广告数据定量分析：如何成为一位厉害的广告优化师[鲜读]
| 作者 |
| 齐云涧 |
| 丛书名 |
| 数据分析与决策技术丛书 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9787111631125 |
| 简要 |
| 为广告优化师快速提升数据分析能力提供系统知识和学习方法，总结SEM广告、信息流广告、应用商店广告等各种常见广告类型的数据分析方法论 |
| 简介 |
| 内容简介书籍经济管理学书籍 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。 |
| 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Purpose 9 1.5.2 有限性Limited 10 1.5.3 相关性Correlation 12 1.5.4 抽样性Sampling 14 1.5.5 显著性Significance 15 1.6 本章小结 15 X 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 XI 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 CPC 81 4.2.2 CTR 83 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 XII 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CTR 124 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 CPA 175 6.2.3 ROI 178 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 XIII 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 |
有问题微信扫码联系