نحوه تفسیر صحیح داده های PPC (حتی اگر هرگز آماری را مطالعه نکردید)

تصور کنید این ایمیل مشتری از صندوق ورودی شما بازدید کرده است:

“من خواندم که این بهترین کار برای نشان دادن نام تجاری یک شرکت در تبلیغات متنی است. آیا باید نام تجاری خود را در همه نسخه های تبلیغی خود بگنجانیم؟ “

از آنجا که در حال حاضر داده های عملکرد در مورد تغییرات تبلیغ متن خود را دارید ، می توانید روی خرد کردن اعداد کار کنید:

نمودار ctr با حباب فکر

پاسخ می دهید: “بله”

“تبلیغاتی که نام تجاری آنها را نشان می دهد تقریباً 3 برابر بیشتر کلیک می شوند! من تا پایان هفته در تبلیغات متنی با مارک جدید تعویض می کنم. “

هنگامی که مشتری شما پاسخ می دهد پنج دقیقه طول می کشد:

“جالب هست. و فرض می کنم شما کنترل کرده اید که آیا این برند یک کلید واژه جستجو است؟ “

“خوب…”

با شعله ور شدن ، شما دوباره این شماره ها را جمع می کنید ، این بار با در نظر گرفتن اینکه آیا جستجوی جستجو مارک شده است یا خیر.

نتیجه گیری جدید شما با نتیجه ای که شما ارائه دادید مغایرت دارد.

تبلیغات

ادامه خواندن زیر

کپی آگهی ctr آگهی تقسیم شده توسط نام تجاری و نام تجاری

“برای جستجوی جستجوهایی که مارک را درج نمی کنند ، در واقع تبلیغات بدون نام تجاری 50٪ بیشتر احتمال دارند کلیک کنند.”

چه اتفاقی افتاد؟

شما به داشتن یک بازاریاب کمی داده محور و افتخار می کنید.

اما اکنون شما باید به مشتری خود توضیح دهید که چرا تجزیه و تحلیل شما اشتباه بوده است تا زمانی که روند کار شما دوبار بررسی نشود.

بنابراین چه چیزی باعث ایجاد خطا شده است؟

می توانیم بگوییم که بازاریابان کلاه های زیادی دارند و در هنگام عجله می توانند اشتباه کنند.

اما مشکل واقعی عمیق تر است.

اکثر بازاریابان دیجیتال آماری نیستند ، تحلیلگر ، یا دانشمندان داده های آموزش دیده.

درمجموع ، ما یک کل صنعت هستیم که برای بهبود عملکرد حساب کار می کنیم تا سواد داده خود را نادیده بگیریم.

در دنیای ایده آل ، هر بازاریاب یک فرد آماری خواهد بود.

اما اگر پهنای باند را برای انتخاب شغل دوم ندارید ، در اینجا چگونگی جلوگیری از درد سرریز داده ها و یافتن بینش با ارزش بالا در داده های PPC خود آورده شده است.

تبلیغات

ادامه خواندن زیر

1. یک متفکر منتقد باشید و بزرگترین شکاک خود باشید

شما به احتمال زیاد شغل جستجوی پرداخت شده خود را در یافتن برد و فرصت ها ایجاد کرده اید ، نه نتیجه گیری های خود را به چالش می کشید.

بله ، سرگرم کننده تر است که مهمانی ها را برای رشدی که ما ظاهراً رانندگی خواهیم کرد ، سرگرم کنیم.

اما این در واقع منجر به تفکر تنبلی می شود که می تواند عملکرد را مهار کند.

به آمارگزاران واقعی آموزش داده می شود که نسبت به نتیجه گیری و مشاهدات آسان شک کنند.

ممکن است در تجزیه و تحلیل خود (به خصوص در ابتدا) دچار مشکل در تردید باشید. اما خیلی بدتر است:

  • نتیجه گیری های خود را توسط کسی در موقعیت اقتدار به چالش بکشید بعد از اینکه ایده های خود را قبلاً انجام داده اید به گزارش PDF.
  • توصیه های خود را اجرا کنید و در نتیجه افت درآمد را تماشا کنید.

زمان آن رسیده است که تفکر انتقادی و تفسیر داده های PPC را بهبود بخشید.

این همان چیزی است که می تواند به نظر برسد.

