齊雲澗（Trunman Qi）
資深廣告優化師和數據分析專家，國內早參與應用商店廣告優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、量化派等細分行業知名企業，服務過百度、騰訊、阿裡、字節跳動、美團、網易、攜程、小米、領英、陌陌、58同城、啟德教育等多家廣告主，管理廣告預算累。
參與翻譯專業書籍《谷歌分析寶典》，撰寫過多篇廣告數據分析和效果優化的文章，在業內廣泛傳播。

楊遊雲

資深數據分析專家和AI技術專家，在廣告領域工作多年，目前就職於微思敦深圳分公司皓量科技。在AI技術領域有非常深厚的積累，擅長機器學習和自然語言處理，對圖像識別技術也有一定的研究。個人微信公眾號：數據挖掘與AI算法。

周健

資深數據挖掘工程師，現就職於國內某大型征信服務公司，曾為多家國有銀行、股份制銀行、大型金融機構提供反欺詐、信用評分方案。在傳統機器學習方面有深入的理解和豐富的實戰經驗，在網絡爬蟲和自然語言處理方面也有自己獨特的見解。

《廣告數據定量分析：如何成為一位厲害的廣告優化師》

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繫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概率分布21
2.3.1正態分布21
2.3.2標準正態分布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變量間關繫37
2.7自變量和因變量之間的關繫38
2.8兩個數值型變量的關繫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繫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看分布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漏鬥圖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
4.1.1SEM廣告發展現狀72
4.1.2SEM推廣渠道的特點74
4.1.3SEM廣告數據分析痛點76
4.2SEM廣告數據分析關鍵指標解讀81
4.2.1CPC81
4.2.2CTR83
4.2.3質量度85
4.2.4平均排名86
4.3SEM數據分析方法論88
4.3.1帕累托法則88
4.3.2四像限分析89
4.3.3顯著性檢驗91
4.3.4關鍵詞評分體繫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
5.2.1ECPM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
5.3.1A/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
6.2.2CPA175
6.2.3ROI178
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

