数据分析报告：手机APP 实时竞价广告点击率的影响因素分析

大家好，又见面了，我是你们的朋友全栈君。

手机APP 实时竞价广告点击率的影响因素分析

摘要：近年来，随着移动互联网和大数据的发展，基于精准定向目标的实时竞价（RTB）广告投放模式逐渐成为移动广告领域的热潮。RTB 广告投放流程中，需求方平台（DSP）如何通过精准地预测广告点击率为广告主出价，以保证优价购买优质流量是各DSP 平台所关心的问题。本案例利用某DSP 平台收集的4696 条数据，从广告交易平台、用户设备和广告信息三个角度入手探讨手机APP 上RTB 广告点击率的影响因素。通过7 个自变量（广告交易平台和竞价底价，用户手机型号、网络状况和手机运营商，广告是否为全插屏广告和投放时间)与广告点击率的棘状图分析，发现手机APP 上RTB 广告平均点击率为19.2%，是否为全插屏和手机型号对广告点击率影响最大，全插屏广告点击率是非全插屏广告的近2 倍，苹果手机上RTB 广告点击率（25%）远超于其他手机型号。因此DSP 平台在竞价时可以优先考虑在优质流量时间内，如下午和晚上，在苹果手机APP 上投放更多全插屏广告。该研究也为后期DSP 平台能精确地预测广告点击率从而进行合理出价提供支持。

一、背景介绍

随着互联网的普及，越来越多人通过网络浏览资讯、娱乐和消费，这吸引众多商家将网络广告作为广告投放的主要形式之一，从而促使网络广告市场的蓬勃发展。据《中国互联网发展报告2018》显示，2017 年中国网络广告市场规模达3828.7 亿元，在中国广告市场中占比超过50%。并且，这一规模仍将不断扩大，预计到2019 年将突破6000 亿元。与此同时，智能终端的普及和手机网民的增加，使得互联网广告不断地从PC 端向移动端迁移，2017 年移动广告收入规模已经将近占互联网广告的70%。而在移动广告领域中，手机APP 广告因其独特价值而备受广告主青睐，这主要体现在：1）手机APP 广告能精准到按用户所在地理位置、时间、机型、手机操作系统、手机的价格，甚至手机品牌去投放广告；2）新技术支持下的Sensor 感应器、增强现实和触屏技术等个性化交互形式，使广告效果更好，如借助智能手机重力感应的特性，让手机用户摇晃手机，使得屏幕上瓶中可口可乐的泡沫喷薄而出，创造了很有趣的视觉冲击。

一方面，网络广告不断地从PC 端到移动端迁移；另一方面，网络广告投放的方式也在由传统粗放型投放向精准型转变。以往，广告主根据自己的预算进行包段购买流量载体（网站或APP 等）上的广告位展示广告，所有访问者都会看到同样的广告，无法匹配其目标用户，闹出向光头男士推荐洗发水诸如此类的笑话。不但广告效果不好，广告费也被极大浪费。而大数据时代，数据分析和数据挖掘技术的发展，促使一种基于精准定向目标的广告投放模式诞生，即实时竞价广告（以下简称“RTB 广告”）。简单地说，RTB 广告就是在用户打开流量载体页面的100 毫秒内，所浏览页面的广告位以拍卖的形式卖给广告主进行竞价，广告主根据所收集的用户信息（如网购习惯、爱好、性别等）通过竞价，竞价最高者得以展示的广告。

RTB 广告投放流程如图1-1 所示，其中涉及3 个参与者： AD Exchange（实时广告交易平台），SSP（供给方平台）和DSP（需求方平台）。AD Exchange 服务是基石，所有的广告必须通过AD Exchange 挂牌出售，AD Exchange 承担了相当于交易所的功能。SSP 帮助流量载体管理它的广告位资源，保证相应的页面资源被访问时，可以及时在AD Exchange 挂牌出售。DSP 帮助广告主出价，当有广告位被挂牌出售时，DSP 通过分析传过来的数据来决定是否要出价以及出多少价。举例来说，小王正准备打开一个健身APP，跟着上面的视频练习减脂。当他打开APP 页面的一瞬间，SSP 将其页面的广告位挂牌到一个或多个AD Exchange进行出售，AD Exchange 便通知DSP，不同的DSP 通过收集并分析该APP 相关的信息和小王的数据后，开始帮助广告主出价，如A 品牌减肥茶出价0.01 元、B 品牌减肥茶出价0.02 元，C 品牌蛋白粉决定不出价，这些出价信息提交AD Exchange 再汇总到SSP，最后B 减肥茶出价最高，事实上，竞价成功的B 品牌无需支付0.02 元，只需支付比竞价第二稍高的价格，可能为0.011 元，其广告便出现广告栏里。那么，小王接下来很可能就会点击进入购买。

