为运营提供精准营销方案，涉及到数据分析方法看这就够

数据分析工作贯穿整个广告投放过程，作用在于：发现问题、分析问题并帮助解决问题。是为广告投放与优化服务的，而广告投放和优化是围绕KPI要求进行的。

因此，发现问题的标尺是KPI，发现问题之后，需要对数据进行深入分析，抽丝剥茧，定位问题产生的原因并解决问题的对策方案，指导广告的优化调整工作。

具体涉及到的数据分析方法可以概括为：对比、细分、关联。

· 对比：在维度和指标上，分为横比和纵比方法。横比是指同一维度级别，分析不同维度 成员的各个指标的分布并进行比较；纵比是指同一维度成员的同一指标级别，对不同时间粒度的趋势走向进行比较。

分布：主要是分析广告投放数据在各个维度值如何分布。常用维度有：地域分布、频次分布等。比如地域维度消耗分布情况如何，哪个地区投放消耗大、该地区对应点击率或转化率等高低。

趋势：趋势是基于时间维度的数据走向。通过趋势可以看出广告投放中各个数据值的整体走向，分析投放量是否符合广告排期、投放效果是否达到KPI要求。同时，还要分析数据波动和变化幅度，发现异常点（好/坏的数据发展）。

在时间维度上，还可以有同比和环比方法。简单来说，同比是本期与同期比，如 2016年12年与2015年12月相比较；环比是本期与上期比，如2016年12月与 2016年11月相比较。

· 细分：在对比时发现异常数据，就需要进一步挖掘异常产生的原因。同时，细分是为了更合理的比较，在不同细分类别进行比较得出来的数据更加客观公正。通过层层细分进行维度关联，从而挖掘优化空间。 细分主要从以下角度进行：

人群特征细分：根据用户的需求、性别、年龄、行为、兴趣、消费水平或者用户旅程中的不同阶段等粒度将用户划分为不同人群。然后进一步分析不同细分人群的数据。比如细分为男女、新老用户。

时间细分：针对不同时间维度和粒度进行细分。

媒体细分：针对广告渠道、媒体、广告位等进行数据细分。

创意细分：针对投放的多套创意和版本进行细分。

其它维度细分：如地区等。

· 归因：指通过数据观察发现规律或数据之间的因果关联，并在此基础上推断原因并验证。一般可以通过建立归因模型分析广告投放效果。归因模型可以从用户转化旅程中提取，并为不同触点（不同渠道或不同创意）分配不同权重。

归因分为广告归因和站内归因，其中广告归因又可以分为渠道归因和创意归因。渠道归因是指在广告投放过程中的各个渠道对转化的贡献率，包括广告交易平台AdX/SSP、SEM关键词竞价或者其它推广方式，再细分查看百度BES、阿里Tanx、等资源对转化的贡献率。创意归因是指在广告投放过程中的各个创意及版本对转化的贡献率。

常见的归因模型有：

末次转化归因模型：把转化（点击、注册、下单等行为）功劳全部归于末次触点对应的渠道或创意，这是比较直接的归因模型，但忽略了其它节点的功劳。

平均分配归因模型：把转化功劳平均分配给每个触点（用户从看到广告到产生转 化过程中的各个触点），这是比较简单的多渠道归因模型，但有可能会高估了中间节点的功劳。

时间衰减归因模型：根据用户转化旅程时间轴，将功劳倾向于划分给接近转化的触点，也就是首次触点的功劳小，中间的多个触点的功劳依次变大，末次触点的功劳大，这种方式相对合理一点。

价值加权归因模型：对不同渠道的位置价值或不同创意的内容价值进行加权，将转化功劳根据权重进行划分。这种方式需要合理划分不同渠道及不同创意的价值。

自定义归因模型：自定义各个渠道或各个创意的权重，将转化功劳根据权重进行划分。

以上内容出自：舜飞程序化学院

想了解更多互联网广告干货，欢迎关注“舜飞科技”公众号以及知乎机构号~