A PPC marketing átlagainak használatával kapcsolatos problémákról a közelmúltban beszéltek a tweetek és a blogbejegyzések. Például ez az, ahol Julie Bacchini azt állítja, hogy „átlagok sucky metric”:
Bár igaz, hogy néha átlagok nagyon félrevezetőek lehetnek, a fenti adatkészlet problémája a minta óriási populációs szórása és szórása.
$config[code] not foundEbben a hozzászólásban szeretnék beszélni az itt szereplő matematikáról, és az átlagok értékének megvitatására, valamint arra, hogy néhány kritikát adjak a PPC-közösségben az utóbbi időben megfigyelt átlagok jelentésére.
Változás, standard eltérés és szórási együttható
Minta variancia a diszperzió mértéke - mennyire valószínű, hogy az adatkészletben lévő értékek eltérnek az adatkészlet átlagos értékétől. Ez az egyes adatpontok különbségeinek négyzetének átlagából az átlagból számítható. A különbségek szétválasztása biztosítja, hogy a negatív és a pozitív eltérések ne szüntessék meg egymást.
Tehát az 1. kliens esetében csak kiszámítsa a különbséget a 0,5 százalék és az átlagos 3,6 százalékos változás között, majd négyzetet ad. Ezt tegye meg minden ügyfél számára, majd vegye figyelembe az eltérések átlagát: ez a minta varianciája.
Minta standard eltérés egyszerűen a variancia négyzetgyökere.
Egyszerűen fogalmazva, az adatállomány átlagértékei átlagosan 5,029 százalékkal csökkentek a 3,6 százalékos átlagtól (azaz a számok nagyon eloszlanak), ami azt jelenti, hogy ebből az elosztásból nem sok következtetést lehet levonni.
Egy egyszerűsített módszer annak megállapítására, hogy a standard eltérések „túl magasak” (feltételezve, hogy normál eloszlást keresnek), a szórási együttható kiszámítása (vagy a relatív szórás), amely egyszerűen az átlagos szórás az átlagmal.
Mit jelent ez, és miért kell törődnünk vele? Ez az átlagokról szóló jelentések értékéről szól. Amikor a WordStream kliensadatokat használ, nem csak a kis adatkészletekből származó átlagokat számítunk ki és nagy következtetéseket vonunk le - törődünk az adatok terjesztésével. Ha a számok az egész helyen vannak, akkor dobjuk ki őket, és megpróbáljuk a mintát szétválasztani egy másik módon (iparági, kiadási, stb.), Hogy egy értelmesebb mintát találjunk, amelyből magabiztosabb következtetéseket vonhatunk le.
Még jelentősebb átlagok a definíció szerint Az átlag feletti és alatti értékek
Egy másik kritika az átlagellenes táborból az, hogy az átlag nem beszél az egész népességért. Ez természetesen igaz.
Igen, az átlagok tartalmazzák az átlagérték feletti és alatti adatpontokat. De ez nem nagy érv az átlagok összességének kivonására.
Normál eloszlás esetén feltételezzük, hogy az adatpontjainak körülbelül 68 százaléka +/- 1 standard eltérést jelent az átlagától, 95 százalék a +/- 2 standard eltéréstől, és 99,7 százalék a +/- 3 standard eltéréstől, amint az látható itt.
Mint látható, a kiugró értékek bizonyára léteznek, bár ha szűk szabványos elosztása van az adatkészletben, akkor nem olyan gyakori, mint gondolnánk. Tehát, ha óvatos a matematikával, az átlagok még mindig nagyon hasznos információk lehetnek a hirdetők nagy többségének.
A PPC Marketingben a Math nyer
Ne dobjunk ki átlagot a fürdővízzel. Végtére is, az AdWordsben szereplő összes teljesítménymutató (CTR, CPC, átlagos pozíció, konverziós arányok stb.) Átlagértékekként szerepelnek.
Az átlagok figyelmen kívül hagyása helyett használjuk a matematika erejét, hogy kitaláljuk, hogy az átlag, amit nézel, értelmes vagy sem.
Újra közzétette az engedélyt. Eredeti itt.
Átlagos kép a Shutterstock-on keresztül
További információ: Kiadói csatorna tartalma