通过上述例子，可以看出RTB 广告有两个突出的优势：一是广告“因人而异”，将广告直接传递给可能产生购买意向的潜在消费者，大大提高营销的精准度；二是广告投放撇开繁琐的代理环节，在广告交易平台上进行即时投放。广告由一种期货转变成了现投现展示的现货。正是这样的优势，使得2009 年左右在美国兴起的RTB 广告热潮在2012 年蔓延到中国市场后迅速发展。RTB 广告在展示广告所占的比例从2012 年占比0.2%到2015 年4%-5%，并仍在不断增加。可见RTB 广告在中国发展空间巨大。正因如此，中国大量企业纷纷在该市场布局。以各大巨头为例，腾讯发布广告实时交易平台Tencent Ad Exchange，并在后续推出“腾果”DSP；阿里巴巴推出Tanx SSP 平台；百度正式推出流量交易服务BES，与WiseMedia 等众多知名DSP企业对接。

然而，RTB 广告市场在高速发展中遇到了一些问题。因为RTB 广告“因人而异”的特点，使得广告对广告主几乎不可见，只能依赖于事后的报告。这种信息不对称，沦为了黑箱操作的借口，导致乱象滋生。譬如，一家DSP 投了某门户的程序化广告，结果门户网站的服务器日志上却没有广告被投放过的任何记录。因此，作为技术平台的DSP 正在向广告主全面开放数据，推动信息“透明化”解决信息不对称。而全面透明化之后，由于无法形成对媒体和数据的独占，各家DSP 只能认真地比拼技术。那么，如何向客户证明通过自家的DSP 投放RTB广告精准又高效、性价比优良，从而吸引到更多广告客户呢？这就需要DSP 能精确预测即时的广告效果，来替广告主出价，从而保证优价购买优质流量。因此，本文将从DSP 平台的角度出发，以某DSP 平台收集到的RTB 广告相关数据为例，从广告交易平台、用户设备和广告信息三个角度入手，研究手机APP 上RTB 广告点击率的影响因素，为DSP 平台能精确地预测广告点击率从而进行合理出价提供支持。

二、数据来源与说明

本数据来源于某DSP 平台，共4696 条观测数据。以其中某条样本为例，一条RTB 广告竞价成功并被某用户点击，该广告被交易的平台为Baidu，其竞价底价为0，并且为非全插屏广告，展现的时段在晚上；点击该广告的用户使用的手机型号为小米手机，手机运营商为中国移动，网络为WIFI 模式。 本研究中的因变量为RTB 广告是否被点击，是0-1 变量。依据RTB 广告所涉及的三方面即广告交易平台、用户设备和广告信息，将广告点击率的潜在影响因素，即7 个自变量归纳为三组：（1）交易因素：包括广告交易平台、广告竞价底价2 个变量；（2）用户设备因素：共3 个变量，分别为手机型号、手机运营商、网络状况；（3）广告自身因素：包括广告是否为全插屏广告、广告投放时间2 个变量。具体变量信息如表2-1 所示。

三、描述性分析

在对RTB 广告的影响因素进行建模之前，首先进行描述性分析，初步判断广告点击率与各潜在影响因素之间的关联，为后续建模研究做铺垫。 （一）因变量：点击率 依据所收集的4696 条观测样本数据，RTB 广告被点击的仅有905 条，平均点击率为19.2%，相对于其它形式的互联网广告，RTB 点击率处于较高水平。 （二）自变量：交易因素 交易因素包括广告交易平台和广告竞价底价两个因素。由图3-1 可以得出以下结论： 1) 广告交易平台：由图3-1（a)棘状图可以看出，样本中大多数RTB 广告在Baidu 交易平台上进行交易，其余三个平台所占比例较少。并且，不同交易平台上广告点击率有一定的差异，Inmobi 平台上最高，超过20%，其次是Baidu，广告点击率约为20%。Zplay 和Iflytek平台广告点击率均低于20%；由此可以看出，Baidu 广告交易平台体量最大，并且广告点击率也位于前列。 2）竞价底价：由图3-1（b)棘状图可以看出，大多数RTB 广告竞价底价为0，仅有极少数竞价底价超过0 元，竞价底价最大值为0.004 元。而竞价底价为0 的广告点击率反倒比竞价底价高于0 的广告略高；可以初步判断：广告点击率与竞价底价并非呈现正相关。 综上，可以推测，RTB 广告点击率可能与广告交易平台有关，但与竞价底价可能无关。

