廣告數據定量分析：如何成為一位厲害的廣告優化師（簡體書）

這是一部[mian]向初級廣告[0優0]化師、渠道運營人員的廣告數據分析和效果[0優0]化的實戰指南。
數據分析功底的深淺，決定了廣告[0優0]化師能力水平的高低。這本書一方[mian]告訴讀者成為一[0名0]厲害的廣告[0優0]化師需要掌握的數據分析技能，以及如何快速掌握這些技能；一方[mian]又為讀者總結了SEM廣告、信息流廣告、應用[0商0]店廣告數據的分析方[0法0]論和效果[0優0]化的方[0法0]，以及多廣告推廣渠道的統籌[0優0]化。書中[扌是]供[0大0]量真實數據案例，助你[扌是]升廣告數據分析的理論深度和業務水平。
全書一共8章：
[0第0]1-3章全[mian]講解了廣告[0優0]化中的統計[0學0]，包括計[0學0]和廣告數據定量分析的[1主1]要思想、統計[0學0]與廣告[0優0]化的關係、廣告數據分析中的統計[0學0]原理，以及如何用圖表描述廣告數據。
[0第0]4-7章依次講解了SEM廣告的[0優0]化痛點以及相應的數據分析解決思路、信息流廣告[0優0]化[mian]臨的難點以及針對性的數據分析方[0法0]論、應用[0商0]店如何做數據分析和效果[0優0]化、多廣告推廣渠道綜合效果[0評0]估和統籌[0優0]化的問題。
[0第0]8章對互聯網廣告這一[0商0]業生態進行梳理，為廣告[0優0]化師的個人成長[扌是]供了有價值的參考建議。

齊雲澗，（Trunman Qi）
資深廣告[0優0]化師和數據分析專家，[0國0]內[z1u1i]早參與應用[0商0]店廣告[0優0]化研究的專家之一，百度認證的資深營銷顧問。
曾任職於致維科技、量化派等細分行業[0知0][0名0]企業，服務過百度、騰訊、阿裡、字節跳動、美團、網易、攜程、小米、[令頁]英、陌陌、58同城、啟德教育等多家廣告[1主1]，管理廣告預算累計上億元。
參與翻譯專業書籍《穀歌分析[1寶1]典》，撰寫過多篇廣告數據分析和效果[0優0]化的文章，在業內廣泛傳播。