سناریو: “درمان آگهی” بهتر از “درمان آگهی”

2 درمان آگهی
تفکر تنبل

من یک متخصص طراحی نیستم و نمی توانم به شما بگویم چرا ، اما می دانم که درمان A دارای CTR بالاتری است بنابراین باید آن طراحی را اتخاذ کنیم.

تفکر انتقادی

  • چه تفاوتی با دو روش درمانی داشت؟ آیا هر دو روش درمانی با همان پیشنهاد به همان صفحه فرود آمده بودند؟ آیا فرضیه ما پشتیبانی می شود؟
  • آیا “درمان A” در بین مخاطبان و مکانها یا بخشهای خاصی بهتر عمل کرده است؟
  • آیا من CTR و نرخ تبدیل را با هم مقایسه کردم؟ چه چیزی یاد گرفتیم که می توانیم در مرحله بعدی تست خود استفاده کنیم؟
مقاله پیشنهادی  9 مهمترین مسئله برای نظارت بر حسابرسی SEO

سناریو: تبدیل ها در ماه بیش از 20 درصد کاهش می یابد

نمودار فروش ماهانه در مقابل فروش در طول زمان

تفکر تنبل

تبدیل ها به دلیل کاهش تعداد افراد کمتر علاقه مند به محصولات شما در این ماه هستند.

شما به پیشنهادهای بهتری نیاز دارید

تفکر انتقادی

  • تبدیل ها نسبت به ماه 20٪ کاهش یافته است ، اما اگر بزرگنمایی کنیم ، می بینیم که آنها 128٪ نسبت به سال گذشته افزایش دارند. ما به طور معمول شاهد کاهش فصلی چشمگیر هستیم ، اما تبدیل ها برای ماه مه زیاد است.
  • چه عواملی در افزایش آن نقش دارند؟
  • بودجه ها و هزینه های خرید سالانه چگونه مقایسه می شود؟

تنبل در مقابل تفکر انتقادی

“پاسخ های تنبل” در هر یک از این سناریوها پاسخهای واقعی است که من از نامزدهای کار PPC دریافت کرده ام.

تفکر تنبل بدون بررسی داده های عمیق نتیجه می گیرد.

اگر نمی دانید چگونه بدیهی ترین نتیجه گیری را کنار بگذارید ، تصور کنید که رئیس شما (یا مشتری یا مدیر استخدام) تحلیل شما را زیر سوال برده است.

تبلیغات

ادامه خواندن زیر

  • چه چیزی پیدا کردند که شما ممکن است نادیده بگیرید؟
  • چه چیز دیگری ممکن است نتیجه ای را که شما مشاهده کردید ، خارج از مشاهدات اولیه شما باشد؟
  • چرا ممکن است این درست (یا بهترین) تعبیر نباشد؟

قبل از پذیرش نتیجه گیری های خود ، زمان بیشتری را صرف کنید تا ثابت کنید که خود را اشتباه نشان داده اید نه اینکه خودتان را به درستی اثبات کنید.

2. KPI ها و محاسبات خود را بدانید

اگر پیشینه رسمی در آمار یا بازاریابی ندارید ، این محاسبات و چارچوبها باعث می شود که از اشتباهات تازه وارد در تحلیل خود صرفه جویی کنید.

تبدیل و درآمد

با شاخص های کلیدی عملکرد (KPI) شروع کنید

KPI های شما باید معیارهایی باشند که منجر به رشد تجارت می شود.

KPI های خود را اولویت بندی کنید (مانند تبدیل یا درآمد) و به معیارهایی که آنها را هدایت می کند توجه کنید (مانند کلیک و نرخ تبدیل).

به خودتان اجازه ندهید که از هر شماره یا داده ای که برای تجزیه و تحلیل در دسترس است منحرف شوید.

“تبدیل” یک معیار استاندارد نیست

اگر با مقادیر متفاوتی (مانند عضویت در خبرنامه و خرید بزرگ) تبدیل شده اید ، تعداد تبدیل های کل را در کل حساب حساب نکنید.

تبلیغات

ادامه خواندن زیر

تعداد بازدیدهای صفحه بیشتر از مبلغ فروش یا فروش دریافت خواهید کرد ، اما برای تجارت کم ارزش هستند و در بهینه سازی ها نباید وزن برابر دریافت کنند.