（三）自变量：用户设备因素 用户设备因素包括3个变量，分别是手机型号、手机运营商和网络状况。由图3-2可以得出以下结论： 1）手机型号：图3-2（a)棘状图得知，所观测的样本数据中，用户大多数使用WIFI连接网络，而不同网络状况下RTB广告的点击率差别不明显，因此推测手机网络状况可能并非RTB广告点击率的影响因素。这也符合常识，人们不会因为手机网络好就打开广告。 2）从图3-2（b)棘状图，可以看出，中国移动用户占比最高，远远超过其它手机运营商用户。但使用不同手机运营商的广告点击率几乎相同。可以初步判断：手机运营商可能不是广告点击率的影响因素。 3）从图3-2（c)条形图，可以清晰地看出，不同手机型号的广告点击率有明显差别，苹果手机用户的RTB广告点击率最高，约为25%，高于RTB广告的平均点击率（19%）。这说明：手机型号可能是RTB广告点击率的一个重要影响因素。苹果手机用户的点击率高的原因可能是使用苹果手机用户属于收入较高的人群，可能更容易受到RTB广告的吸引而点击进去，或者苹果手机上的RTB广告显示更加美观，更加吸引用户。

四）自变量：广告自身因素 在所采集的自变量中，广告自身因素包含两个指标：广告是否为全插屏广告；广告投放时间，广告投放时间分为三个时间段，上午、下午和晚上。由图3-3可以得出以下结论： 1）广告尺寸：由图3-3（a)棘状图可以看出，非全插屏广告占比远远高于全插屏广告，但其点击率却明显低于后者；全插屏的广告点击率高达39%，远远超过RTB广告的平均点击率。因此，可以推断：广告是否为全插屏广告可能是RTB广告点击率的一个关键影响因素。事实上，全插屏广告往往出现在用户刚打开APP时，这种类型广告展示的效果更强，另一方面，全插屏广告更有迷惑性，这可能是因为全插屏广告可以展示更多的信息，让用户以为看到的不是广告，而是对自己有用的信息。因此，要提高广告点击率可以着重改变广告本身的尺寸，使用全插屏广告。 2）广告投放时间：图3-3（b)棘状图显示，RTB广告倾向于在下午和晚上进行投放，这两个时间段的广告点击率相当，略高于上午。因此，投放时间可能是广告点击率的影响因素，但并非关键影响因素。上午一般是人们忙于工作的时间，打开手机APP点击广告的概率较低，而在下午和晚上，人们使用手机APP休闲娱乐的时间可能较长，相应地，广告被点击的概率也较大。

综上，通过对本案例数据的描述性分析，可以推测对手机APP上RTB广告点击率可能产生的影响因素为：广告信息因素（是否为全插屏广告、广告投放时间）、设备信息因素（手机型号）和交易信息因素（广告交易平台）。其中是否为全插屏广告和手机型号的影响更明显。

四、模型建立

为了更深入分析各因素对RTB广告点击率的影响，本案例将建立RTB广告是否被点击关于广告信息、设备信息和交易信息因素的回归模型，使用定量化的方式更为精细地刻画各影响因素的影响作用大小，并且试图使用该模型来预测RTB广告是否被点击。

（一） 逻辑回归模型 首先，对数据建立逻辑回归模型，结果如表4-1所示

在控制其他因素不变时， 0.05的显著水平下，可以得到如下结论： • 相对于非全插屏广告而言，全插屏广告更容易被点击 • 相对于百度广告交易平台，Inmobi广告交易平台上的进行交易的广告被点击的概率会更高。 • 相对于上午，下午投放的广告更容易被点击，说明投放时段与广告点击率有关 • 手机型号对广告是否被点击具有影响，三星、苹果、小米和其他手机APP上RTB广告点击率更高，尤其是苹果，广告被点击的概率的对数比vivo高1.395。 • 网络类型、运营商和竞价底价的因素并不是广告点击率的影响因素

这些结论基本上与之前由描述统计分析所做的预测一致。接下来进行模型诊断: 如表4-2所示，由混淆矩阵可计算得出，预测的正确率为60.28%, 敏感性为62.58%，特异性为51.06%。做受试者表现曲线（ROC），从图4-1中可以看出，曲线不够凸，相应地AUC值不高，仅为0.598，模型表现不好。这说明所选取的变量对于广告是否被点击的预测作用非常有限，可能有其他重要的变量未被收入进来。

五、结论与建议

本报告对手机APP上RTB广告点击率的影响因素进行统计分析，得到了以下结论： • 影响手机APP 上RTB广告是否被点击的主要因素主要有广告是否为全插屏广告、广告交易平台、广告投放时段和手机型号。

基于以上研究结论，我们建议DSP平台在进行广告点击率预估出价时，重点考虑广告是否为全插屏广告和手机型号这两个因素。具体来说，DSP平台在竞价时可以优先考虑在优质流量时间内，如下午，在手机APP上为更多全插屏广告出高价 另外，由于本研究所收集变量的限制，我们无法对其它因素，包括广告自身影响因素如广告展示时长、广告是否有互动效果等和用户信息因素进行研究，建议未来可收集这个纬度的数据补充分析。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/126901.html原文链接：https://javaforall.cn