如何利用AI工具
进行营销数据分析与洞察
百度销售产品运营 徐佳鑫
✓ 数据分析基础知识
✓ 数据分析5大方法+4个应用场景
✓ 巧用图表，让你的数据会说话
✓ 利用AI数分工具，提效驱动业务增长
• 课程目标
目 录
CONTENT
基础理解
数据分析洞察概念
数据分析过程
01
分析方法+使用场景
5个方法
4个应用场景
02
数据洞察要素与呈现
洞察必备要素
数据基础呈现形式
03
巧用AI工具提效
了解更多AI数据分析工具
04
• 广告投放运营中，你是否遇到过以下问题？
客户近期效果突然变差，不知如何分析?
成本失控，怎么定位关键影响因素？ 阶段数据复盘，哪些做得好那些地方需要改善？
明天客户预算削减50%，但KPI不变，应该保留哪些核心计划？
冷启动困境，如何快速、低成本地度过冷启动期？
预算与KPI的压力，有限预算如何在“拓新”和“维稳”之间分配？
量
级
成
本
稳
定
性
• 什么是数据分析
数据+分析
数据洞察
数据分析
深入到数据背后，不仅关注业务描述，还进行业务诊断，
提供有针对性的见解和业务预测
从原始数据中提取有意义的信息
对数据进行收集、处理、分析，并将分析结果形成可视化报
告，把数据转化为信息，助力解决业务问题。
数据：数据（加减乘除）+文字（语音&图像&视频）
分析：透过现象看本质的过程
数据分析4大功能：诊断问题、策略制定、描述现状、预测结果
• 数据会说谎吗？
明确目标 数据获取 数据处理 数据分析 结论展示
避免模糊名词 形容词数据化 专业名词准确性
数据分析洞察
0%
5%
10%
15%
20%
25%
30%
35%
0
50000
100000
150000
200000
250000
300000
350000
1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月
B客户 23年销售额与月环比增长率
销售额 环比增长率
0%
20%
40%
60%
80%
100%
0
200000
400000
600000
800000
1000000
1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月
A客户 23年销售额与月环比增长率
销售额 环比增长率
常见
误区 效果 满意度
成本 消费
很好 大幅
订单量增长35%
百分比 百分点
增加5个百分点
数据为模拟数据，仅供案例参考使用 数据为模拟数据，仅供案例参考使用
• 数据闭环的重要性
定
性
与
定
量
收集
①无数据记录 ②无法发现问题 ③不会分析 ④不会提有效建议
常
见
问
题
发现 分析
解决
无数据无法解决
收集
发现 分析
解决 收集
发现 分析
解决 收集
发现 分析
解决
做好基础数据分析 建立分析逻辑 评估可行方案
类别 数据形式 收集过程 使用场景 问题类别
定量
• 形式：数值
• 侧重于分类、统计模型
• 主要用于测量和分析
• 渠道：观察、实验和调查
• 方法：测量和量化
检验理论或假设，通过统计分
析得出结论和预测
年龄、工作职位、性别、收入等，回
答“什么”、“多少”和“多大程度”
的问题
定性
• 形式：文字、图片和物体等
• 主要用于描述和理解现象
• 渠道：评论/小组讨论/案例研究/
访谈
• 深入理解和解释
理解特定状态的概念、观点和
行为，帮助形成理论和洞察。
意见、态度想法，探索“为什么”和
“如何”的问题
• 广告投放常见数据指标分析维度
原生场景
号广店一体全域跑量
扩大规模长效经营
线索场景
经营和广告相互协同
高效获取线索促转化
应用场景
广告与内容双管齐下
实现买量到经营突破
本地场景
专属本地产品能力
链接线上线下经营
电商场景
契合商家经营场景
提升店铺商品销量
展现 点击 访问 转化 订单
营
销
链
路
C T R C P C C V R C P A与R O I
影
响
因
素
分
析
报
告
推广阶段 网站阶段 销售阶段
定向 出价 创意
时段
地域
人群
匹配
预算
CPC
OCPC
相关性
通顺性
