[工作誌] 在urAD優愛德工作的日子

urAD-工作經歷

在urAD優愛德工作快兩年的時間，平日工作內容是廣告操作(Facebook、關鍵字、Line和其他不同平台都會接觸到)，和利用假日和下班時間自學Python程式方面的技能來加強自己在廣告操作上的分析能力，以下是我在urAD優愛德工作的日常細項和經歷，提供給想面試的朋友參考唷！

1. 優化主任 (2018/7月-2018/9月)

• 擬定企劃教育訓練
• 擬定廣告測試項目與追蹤後續成效
• 日常廣告疑難雜症解答
• 建立公司內部廣告資訊更新系統
• 建立廣告投放SOP減少企劃錯誤率機制

2. 資深優化師(2018/1月-2018/6月)：

• Google Ads、Facebook廣告、Line 和DoubleClick廣告操作及優化
• 主要操作成效類型或VIP專案，產業類別包含食品、玩具、家具、美妝和綜合大型電商
• 根據廣告投放數據做趨勢洞察與分析

3. 媒體規劃(2017/1月-2017/12月)：

• 協助客戶網路媒體策略建議、規劃、執行、效益分析
• 協助業務部門進行提案/產品簡報撰寫
• Google Ads、Facebook廣告、Line 和DoubleClick廣告操作及優化
• 專案成本控管與效益評估
• 根據廣告投放數據做趨勢洞察與分析

圖靈數位-工作經歷

專注於使用者頁面上瀏覽行為收集、串接相關 API 數據和網路資料爬蟲，進行數據清理、分析和呈現，以下是我在圖靈數位工作的日常細項和經歷。

1. 資料工程師 (2018/11月-至今)

• Web & App 使用者行為資料收集 ( GTM / Firebase + Javascript / Swift )
• API 資料串接和清理 ( Google Analytics / Google Trend / Google Ads / Google 商家 / Google Search Console … )
• 建置數據分析和呈現平台 ( Python Flask + GAE / GCE + Docker )
• Python 爬蟲 ( Selenium / Scrapy / Requests )
• Landing page A/B testing ( Google Optimize + Javascript )

使用Python快速計算電商重要的指標：留存率(User retention)、回購率(Repurchase rate)、購買週期(Repurchase cycle)、終身價值LTV(Life time value)、消費分佈和客戶分群RFM模型。

 

整理出電商Google Analytics最常看的8個面向數據，包含產品分析、新舊客區隔、網頁標題、搜尋字詞和客戶輪廓，再搭配利用Dash board的方式呈現。

 

每個月要從4000件商品挑出3~5件商品出來打廣告，銷售的好壞其實很考驗投手的挑品能力；此篇利用Python串Google Trend API 爬取過去大量資料，Pandas合併和整理，再利用Decision Tree、KNN、Logistic Regression…等8種模型進行機器學習來預測未來搜尋熱度，最後利用這些數據輕鬆地挑選商品來進行推廣。

 

Python快速計算RFM模型 / Python快速計算NES模型

針對CRM客戶資料進行分析，利用RFM模型和K-mens將顧客名單分群或利用NES模型將客戶分群成主力顧客、半沉睡顧客和沉睡顧客，並計算顧客下次購買時間(NTP)，再利用FB廣告或是Google Ads廣告進行再行銷投放。

採用Google搜尋引擎Spider的角度融合Python撰寫程式進行頁面的詞頻分析、重要字分析、情緒分析來優化SEO關鍵字和頁面，最後使用餘弦相似性來判斷優化進步空間，並設定SEO追蹤排名程式來追蹤成效。

 

使用Python寫出全自動產生SEO關鍵字搜尋排名報表程式，長期追蹤重要Google關鍵字排名，和輕鬆追蹤競爭對手的關鍵字搜尋排名。每日會有程式模擬真人進行Google搜尋關鍵字，存取關鍵字排名並回拋給資料庫處理，最後在Dashboard上即時呈現整體網站SEO狀況。

 

使用Python快速整理競爭對手的關鍵字佈局和文案，撰寫關鍵字規劃書時要不停的手key關鍵字來查詢還蠻麻煩的，所以寫了這個小程式利用Python爬取Google搜尋結果，一次輸入多個要觀察的關鍵字，參考後來優化自己關鍵字廣告(SEM)或是部落格文章SEO。

 

除了基礎的FB Pixel、Gtag、GA程式碼埋設外；埋設GA事件追蹤、DPA再行銷、GA加強型電子商務和Google Merchant Center產品目錄建置都有相關經驗。

可以輕鬆的寫出一隻能每日自動運行、模擬使用者登入帳密、隨機沈睡、自動更換IP的爬蟲，並將爬取後資料存放於資料庫中，再進行清理資料和分析。