推荐语
前言
第1章 广告优化中的统计学1
1.1 统计学：用一句话解释它是什么1
1.2 学会运用统计：读者的目标2
1.2.1 理解统计学术语2
1.2.2 掌握科学的数据分析方法论2
1.2.3 理解什么地方可能出差错3
1.3 统计学的主要思想4
1.3.1 随机性和规律性4
1.3.2 规律性中的随机性5
1.3.3 概率：什么是机会6
1.3.4 变量和值6
1.3.5 常数7
1.4 统计学和广告优化的关系7
1.5 广告数据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 相关性Correlation12
1.5.4 抽样性Sampling14
1.5.5 显著性Significance15
1.6 本章小结15
第2章 广告数据分析中的统计学原理16
2.1 抽样：总体、样本和误差16
2.2 概率20
2.3 概率分布21
2.3.1 正态分布21
2.3.2 标准正态分布23
2.3.3 中心极限定理24
2.4 统计推断：估计25
2.4.1 估计：用样本数据预估总体25
2.4.2 区间估计25
2.4.3 总体比例的置信区间27
2.4.4 总体均值的置信区间28
2.5 统计推断：假设检验31
2.5.1 简单好用的p值31
2.5.2 两个总体比例之差的显著性检验32
2.5.3 两个总体均值之差的显著性检验36
2.6 变量间关系37
2.7 自变量和因变量之间的关系38
2.8 两个数值型变量的关系39
2.8.1 相关分析39
2.8.2 回归分析43
2.9 分类型变量和数值型变量的关系46
2.10 本章小结51
第3章 广告数据的描述：图表52
3.1 初阶：维度和指标52
3.1.1 看分布53
3.1.2 看趋势56
3.1.3 多维度和指标交叉61
3.1.4 看相关64
3.2 进阶：用户行为洞察66
3.2.1 漏斗图66
3.2.2 用户行为路径图69
3.3 本章小结71
第4章 SEM广告数据分析72
4.1 认识SEM广告72
4.1.1 SEM广告发展现状72
4.1.2 SEM推广渠道的特点74
4.1.3 SEM广告数据分析痛点76
4.2 SEM广告数据分析关键指标解读81
4.2.1 CPC81
4.2.2 CTR83
4.2.3 质量度85
4.2.4 平均排名86
4.3 SEM数据分析方法论88
4.3.1 帕累托法则88
4.3.2 四象限分析89
4.3.3 显著性检验91
4.3.4 关键词评分体系94
4.4 案例：某招聘网站的百度SEM广告优化101
4.4.1 项目背景101
4.4.2 优化难点104
4.4.3 优化思路106
4.4.4 优化执行107
4.4.5 效果评估112
4.5 本章小结114
第5章 信息流广告数据分析115
5.1 认识信息流广告115
5.1.1 信息流广告发展现状115
5.1.2 信息流推广渠道的特点118
5.1.3 信息流广告数据分析痛点119
5.2 信息流广告数据分析关键指标解读124
5.2.1 ECPM和CTR124
5.2.2 用户画像和广告定向128
5.3 信息流广告数据分析方法论131
5.3.1 A/B测试131
5.3.2 朴素贝叶斯算法—优化广告定向137
5.3.3 创意定量化的解决思路142
5.4 案例：某金融App的今日头条信息流广告优化146
5.4.1 项目背景146
5.4.2 优化难点147
5.4.3 优化思路148
5.4.4 优化执行148
5.4.5 效果评估155
5.5 本章小结156
第6章 应用商店广告数据分析157
6.1 认识应用商店广告157
6.1.1 应用商店广告的发展现状157
6.1.2 应用商店推广渠道的特点160
6.1.3 应用商店的几大核心广告资源介绍162
6.1.4 应用商店广告数据分析痛点164
6.2 应用商店广告数据分析关键指标解读171
6.2.1 自然量171
6.2.2 CPA175
6.2.3 ROI178
