在广告展示数一定的条件下，点击率的高低就是决定一个广告能否被更多人看到的因素。 文章主要分析就针对“点击率”这一因素进行分析，与大家分享。

一、分析背景及目的

数据源：Ad Display/Click Data on Taobao.com 这是一份淘宝平台的广告展示/点击数据，本次分析需要从这些数据中发现某些规律或者异常，进而给运营团队提出建议 评价一个广告效果的指标就是广告的点击人数，可以反映一个广告有多少人愿意点击查看广告的内容，只有广告被点击，后续转化为购买行为才会发生。

把广告的点击人数指标拆分： 广告点击人数=广告展示数 x 点击率，而广告展示数又由广告商品的价格、类别影响；不同人群对不同类别商品有着不同的喜好，从而影响广告的点击率。

在广告展示数一定的条件下，点击率的高低就是决定一个广告能否被更多人看到的因素。 因此本次分析就针对【点击率】这一因素进行分析。

二、分析思路

从“广告”和“用户”两个角度进行分析：

1. 广告角度分析不同广告的商品价格对点击率的影响分析哪些类别的广告点击率更高，哪些类别的点击率低

2. 用户角度分析性别和广告点击率有什么关系结合聚类分析与RFM模型分析用户群体对广告点击率有什么关系

三、分析过程1. 数据清洗

（1）数据概览

原始的数据集中包括三类数据，具体数据对应属性如下：

为了方便分析，抽取其中的部分字段作为分析。 从raw_sample数据集中抽取：用户ID、广告ID、是否点击 从ad_feature数据集中抽取：广告ID、类目ID、广告商品价格 从user_profile数据集中抽取：用户ID、年龄层、性别、购物层次

（2）数据组合

将三张数据表，组合到一张表中a=raw_sample.merge(right=ad_feature,on='ad_id',how='left') b=a.merge(right=user_profile,on='user_id',how='left')

得到一张记录了用户-广告信息表

（3）缺失值处理