|
一、选手简介 1.团队选手 团队名称：一个匆忙到来不及起名的团队 团队个人介绍： - 木槿；团长，统计学出身，有数据分析和可视化经验，专业打杂三十年。
- 凡凡：老老实实打工人，勤勤恳恳工具人，有ETL数据处理和报表制作经验，此次分析发散思维自由发挥。
- 凯迪：插诨打科前半生，专注摸鱼20年，致力于躺平学知识调查研究。
- 巨人小姐姐：本次数据提供者，业务理解全靠她了。
2.参赛初衷 我们团队中的大部分人原本都是抱着个人参赛的想法的，结果后来大家在交流群中遇到，然后来自不同城市不同行业的几个人就阴差阳错的组成了一支队伍。如果说个人赛参赛的初衷是检验自己的可视化能力，那团队赛更能体现大家想法的碰撞，同时也更能从这些碰撞中汲取养分。 二、场景介绍 1. 业务背景介绍 随着互联网的普及和发展，各种各样的媒体比如微博、微信以及众多新闻客户端应运而生。在这种环境下，不同于传统的电视广告，媒体广告逐渐成为一种更容易被大众了解和认可的方式。对于汽车这种依赖市场宣传的行业来说，如何找到符合自己品牌定位的媒体为自己宣传，同时使自己宣传收益最大化，显得至关重要。 不同于电商或者销售等其他行业的成交，我们此次分析的转化目标为客户进店进行试驾体验，即留资客户进店即视为媒体广告转化成功。 2. 数据来源 我们采用的是某车企的广告投放数据，具体数据表包括：媒体1-媒体4数据、媒体1-4mapping关系表、前端监测数据、落地页监测数据以及转化数据表。数据表间的关联见下图： ![]() - 媒体1-媒体4合并表：本来为媒体1、媒体2、媒体3、媒体4共计4个媒体的分表，为了方便分析而合并为一张表，主要涉及字段为：日期、媒体点位ID、媒体名称、曝光量、点击量、成本。
- 媒体1-4mapping关系表：该表为媒体1-媒体4的关联表，关联字段为媒体点位ID,通过媒体点位ID获得每个媒体广告投放的详细信息。涉及到的主要字段有：活动开始时间、媒体名称、渠道、广告位置、广告类型、活动类型、活动类型子类别、车型、购买方式等信息。
- 落地页监测表：媒体广告投放落地页的监测数据，关键指标有：日期、媒体点位ID、落地页次数、到落地页人数、总浏览页面、跳出、会话总时长、跳出率等信息。
- 前端监测表：日期、媒体点位ID、媒体、平台、曝光量、点击量等信息。
- 转化数据：留资客户的进店情况数据。关键指标有：性别、省份、意向等级、购车分类、留资时间、经销商名称、意向状态、媒体点位ID等信息。
3.分析思路 我们结合收集到的数据，提出了三个分析方向： (1) 管理层角度的关注指标： ![]() (2) 运营人员关注的指标： ![]() (3) 用户群分析； ![]() 4. 数据整理： 首先将数据进行脱敏处理后，将媒体1-媒体4数据表和媒体1-4mapping关系表进行合并处理，以获取媒体1-媒体4的广告类型分类、渠道、广告类型、素材类型等数据指标。其他数据表进行单独处理分析。 ![]() 5. 可视化报告 （1）管理层角度分析 我们分析了媒体广告成本分别在车型、媒体中的分布，发现：M1车型、媒体4的成本花费较高，占比分别达到了41%和60%；而媒体4中的子媒体包含Toutiao、Tencent、Douyin、Media6和Media7，其中又以Douyin的成本花费占比最高，占媒体4成本花费总量的61%。![]() 其次，我们分析了不同媒体点位的会话数成本、留资成本及CPA分布。从各个广告点位的明细数据分析出，广告点位112711639生成的会话数最多，112952804产生的CPA最大，各广告点位的留资成本相差不大。![]() 在点击曝光成本情况分析上可看出，广告的点击与成本大体一致，想要有较高的曝光与点击，就得选择优质的广告做投放，像111579386，111579194。![]() （2）运营人员角度分析 从运营角度分析，运营人员会更加关注运营数据，如曝光量、点击量、跳出率、曝光-点击转化率等指标。 对比4个媒体的曝光量和点击量，曝光量和点击量最高的均为媒体1，且由两张图表对比可以看出，媒体曝光量与点击量呈正比。![]() 从跳出率图中看：2021年的跳出率普遍低于2020年。![]() 从2020年3月-2021年3月的曝光-点击转化率来看，各月的转化率相差不大，目前转化率最低的月份是2021年3月。![]() 从点击量及花费成本来看，点击量最高的是2020年5月，花费成本最高的是2020年11月，从点击成本来看，整体呈现出上升的趋势。![]() （3）用户群分析 为了了解留资用户的情况，我们从性别、购车分类、留资时间、经销商和省份分布情况来进行统计分析，可知男性、首次购买新车、2020年11月、center2和广州省为留资人群较多的分布。![]() ![]() 数据表中将用户的意向等级分为4级，分别为：热（0-3）、温（4-6）、冷（6-12）、暂无（>12）。将用户的留资意向状态分为：到店（包含非邀约到店和邀约到店）、跟进中、撞单、战败申请和已战败。为了分析用户意向等级和意向状态的关系，我们得到以下气泡图。从中可知，已战败人群中意向等级为冷及以上的比例为40%，而进店人群中的这一比例为33%。![]() 同时，我们分析用户的意向等级与到店的相关性可知，进店意向等级越高，留资进店的转化率越高。![]() （4）总结 本次制作的看板从管理层、运营人员和用户三个方面来分析呈现，在图表展示上并没有使用过于花哨的图形，力求以最简单直观的方式来呈现数据指标间的关联，能为相关人员决策提供帮助。 最终呈现的页面布局如下图所示。 ![]() 三、参赛总结 本次团队中的几名小伙伴来自不同的城市、不同的行业，所涉行业有银行、交通、广告等。对于本次采用的广告行业数据，除了数据提供者来外其他成员均对此行业相对陌生，所以业务理解方面存在一定的困难。但当初决定团体参赛的时候，就已经料想到可能会存在这种问题，所以后面大家积极沟通顺利解决了。 由于到了比赛后期出现了各种各样的问题导致作品提交时间比较紧张，所以目前呈现的看板还比较粗糙，数据源表中还有很多的维度来不及仔细分析，希望比赛结束之后能够继续完善。 在学习这条路上，什么时候开始都不算晚。
 某车企媒体广告投放情况20210706.pdf (2.26 M)
| 
