【不同产品对于点击率的影响分析案例-以A企业为例2200字】

不同产品对于点击率的影响分析案例—以A企业为例目录TOC\o"1-3"\h\u4715不同产品对于点击率的影响分析案例—以A企业为例 126457（一）样本选择与数据来源 131259（二）模型构建 1934（三）实证分析 2323261.描述性统计 2293272.回归分析 3样本选择与数据来源本文以在互联网营销领域具备代表性的A企业作为目标企业，把目标企业在2019-2020年不同类别的互联网广告产品的点击率作为研究对象，试图研究不同因素是否会对产品的点击率造成影响。选取点击率（Click-throughRate）作为研究对象，主要是考虑到其为影响转化出价的核心要素，属于互联网广告效果的核心评价指标之一。转化出价是指广告主可以选择和设定投放广告的目标，并给出目标转化价格，广告系统预估点击率和转化率，向最有可能发生转化的用户展示广告，保证转化成本尽可能接近或者低于广告主的目标出价。因此，转化目标、转化价格、点击率和转化率预估便构成了转化出价的四个核心要素。[[]王永,张帅鹏,申文凯等.一种面向实时竞价广告的出价及预算估计方法[P].中国[]王永,张帅鹏,申文凯等.一种面向实时竞价广告的出价及预算估计方法[P].中国:CN107153970A,2017.本模型选取点击率作为因变量，同时选取产品账户小类、广告主行业、广告主地域、代理类型、是否加V、商家信誉评级、账户余额、展现数、点击数、点击消费、点击消费现金、每千次消费成本、所属日期等作为自变量。所有相关数据来自A企业，并经过模糊处理。模型构建为了检验不同因素对互联网广告的点击率的影响，本文构造以下模型：CTR=β0+β1Industry+β2Location+β3Agency+β4VIP+β5Credit+β6Remaining+其中广告主行业、广告主地域、代理类型、是否加V、商家信誉评级为描述广告主性质的变量，账户余额、展现数、点击数、点击消费、点击消费现金、每千次消费成本、产品账户小类为描述产品消费情况的变量。具体的变量说明可见下表。表SEQ表\*ARABIC1变量说明变量名称变量含义CTR点击率Industry广告主行业Location广告主地域Agency代理类型VIP是否加V：是否为VIP客户Credit商家信誉评级Remaining账户余额View展现数Click点击数Expense点击消费Cash点击消费现金CPM每千次展示成本Product产品账户小类实证分析描述性统计表2为各变量的描述性统计结果。表SEQ表\*ARABIC2变量描述性统计变量名样本数量平均值标准差最小值最大值Remaining76928848720151669010597607View769288109319585051126123346Click769288154373810460157Expense769288202363420290496Cash769288153147940206026CPM7692881394270128140CTR7692885.33%7.21%0.00%100%由描述性统计可知，2019-2020年间，广告主在A公司进行投放的操作记录样本量为769288个。回归分析在进行回归分析之前，为了最大化模型效用，本文对数据进行了去除离群值、合并类别以最大化与目标的关联等前期处理。接着，本文以CTR为目标变量，计算了变量的重要性程度，发现在预测CTR时，CPM产生了最重要的影响，其次是点击消费、点击数、代理类型、广告主地域与账户产品小类，而其他变量的影响程度均较低。因此为了简化模型，本文在此对变量进行了筛选，仅选择CPM、点击消费、点击数、代理类型、账户产品小类、广告主地域作为自变量，构建模型如下：CTR=β0+β1CPM+β2Expense+β3Click+β4Agency+β5Product+β6Location+ε模型简化后变量重要性程度与准确性程度如下图。图SEQ图\*ARABIC6模型重要程度与准确程度最后在正式构建模型的阶段，本文选择了向前步进法来构建线性回归模型，模型的准确性在28.4%，我们认为是目前的六个变量不足以概括影响CTR的大部分因素，关于其他影响CTR的因素将在未来继续探寻。表SEQ表\*ARABIC3回归模型结果变量名系数标准误差t显著性重要性截距0.6330.03219.9120.000CPM0.0270.000358.5290.0000.483点击消费-0.0010.000-208.5820.0000.164点击数0.0020.000180.7540.0000.123代理类型=1.5920.04138.6080.0000.109代理类型=4A-0.1740.046-3.7550.0000.109代理类型=SEM综合代理0.7600.03025.0510.0000.109代理类型=传统媒体代理0.2050.0494.2250.0000.109代理类型=境外代理0.0640.3040.2110.0000.109代理类型=教育专项代理3.9390.031128.2960.0000.109代理类型=本土综合代理0^a0.109账户产品小类=PC凤巢0.9820.01661.2910.0000.062账户产品小类=原生商业推广-竞价（CPC）-2.6190.027-95.3630.0000.062账户产品小类=原生商业推广-竞价（CPM）-1.8490.037-50.1020.0000.062账户产品小类=无线凤巢0^a0.062广告主地域=北京，贵州，陕西1.2290.02254.9000.0000.060广告主地域=四川-2.2490.128-17.5530.0000.060广告主地域=其他，山东-1.0340.179-5.7790.0000.060广告主地域=天津，河南-2.0840.057-36.4480.0000.060广告主地域=江苏，河北，浙江-0.4310.042-10.1530.0000.060广告主地域=江西，湖南，福建14.5420.14699.6100.0000.060广告主地域=安徽2.1590.6143.5190.0000.060广告主地域=广东0.2730.0309.1080.0000.060广告主地域=广西0.5010.04610.8110.0000.060广告主地域=北京，贵州，陕西0.0000.0490.0050.9960.060广告主地域=重庆-2.0560.237-8.6740.0000.060广告主地域=云南，辽宁-1.2690.064-19.7030.0000.060广告主地域=新疆，湖北1.6530.2456.7370.0000.060广告主地域=海南0^a0.060（注：0^a表示此系数冗余，因此设置为0）由表3回归分析结果可知，账户余额、展现数、点击数、点击消费、点击消费现金、每千次消费成本（CPM）均属于显著变量。其中CPM、点击数与CTR呈现正相关关系，点击消费与CTR呈现负相关关系，且其中CPM对CTR的影响程度最大。代理类型中，SEM综合代理、传统媒体代理、境外代理、教育专项代理有助于提高CTR，其中教育专项代理表现最优，本土综合代理对CTR基本不产生影响，而4A代理类型则会导致CTR的降低。产品账户小类中，无线凤巢对CTR影响较小，使用有线凤巢的产品有助于CTR的提高，而原生竞价类型的产品可能会导致总体CTR的降低。最后，在经过变量处理的广告主地域中，江西、福建、湖南CTR更优，四川的CTR表现最差。其中关于产品账户小类的结论，本文认为是由