ROAS (بازگشت به هزینه تبلیغات) سود نیست

چه محصولاتی و چه خدماتی را بفروشید ، هزینه ای برای انجام امور تجاری فراتر از هزینه تبلیغی وجود دارد.

با خرج کردن 1000 دلار و درآمدی 1000 دلاری اشتباه نکنید.

معمولاً فرمول های سوء تفاهم

فرمول های مقایسه برگشت پذیر نیستند

Google Ads یک ابزار داخلی برای مقایسه دوره های زمانی مختلف دارد.

google ads Advertising مقایسه زمان

شما نمی توانید جهت معکوس کنید و مقادیر را حفظ کنید: کاهش 63٪ CPC از سال اول به سال 2 به 63٪ افزایش از سال 2 به سال 1 نمی رسد.

اگر در محاسبه درصد افزایش یا کاهش درصد مشکل دارید از این ماشین حساب استفاده کنید.

به طور متوسط ​​متوسط ​​نباشید

اگر متریک شما در حال حاضر به طور متوسط ​​یا نسبت (مانند میانگین CPC ، CTR ، نرخ تبدیل ، ROI) است ، نمی توانید آن را برای کل بزرگ مجدداً اندازه بگیرید ، زیرا مقادیر هرکدام را به حساب نمی آورد.

تبلیغات

ادامه خواندن زیر

این اشتباه نمونه ای از یک مغالطه زیست محیطی است که میانگین گروه و کل را گیج می کند.

شما باید با استفاده از کل خام معیارهای خود ، این نسبت را محاسبه کنید.

اتفاقاً ، خطایی در مشکل کپی کردن آگهی ما در ابتدای این مقاله در این دسته قرار می گیرد ، به ویژه مغالطه تقسیم پارادوکس Simpson: آنچه در مورد کل صادق است ، همیشه درباره قسمتهای آن صادق نیست.

مقاله پیشنهادی  برنامه PPC خود را کاهش می دهید؟ در اینجا چیزی است که شما باید در نظر بگیرید

به هر معنی ، بیشتر در مورد روابط داده بیشتر از آنچه در بالا ذکر شد ، اطلاعات کسب کنید.

اما درک حتی این مفاهیم برای رایج ترین خطاهای تفسیر داده ای که بازاریاب ها انجام می دهند حل می کنند.

3. کشف روابط جنجالی

“همبستگی جنجالی” نام بزرگی برای وقوع روزمره در جستجوی پولی است.

ما اثر را می بینیم اما از علت واقعی آگاهی نداریم.

روابط حیرت انگیز هنگامی اتفاق می افتد که “دو یا چند واقعه یا متغیر با هم مرتبط هستند اما به طور علّی مرتبط نیستند ، به دلیل هم اتفاقی بودن یا وجود یک عامل خاص و غیب سوم.”

چگونه به طور صحیح داده های PPC را تفسیر کنید (حتی اگر هرگز آماری را مطالعه نکردید)

در این نمودار ، همبستگی میزان طلاق ماین و میزان مصرف مارگارین اتفاقی است ، اما روابط جنجالی همیشه تصادفی نیستند.

تبلیغات

ادامه خواندن زیر

می دانید که “همبستگی علیت نیست”. بیایید نگاهی بیندازیم که چگونه این جستجوی پرداخت شده را تأثیر می گذارد.

متغیرهای کمین

متغیرهای کمبود هر دو متغیر مستقل و وابسته را تحت تأثیر قرار می دهند ، اما در این مدل لحاظ نمی شوند.

درعوض ، آنها در پشت علت ظاهری نتیجه مخفی می شوند.

به عنوان مثال ، مشتری می پرسد: “کجا باید تلاش های بازاریابی PPC خود را متمرکز کنیم؟”

بازاریابان بی تجربه در ایالات متحده هر بار هم همین موارد را به آنها می گویند:

  • کالیفرنیا
  • نیویورک
  • تگزاس
  • فلوریدا

بعضی اوقات حتی به این نتیجه می رسند که این ایالت ها باید بر اساس عملکرد افزایش قیمت پیشنهاد دریافت کنند.

آنها فکر نمی کنند که “بهترین ایالت” ها بیشترین جمعیت را دارند – متغیر کمترین قیمت در پشت این حجم بالای کلیک و فروش.

