一、选手简介
1、选手介绍
- 团队名称：菜鸟向前冲队
- 团队介绍：不同行业的数据从业人员，有数据挖掘工程师、数据分析、信息安全分析师、数据专员等不同的岗位，聚集在一起共同完成作品
- 团队组成：因对数据可视化的兴趣和零售行业的工作背景而相识、相知，并组成了一个团队，共同学习、共同做项目、共同成长
2、参赛初衷
工作中我们大多是螺丝钉的角色，承担整个项目的一个模块，参赛可以让我们跳出工作的局限性，参与项目的整个流程，提升个人分析思维和可视化工具的操作技能。希望和更多的大神交流学习，一起合作来完成一份好的作品，对自身能力的检验，以项目去验证能力的短板，从而去有针对性的提升。想给自己的经历增加一些亮点，也想得到行业里的专业人员的指点，汲取他人所长。
二、作品介绍
1、业务背景/需求痛点
背景：3A公司新品广告投放前期针对市场调研小组提供的几个渠道进行新品投放，项目负责人要根据投放至今近20天的广告数据进行一轮回顾，根据当前数据的实际情况重点解决以下几个问题：
a.各渠道的广告花费和目标达成情况，该渠道是否合适追加广告预算投入；
b.各渠道的实际转化情况，哪些渠道可以继续投放，哪些渠道应该终止广告投放；
c.各渠道产生的新用户数及产品的客单价情况；
d.各品类的流量转化情况，找出当前能打爆的重点品类/商品进行打爆；
2、数据来源
数据清洗确实是整个过程中较为耗时耗力的地方，本次比赛中，我们主要使用python对广告投放的数据进行清洗工作，来来回回搞了好几次。最终数据清洗后抽象出3张表（广告行为数据、广告投放数据、用户成交数据）并写入到csv文件中。在整个数据清洗过程中，我们主要做了下如下操作：
a.数据脱敏:将真实个人数据信息做脱敏操作，方法比较简单，编码类数值使用星号隐去关键内容，汉字部分随机组合做替换
b.异常数据剔除：在这次清洗中主要表现为关键字段为空，比如：商品编号及名称存在空值的、广告点击量大于浏览量的，时间日期超过本次活动的等；
c.数据修正：在这个过程中，当然也存在一些数据虽然异常，但不影响最终使用的，如果成交量为空的，这些会被修改成0，类别内容有错别字；
d.脏数据清洗：在数据处理过程中，比较常见的就是一些特数据字符，或者一些无效内容数据，对这类数据主要是通过正则表达式做数据过滤。
在数据清洗过程中，主要感受就是需要对数据有全面的了解，在第一次数据清洗操作后，由于了解还是不够充分，有些数据内容错别字问题没有修正全，导致最后报表呈现的数据不达预期，后面逐渐修复掉，报表数据效果呈现的还算符合预期。
3、分析思路
针对5个投放渠道按以下关键指标分析各渠道的广告花费和目标达成情况，判断该渠道是否合适追加广告预算投入；分析各渠道的实际转化情况，分析哪些渠道可以继续投放，哪些渠道应该终止广告投放；分析各渠道产生的新用户数及产品的客单价情况，判断哪些渠道投放带来了较高的流量；分析各品类的流量转化情况，找出当前能打爆的重点品类/商品进行打爆；
4、数据处理
1)根据ad_act明细表取出投放渠道，类别，sku等明细数据作为产品信息表；
2)基于ad_data与产品信息表进行关联获得各广告明细表数据；
3)为进一步检验各渠道的产品转化数据，搭建渠道漏斗模型；具体实现方式如下：
a.基于广告明细数据，计算出广告-浏览量，广告-曝光量，广告-点击量，广告-加购量，广告-支付量五个自助数据集的数据；
b.将5个自助数据集上下合并成一个自助数据集
5、可视化报告
1)制作面板组件【各渠道流量数据转化】
从图形上可以看出：
