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Purpose 9
1.5.2 有限性Limited 10
1.5.3 相关性Correlation 12
1.5.4 抽样性Sampling 14
1.5.5 显著性Significance 15
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 CPC 81
4.2.2 CTR 83
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CTR 124
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 CPA 175
6.2.3 ROI 178
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