نحوه تفسیر صحیح داده های PPC (حتی اگر هرگز آماری را مطالعه نکردید)

از دست دادن متغیرهای کم عرض در رابط Google Ads آسان است ، اما می توانید خود را برای یافتن آنها آموزش دهید.

تبلیغات

ادامه خواندن زیر

در اینجا چند نکته برای گرفتن یا جلوگیری از کمین متغیرها آورده شده است:

  • به جای تعداد خام ، به نرخ ها و نسبت ها نگاه کنید ، به خصوص که اندازه جمعیت یک عامل است.
  • جداول خود را برای مشخص کردن متغیرهای علت اصلی مانند نوع دستگاه (که بر تجربه تبدیل) و نوع شبکه (نشان دهنده قصد) دارد ، تقسیم کنید.
  • عبارت جستجو و داده های جغرافیایی را مرور کنید ، که ممکن است مطابق آنچه انتظار داشتید نیست.

متغیرهای مخدوش

متغیرهای مخدوش یکی دیگر از دلایل عمده سوء تفسیر نتایج PPC است.

به راحتی فراموش می شود که خارج از رابط ، دنیای گسترده ای وجود دارد که بر تصمیمات جستجو و خرید افراد تأثیر می گذارد.

به عنوان مثال ، در اواخر مارس سال 2020 ، جستجوهای Google برای “جاروبرقی” افزایش یافت ، زیرا جستجوی “خانه داری” رد شد:

نمودار روندهای جاروبرقی خانگی در مقابل خانه داری

اگرچه مطمئناً این عملکرد عملکرد حسابهای جستجوی صنعت را تحت تأثیر قرار داده است ، علت تغییر در ترافیک جستجو COVID-19 است ، چیزی کاملاً بیرونی برای گروه های تبلیغاتی و استراتژی های پیشنهاد.

تبلیغات

ادامه خواندن زیر

فرض نکنید که هر تغییری در عملکرد حساب به دلیل کاری است که شما انجام داده اید.

عواملی مانند:

  • فصلی بودن: “ظهور قابل پیش بینی ، تکرار و سقوط نتایج مبتنی بر زمان”
  • تبلیغات: قدرت پیشنهاد ، تغییر در پیشنهاد ، تاریخ شروع و پایان ، تلاش برای تبلیغ آفلاین.
  • رقابت: از Auction Insights استفاده کنید بلکه نحوه قرارگیری پیشنهادات خود را نیز مشاهده کنید.
  • پیگیری تغییرات: صفحات شکسته ، ردیابی تبدیل گمشده ، انواع جدید تبدیل و غیره
  • روابط دارایی: آیا اصطلاحات جستجو ، تبلیغات و صفحههای فرود همه مطابقت دارند؟
  • خارجی: از Google Trends استفاده کنید و الگوهای اخیر و بلند مدت را بررسی کنید.

4- عدم اطمینان را بپذیرید

فریب دادن “هدایت داده” ایده ای است که می توانید با اطمینان بدانید چه عواملی مؤثر است و چه کار نمی کند.

اما در بازاریابی دیجیتال ، این بندرت اتفاق می افتد.

تفسیر صحیح داده ها به معنای “فریب دادن تصادفی” یا تعصب ناخودآگاه در مواجهه با نوسانات ، عدم اطمینان ، پیچیدگی و ابهام (همچنین با نام VUCA شناخته می شود) نیست.

مقاله پیشنهادی  5 راه برای بهبود مبارزات تبلیغاتی شما در سرتاسر قیف

در اینجا چند اصل راهنمایی وجود دارد که به شما در تجزیه و تحلیل نتایج کمک می کنند.

قانون تعداد زیاد معکوس کار نمی کند

نظریه ای به احتمال زیاد به نام قانون تعداد زیاد وجود دارد.

بیان می کند که با آزمایش های کافی ، نتایج کل رویدادهای تصادفی قابل پیش بینی است.

قانون تعداد زیاد ، به درستی ، در مورد مقادیر زیادی از داده ها اعمال می شود.

تبلیغات

ادامه خواندن زیر

این برای کازینوها یا آمازون کار می کند.