a.微信朋友圈、抖音整体的转化率都偏低；其中抖音的浏览量和曝光量体量较大，但是转化的数据都较小，可针对视觉图片、视频、文案描述重点进行下研究，考虑是否可有针对性的进行调整；
b.腾讯和百度的整体转化数据较为客观，可重点关注是否进行相关产品广告预算的追加；
c.小红书的支付率居首位，但是整体的浏览量和曝光量并不是特别明显，可针对渠道和商品进行重点分析；
2)根据广告日明细表可搭建广告各渠道销售趋势，可以看出整体的趋势，其中除微信以外的渠道的销售体量占比较大，微信朋友圈几乎没有产出太大的贡献值；
3)根据广告预算、广告花费、销售额、目标等指标基于子弹图，搭建广告花费进度和目标完成情况；从子弹图上可以看出抖音、百度、腾讯整体得广告花费都接近100%，指标得达成情况达到55%以上；小红书的广告花费接近预算的75%,指标达成度达66.23%；重点需要关注微信朋友圈，花费近一半的预算，但整体的目标达成率仅有2.84%。
4)根据整体的支付率和产出比搭建四象限图，可看出各渠道在四象限图上的位置其中微信朋友圈位于第三象限，需重点关注；另下钻页面可看出各广告活动对应的四象限位置，根据散点分布情况可看出各活动的整体分布趋势；
5)利用tab键搭建各产品的产出比和支付率情况，其中绿色表示产出比（支付率）高于整体平均值，可根据实际的情况调整广告的投入情况；
6)基于用户维度表，可看出各渠道获取用户数的情况，从数据上可以看出整体的客单价查不多，但是用户数差异就比较明显，腾讯高达95万的新客户数，而微信朋友圈仅有2.5万；
7)根据产品的品类和产出比可看出品类在此次广告推广中整体产出比差异不大，其中半身裙的产出比最大（370.66），可考虑适当的降低相应的折扣，提高整体的产出比
8)根据广告流量数据，可看出各品类的曝光率、点击率、加购率、支付率的一个整体情况；适时调整各品类的活动情况，可优先针对支付率较高的商品加大广告投放量，同时适当减少优惠绿都，提升利润；
9)最终结果呈现的页面布局
作品公共链接：https://bisolutions.fanruan.com/webroot/decision/link/vGvb
针对以上分析可以得出以下结论：
a.整体的广告的产出比仅有335.25，未达到预期产出比500；主要原因为前期广告投入，整体产生的效率不是特别大，同时整体前期的优惠力度较大；相关较为稳定的广告活动，建议降低优惠力度，适当减少广告投入，整体提升产出比；
b.微信朋友圈这个渠道的广告活动，除部分产出比较高的商品可少量投入意外，其他商品建议直接取消这个渠道的广告投放；
c.上衣、休闲裤、半身裙这三个品类在这次的整体支付率和产出比都较为不错，可针对此三类下的商品元素、面料、风格进行商品分析，在下阶段的商品开发中提取爆款元素、风格、面料等；
d.腾讯虽拓展了95万的新用户，产出比仅有380.59，广告花费高达47万，目标达成率仅有69.44%；而小红书广告花费近30万，产出比高达449.22，目标达成率66.23%；可加大小红书的投放，腾讯建议适量投放，同时提高客单价；
三、参赛总结
关于此次比赛中，由于报名时间比较晚，整体报表实现比较仓促，但仍有以下几点问题可提供建议：
- 图表大小的调整建议可以增加以数值大小调整表格大小的方式
- 行转列功能和列转行功能，很多时候做漏斗分析不太方便，建议这一块可以加入更人性化的设计
- Tab组件的样式不太好看，tab组件可不可以多点样式的呈现形式，比如可以调整大小，tab组件标题可以加入图片
- 文本框字体格式没法调整上下，有时候会偏移
| 