规范性
吸引力
页面体验 链路体验
打开速度
相关性
吸引力
转化承接
转化链路
表单 下载 咨询
付费 授信 ……
线索沉淀
线索运营
推广报告
定向报告、定向工具
诊断优化
创意报告
效果报告
落地页报告：页面转化、访客明细
基木鱼后台：站点分析、热力图
商家智能体：巧舱数据
爱番番
巧舱
目 录
基础理解
数据分析洞察概念
数据分析过程
01
分析方法+使用场景
5个方法
4个应用场景
02
数据洞察要素与呈现
洞察必备要素
数据基础呈现形式
03
数据洞察呈现与工具
了解更多AI数据分析工具
04
• 数据分析方法-趋势分析
客户4月份复投，运营节奏同往年，根据4月16日前消费趋势，预估4月消费金额可以完成多少？
备注：竞品25日-28日搞促销活动
对
比
视
角
0
1000
2000
3000
4000
5000
6000
4月分日消费预估
24年消费 23年消费
应用场景
从过去的数据中观察出来的，或者是预测出未来发展趋势。
eg：对历史数据的回顾,对未来趋势的预测
日期 4/3 4/4 4/5 4/6 4/7 4/8 4/9 4/10 4/11 4/12 4/13 4/14 4/15 4/16 4/17 4/18 4/19 4/20 4/21 4/22
24年消费 3608 3766 3859 3799 4299 3579 3490 3840 3532 2467 3652 5008 4797 2246 - - - - - -
23年消费 2526 2636 2701 2660 3009 2505 2443 2688 2472 1727 2556 3506 3358 1572 2526 2636 2701 3570 3570 2505
STEP1：明确对比对象 STEP2：数据可视化 STEP3：节点变化原因 STEP4：分析原因制定策略
数据为模拟数据，仅供案例参考使用
• 趋势分析的影响因素
除自身影响因素外，
行业因素是否会有影响，
外部因素，营销节点，政治因素影响？
内部是否会有流量扶持类影响？
01
02
0304
05
数据准确性
时间跨度
• 政策变化
• 时事热点营销节点变化
• 技术进步等不确定性
外部因素
样本的公平性
• 产品：功能升级，链路调整
• 技术：系统不稳定接口不稳定
• 运营：策略调整
内部因素
• 数据分析方法-对比分析
应用场景
如下是广告主最新一周4月10日-4月16日数据情况，客户问你本周数据情况怎么样？有提量的空间吗？
0
200
400
600
800
0
2000
4000
6000
双周分日消费与成本走势
消费 成本
日期 消费 成本
2024/4/10 349
2024/4/11 3532 442
2024/4/12 352
2024/4/13 332
2024/4/14 501
2024/4/15 600
2024/4/16 321
时间 消费 成本 考核
2023/4/10-2023/4/16 13456 320
2024/4/3-2024/4/9 26400 367 360
2024/4/10-2024/4/16 25542 345 350
同比 % % %
环比 % % %
通过比较两个或多个事物、来揭示它们之间的相似性和差异性。并用于支持决策、解决问题和
制定策略。eg：产品分析 市场分析
STEP1：明确对比对象 STEP2：选择对比方法 STEP3：产出对比结果 STEP4：分析原因制定策略
数据为模拟数据，仅供案例参考使用 数据为模拟数据，仅供案例参考使用
• 对比分析指标口径
同比
环比
目标比
排名
行业比
产品或服务在不同年份 的市场表现。
教育行业内市场占有率80%
监控生产线的相邻的月度或季度 产出变化
运动员、团队、比赛等的排名
个人的学习、财务等目标的达成情况
百分比 公司的盈利率、增长率；不同产品线的消耗占比
• 数据分析方法-分解与汇总
应用场景
通过将问题分解成更小、更易于管理的子问题，将分解后的数据重新组合，以获得整体视图的
过程
eg:地理分解 按地理位置分解数据，如按国家、地区、城市等