推薦語
前言
第1章　廣告優化中的統計學1
1.1　統計學：用一句話解釋它是什麼1
1.2　學會運用統計：讀者的目標2
1.2.1　理解統計學術語2
1.2.2　掌握科學的數據分析方法論2
1.2.3　理解什麼地方可能出差錯3
1.3　統計學的主要思想4
1.3.1　隨機性和規律性4
1.3.2　規律性中的隨機性5
1.3.3　概率：什麼是機會6
1.3.4　變量和值6
1.3.5　常數7
1.4　統計學和廣告優化的關係7
1.5　廣告數據定量分析的主要理念9
1.5.1　目的性Purpose9
1.5.2　有限性Limited10
1.5.3　相關性Correlation12
1.5.4　抽樣性Sampling14
1.5.5　顯著性Significance15
1.6　本章小結15
第2章　廣告數據分析中的統計學原理16
2.1　抽樣：總體、樣本和誤差16
2.2　概率20
2.3　概率分佈21
2.3.1　正態分佈21
2.3.2　標準正態分佈23
2.3.3　中心極限定理24
2.4　統計推斷：估計25
2.4.1　估計：用樣本數據預估總體25
2.4.2　區間估計25
2.4.3　總體比例的置信區間27
2.4.4　總體均值的置信區間28
2.5 統計推斷：假設檢驗31
2.5.1　簡單好用的p值31
2.5.2　兩個總體比例之差的顯著性檢驗32
2.5.3　兩個總體均值之差的顯著性檢驗36
2.6　變量間關係37
2.7　自變量和因變量之間的關係38
2.8　兩個數值型變量的關係39
2.8.1　相關分析39
2.8.2　回歸分析43
2.9　分類型變量和數值型變量的關係46
2.10　本章小結51
第3章　廣告數據的描述：圖表52
3.1　初階：維度和指標52
3.1.1　看分佈53
3.1.2　看趨勢56
3.1.3　多維度和指標交叉61
3.1.4　看相關64
3.2　進階：用戶行為洞察66
3.2.1　漏斗圖66
3.2.2　用戶行為路徑圖69
3.3　本章小結71
第4章　SEM廣告數據分析72
4.1　認識SEM廣告72
4.1.1　SEM廣告發展現狀72
4.1.2　SEM推廣渠道的特點74
4.1.3　SEM廣告數據分析痛點76
4.2　SEM廣告數據分析關鍵指標解讀81
4.2.1　CPC81
4.2.2　CTR83
4.2.3　質量度85
4.2.4　平均排名86
4.3　SEM數據分析方法論88
4.3.1　帕累托法則88
4.3.2　四象限分析89
4.3.3　顯著性檢驗91
4.3.4　關鍵詞評分體系94
4.4　案例：某招聘網站的百度SEM廣告優化101
4.4.1　項目背景101
4.4.2　優化難點104
4.4.3　優化思路106
4.4.4　優化執行107
4.4.5　效果評估112
4.5　本章小結114
第5章　信息流廣告數據分析115
5.1　認識信息流廣告115
5.1.1　信息流廣告發展現狀115
5.1.2　信息流推廣渠道的特點118
5.1.3　信息流廣告數據分析痛點119
5.2　信息流廣告數據分析關鍵指標解讀124
5.2.1　ECPM和CTR124
5.2.2　用戶畫像和廣告定向128
5.3　信息流廣告數據分析方法論131
5.3.1　A/B測試131
5.3.2　樸素貝葉斯算法―優化廣告定向137
5.3.3　創意定量化的解決思路142
5.4　案例：某金融App的今日頭條信息流廣告優化146
5.4.1　項目背景146
5.4.2　優化難點147
5.4.3　優化思路148
5.4.4　優化執行148
5.4.5　效果評估155
5.5　本章小結156
第6章　應用商店廣告數據分析157
6.1　認識應用商店廣告157
6.1.1　應用商店廣告的發展現狀157
6.1.2　應用商店推廣渠道的特點160
6.1.3　應用商店的幾大核心廣告資源介紹162
6.1.4　應用商店廣告數據分析痛點164
6.2　應用商店廣告數據分析關鍵指標解讀171
6.2.1　自然量171
6.2.2　CPA175
6.2.3　ROI178
6.2.4　各廣告位流量配比180
6.3　應用商店廣告數據分析方法論181
6.3.1　相關性分析181
6.3.2　線性回歸分析185
6.3.3　顯著性檢驗分析193
6.4　案例：某生活消費App在小米應用商店渠道的廣告優化196
6.4.1　項目背景196
6.4.2　優化難點199
6.4.3　優化思路200
6.4.4　優化執行201
6.4.5　效果評估210
6.5　本章小結212
第7章　多廣告推廣渠道的統籌優化213
7.1　多渠道廣告統籌優化的現狀213
7.2　多渠道廣告數據分析方法論：綜合效果評分模型215
7.3　案例：某金融App在多廣告渠道的統籌優化217
7.3.1　項目背景217
7.3.2　優化思路和執行217
7.3.3　效果評估226
7.4　本章小結227
第8章　廣告優化的未來會好嗎228
8.1　廣告業內的3種角色228
8.1.1　角色期待229
8.1.2　角色衝突與認知偏差233
8.1.3　囚徒困境234
8.2　廣告優化的作用237
8.2.1　廣告優化的邊界237
8.2.2　廣告優化的展望238
8.2.3　廣告優化師的精進之道：內部創業者238
8.3　本章小結240