6.2.4 各广告位流量配比180
6.3 应用商店广告数据分析方法论181
6.3.1 相关性分析181
6.3.2 线性回归分析185
6.3.3 显著性检验分析193
6.4 案例：某生活消费App在小米应用商店渠道的广告优化196
6.4.1 项目背景196
6.4.2 优化难点199
6.4.3 优化思路200
6.4.4 优化执行201
6.4.5 效果评估210
6.5 本章小结212
第7章 多广告推广渠道的统筹优化213
7.1 多渠道广告统筹优化的现状213
7.2 多渠道广告数据分析方法论：综合效果评分模型215
7.3 案例：某金融App在多广告渠道的统筹优化217
7.3.1 项目背景217
7.3.2 优化思路和执行217
7.3.3 效果评估226
7.4 本章小结227
第8章 广告优化的未来会好吗228
8.1 广告业内的3种角色228
8.1.1 角色期待229
8.1.2 角色冲突与认知偏差233
8.1.3 囚徒困境234
8.2 广告优化的作用237
8.2.1 广告优化的边界237
8.2.2 广告优化的展望238
8.2.3 广告优化师的精进之道：内部创业者238
8.3 本章小结240
· · · · · · (收起)
前言
第1章 广告优化中的统计学1
1.1 统计学：用一句话解释它是什么1
1.2 学会运用统计：读者的目标2
1.2.1 理解统计学术语2
1.2.2 掌握科学的数据分析方法论2
1.2.3 理解什么地方可能出差错3
1.3 统计学的主要思想4
1.3.1 随机性和规律性4
1.3.2 规律性中的随机性5
1.3.3 概率：什么是机会6
1.3.4 变量和值6
1.3.5 常数7
1.4 统计学和广告优化的关系7
1.5 广告数据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 相关性Correlation12
1.5.4 抽样性Sampling14
1.5.5 显著性Significance15
1.6 本章小结15
第2章 广告数据分析中的统计学原理16
2.1 抽样：总体、样本和误差16
2.2 概率20
2.3 概率分布21
2.3.1 正态分布21
2.3.2 标准正态分布23
2.3.3 中心极限定理24
2.4 统计推断：估计25
2.4.1 估计：用样本数据预估总体25
2.4.2 区间估计25
2.4.3 总体比例的置信区间27
2.4.4 总体均值的置信区间28
2.5 统计推断：假设检验31
2.5.1 简单好用的p值31
2.5.2 两个总体比例之差的显著性检验32
2.5.3 两个总体均值之差的显著性检验36
2.6 变量间关系37
2.7 自变量和因变量之间的关系38
2.8 两个数值型变量的关系39
2.8.1 相关分析39
2.8.2 回归分析43
2.9 分类型变量和数值型变量的关系46
2.10 本章小结51
第3章 广告数据的描述：图表52
3.1 初阶：维度和指标52
3.1.1 看分布53
3.1.2 看趋势56
3.1.3 多维度和指标交叉61
3.1.4 看相关64
3.2 进阶：用户行为洞察66
3.2.1 漏斗图66
3.2.2 用户行为路径图69
3.3 本章小结71
第4章 SEM广告数据分析72
4.1 认识SEM广告72
4.1.1 SEM广告发展现状72
4.1.2 SEM推广渠道的特点74
4.1.3 SEM广告数据分析痛点76
4.2 SEM广告数据分析关键指标解读81
4.2.1 CPC81
4.2.2 CTR83
4.2.3 质量度85
4.2.4 平均排名86
4.3 SEM数据分析方法论88
4.3.1 帕累托法则88
4.3.2 四象限分析89
4.3.3 显著性检验91
4.3.4 关键词评分体系94
4.4 案例：某招聘网站的百度SEM广告优化101
4.4.1 项目背景101
4.4.2 优化难点104
4.4.3 优化思路106
4.4.4 优化执行107
4.4.5 效果评估112
