猜你喜欢
广告数据定量分析：如何成为一位厉害的广告优化师 [Quantitative Analysis of Ads Data - How to Become ]

广告数据定量分析：如何成为一位厉害的广告优化师 [Quantitative Analysis of Ads Data - How to Become ]

书籍作者：齐云涧 ISBN：9787111631125
书籍语言：简体中文 连载状态：全集
电子书格式：pdf,txt,epub,mobi,azw3 下载次数：9779
创建日期：2021-02-14 发布日期：2021-02-14
运行环境：PC/Windows/Linux/Mac/IOS/iPhone/iPad/Kindle/Android/安卓/平板
内容简介

内容简介
这是一部面向初级广告优化师、渠道运营人员的广告数据分析和效果优化的实战指南。
数据分析功底的深浅，决定了广告优化师能力水平的高低。这本书一方面告诉读者成为一名厉害的广告优化师需要掌握的数据分析技能，以及如何快速掌握这些技能；一方面又为读者总结了SEM广告、信息流广告、应用商店广告数据的分析方法论和效果优化的方法，以及多广告推广渠道的统筹优化。书中提供大量真实数据案例，助你提升广告数据分析的理论深度和业务水平。
全书一共8章：
第1-3章全面讲解了广告优化中的统计学，包括计学和广告数据定量分析的主要思想、统计学与广告优化的关系、广告数据分析中的统计学原理，以及如何用图表描述广告数据。
第4-7章依次讲解了SEM广告的优化痛点以及相应的数据分析解决思路、信息流广告优化面临的难点以及针对性的数据分析方法论、应用商店如何做数据分析和效果优化、多广告推广渠道综合效果评估和统筹优化的问题。
第8章对互联网广告这一商业生态进行梳理，为广告优化师的个人成长提供了有价值的参考建议。

作者简介

作者简介
齐云涧（Trunman Qi）
资深广告优化师和数据分析专家，国内早参与应用商店广告优化研究的专家之一，百度认证的资深营销顾问。
曾任职于致维科技、量化派等细分行业企业，服务过百度、腾讯、阿里、字节跳动、美团、网易、携程、小米、领英、陌陌、58同城、启德教育等多家广告主，管理广告预算累计上亿元。
参与翻译专业书籍《谷歌分析宝典》，撰写过多篇广告数据分析和效果优化的文章，在业内广泛传播。

编辑推荐
适读人群 ：本书适合下面三类人：1、工作经验在3年内、想要实现快速成长的广告优化师；本书适合这个人群的内容是第2章、4~8章。2、对通过数据分析提升广告效果有需求的互联网从业者；

（1）作者是资深的广告优化师和数据分析师，是国内早参与应用商店广告优化研究的专家之一，百度认证的资深营销顾问。
（2）作者服务过百度、腾讯、阿里、字节跳动、美团、网易、携程、小米、领英、陌陌、58同城等多家广告主，管理广告预算累计上亿元。
（3）本书不仅讲解了一位优秀广告优化师需要掌握的统计学知识和数据分析知识，而且还分享了快速学习这些知识的方法。
（4）本书从业务角度总结了移动广告、SEM、信息流广告、应用商店广告等多种形态广告数据的分析方法，以及效果优化技巧。

