超完成！情報フローデータ分析手法集。これがあれば、変換についてまだ心配する必要はありません。

データ分析は空に登るのと同じくらい難しいです。

私はデータ分析についてたくさん書いてきましたが、「データ分析の方法」について体系的に書いたことはありませんでした。

ですので、今日は体系的に書いていきますので、ご自身の状況に合わせて最適な方法を選んでいただければと思います。

ある次元が全次元数に占める割合を計算して、配信方向や配信効果を判断することを意味します。

計算式:割合 = 特定の次元の値 / 合計金額 × 100%

例えば。

下の図に示すように、これはマーケティングデータのセットです。計算により、各地域を明確に把握できます。

• 各地域でいくら支出しましたか?
• 各地域でのコンバージョン数はどれくらいですか?

北京を例にとると、その転換率は消費よりも低く、全体的な転換率は良くないことを意味します。そこで、次の点について考える必要があります。

• 変換がうまくいかなかった場合、何が問題だったのでしょうか?
• 北京の現在の消費率は、私の現在のプロモーション戦略に適合していますか?

河北省では、消費よりもコンバージョン率が高く、この地域のコンバージョン率が非常に高いことが証明されています。次に、次の点について考える必要があります。

• その地域は資金を追加する必要があるでしょうか?

各指標の割合を分析することで、各地域の状況を明確に把握することができます。

これが比重分析法です。

注:この方法は、複数の商品や複数の地域でプロモーションを行っているアカウントに適しています。

逆方向法は入札促進でよく使用される方法ですが、戦略目標の策定に使用されることの方が多いです。

つまり、履歴データに基づいて、トランザクション、手がかり、会話、クリック、表示を推測するプロセスが逆転します。

たとえば、今月の目標リード数が 50 で、基準リード率が 50% の場合、完了するには 100 件の会話が必要です。会話が 100 件ある場合、逆算すると、会話を完了するには 4,000 回のクリックが必要です。クリック率が 5% の場合、設定された目標を達成するには少なくとも 200,000 回のインプレッションが必要です。

蒙牛の牛根生はかつてこう言いました。 「手段を変えるだけで、目的を変える必要はない。」各次元を細分化することで、目標が達成できない場合に、どの部分を最適化すればよいかが明確に分かります。

キーワードは入札プロモーションの基盤となるため、体系的にキーワードを分類し、ターゲットを絞った最適化を行うことができます。

一般的に、次の 4 つのカテゴリに分類されます。

これらの単語のほとんどはブランドワードであり、高品質の単語です。より良い単語については、ボリュームを増やすことができます。

たとえば、単語の追加、価格の引き上げ、一致の追加などです。

このような単語は主に製品用語や業界用語に集中しています。

クリックコストが高い場合、クリックトラフィックが大きく複雑であることが多いです。この場合、条件付きでボリュームを増やすこと、つまりトラフィックを獲得しながらその品質を制御することが推奨されます。

主な業務は以下のとおりです。

• 単語を追加し、
• アカウント構造を最適化（アカウントフロー構造をより正確にする）
• 創造性を最適化します（創造性を使用して不必要なトラフィックをフィルタリングします）

この場合、集中した品詞がないことが多いです。通常は、次の 2 つの点に基づいて次のステップを決定できます。

• 平均価格は高いのか、安いのか?
• 流量は大きいですか、それとも小さいですか?

トラフィックが多く平均価格が低い場合は、ページを最適化することで対処することが多く、平均価格が非常に高くトラフィックが平均的な場合は価格を下げます。トラフィックの意図が低いためであれば、マッチング操作を実行することをお勧めします。

このようなケースでは、「クリックひとつで会話が生まれた」というケースがほとんどなので、質の高い言葉だと思い込んで操作量を増やしていくのですが、偶然の可能性もあります。

したがって、上記のような状況では、慎重に量を増やし、状況が明確になってからのみ大規模な量の増加を行う必要があります。

アカウント内のコア指標データ[消費、表示、クリック、到達、会話、リード、トランザクション]を毎日リスト化して収集し、コアデータに基づいて[クリック率、会話率、クリックコスト]などのいくつかの補助データを計算し、異なる期間のデータを比較することで病気の種類を発見することを意味します。

たとえば、下の図はマーケティングプロセスチャートです。その中で、日々のデータの変化は一目瞭然ですが、分析しようとすると複雑すぎると感じるでしょう。

したがって、データを日付に応じて 2 つの期間に分割し、2 つの期間を比較して分析することができます。

下の画像を見てください。これはデータ比較後のスクリーンショットです。 6.16 ～ 6.22 と 6.9 ～ 6.15 の間のデータの変化を簡単に確認し、問題を見つけることができます。

ポインターは、異なる次元間のデータを分析して、最適化の方向を決定します。

単一のディメンションは、主に、製品ディメンション、期間ディメンション、デバイス ディメンション、地域ディメンション、キーワード ディメンションに分類できます。

期間ディメンションを例に挙げてみましょう。

特定のプランの期間データを分析して、どの期間のコンバージョンが優れているか、どの期間のコンバージョンが劣っているかを判断し、そのデータに基づいてプロモーションの方向性を変更できます。

下の図に示すように、15時、14時、19時のコンバージョン率が高いことがわかりますので、この期間に投資を増やすことができます。

多くの場合、データ分析が難しい理由は、単にそのやり方が分からないからです。

上記のデータ分析方法を理解することで、データ分析の効率を大幅に向上させ、最適化の方向性を特定するのに役立ちます。

著者:リトルラビット 、 Qinggua Media によってリリースされる許可を得ました。

出典: 後昌学院 (ID: semlianmeng )