标签：深度 学生 sam 青少年 比较 每日 新建 制作 特性
在现实的推广过程中，优质人群，投放时间，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，从而让推广费用投入更高效。
为达成广告精准有效投放，我们从投放位置，投放时间，和投放人群三方面来多维度分析广告的点击率，从而筛选出最佳的投放位置，最佳投放时间，优质投放人群，从而实现精确投放，提高推广费用的使用效果。
为实现高效的广告推荐，通过对用户信息，用户行为以及广告信息分析：
用户信息：用户id，性别，年龄，消费档次，购物深度，是否为大学生，所在城市
广告信息：广告id，商品类目，广告计划，广告主，品牌，价格
用户行为：点击时间，是否点击等
多维度进行数据分析，找出其中的隐含规律，并提出最佳的推广方案，实现广告精准投放
阿里天池https://tianchi.aliyun.com/dataset/dataDetail?dataId=56
user_profile.csv.tar.gz
ad_feature.csv.tar.gz
raw_sample.csv.tar.gz
ad_feature.csv.tar.gz ：广告的基本信息，包含广告id的基本信息
user_profile.csv.tar.gz：用户基本信息表格，包含位用户信息
raw_sample.csv.tar.gz：样本人群点击记录表格，包含条点击记录
创建用户基本信息表：user_info
创建用户点击信息表：user_click_record
创建广告基本信息表：ad_info
1. 用户基本信息表：
select * from user_info limit 20;
# 用户基本信息总条数： select count(*) as ‘用户基本信息条数’ from user_info;
2. 用户点击信息表
select * from user_click_record limit 20;
# 用户点击信息总条数： select count(*) as ‘用户点击信息条数’ from user_click_record;
# 用户是否点击信息： Select count(*) from user_click_record where clk = 1;
3. 广告基本信息：
select * from ad_info limit 20;
# 广告基本信息总条数： select count(*) as ‘广告基本信息条数’ from ad_info;
2. 特征提取
选择广告点击最高的广告数据进行分析：
由上面的查询用户点击记录表的广告点击量检索非常耗时，因此我们筛选出表中广告id为：710164的记录，并将其存储到新建表new_user_click_record中。
新建表：
将筛选的结果存储在该表中：
查询结果：
1. 创建可视化图表：
内联接关联user_info表和new_user_click_record表，通过探索各维度特征与当前维度下展现量和点击率之间的关系，分析用户心理与行为。
CREATE VIEW 视图(人群分析) AS SELECT new_user_click_record.`用户id`, from_unixtime(new_user_click_record.`时间戳`,‘%Y-%m-%d‘) AS ‘点击日期‘, from_unixtime(new_user_click_record.`时间戳`,‘%k：%i：%s‘) AS ‘点击时间‘, new_user_click_record.`资源位`, new_user_click_record.nonclk, new_user_click_record.clk, user_info.`城市层次`, user_info.`年龄层次`, user_info.`性别`, user_info.`消费档次`, user_info.`是否为大学生`, user_info.`购物深度` FROM new_user_click_record,user_info WHERE user_info.`用户id`= new_user_click_record.`用户id`;
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(clk) as 点击数, CONCAT(Round(sum(clk) / count(*)*100, 2),‘%‘) as ‘点击率‘ FROM 人群分析.资源位 GROUP BY 资源位 order by 点击率 desc;
由分析结果可知，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。
3. 多维度分析不同投放时间点击率
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;
展示结果如图所示：
由以上数据图表分析，得出以下结论：
a、 展现量从早上9点开始活跃至晚上十点达到高峰，与人们日常作息时间相对应。
b、 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。
c、 深夜1-2点点击率升高接近13%,推测原因，一方面可能近期商家做活动抢购，另一方面夜深之时，一天忙碌后临睡前用户会有购物的欲望。
3.2 每周各天点击率分析：
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;
展示结果如下图所示：
分析总结：由图可知道5月6号周六到周一的点击率偏高，展现量也处于不错的水平，而到了下个周六展现量与点击率均有所下降，这可能与下个星期天即将到来的母亲节相关。运营人员可以根据对应节气上线一些具有节日特色的商品。
4 多维度分析各人群点击率
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` ORDER BY 点击率 DESC;
其分布图如下图所示：
由图可知，年龄层次1、2、5对于点击率偏高，年龄层次2和3展现量处于不错水平，可推断现今青少年仍是消费主体。
4.2 各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;
其分布结果如下图所示：
由图表分析可知，高档人群展现量仅有883，且点击率也偏低，推测是由于产品109的单价，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。
4.3 各个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;
其分布结果如下图所示：
由图表分析可知，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%，该人群点击率比较稳定。
4.4 各职位（是否大学生）人群点击率分析：
SELECT `视图（人群分析）`.`是否大学生`, CASE WHEN `视图（人群分析）`.`是否大学生`=1 THEN "是" WHEN `视图（人群分析）`.`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）`.`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，分析商品单价109，属于平价款，接受程度较高
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；
其分布结果如下图所示：
由图表分析可知，第1层级点击率较低，第4层级展现量也比较低，处于中间第2层级展现量以及点击率都很高，消费人群与所在城市繁华程度以及人数有关。
4.6 不同性别人群点击率分析：
SELECT `视图（人群分析）`.`性别`, 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）`.`性别` ORDER BY 点击率 DESC;
分析可得，女性远比男性展现量的点击率高，故运营人员可以多推荐一些女性相关的产品。
标签：深度 学生 sam 青少年 比较 每日 新建 制作 特性
原文地址：https://www.cnblogs.com/colin1314/p/11228962.html
