,2),’%’)AS 点击率1
from视图(人群分析)
GROUP BY视图(人群分析)
.点击时间
ORDER BY 点击率 DESC;
分析可知得出以下结论:
1.在展现量达到一定体量的基础上,每日的上午10点、下午3点的点击率出现了小高峰;
2.从晚上9点开始展现量提升比较大,但是点击率也在处于上升状态;
3.深夜1-2点点击率超过12%,原因可能是,一方面数据体量比较小,偶然性比较高;另一方面可能是深夜大家还在逛淘宝,购买欲望比较强烈。6.3.2 一周中每天点击率分析
SELECT DATE_FORMAT(视图(人群分析)
.点击日期时间
,’%w’) AS 周数,
COUNT() AS 展现量,
SUM(视图(人群分析)
.clk) AS 点击数,
ROUND(SUM(视图(人群分析)
.clk) /COUNT()100 ,2) AS 点击率,
CONCAT(ROUND(SUM(视图(人群分析)
.clk) /COUNT()*100 ,2),’%’)AS 点击率1
from视图(人群分析)
GROUP BY DATE_FORMAT(视图(人群分析)
.点击日期时间
,’%w’)
ORDER BY 点击率 DESC;
分析总结:由图中可知周六到周一的点击率偏高,展现量也处于不错的水平。运营人员可以根据推广目的结合转化率每日设置溢价。6.4 多维度分析各人群点击率
6.4.1 各年龄层次人群点击率分析
SELECT视图(人群分析)
.年龄层次
,
COUNT() AS 展现量,
SUM(视图(人群分析)
.clk) AS 点击数,
CONCAT(ROUND(SUM(视图(人群分析)
.clk) /COUNT()*100 ,2),’%’)AS 点击率.
from视图(人群分析)
GROUP BY视图(人群分析)
.年龄层次
;
从上图可知:年龄层次1,2,5对于点击率偏高,展现量处于不错水平。6.4.2 各个消费档次人群点击率分析
SELECT视图(人群分析)
.消费档次
,
CASE WHEN视图(人群分析)
.消费档次
=1 THEN “低档”
WHEN视图(人群分析)
.消费档次
=2 THEN “中档”
WHEN视图(人群分析)
.消费档次
=3 THEN “高档”
ELSE “未分类”
END AS实际消费档次
,
COUNT() AS 展现量,
SUM(视图(人群分析)
.clk) AS 点击数,
CONCAT(ROUND(SUM(视图(人群分析)
.clk) /COUNT()*100 ,2),’%’)AS 点击率
from视图(人群分析)
GROUP BY视图(人群分析)
.消费档次
ORDER BY 点击率 DESC;
分析可知:高档人群点击率偏低仅有7.13%,估计可能是产品的客单价是109,不符合高档人群购物需求,推广时候应该注意剔除此类人群。6.4.3 各购物深度人群点击率分析
SELECT视图(人群分析)
.购物深度
,
CASE WHEN视图(人群分析)
.购物深度
=1 THEN “浅层用户”
WHEN视图(人群分析)
.购物深度
=2 THEN “中度用户”
WHEN视图(人群分析)
.购物深度
=3 THEN “深度用户”
ELSE “未分类”
END AS实际购物深度
,
COUNT() AS 展现量,
SUM(视图(人群分析)
.clk) AS 点击数,
CONCAT(ROUND(SUM(视图(人群分析)
.clk) /COUNT()*100 ,2),’%’)AS 点击率
from视图(人群分析)
GROUP BY视图(人群分析)
.购物深度
ORDER BY 点击率 DESC
分析可知:用户购物深度对于点击率影响不大。但是深度用户在展现量占据90%以上,点击率仍有9.45%,因此该人群点击率比较稳定。6.4.4 各职位(是否大学生)人群点击率分析
SELECT视图(人群分析)
.职位(是否大学生)
,
CASE WHEN视图(人群分析)
.职位(是否大学生)
=1 THEN “是”
WHEN视图(人群分析)
.职位(是否大学生)
=0 THEN “否”
ELSE “未分类”
END AS实际职位(是否大学生)
,
COUNT() AS 展现量,
SUM(视图(人群分析)
.clk) AS 点击数,
CONCAT(ROUND(SUM(视图(人群分析)
.clk) /COUNT()*100 ,2),’%’)AS 点击率
from视图(人群分析)
GROUP BY视图(人群分析)
.职位(是否大学生)
ORDER BY 点击率 DESC;
分析可知:用户的职位对于是否是大学生影响不大,商品客单价109属于平价款,被接受程度较高。6.4.5 各城市层级人群点击率分析
SELECT视图(人群分析)
.城市层级
,
COUNT() AS 展现量,
SUM(视图(人群分析)
.clk) AS 点击数,
CONCAT(ROUND(SUM(视图(人群分析)
.clk) /COUNT()*100 ,2),’%’)AS 点击率
from视图(人群分析)
GROUP BY视图(人群分析)
.城市层级
ORDER BY 点击率 DESC;
分析可知:第1层级点击率较低,第4层级展现量也比较低,第2层级的展现量和点击率都较高。7 总结
1.产品分析:产品客单是109,在对应类目这个价格是普通价位,受众较多。对应广告的展现量以及点击量也处于较高的水平。
2.广告资源位分析:产品在两个资源位点击率并无较大差别。
3.广告投放时间分析:每周六到周一产品的点击率较高。每天上午10点左右,下午3点左右点击率较高。可以根据推广需求,及转化率对于这几个时间区间设置溢价,提高该时段的展现,提高整个计划的点击率。
4.投放人群分析:广告对于购物深度,以及职位的人群特性不敏感。对于城市层级,年龄层次,消费档次人群特性比较敏感。研究产品本身特点,推测产品主要消费人群是年龄处于1-2层级,消费能力一般,且处于社会中层的群体。
使用SQL实现广告的精准投放相关推荐
- 《互联网DSP广告揭秘——精准投放与高效转化之道》导读
前言 互联网DSP广告揭秘--精准投放与高效转化之道 随着在线推广成本的逐渐走高.新的推广方式不断涌现,以及推广门槛的不断降低,相比传统推广方式在性价比方面拥有更大提高空间的程序化交易广告自从2011 ...