4.5 本章小结114
第5章 信息流广告数据分析115
5.1 认识信息流广告115
5.1.1 信息流广告发展现状115
5.1.2 信息流推广渠道的特点118
5.1.3 信息流广告数据分析痛点119
5.2 信息流广告数据分析关键指标解读124
5.2.1 ECPM和CTR124
5.2.2 用户画像和广告定向128
5.3 信息流广告数据分析方法论131
5.3.1 A/B测试131
5.3.2 朴素贝叶斯算法—优化广告定向137
5.3.3 创意定量化的解决思路142
5.4 案例：某金融App的今日头条信息流广告优化146
5.4.1 项目背景146
5.4.2 优化难点147
5.4.3 优化思路148
5.4.4 优化执行148
5.4.5 效果评估155
5.5 本章小结156
第6章 应用商店广告数据分析157
6.1 认识应用商店广告157
6.1.1 应用商店广告的发展现状157
6.1.2 应用商店推广渠道的特点160
6.1.3 应用商店的几大核心广告资源介绍162
6.1.4 应用商店广告数据分析痛点164
6.2 应用商店广告数据分析关键指标解读171
6.2.1 自然量171
6.2.2 CPA175
6.2.3 ROI178
6.2.4 各广告位流量配比180
6.3 应用商店广告数据分析方法论181
6.3.1 相关性分析181
6.3.2 线性回归分析185
6.3.3 显著性检验分析193
6.4 案例：某生活消费App在小米应用商店渠道的广告优化196
6.4.1 项目背景196
6.4.2 优化难点199
6.4.3 优化思路200
6.4.4 优化执行201
6.4.5 效果评估210
6.5 本章小结212
第7章 多广告推广渠道的统筹优化213
7.1 多渠道广告统筹优化的现状213
7.2 多渠道广告数据分析方法论：综合效果评分模型215
7.3 案例：某金融App在多广告渠道的统筹优化217
7.3.1 项目背景217
7.3.2 优化思路和执行217
7.3.3 效果评估226
7.4 本章小结227
第8章 广告优化的未来会好吗228
8.1 广告业内的3种角色228
8.1.1 角色期待229
8.1.2 角色冲突与认知偏差233
8.1.3 囚徒困境234
8.2 广告优化的作用237
8.2.1 广告优化的边界237
8.2.2 广告优化的展望238
8.2.3 广告优化师的精进之道：内部创业者238
8.3 本章小结240
· · · · · · (收起)
具体描述
本书的内容可分为3大部分：
基础部分（第1～3章和第8章），介绍了广告优化中的统计学思想和基本原理，为后文讲述数据分析方法论打好基础。在最后一章对互联网广告商业生态进行阐述，关于广告优化师如何实现个人精进成长有所分享。
应用部分（第4～7章除案例部分），以移动广告市场上3大主流广告类型为例，分别阐述不同广告类型的流量特点、优化难点，并提出一些创新性的数据分析方法论。另外对于多广告推广渠道的综合效果评估和统筹优化也做了深入讲解。
实例部分（第4～7章案例部分），通过对4个具有代表性的广告优化项目的案例讲解，让读者了解广告数据定量分析和效果优化的完整流程。
用户评价
评分
##统计学的实操部分有价值
评分
##感觉没学到很多呀
评分
##终于看完了，希望对我写论文有用处吧。但读完完全无感觉，因为，我也不知道论文要写啥，杀了它，顺便杀了我吧。。。
评分
##感觉没学到很多呀
评分
##200201:写得很细致，对于投放小白相关从业人员来说干货满满。非投放师了解了更多内在逻辑。
评分
##是一本挺落地实用的书，对于一线分析师、产品和运营都有梳理和借鉴。很从具体例子的实际操作入手，书里面的相关性分析、显著性检验、回归模型等值得反复吃、吃透。很细节、很具体，这是4星的原因，也是非5星的原因
评分
##实操性高出预期
评分
##把统计学应用到广告优化中的思路挺有意思的
##好书。难以置信有一天我在认真琢磨朴素贝叶斯算法；还是一知半解有点不知道该怎么用，叹气。