制定策略识别问题
分解定位异常问题 基于分解和汇总的分析结果
制定策略
寻找原因
• 由表及里，
• 挖掘本质影响因素
评估影响
• 汇总各部分数据
• 定位主要影响因素
• 分解与汇总应用
公司发现有一款线上的销售产品，4月份全国销售额环比下降了30%，怎么定位到影响因素并改善？
对
比
视
角
时间 销售额 新客户数量 新客渠道 新客销售额 老客户数量 老客户金额 运营单位
1月份 800W 50724 百度 350W 34833 450W 华南
2月份 1200W 79710 百度 550W 50387 650W 华北
3月份 860W 62320 百度 430W 33333 430W 华南
4月份 600W 72460 百度 500W 7751 100W 华北
1月份 200W 10724 抖音 150W 14833 50W 华南
2月份 600W 19710 抖音 350W 20387 250W 华北
3月份 360W 22320 抖音 230W 13333 130W 华南
4月份 400W 22460 抖音 200W 12000 200W 华北
销售额
新客
抖音
百度
腾讯
老客
未流失客户
忠诚用户
下单频次
非忠诚客户
下单频次
已流失客户
流失挽回
自然流失
竞品争夺
STEP1：明确前提条件 STEP2：罗列关键数据 STEP3：定位影响因素 STEP4：制定执行策略
数据为模拟数据，仅供案例参考使用
• 数据分析视角切入-分类分析
客户分群、产品归类、绩效评价...许多事情都需要有分类的思维。分类后的事物，需要在核心关键指标上能拉开距离
横轴和纵轴往往是你运营当中关注的核心指标（不限于二维）
应用场景
根据 数据的特征 将数据集中的个体或项目分组 到不同的类别或组别中。
eg：根据消费者特征将市场划分为不同的细分市场
转化量
广告消耗
整体投放效果不错，
可进一步扩量
优化出价
点击率
相关性
没跑起来，提量动作 优化相关性
• 分类分析案例
服务行业年终复盘通过对比各城市的销售额与经营得分，请你帮忙洞察制定25年份各城市运营规划
STEP1：数据准备 STEP2：拆分分析维度 STEP3：确定分界值 STEP4：针对性执行策略
数据为模拟数据，仅供案例参考使用
• 分类分析案例
江西
陕西
山西
吉林
四川
江苏
湖北
海南
重庆
河南
广西
安徽
黑龙江新疆
河北
0
20
40
60
80
100
1900 2100 2300 2500 2700 2900
• 黑龙江与山西：可以作为推广标杆 式城市的经营方式。
• 吉林、广西、陕西：经营得分不达标，可能存在卫生、服
务、售后等待提升 的地方。
• 重庆、江西、新疆：经营得分高，探索 市场是否还有很
大空间
• 海南、安徽等城市：需要重点关注 的地方，双双不达标
每个象限代表不同的产品类型，并对应不同的战略
改善举措
改善措施
数据为模拟数据，仅供案例参考使用
• 数据分析视角切入-统计学描述与相关分析
应用场景
描述是对数据集进行总结和解释，来描述趋势、分布和离散程度。相关分析帮助理解变量之间的
关系，识别 变量之间的潜在联系。
eg：分析消费者行为偏好分析。
均值
中位数
众数
最大值
最小值
均值：如计算平均 收入
中位数：在收入分布不均 的情况下，中位数收入比均值收入更能代表普通
工人的收入水平
众数：众数可以表示最常见 的年龄或收入水平，不受异常值影响
最大值：估计潜在的最大损失，接受的上限值
最小值：估计潜在的最小损失或回报，接受的下限值
• 相关分析案例
某某餐厅近期进行了消费者建议调研，根据调研数据结果分析，你打算怎么进行改善？
现象：可以看到80%的问题集中在前面4项(价格贵/分量少/等位时间长/味道差）
措施：初步进行质量改进可以着重关注前面4项 就好。
%
%
%
%
%
%
%
% %
%
%
%
%
%
%
0
100
200
300
400
500
600
700
800
餐厅改进建议分析
建议次数 累计占比
数据为模拟数据，仅供案例参考使用
