数据分析在推广优化中的运用研究

数据分析的概念

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，为了提取有用的信息和形成结论，而对数据加以详细研究和概括总结的过程。

而推广优化中的数据分析是指为了明确优化目标和检验优化成果，对收集来的数据进行分析研究和概括总结的过程。

例如某个账户需要提升展现量。我们知道，影响展现量的因素有关键词排名、匹配方式和推广时长等多个因素，我们必须通过对这些因素的相关数据进行收集然后分 析，才能知道到底是哪些因素造成了展现量低的问题，也就是明确优化目标。找到优化目标后，才能针对性的进行优化。最后通过数据对比，我们才能判断展现量是 否提升了，也就是检验优化成果。

①   明确目的：在着手进行数据分析之前，首先要明确分析的目的是什么，要围绕哪些指标或者因素去分析，最终是要得出什么结论。

②   收集数据：明确目的后，结合要分析的指标或者因素，从推广后台、行业网站或者其他数据源去获取数据。

③   整理数据：利用数据分析工具，对收集到的数据进行检验、分类和汇总，使要分析的数据变得系统化、条理化，更利于分析。

④   分析数据：运用适当的数据分析方法，对整理后的数据进行分析研究。

⑤   得出结论： 经过数据分析得出最终的结论，可以采用文字、图形或者列表等多种样式进行呈现。

数据分析的方法

针对不同的分析目标，采用适当的方法对数据进行分析，可以更有效的得出分析结论，指导优化。常用的数据分析方法有：

对比分析法

对比分析法是指将两个或两个以上的数据进行对比，分析它们的差异，从而揭示这些数据所代表的事物发展变化情况和规律性。

例如：在点击量的优化中，通过对比优化前后的点击量数据，可以判断所采用的优化方案是否有效。

分组分析法

分组分析法是根据数据分析对象的特征，按照一定的标准，把数据分析对象划分为不同的部分和类型来进行研究，以展现其内在的联系和规律。

例如：按照日均消费的不同，将某行业的客户分成不同的组别，然后分析各组别客户在百度各大产品线的投放情况，从而找到该行业客户的消费量级与产品投放选择之间的关系。

结构分析法

结构分析法是指将被分析研究的总体内部各部分占总体的比例之间进行对比的分析方法。

例如：日均消费1000元以上的客户占比20%，平均每天获得的商桥转化18次；日均消费1000元以下的客户占比80%，平均每天获得的商桥转换7次。通过两者的对比，可以说明推广投入高低与转化数的关系。

平均分析法

平均分析法是指运用计算平均数的方法来反映总体在一定时间、地点条件下某一数量特征的一般水平。

例如：通常会用总消费除以转化数得出平均转化成本，然后通过不同时期平均转化成本的对比，衡量推广成本的变化情况。

矩阵分析法

矩阵分析法，也叫四象限分析法，是指将事物的两个重要属性（指标）作为分析的依据，进行分类关联分析，从而找出解决问题的一种分析方法。

例如：进行关键词优化时，以一组关键词的展现量和点击量为横轴和纵轴，将关键词分类到四个象限，然后针对不同象限关键词的共性，找到针对性的优化方法。

数据分析的工具

Excel作为常用的分析工具，可以实现基本的分析工作。在推广优化中，较常用的功能包括：

①   数据记录与整理，例如：条件格式、数据有效性等功能；

②   数据计算，例如：数学公式、函数等功能；

③   数据分析，例如：排序、筛选、数据透析表等功能。

数据分析在推广优化中的应用 

我在百捷SEM研究院工作一年多以来，承接制作了数十个客户的推广优化方案。通过对这些方案的主题归类发现，客户反馈比郑州灰色seo较多的优化需求有四类，分别是：点击量优化、质量度优化、转化量优化和投放策略优化。

下面就针对这四类优化，举例说明数据分析在推广优化流程的各环节中的运用。

点击量优化

现状描述：客服一般进行点击量优化时，往往都是直接去提升高流量关键词的排名，这样的确是提升了点击量，但也大大增加了客户的推广成本，最终客户可能对预算进行控制，得不偿失。那如何科学的去提升点击量呢？

建议优化方法：

① 结合搜索推广效果转化漏斗，对影响点击量的因素进行逐一分析，包括关键词排名、创意质量和账户结构，从而确定优化目标：

② 在对创意和推广计划、推广单元较多的账户进行分析时，使用二八法则，选取重点分析；

③ 优化实施一段时间后，将优化前后数据进行对比，论证优化效果。

查看更多相似文章