前言：

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(shù)據(jù)分析，幫助商家找到問題所在，給予建議，提高廣告投放效果。

---

一、數(shù)據(jù)來源及字段解釋

數(shù)據(jù)來源于Kaggle：

字段解釋：

二、提出問題

1. 廣告投放行業(yè)主要業(yè)務指標

2. 分析目標：

• 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）
• 三支廣告組各自CPC、CPA表現(xiàn)如何以及誰的ROAS表現(xiàn)最好？
• 針對ROAS最差的廣告如何進行投放改善？

三、數(shù)據(jù)分析

1. 數(shù)據(jù)預處理

觀察數(shù)據(jù)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(shù)，我們將這類數(shù)據(jù)作為異常值刪除。

2. 問題1：三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）

利用數(shù)據(jù)透視表，可得出數(shù)據(jù)：

三支廣告中，916,936的點擊率接近，1178的點擊率較低；916的咨詢轉化率及付費轉化率最高，1178的咨詢轉化率非常低，僅有7.36%。

問題2：三支廣告組各自CPC、CPA表現(xiàn)如何以及誰的ROAS表現(xiàn)最好？（假設用戶咨詢1次收益5美元，付費1次收益100美元）

利用數(shù)據(jù)透視表，可得出數(shù)據(jù)：

三支廣告中，916的ROAS最高，1178的CPA遠遠超過其他兩支廣告，同時ROAS僅有1.8，表現(xiàn)最差。

問題3：針對ROAS最差的廣告如何進行投放改善？

這里廣告1178表現(xiàn)是最差的，我們對它詳細分析以進行投放改善。

首先先看付費金額的多少與點擊量、咨詢次數(shù)，付費次數(shù)，ROAS的關系，是不是付費金額越多，這些指標就越高。這里我們用散點圖：

上圖可以觀察到，付費金額與點擊量擬合的最好，付費金額越多，點擊量越高；付費金額與付費次數(shù)沒有強相關性。

其次，分析興趣標簽與ROAS，點擊量之間的關系。

ROAS排名前五用戶標簽為104，101，102，31，112，這類用戶需要重點關注，廣告投放費用優(yōu)先這類客戶。

用戶29，16，10，27，28，63，18，19，20的點擊量非常高，前文已計算出點擊量與廣告費用呈正相關，意味著其花費占比大，但ROAS并不理想，廣告投放時避免投放這類用戶。

結合用戶的性別屬性，我們選取ROAS最好的用戶104；ROAS較好，但廣告費用相對較大的用戶15；ROAS一般，廣告費用非常大的用戶29進行分析，優(yōu)化廣告投放策略。

用戶104，男性的ROAS有35.6，遠超女性，建議加大該類用戶的男性廣告投放，減少女性的廣告投放。（這里也可能因為點擊量的基數(shù)太小，得結合實際業(yè)務確定）

用戶29建議加大對男性廣告投放，減少女性廣告投放。

然后，我們看下整體的性別、年齡段與ROAS，點擊量之間的關系。

年齡段：

45-49年齡段的點擊量最高，但ROAS最低，廣告投放在年齡段上加大對30-34年齡段的投放，減少45-49年齡段投放。

性別：

男性的ROAS高于女性，廣告投放上增加對男性的投放。

最后，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(jù)用戶興趣標簽，分析各階段的轉化率。

用戶16點擊量最大，但咨詢轉化率非常低，建議實際業(yè)務中分析客戶點擊了哪些頁面，各頁面或模塊停留的時長，對比咨詢轉化率高的用戶101，112，36，分析客戶從點擊至咨詢流失的原因。

用戶27咨詢次數(shù)第三，付費轉換率非常低，建議從客服或后臺分析客戶咨詢的問題及客服回答后的反饋，對比付費轉化率高的用戶65，102，找到付費轉換流失的原因。

總結：

1. 付費金額與點擊量呈正相關，付費金額越多，點擊量越高
2. 對于廣告1178，建議加大用戶標簽為104，101，102，31，112的投放，減少用戶29，16，10，27，28，63，18，19，20的投放；性別上加大對男性投入；年齡段上加大對30-34年齡段的投放，減少45-49年齡段投放。
3. 對于各階段流失率較高的用戶群體，對比轉化率高的群體，找到客戶流失原因，提高轉化率。
4. 實際業(yè)務中應結合業(yè)務部門的KPI指標來分析，例如產(chǎn)品是推廣期，需要加大拉新，KPI是點擊量，那就以點擊量來分析（本例中以ROAS作為KPI）。
5. 本次分析只針對單一的渠道，最好結合多渠道的投放數(shù)據(jù)來判斷目標用戶屬性
6. 根據(jù)數(shù)據(jù)分析結果改善投放重心后，需要再次分析改善后的數(shù)據(jù)情況判斷數(shù)據(jù)分析結果的準確性，不斷進行調整優(yōu)化。

---

全文完，喜歡的點個贊吧~