為什麼要寫這本書
現如今，數據、大數據、數據分析成為互聯網行業的熱門詞彙。數據定量分析的方法論已經在互聯網諸多領域創造價值，如量化投資、互聯網金融征信和風控、廣告監測等。而廣告優化領域的數據分析還處在非常落後的狀態，大部分廣告優化師隻掌握了環比、同比、百分比等數據描述的基礎方法和折線圖、柱狀圖等基礎圖表，優化師的優化工作以經驗主義居多，優化能力的同質化嚴重。我在服務廣告主的過程中，一直探索通過數據定量分析的方法，將廣告數據分析這件事做得更好，為客戶的廣告投放創造更大價值，2017年我將服務某客戶的歷程做了總結，寫成一篇《玩轉應用商店—相關性分析實現不同廣告位資源的配比優化》，不曾想在業內引起了小小的轟動，得到多位資深業內人士的認可，說明了我的研究方向—“廣告數據定量分析”是很有價值的。
實際上，廣告數據定量分析在網站分析和產品運營中早已踐行，如轉化率優化、AB測試的方法論，就是建立在統計學基礎上的數據分析。近兩年，GrowingIO、諸葛IO、吆喝科技等數據創業公司的興起，更是說明了市場上數據驅動用戶增長和效果優化的用戶需求很大，市場前景廣闊。
近年來，隨著互聯網廣告行業市場規模增長，新的廣告媒體和廣告類型層出不窮，互聯網創業方興未艾，對廣告優化師的需求漸長，廣告優化師隊伍人數激增，越來越年輕化。而一直以來，優化功底過硬、經驗豐富的優化師都是業內的稀缺人纔。一方面，從拉勾網、BOSS直聘的搜索結果可以看出，擁有3～5年經驗的市場推廣人纔是很多公司急缺的。另一方面，數據分析作為廣告優化師的技能一直是業界共識，但由於缺乏繫統的學習和培訓，廣告優化師從業者的數據分析功底良莠不齊，對數據分析一知半解的大有人在，哪怕有心想學習提高的業內人士，也沒有合適的學習資料。對他們來說，純數據分析的書籍和視頻課程，學習門檻較高，且難以學以致用；而結合廣告優化的數據分析文章干貨難覓，多是營銷軟文的性質，難以滿足學習需求。國內至今沒有一本關於廣告優化數據分析的正式著作出版，本書正好開創了先例。 
在本書中，我希望能在以下幾個方面為行業發展添磚加瓦：
1）指出廣告優化師提高數據分析能力的方向，即通過科學的數據定量分析，從KPI出發以終為始，精益優化；
2）為想成為高級優化師，渴望塑造個人核心競爭力的讀者踏出一條大道，為年輕的優化師實現跨越式發展、彎道超車提供助力；
3）對現在的優化師的廣告優化工作有所啟發，促進行業內更多的交流和創新；
4）填補廣告優化與數據定量分析這一交叉領域的空白，提高廣告優化崗位的技術含量和經濟價值。
讀者對像
甲方廣告主從事渠道運營的相關人員
乙方廣告代理公司的初中級廣告優化師
廣告媒體方的運營人員
其他關注流量購買和轉化的讀者群體
本書特色
數據分析作為廣告優化師的技能一直是業界共識，但亞馬遜、上以“廣告數據分析”為主題的書尚且沒有搜索結果，在知乎的一些問答中，資深人士多推薦純數據分析的書籍，說明廣告優化與數據分析的交叉領域尚處空白。
本書在內容上幾乎涵蓋了互聯網主流的廣告形式和優化方法論，從KPI出發，以終為始。從統計學的基礎，講到SEM廣告、應用商店廣告、信息流廣告的優化，一直到從社會學角度剖析廣告業內的3種角色，後展望了廣告優化的未來發展。同時書中提供了豐富的案例，實踐了作者提出的廣告的數據定量分析方法論，對一些優質的數據分析工具也進行了相關闡述，知無不言、言無不盡。
如何閱讀本書
本書的內容可分為3大部分：
基礎部分（第1～3章和第8章），介紹了廣告優化中的統計學思想和基本原理，為後文講述數據分析方法論打好基礎。在後一章對互聯網廣告商業生態進行闡述，關於廣告優化師如何實現個人精進成長有所分享。
應用部分（第4～7章除案例部分），以移動廣告市場上3大主流廣告類型為例，分別闡述不同廣告類型的流量特點、優化難點，並提出一些創新性的數據分析方法論。另外對於多廣告推廣渠道的綜合效果評估和統籌優化也做了深入講解。
實例部分（第4～7章案例部分），通過對4個具有代表性的廣告優化項目的案例講解，讓讀者了解廣告數據定量分析和效果優化的完整流程。
勘誤和支持
由於作者的水平有限，編寫時間倉促，書中難免會出現一些錯誤或者不準確的地方，懇請讀者批評指正。為此，特意留下我的聯繫郵箱qiyunjian@126.com，如果你遇到任何問題，歡迎郵件交流，我將及時為讀者提供滿意的解答，期待能夠得到你們的真摯反饋。
致謝
首先要感謝宋星老師，感謝你作為前輩對我一如既往的提攜和幫助，得益於你的自媒體平臺，我的一些文章得以在業內傳播和提高影響力。
感謝曲海佳老師，在與你共事的日子裡，你在專業上給予我很多指導，肯定了廣告數據定量分析的價值，鼓勵我堅定地研究下去。
感謝我任職過的致維科技、量化派，因為領導層的開明和支持，纔讓我在有了大量的廣告數據基礎上，進行更深入研究的可能。
感謝機械工業出版社華章分社的編輯楊福川、張錫鵬，在這一年多的時間中始終支持我的寫作，你們的鼓勵和幫助引導我順利完成全部書稿。