• 广告投放中的二八法则（帕累托法则）
某账户最近1个月单元投放数据，请通过2/8分析法，选择出需重点优化创意的单元
现象：滚动计算找到消费占比80%的节点，即表
格中B1、B2、B3单元格
措施：B1消费最多，CTR 低于均值，B2、B3单元
CTR高于均值，可先将B1作为重点调优对象
计划 单元 消费(万) CTR
A1 B1 25 %
A2 B2 10 %
A1 B3 8 %
A2 B4 6 %
A3 B5 5 %
A2 B6 3 %
A3 B7 2 %
A3 B8 1 %
总计 60 %
STEP1：数据准备 STEP2：20%影响 STEP3：分布情况 STEP4：制定执行策略
数据为模拟数据，仅供案例参考使用
• 描述与相关分析案例
0
10
20
30
40
50
60
100 120 140 160 180
身高与体重关系
体重
Linear (体重)
0
20
40
60
80
100 600 1100
收益与天数关系
天数
Linear (天
数)
偏正相关
完全正相关 完全负相关
偏负相关 非线性
不相关
0%
2%
4%
6%
8%
10%
12%
1 6 11
素材点击率
素材点击率
0
50
100
150
200
250
300
350
400
450
500
100 5100 10100 15100
成本与消耗
成本
0
10
20
30
40
50
60
70
0 50 100
吸烟年数与健康系数
健康系数
Linear (健康系
数)
0
20
40
60
80
100
120
0 50 100
时间与记忆力
记忆力
Linear (记忆力)
• 场景1：某教育行业客户量级下降成本上涨，需定位问题
过去一个月，百度广告消耗（量级）环比下降20%，同时获客成本（CPA）同比上涨35%。
帮助客户找出根本原因并提出优化方案
逻辑分析框架与方法
STEP1：定义问题与指标拆解 STEP2：提出假设 STEP3：分析验证 STEP4：结论与解决方案
核心问题： 量级 & 成本
指标拆解：公式拆解
关键洞察：可能原因定位
前端流量与竞争
后端转化与承接
广告投放策略
广告表现分析
后端转化分析
市场环境
核心广告创意老化
落地页交互窗口冲突
策略：广告侧 客户侧
日期 展现 点击 消费 CPC CTR 转化 转化成本 CVR
2025年5月 965109 13222 256786 % 800 320 %
2025年6月 743134 9003 205429 % 475 432 %
环比 -23% -32% -20% -8% -12% -41% 35% -13%
竞争能力
对比分析：确认波动幅度与关键分析指标的波动成本↑35%，转化量下降41%；流量水位对比发现自身出价水平下降。
趋势分析：通过分日数据定位到从17日开始成本有明显提升，cvr明显下降
分解与汇总：CPA = 总消耗 / 转化量 = （展示量 × CTR × CPC） / （展示量 × CTR × CVR） = CPC / CVR
点击率下降创意衰退；17日起客户侧落地页调整 落地页交互窗口冲突，紧急优化
分日cvr对比
数据为模拟数据，仅供案例参考使用
• 场景2：A客户有放量需求，7月份目标日增量30W，制定投放策略
账户已有多个成熟广告计划在跑，但增长乏力，客户提出在保证关键绩效指标（KPI）基本稳
定的前提下，实现日消耗稳定增长30W
逻辑分析框架与方法
STEP1：明确现状 STEP2：确认目标 STEP3：分析方法 STEP4：结论与解决方案
客户现状
大盘现状
四象限分析法
对比分析
趋势分析：通过分日消耗趋势结合大盘TOP客户量级，判断仍有增量机会。
分类分析：通过四象限分产品线拆解消耗与成本，搜索聚焦词；信息流聚焦素材与定向维度暂停成本＞350素材；翻拍低成
本素材降本，留出测试空间。将预算转移至表现更好的人群、素材和词上。
核心目标： 70→100W
KPI：CPA300
分阶段测试（版位/定向/素材）
新产品线尝试
