近几年来,广告业进入空前活跃的时期,传统的展示广告已经无法满足市场的需求,能够个性化定制的广告逐渐占据主流,其中搜索广告以用户查询关键字为依据,通过查询词得出用户兴趣,从而个性化推荐广告给用户。搜索广告已经不仅仅限于搜索引擎的广告,电商领域的不断突破正在改变着广告业的格局,以淘宝为例,电商平台的大部分收入由搜索广告贡献。电商搜索广告的转化率预测及其影响因素分析对于电商平台十分重要。本文利用用户<输入关键词-点击商品-是否达成交易>过程中产生的数据,试图对电商平台的搜索广告转化率进行预测,并对其影响因素进行分析。首先对原始数据集进行描述性统计,发现原始数据集存在的问题有:数据缺失,大量的信息无法被直接用于建模,数据存在严重不平衡性。基于以上问题,本文首先对缺失数据进行处理,再对数据进行筛选,然后从无法直接进入模型的信息中提取有效变量,接着对数据的不平衡性进行处理。本文对数据不平衡性的处理采用代价敏感法:对XG Boost的代价函数进行修改,使分错少数类的代价变大。通过与逻辑回归、L1逻辑回归、决策树和随机森林的比较,发现基于代价敏感的XG Boost模型有更高的准确率。加入搜索关键字主题矩阵和数据筛选都能有效提高预测的准确率。本文对影响转化率的因素进行了分析。通过Lasso-Logistic,得到各个因素对转化率的影响方向。对分类起比较重要作用的变量有:商品价格水平、店铺服务水平、商品品牌受欢迎程度、用户潜在兴趣和用户搜索关键字的独立性。其中,商品品牌的受欢迎程度影响最为明显。用户星级、品牌周交易水平、搜索在某一主题上的概率与转化率呈正相关,而价格水平、浏览发生时点等因素与转化率呈负相关。通过上述研究,不仅能够获得了对较为准确的预测转化率,还能够了解了影响因素对转化率的影响方式,从而为电商广告主的搜索广告竞价提供了依据,有助于实现在既定的广告费用下取得最大的效益。