Terdapat banyak tweet dan catatan blog baru-baru ini membicarakan masalah dengan menggunakan purata dalam pemasaran PPC. Contohnya, yang mana Julie Bacchini berhujah bahawa "purata adalah metrik sucky":
Walaupun benar bahawa kadang-kadang purata boleh menjadi sangat mengelirukan, masalah dengan set data di atas adalah varians populasi yang besar dan sisihan piawai dalam sampel.
$config[code] not foundDalam jawatan ini saya ingin bercakap tentang matematik yang terlibat di sini dan membuat kesilapan untuk nilai purata, serta bertindak balas terhadap beberapa kritikan pelaporan pada purata yang saya lihat di komuniti PPC kebelakangan ini.
Perbezaan, Penyimpangan dan Koefisien Perbezaan Standard
Varians sampel adalah ukuran penyebaran - dengan berapa banyak nilai dalam set data mungkin berbeza dari nilai purata set data anda. Ia dikira dengan mengambil purata kuadrat perbezaan bagi setiap titik data dari purata. Squaring the differences memastikan bahawa penyimpangan negatif dan positif tidak membatalkan satu sama lain.
Oleh itu untuk pelanggan 1, hanya kirakan perbezaan antara 0.5 peratus dan perubahan purata 3.6 peratus, kemudian kuasakan nombor itu. Lakukan ini untuk setiap pelanggan, kemudian ambil purata variasi: itulah varians sampel anda.
Contoh penyimpangan piawai semata-mata akar kuasa dua varians.
Secara sederhana, secara purata, nilai-nilai dalam set data ini biasanya menurun 5.029 peratus daripada purata keseluruhan sebanyak 3.6 peratus (iaitu bilangannya sangat tersebar), yang bermaksud anda tidak dapat membuat kesimpulan dari pengedaran ini.
Cara mudah untuk menganggarkan jika penyimpangan piawai anda "terlalu tinggi" (dengan mengandaikan anda mencari pengedaran normal) adalah untuk mengira pekali varians (atau sisihan piawai relatif) yang hanya sisihan piawai dibahagikan dengan purata.
Apakah maksudnya dan kenapa kita harus peduli? Ini mengenai nilai pelaporan pada purata. Apabila WordStream melakukan kajian menggunakan data klien, kita tidak hanya mengira purata dari set data kecil dan membuat kesimpulan besar - kita peduli dengan pengedaran data. Sekiranya nombor berada di seluruh tempat, kami membuangnya dan cuba segmen sampel dengan cara yang berbeza (oleh industri, belanja, dan sebagainya) untuk mencari corak yang lebih bermakna dari mana kita boleh membuat kesimpulan lebih yakin.
Malah Purata Makna mengikut Definisi Termasuk Nilai Di Atas dan Di Bawah Purata
Satu lagi kritikan dari kem anti-purata adalah tanggapan bahawa purata tidak bercakap bagi seluruh penduduk. Ini sememangnya benar, mengikut definisi.
Ya, purata mengandungi titik data yang jatuh di atas dan di bawah nilai purata. Tetapi ini bukan hujah yang hebat untuk membuang purata sama sekali.
Dengan mengandaikan taburan normal, anda akan menjangkakan kira-kira 68 peratus daripada titik data anda jatuh +/- 1 sisihan piawai dari purata anda, 95 peratus dalam +/- 2 sisihan piawai, dan 99.7 peratus dalam +/- 3 sisihan piawai, seperti digambarkan di sini.
Seperti yang dapat anda lihat, pengesan pasti wujud, walaupun jika anda mempunyai pengedaran standard yang ketat dalam dataset anda, ia tidak biasa seperti yang anda fikirkan. Jadi jika anda berhati-hati tentang matematik, purata masih boleh menjadi maklumat yang sangat berguna untuk majoriti pengiklan.
Dalam Pemasaran PPC, Matematik Menang
Jangan membuang purata dengan air mandi. Lagipun, hampir semua metrik prestasi dalam AdWords seperti (RKPT, CPC, Kedudukan Purata, Kadar Penukaran, dll) dilaporkan sebagai nilai purata.
Daripada mengabaikan purata, mari kita gunakan kuasa matematik untuk mengetahui jika purata yang anda lihat adalah bermakna atau tidak.
Diterbitkan semula dengan izin. Asal di sini.
Purata Foto melalui Shutterstock
Lebih banyak dalam: Kandungan Saluran Penerbit