前言
为什么要写这本书
现如今，数据、大数据、数据分析成为互联网行业的热门词汇。数据定量分析的方法论已经在互联网诸多领域创造价值，如量化投资、互联网金融征信和风控、广告监测等。而广告优化领域的数据分析还处在非常落后的状态，大部分广告优化师只掌握了环比、同比、百分比等数据描述的基础方法和折线图、柱状图等基础图表，优化师的优化工作以经验主义居多，优化能力的同质化严重。我在服务广告主的过程中，一直探索通过数据定量分析的方法，将广告数据分析这件事做得更好，为客户的广告投放创造更大价值，2017年我将服务某客户的历程做了总结，写成一篇《玩转应用商店—相关性分析实现不同广告位资源的配比优化》，不曾想在业内引起了小小的轰动，得到多位资深业内人士的认可，说明了我的研究方向—“广告数据定量分析”是很有价值的。
实际上，广告数据定量分析在网站分析和产品运营中早已践行，如转化率优化、AB测试的方法论，就是建立在统计学基础上的数据分析。最近两年，GrowingIO、诸葛IO、吆喝科技等数据创业公司的兴起，更是说明了市场上数据驱动用户增长和效果优化的用户需求很大，市场前景广阔。
近年来，随着互联网广告行业市场规模增长，新的广告媒体和广告类型层出不穷，互联网创业方兴未艾，对广告优化师的需求渐长，广告优化师队伍人数激增，越来越年轻化。而一直以来，优化功底过硬、经验丰富的优化师都是业内的稀缺人才。一方面，从拉勾网、BOSS直聘的搜索结果可以看出，拥有3～5年经验的市场推广人才是很多公司急缺的。另一方面，数据分析作为广告优化师的必备技能一直是业界共识，但由于缺乏系统的学习和培训，广告优化师从业者的数据分析功底良莠不齐，对数据分析一知半解的大有人在，哪怕有心想学习提高的业内人士，也没有合适的学习资料。对他们来说，纯数据分析的书籍和视频课程，学习门槛较高，且难以学以致用；而结合广告优化的数据分析文章干货难觅，多是营销软文的性质，难以满足学习需求。国内至今没有一本关于广告优化数据分析的正式著作出版，本书正好开创了先例。
在本书中，我希望能在以下几个方面为行业发展添砖加瓦：
1）指出广告优化师提高数据分析能力的方向，即通过科学的数据定量分析，从KPI出发以终为始，精益优化；
2）为想成为高级优化师，渴望塑造个人核心竞争力的读者踏出一条大道，为年轻的优化师实现跨越式发展、弯道超车提供助力；
3）对现在的优化师的广告优化工作有所启发，促进行业内更多的交流和创新；
4）填补广告优化与数据定量分析这一交叉领域的空白，提高广告优化岗位的技术含量和经济价值。
读者对象
甲方广告主从事渠道运营的相关人员
乙方广告代理公司的初中级广告优化师
广告媒体方的运营人员
其他关注流量购买和转化的读者群体
本书特色
数据分析作为广告优化师的必备技能一直是业界共识，但亚马逊、京东上以“广告数据分析”为主题的书尚且没有搜索结果，在知乎的一些问答中，资深人士多推荐纯数据分析的书籍，说明广告优化与数据分析的交叉领域尚处空白。
本书在内容上几乎涵盖了互联网主流的广告形式和优化方法论，从KPI出发，以终为始。从统计学的基础，讲到SEM广告、应用商店广告、信息流广告的优化，一直到从社会学角度剖析广告业内的3种角色，最后展望了广告优化的未来发展。同时书中提供了丰富的案例，实践了作者提出的广告的数据定量分析方法论，对一些优质的数据分析工具也进行了相关阐述，知无不言、言无不尽。
如何阅读本书
本书的内容可分为3大部分：
基础部分（第1～3章和第8章），介绍了广告优化中的统计学思想和基本原理，为后文讲述数据分析方法论打好基础。在最后一章对互联网广告商业生态进行阐述，关于广告优化师如何实现个人精进成长有所分享。
应用部分（第4～7章除案例部分），以移动广告市场上3大主流广告类型为例，分别阐述不同广告类型的流量特点、优化难点，并提出一些创新性的数据分析方法论。另外对于多广告推广渠道的综合效果评估和统筹优化也做了深入讲解。
实例部分（第4～7章案例部分），通过对4个具有代表性的广告优化项目的案例讲解，让读者了解广告数据定量分析和效果优化的完整流程。
勘误和支持
由于作者的水平有限，编写时间仓促，书中难免会出现一些错误或者不准确的地方，恳请读者批评指正。为此，特意留下我的联系邮箱[email protected]，如果你遇到任何问题，欢迎邮件交流，我将及时为读者提供最满意的解答，期待能够得到你们的真挚反馈。
致谢
首先要感谢宋星老师，感谢你作为前辈对我一如既往的提携和帮助，得益于你的自媒体平台，我的一些文章得以在业内传播和提高影响力。
感谢曲海佳老师，在与你共事的日子里，你在专业上给予我很多指导，肯定了广告数据定量分析的价值，鼓励我坚定地研究下去。
感谢我任职过的致维科技、量化派，因为领导层的开明和支持，才让我在有了大量的广告数据基础上，进行更深入研究的可能。
感谢机械工业出版社华章分社的编辑杨福川、张锡鹏，在这一年多的时间中始终支持我的写作，你们的鼓励和帮助引导我顺利完成全部书稿。
目录

