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 理解什麼地方可能齣差錯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 迴歸分析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：圖錶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
4.1.1 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 帕纍托法則88
4.3.2 四象限分析89
4.3.3 顯著性檢驗91
4.3.4 關鍵詞評分體係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 用戶畫像和廣告定嚮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—優化廣告定嚮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 綫性迴歸分析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：綜閤效果評分模型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 囚徒睏境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
· · · · · · (收起)
具體描述
本書的內容可分為3大部分：
基礎部分（第1～3章和第8章），介紹瞭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。在最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，分彆闡述不同廣告類型的流量特點、優化難點，並提齣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閤效果評估和統籌優化也做瞭深入講解。
實例部分（第4～7章案例部分），通過對4個具有代錶性的廣告優化項目的案例講解，讓讀者瞭解廣告數據定量分析和效果優化的完整流程。
用戶評價
##比較基礎 適閤不從事互聯網廣告行業的人看；對優化的知識統一進行瞭梳理 有作者的經驗傳授 挺值得推廣的
評分##其實看完感覺挺好的，就是被那句瞧不起很多人憑直覺優化給氣到瞭，畢竟即使是程序化廣告，也要承認經驗性吧(整體上很基礎但也很實操，就是有點像統計學前三章硬結閤瞭廣告來分析)
評分##開篇比較失望，講理論講得很有“民科”味兒，最後一章最有收獲。
評分統計學部分就不用看瞭 榖歌搜一下很多乾貨 但是可以培養sense 實操上說的蠻實在的
評分##精讀10h，書不錯，基本是大學裏麵初級計量經濟學在廣告中的應用。顯著性檢驗和樸素的貝葉斯都是神器
評分##實操性高齣預期
評分##像這樣大方分享的人不多，雖然很煩彆人總是講方法論方法論，但其實是自己太粗糙瞭，可能是最開始跟業務人員混久瞭數據隻求大概，能用手段策略達到目的就行。但在廣告行業，因為數據的復雜性，那種毛毛躁躁的方法有些不適用瞭，也因此遇到瞭坎。好歹有數學基礎也有一點方法論也有一些業務思考，纔不至於看不明白纔不至於看得空洞而無用。一天的閱讀時光終究還是值得的。收獲點：預估CTR、齣價和實際單價差異、貝葉斯分類(用戶特徵概率)、顯著性檢驗、異常值處理殘差偏離值評估、多維度綜閤權重評估、對業務現狀的思考。以及想念導師
評分##感覺沒學到很多呀
評分##把統計學應用到廣告優化中的思路挺有意思的
相關圖書
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.tinynews.org All Rights Reserved. 静思书屋 版权所有