分解与汇总：从设备端/时段/地域/计划/单元/关键词定向等维度，逐层分析成本在310-350之间的物料，制定针对性优化策略。
日期 日耗 线索成本
近半年 56W 330
本月 70W 310
确认现状 产品线分布
产品线 日耗 成本
搜索 26W 260
信息流 44W 350
• 场景3：某行业客户营销节点预测流量变化
A客户备战国庆，基于历史数据，预测25年国庆期间的流量与成本变化趋势，并制定前瞻性
的、数据驱动的投放策略，以抓住增长机遇，同时规避风险。
逻辑分析框架与方法
STEP1：明确分析对象 STEP2：数据整合处理 STEP3：分析方法 STEP4：结论与解决方案
时间：去年与今年
维度：业务整体
指标：成本与线索量
整理去年今年同时
期数据，通过
COMPASS/客户中
心/账户下载
趋势分析法
对比分析法
描述与相关分析
策略总原则：
动态预算分配 + 人群时序触达 + 素材节奏
匹配
趋势分析：确结合观星盘PV 数据(见上图),从过去两年数据来看，国庆期间流量与平时相比均处于下降趋势
对比分析：将公司今年节前数据与去年节前数据同比分析(见上表),今年整体日消耗量级同比去年增长28%
分解与汇总： 利用公式-今年国庆预测量级=去年国庆量级*(1+今年同比去年涨幅比例),今年同比去年涨幅28%,去年国庆期间
日量级在550 个，预测出今年国庆期间大概日量级在550*=654左右。
日 期 日耗 日均线索量 成本 CTR CVR
去年1-8月 251457 610 412 % %
今年1-8月 321566 723 445 % %
同比 28% 19% 8% 5% 11%
数据为模拟数据，仅供案例参考使用
• 场景4：某生活服务客户周复盘账户情况
日常汇报，问题周核心KPI（成本与数量）均未达成，需要为客户提供周度复盘的数据与下个
阶段投放规划，宏观定位“本周表现如何？
逻辑分析框架与方法
STEP1：明确对象 STEP2：数据整合 STEP3：分析方法 STEP4：结论与解决方案
时间：上周与本周
维度：账户整体
按照周报格式
确认主要波动维度
趋势分析
对比分析
分解与汇总
止损措施
优化与测试策略
时间 曝光量 点击量 表单量 消耗 成本
基准周数据 1,000,000 20,000 600 321456
问题周数据 1,200,000 18,000 400 266178
环比 % % % % %
趋势分析：周同比 & 环比重症趋势分析，表单数量连续两周下滑，本周降至谷底
对比分析：通过2周数据对比，发现本周消费下降，与点击、 cpc、ctr、转化、 cvr 下降均有关系；定位CTR下降为主要
影响因素
分解与汇总：立即暂停“全城保洁-通用测试”计划中的高成本视频素材。保留原视频中表现较好的片段，重新剪辑，
在前3秒突出核心服务，制作新的图文素材，A/B测试不同的利益点（如“3小时深度保洁” vs. “2小时日常保洁”）
% % 2% %
%
%
第一周 第二周 第三周 第四周
CTR分周趋势
数据为模拟数据，仅供案例参考使用
• 小结
5种分析方法
趋势分析
对比分析
分解与汇总
分类分析
统计学描述与相关分析
4个应用场景
成本上涨
放量策略制定
节点流量预测
投放复盘
目 录
CONTENT
基础理解
数据分析洞察概念
数据分析过程
01
分析方法+使用场景
5个方法
4个应用场景
02
数据洞察要素与呈现
洞察必备要素
数据基础呈现形式
03
数据洞察呈现与工具
了解更多AI数据分析工具
04
• 洞察要素
• 需要哪些数据？
• 哪些平台可以参考？
• 业务指标什么意思？
• 这个图怎么看不懂？
• 怎么呈现更好？
目的不明确：解决什么问题、分析的产出物计划用来做什么
业务背景不清晰：业务指标含义、当前难点、项目关键问题
受众诉求模糊：具体的需求提出者和受众的需求是什么
目的是什么？背景是什么？受众是谁？
洞察
目的
洞察
背景
受众
特点
数据 场景 标准
• 巧用图表设置，让关键信息更直观
优化前 优化后
巧用
图表
口径统一 指标筛选重点突出
数据为模拟数据，仅供案例参考使用
• 柱状图组合使用，让重点信息更突出