推荐语
前言
第1章　广告优化中的统计学1
1.1　统计学：用一句话解释它是什么1
1.2　学会运用统计：读者的目标2
1.2.1　理解统计学术语2
1.2.2　掌握科学的数据分析方法论2
1.2.3　理解什么地方可能出差错3
1.3　统计学的主要思想4
1.3.1　随机性和规律性4
1.3.2　规律性中的随机性5
1.3.3　概率：什么是机会6
1.3.4　变量和值6
1.3.5　常数7
1.4　统计学和广告优化的关系7
1.5　广告数据定量分析的主要理念9
1.5.1　目的性Purpose9
1.5.2　有限性Limited10
1.5.3　相关性Correlation12
1.5.4　抽样性Sampling14
1.5.5　显著性Significance15
1.6　本章小结15
第2章　广告数据分析中的统计学原理16
2.1　抽样：总体、样本和误差16
2.2　概率20
2.3　概率分布21
2.3.1　正态分布21
2.3.2　标准正态分布23
2.3.3　中心极限定理24
2.4　统计推断：估计25
2.4.1　估计：用样本数据预估总体25
2.4.2　区间估计25
2.4.3　总体比例的置信区间27
2.4.4　总体均值的置信区间28
2.5　 统计推断：假设检验31
2.5.1　简单好用的p值31
2.5.2　两个总体比例之差的显著性检验32
2.5.3　两个总体均值之差的显著性检验36
2.6　变量间关系37
2.7　自变量和因变量之间的关系38
2.8　两个数值型变量的关系39
2.8.1　相关分析39
2.8.2　回归分析43
2.9　分类型变量和数值型变量的关系46
2.10　本章小结51
第3章　广告数据的描述：图表52
3.1　初阶：维度和指标52
3.1.1　看分布53
3.1.2　看趋势56
3.1.3　多维度和指标交叉61
3.1.4　看相关64
3.2　进阶：用户行为洞察66
3.2.1　漏斗图66
3.2.2　用户行为路径图69
3.3　本章小结71
第4章　SEM广告数据分析72
4.1　认识SEM广告72
4.1.1　SEM广告发展现状72
4.1.2　SEM推广渠道的特点74
4.1.3　SEM广告数据分析痛点76
4.2　SEM广告数据分析关键指标解读81
4.2.1　CPC81
4.2.2　CTR83
4.2.3　质量度85
4.2.4　平均排名86
4.3　SEM数据分析方法论88
4.3.1　帕累托法则88
4.3.2　四象限分析89
4.3.3　显著性检验91
4.3.4　关键词评分体系94
4.4　案例：某招聘网站的百度SEM广告优化101
4.4.1　项目背景101
4.4.2　优化难点104
4.4.3　优化思路106
4.4.4　优化执行107
4.4.5　效果评估112
4.5　本章小结114
第5章　信息流广告数据分析115
5.1　认识信息流广告115
5.1.1　信息流广告发展现状115
5.1.2　信息流推广渠道的特点118
5.1.3　信息流广告数据分析痛点119
5.2　信息流广告数据分析关键指标解读124
5.2.1　ECPM和CTR124
5.2.2　用户画像和广告定向128
5.3　信息流广告数据分析方法论131
5.3.1　A/B测试131
5.3.2　朴素贝叶斯算法—优化广告定向137
5.3.3　创意定量化的解决思路142
5.4　案例：某金融App的今日头条信息流广告优化146
5.4.1　项目背景146
5.4.2　优化难点147
5.4.3　优化思路148
5.4.4　优化执行148
5.4.5　效果评估155
5.5　本章小结156
第6章　应用商店广告数据分析157
6.1　认识应用商店广告157
6.1.1　应用商店广告的发展现状157
6.1.2　应用商店推广渠道的特点160
6.1.3　应用商店的几大核心广告资源介绍162
6.1.4　应用商店广告数据分析痛点164
6.2　应用商店广告数据分析关键指标解读171
6.2.1　自然量171
6.2.2　CPA175
6.2.3　ROI178
6.2.4　各广告位流量配比180
6.3　应用商店广告数据分析方法论181
6.3.1　相关性分析181
6.3.2　线性回归分析185
6.3.3　显著性检验分析193
6.4　案例：某生活消费App在小米应用商店渠道的广告优化196
6.4.1　项目背景196
6.4.2　优化难点199
6.4.3　优化思路200
6.4.4　优化执行201
6.4.5　效果评估210
6.5　本章小结212
第7章　多广告推广渠道的统筹优化213
7.1　多渠道广告统筹优化的现状213
7.2　多渠道广告数据分析方法论：综合效果评分模型215
7.3　案例：某金融App在多广告渠道的统筹优化217
7.3.1　项目背景217
7.3.2　优化思路和执行217
7.3.3　效果评估226
7.4　本章小结227
第8章　广告优化的未来会好吗228
8.1　广告业内的3种角色228
8.1.1　角色期待229
8.1.2　角色冲突与认知偏差233
8.1.3　囚徒困境234
8.2　广告优化的作用237
8.2.1　广告优化的边界237
8.2.2　广告优化的展望238
8.2.3　广告优化师的精进之道：内部创业者238
8.3　本章小结240

产品特色