- Facebook广告如何精准投放呢?Facebook广告投放方案
现在线上交易也是愈发火热,很多商家都想要做出海广告投放,那么Facebook就是一个很好的选择!Facebook现在的用户大约占了全世界的百分之20!它能够带来的广告效果自然是毋庸置疑的,加上由于疫情 ...
- 《互联网DSP广告揭秘——精准投放与高效转化之道》一一1.9 程序化交易广告的前世今生 ...
本节书摘来自异步社区出版社<互联网DSP广告揭秘--精准投放与高效转化之道>一书中的第1章,第1.9节,作者:曲海佳,更多章节内容可以访问云栖社区"异步社区"公众号查看 ...
- 【好奇心驱动力】对于用户端广告的精准投放原理的学习
1.问题背景 有的时候经常能够看到论坛里有人提问,为什么刚刚在其他平台搜索过的商品,直接就出现在了其他平台的广告位上:为什么我刚说了想买个什么,马上APP就能够给我推送相关的产品.这是不是涉及用户个人 ...
- 微信朋友圈广告:精准投放还是“绑架”营销
"第一次,与独具风范的你,在这里相遇."2月1日晚9点,一则凯迪拉克广告在部分微信用户朋友圈内推广,尽管图文俱佳.音乐悠扬.高冷范儿足,但与1月25日微信首批广告上线受到用户高热度 ...
- 最大隶属度原则_商圈广告精准投放,请牢记这四大黄金原则!
当中秋遇上国庆.当经济复苏遇上"金九银十",这个假期必定是消费者们的一次狂欢盛宴.也是品牌广告投放不可错过的黄金节点!合理有效的商圈广告投放,有助于链接消费终端,提升品牌知名度,获 ...
- 关于广告精准投放的数据分析项目——用MYSQL实现
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 ...
- 在精准投放方面,百度广告管家能够实现精准投放
随着互联网广告市场的迅猛增长,广告投放也成为了一门学问.对于媒体网站来说,如何管理广告位,如何进行广告的精准投放和效果监控,并向客户提供数据报告等合理的管理广告投放,是取得广告价值最大化投放的必由之路 ...
- 朋友圈第五条广告精准投放 腾讯社交广告推广形式如何收费
什么是微信朋友圈广告:朋友圈广告优势是什么? 微信朋友圈广告属于强制性植入的,商家跟客户不用加好友,就可以直接通过腾讯后台大数据的筛选把广告发布到微信用户的朋友圈中去,并带有官方标注"广告& ...
最新文章
- 【组队学习】【29期】6. 动手学数据分析
- 微信电脑客户端登陆_电脑端微信多开教程,多个微信同时登陆,工作生活两不误...
- mongotemplate 查list_mongoTemplate.aggregate()聚合查询 时间
- sts(eclipse)安装svn插件
- css3实现科技感的呼吸灯效果
- HDFS使用JavaAPI操作上传特定副本到datanode
- Python基础知识学习笔记——Matplotlib绘图
- 15、工作流Web流程设计器及表单设计器
- 2.4GHz频段天线的选择
- 流媒体视频网络 Tout 获 2600 万美元 C 轮融资
- python的合法命名,以下不是Python语言合法命名的是:A、MyGod5B、5MyGodC、_...
- 说说开源中国社区的愚人节
- 虚拟内存(分页机制)
- 腾讯面试:MySQL事务与MVCC如何实现的隔离级别?
- C#初学日记21.11.25
- VMware克隆多个虚拟机
- 网络视频直播平台怎么开发、有什么难点
- JDK 16 新特性,正式发布!程序员:追不上了……
- 国培-甘肃定西市新任职校长培训班莅临湖南省智慧教育装备展示体验中心参观学习
- 小分子化合物在重编程中的应用
热门文章
- ../Libraries/core_cm3.c(445): error: non-ASM statement in naked function is not supported
- Android简单集成友盟统计
- 财务 计算机网络,计算机网络在财务管理中的应用
- 【从0到1搭建LoRa物联网】19、LoRa串口透传例程(补充)
- 浮世三千,吾爱有三。日,月与卿。日为朝,月为暮,卿为朝朝暮暮。...
- mount -o rw,remount /system /system’ not in /proc/mounts
- python爬虫豆瓣读书top250+数据清洗+数据库+Java后端开发+Echarts数据可视化(一)
- Spark入门实战系列--5.Hive(上)--Hive介绍及部署
- i5 11300H和r5 5500u的差距大不大
- 圆周率一千万亿位_圆周率计算已经达到数万亿位,为何还在继续计算?