优化前 优化后
22%
5%
16%
1% 2% 1% 1%
3%
14% 15% 13%
20%
23%
17% 18% 18%
42%
50%
40%
45%
38% 38%
49%
38%
15%
26%
21%
26%
32%
15%
26% 27%
7%
3%
9%
7%
5%
29%
5%
14%
0%
10%
20%
30%
40%
50%
60%
东北地区 西北地区 华北地区 华中地区 华东地区 华南地区 西南地区 港澳台
分地区竞品品牌占比情况分布参考
39
48
53
59
65
71
77
0
50
100
-10
40
90
2016年 2017年 2018年 2019年 2020年 2021年 2022年
分年份营业额
住宿（万元） 农家院（万元） 旅游（万元）
22%
5%
16%
1%
2%
1%
1%
3%
14%
15%
13%
20%
23%
17%
18%
18%
42%
50%
40%
45%
38%
38%
49%
38%
15%
26%
21%
26%
32%
15%
26%
27%
7%
3%
9%
7%
5%
29%
5%
14%
0% 20% 40% 60% 80% 100%
东北地区
西北地区
华北地区
华中地区
华东地区
华南地区
西南地区
港澳台
分地区竞品品牌占比情况分布参考
数据为模拟数据，仅供案例参考使用
• 双柱堆积图，对比冲击力更强
巧用
对比
和竞品比 和行业比 和大盘版位比和自己比
①
②
③
123
223 201
301 345
456
567 569
234
456
200
300 267
345
456
678
22年1月份 23年1月份 22年2月份 23年2月份 22年3月份 23年3月份 22年4月份 23年4月份
环比销售产品对比图
A产品（万元） B产品（万元）
数据为模拟数据，仅供案例参考使用
• 常见平台&报告解读
• 巧用平台收集信息，让数据洞察事半功倍
巧用
平台
行为路径 信息量化人群分析 对症下药
洞察中心→关键词洞察 词频热度与百度指数人群集市-实时画像
目 录
基础理解
数据分析洞察概念
数据分析过程
01
分析方法+使用场景
5个方法
4个应用场景
02
数据洞察要素与呈现
洞察必备要素
数据基础呈现形式
03
数据洞察呈现形式
了解更多AI数据分析工具
04
• 借助AI工具帮你“卷”
AI数据清洗 AI数据统计 AI数据分析报告 数据可视化
AI数据清洗，给对指令进行结果输出
对原始数据进行审查、校验和修正，以消除错误、重复、缺失或不一致的数据，从而提高数据质量，使其适用于分析、
建模或决策支持。
去重 纠正 处理缺失值 统一格式 数据转换
示例：数据缺失 第一步：输入口令
通常：AI工具均有口令指导提示
第二步：思考过程 第三步：结果输出
数据为模拟数据，仅供案例参考使用
AI数据统计，不用苦苦“憋”公式，对话式获取数据结果
通用能力：公式指令输出
对话式输入指令并上传附件
结果输出
支持文本转公式处理
数据为模拟数据，仅供案例参考使用
AI数据分析报告，快速生成数据图表与分析方向
数据统计后，继续输入指令生成图表
可带出相关分析方向参考
数据为模拟数据，仅供案例参考使用
AI数据分析报告，快速生成数据图表与分析方向
直接给到指令生成
给出分析过程
交付结果
洞
察
与
结
论
输
出
支持导出或设置浏览
器线上预览
数据为模拟数据，仅供案例参考使用
数据可视化：基础图表生成+系统性搭建可视化看板，实现多维度数据实时监控
以百度智能云-Sugar Bl 为例
数
据
报
表
数
据
大
屏
① ②
• 整体回顾
重点内容
分析
方法
巧用
AI
洞察
呈现
概念
• 透过现象看本质
• 用户深入到数据背后，提供有针对性的见解和业务预测
• 对比分析
• 趋势分析
• 分解与汇总分析
• 分类分析
• 描述与相关分析
• 数据 标准 业务场景
• 目的 背景 受众
• 巧用图标与三方平台
• 数据处理与分析
• 可视化报告呈现
感谢聆听
祝大家考试顺利