این کار برای یک کمپین کوچک با چند ده کلیک اعمال نمی شود. هیچ قانونی برای تعداد کمی وجود ندارد که مشاهدات محدود بتواند ارزش مورد انتظار شما را به دقت نشان دهد.

هنگامی که نوبت بندی ، پیش بینی ، “انتخاب برندگان” یا برآورد دیگر عملکرد آینده می آید ، محدودیت های یک مجموعه نمونه کوچک را درک کنید.

اگر تنها تبدیل شما در ساعت 7 بعد از ظهر اتفاق افتاده است ، لطفاً ساعت 7 بعد از ظهر به مشتری خود نگویید. “بهترین زمان” برای تبلیغ است.

مراقب امنیت کاذب از “اهمیت آماری” باشید

بازاریابان دوست دارند که “اهمیت آماری” را ذکر کنند حتی وقتی که نمی فهمند معنی چیست. (اشاره: این نتایج “مهم” نیست که شامل آمار باشد.)

آزمایش اهمیت می تواند حتی برای متخصصان ، که ممکن است اهمیت آماری را با “اهمیت اساسی” درهم آورند ، چالش برانگیز باشد.

بسیاری از مطالعات به نادرست به یک منطقه خاکستری از اهمیت اشاره می کنند ، مانند این یافته های منتشر شده در مجلات بررسی شده توسط همسالان:

  • “فقط اهمیت فرار کرده است” (p = 0.07)
  • “به طور کامل قابل توجه نیست” (p = 0.085)
  • “کاملا نزدیک به اهمیت در سطح 10٪” (p = 0.104)

تبلیغات

ادامه خواندن زیر

حتی ماشین حساب تست آنلاین شما می تواند شما را گمراه کند:

تصویر تجزیه و تحلیل نادرست از اهمیت آماری

در حالی که آمارشناسان درباره شایستگی اهمیت آماری بحث می کنند ، بازاریابان اغلب سطح اطمینان را به عنوان چیزی برای تعقیب می دانند ، و ناخواسته p-hack و داده ها راه خود را برای نتیجه گیری های معیوب لکه دار می کنند (اگر حتی بدانند که در وهله اول سطح اهمیت چیست).

در بهترین حالت ، اهمیت آماری به شما این احتمال را می دهد که نتیجه فرض کنید اگر فرضیه صحیح صادق بود (یعنی به دلیل احتمال).

به شما نمی گوید آیا نتیجه گیری در مورد نتیجه نتیجه صحیح است و یا اهمیت عملی را تضمین نمی کند (آیا نتیجه به اندازه کافی برای مراقبت از آن بزرگ بوده است).

بنابراین چگونه این امر بر تلاش شما برای تفسیر درست داده های PPC تأثیر می گذارد؟

این بدان معنی است که بار داشتن یک برنامه و دانستن تحمل ریسک خود از ابتدا بر عهده شماست.

تبلیغات

ادامه خواندن زیر

اگر به صورت ناخواسته راه اندازی کرده اید و سپس سعی می کنید شماره های کورکورانه را به یک فرمول برای به دست آوردن بینش وصل کنید ، بعید به نظر می خواهید چیزهای معنی دار یا “قابل توجهی” یاد بگیرید.

زباله در ، زباله بیرون.

2 سطل زباله: زباله در زباله بیرون

نتیجه

تناقض “تصمیمات محور داده ها” این است که داده ها تصمیم نمی گیرند.

شما باید در مورد داده ها تصمیم بگیرید.

ممکن است سوابق تحصیلی در آمار نداشته باشید ، اما می توانید همانطور که می توانید خود را در سمت کمی از بازاریابی دیجیتال نگه دارید:

  • مهارت های تفکر انتقادی را توسعه دهید.
  • محاسبات کلیدی را بیاموزید
  • عمیق تر به داستان داده های خود بپردازید.
  • محدودیت های اندازه نمونه خود را درک کنید.

تبلیغات

ادامه خواندن زیر

همراه با اعتماد به نفس خود (و واژگان) ، بینش ها ، گزارش ها و روابط مشتری شما به طرز چشمگیری بهبود می یابد.

منابع بیشتر:


اعتبار تصویر

نمودار همبستگی درون پست: tylervigen.com
تمام تصاویر و تصاویر تلفیقی توسط نویسنده ، ژوئن 2020