职贝云数AI新零售门户

标题: 解密腾讯如何给公众号运营者停止广告费用分成 [打印本页]
作者: OxSE6jiDN    时间: 2023-1-2 13:06
标题: 解密腾讯如何给公众号运营者停止广告费用分成
从2016年5月份末尾，腾讯为我的公众号守旧了流量主功能。虽然粉丝比较少，但是都为原创文章，所以也就给我守旧了流量主功能，大多数时分发一篇文章还能给本人买一瓶华农酸奶。

不过有一个成绩我不断想搞明白，就是腾讯终究如何给我算广告费的呢？是看的人越多给的广告费就越多吗？还是点击的人数决议了广告费用呢？或者这两个目的综合来看呢？

在公众号的后台，给了这样的一组数据：

日期曝光量点击量点击率总支出
2017年3月27日16142.48%2.63
2017年3月26日1100.00%0.00
2017年3月25日1119.09%0.47
2017年3月24日2900.00%0.05
2017年3月23日2314.35%0.88
2017年3月22日10721.87%1.29
2017年3月21日51361.17%6.72


这里的数据给出了每一天的广告阅读量、点击量、点击率。很简单的数据。但是经过这里提供的7天的数据，你能知道广告费用和这几个变量之间是什么关系吗？

或者有得到这个成绩答案的想法吗？如今我们的义务就是找出广告支出和这几个变量之间的关系。

在这个成绩中，总支出是因变量，是结果变量，它随着另外几个变量改变而改变。另外的几个变量在每一天中都是变化的，假如我们能发现这几个变量和广告支出之间的关系，那么在知道阅读量、点击量、点击率后，就可以经过计算得到广告支出。找到规律之后，我们也能知道阅读量、点击量、点击率中哪一个对广告支出最重要，这样在公众号运营过程中，就可以想办法去提高相应的目的（这里说的是一种分析思绪，其实提高的支出也不够吃一顿饭，cry）。

分析到这里，你能够知道要用什么模型来分析这组数据了。这是一个比较典型的回归分析成绩。用几个变量来预测一个因变量，而且这些变量都是数值型的。

知道用什么模型，我们就可以选用本人熟习的数据分析工具去分析这些数据了。对于这种简单的回归分析，R、Python、SPSS、Excel、甚至tableau都可以直接完成。

我这里说一下分析的流程：

第一步：分析因变量与几个自变量之间的相关性，经过散点图的方式来完成。可以同时输入几个变量的矩阵散点图，如下图：

发现广告总支出与点击量之间的相关性最高，和曝光量之间有一定的相关性，而与点击率之间没有分明相关性。看起来，广告支出和点击量相关性最高。这一点也是符合常识的，毕竟广告被点击了，才有能够触发购买行为。

第二步：可以尝试着建立模型，广告支出作为因变量，而点击率由于和因变量没有分明关系，直接剔除，建立如下模型：

广告支出= β0+β1*阅读量+β2*点击量

经过任何一个你所熟习的软件建立该回归模型，将会得到相似如下的结果：

这是一个回归模型的结果，留意统计假设检验部分。查看表格中的sig值，也就是统计学上的p值，假如这个值小于0.05，阐明有统计学意义。我们要留意每一个sig对应的变量，也就是表格最左边的部分，每一个sig是对相应变量前系数的统计假设检验。在回归分析的统计假设检验部分，会存在三个假设检验（上图没有显示方差分析部分的检验）下面列出残缺的三个需求停止的检验以及这三个检验的原假设。

相关知识请点击文章本号一切文章【已分类】学习

相关课程请点击文章【松鼠】在线课程集合学习

‍‍

有三个假设检验：

线性关系的的检验：检验能否存在线性关系（与散点图判别构成互补）

斜率的检验：检验自变量对因变量的影响能否分明

常数的检验：检验回归方程的常数能否为0

原假设非别是：

线性关系检验：两个变量之间的线性关系不分明；

斜率的检验：斜率等于0；

常数的检验：参数等于0；

经过上表我们发现，只要点击量的系数值经过了假设检验，也就是分明不为0。也就是我们只应该保留点击量这个变量在模型中。

剔除曝光量之后，再次建模，此时得到的是一个一元回归模型：

广告支出 = 0.475 * 点击量

也就是说，广告支出基本只与点击量有关，并且你们每点击一次，我就能支出0.475元。假如你们每个看完文章的人都点击一次，说不定我还能吃顿饭呢！

写文章很辛劳，你就点一下嘛！

本文运用的数据可点击阅读原文获取，打开网页将数据复制到Excel中即可。如需学习回归分析，请回复“在线课程”，回去课程链接。



欢迎光临 职贝云数AI新零售门户 (https://www.taojin168.com/cloud/) Powered by Discuz! X3.5