SEM アカウントのパフォーマンスを素早く診断する方法を教える 6 つの分析方法

プロモーションアカウントが優れているかどうかは、データによってのみ判断できます。

この記事は、アカウントをすぐに理解する必要がある人向けです。これらの 6 つの方法は、「1 対 9」の分布、消費と変換の 4 つの象限、変換の分解、コアワードのインタラクションと ROI のバブルチャート分析、単一ページプロモーションのコアワードのインタラクションと ROI の比較分析、一般的な単語とブランドワード間の単語相関分析です。各キーワードを最適化するというより詳細な作業は行われません。 方法 1: 「1-9」分配法則 ロングテールモデルは、単語の頻度分布の観点からSEM アカウント内のキーワードの分布を説明します。この世界のSEMアカウントは、基本的に 28 または 19 の配布ルールに準拠しています。たとえば、次のアカウントのキーワードの分布: このアカウントの上位 250 語 (トラフィックを生成するすべての語のわずか 6.8% を占める) が、トラフィックの 88% とコンバージョン収益の 86% をもたらしました。まさに典型的ですね。別のアカウントでもこのパターンが反映されています (以下を参照)。トラフィックを生成するすべてのキーワードの中で、上位のキーワードのごく一部だけが重要なトラフィックを生成しています。

したがって、このモデルを使用すると、キーワードに集中することができます。アカウントの最適化は実際には非常に簡単です。最も多くのトラフィックをもたらす可能性のある上位の単語に焦点を当てれば、重要なポイントをすでに把握していることになります。これらの言葉を、後ほど説明する 4 象限モデルと組み合わせると、最適化の目標がはるかに明確になります。 方法2: 消費と変換の4象限モデル 誰もがこのようなモデルを見たことがあるはずです。これは、インターネットマーケティング分析 (実際、すべてのビジネス分析) で最も一般的に使用されるモデルです。 2次元上のものを区別するために使用されます。 SEM キーワードのマクロ調査シナリオでは、これは非常に優れたモデルです。このモデルの利点は、非常に理解しやすく、キーワードのパフォーマンスをマクロレベルで把握するのに非常に役立つことです。欠点は、このモデルはマクロな全体像を把握できるように設計されているが、これら 4 つの象限の背後で何が起こっているかを理解するためには、すぐにミクロな言葉の詳細に立ち入らなければならないことです。たとえば、上記の 4 つの象限に従って、具体的な単語の内訳は次のようになります。

つまり、多くのキーワードの詳細を確認したとしても、それらを最適化する方法がまだわかりません。なぜなら、それぞれの単語自体の意味から判断すると、異なる単語の間には本質的な違いがあるからです。一部の単語は意味によって変換が容易になります (たとえば、ブランド名、購入場所、価格など)。一方、他の単語はそれ自体では変換が容易ではありません (一般的な単語など)。そのため、4象限モデルの表面的な要件に従って、コストが高いものに対してはコストを削減する方法を見つけ、コンバージョンが低いものに対してはコンバージョンを増やす方法を見つけ、コストが低くコンバージョン率が高いキーワードに対してはキーワードソースを拡大するなど、最適化戦略というよりは誘導的なアイデアであり、具体的な行動を形成するのを支援することは困難です。したがって、念のため言っておきますが、各単語の詳細を調べて、なぜそれらが異なる象限にあるかを検討する必要があります。それでも、どのキーワードが十分ではないか、特に方法 1 で見つかった見出し語やコアルートを持つキーワードをすばやく理解することは、非常に役立ちます。 方法3: 変換と分解 変換分解は、操作が最も簡単なモデルですが (正確なデータを取得するのは簡単ではありませんが)、最も誤解を招くモデルでもあります。 SEMアカウント全体（またはアカウントのプラン、ユニットなど）の各コンバージョンステップに対して、「露出→クリック→トラフィック→相談→効果的な相談→登録→購入」という同様のプロセスをたどり、どこで問題が発生したかを迅速に特定します。この方法だからこそ、入札効果が低い根本的な原因は入札そのものではなく、入札後のランディングページや詳細ページ、カスタマーサービスの相談などのトラフィックの問題であることが何度も判明しました。このように、盲目的にアカウントを最適化する大変な作業を、ランディングページや文言に素早く移行する必要があります。この方法は、SEM 分析と最適化を行うすべての人が必ず採用するものです。しかし、運用の観点からは、回避すべき 2 つの主な問題があります (ただし、これらはモデル自体の問題ではありません)。最初の問題は、コンバージョンファネルモデルではプロセス全体の正確なデータが必要であるものの、このデータをすべて正確に取得することが難しいことです。特に金融、研修、医療など、一定の変換サイクルが求められる業界では、消費者の意思決定サイクルはかなり長くなります。そのため、コンバージョン統計をリアルタイムで比較して、「効果的な相談」のレベルに戻すことができます。この問題を解決するために、ROI の計算は多くの場合、次のことから始まります。 配送コスト -> 最終収益 変換後: 配送コスト -> その日の最新のコンバージョン（有効な問い合わせなど） 第二に、コンバージョンファネルの形式はプロセスに対する見方を強化するのに役立ちますが、それ自体がプロセスのセグメンテーションを弱めます。矛盾しているように聞こえますが、理解するのは難しくありません。ファネルによって構築できるプロセスはすべて大規模なプロセスであり、ユーザーのより微妙な動作を含めることはできません。しかし、コンバージョンの発生を反映し、さらには制御するのは、こうしたより微妙なユーザープロセスです。極端ですが非常に一般的な例としては、単一ページのプロモーションがあります。コンバージョンファネルは、単一ページのプロモーションではほとんど機能しません。したがって、コンバージョンファネルは非常に価値がありますが、別の記事「コンバージョンの最適化: コンバージョンファネルに加えて、いくつかの分析武器も必要です」で書いたように、コンバージョンファネルだけではすべてのコンバージョン分析をサポートするのに十分ではありません。しかし、私たちはまだこの問題を解決するための優れた武器を手にしています。これについては、以下の方法で詳しく説明します。 方法4: コアワードの相互作用とROIのバブル分析 この方法では、まず異なる語源（コアワード）を異なる単位に配置する必要があります。つまり、すべてのキーワードを語源に応じて細分化します。しかし、これは理想的な状況です。一般的に言えば、同じ語根が異なる単位に散在している可能性があります。問題ありません。Excel があります。Excel の表ツールを使用し、「テキストフィルター -> 含む」を選択すると、下の図に示すように、関連する語源を簡単にフィルターできます。たとえば、ルートワード「在职」を含むコアワードを検索するには、「テキストフィルター -> 含む」に「在职」と入力し、新しい列「コアワード 1: 在职」を作成し、フィルターされたすべての結果に対応する列 C に「在职」を入力します。

次に、ピボットテーブルを使用して、対応するコアワード (ルート) のパフォーマンスに応じてすべてのキーワードを要約できます。

各タイプのコアワードの全体的なパフォーマンスを抽出すると、コアワードのパフォーマンスリストが得られます(CPL は Cost Per Lead の略で、値が低いほど優れています。表全体の緑色は良好、赤色は不良を表します)。

これで、異なる語源によって最終結果に大きな違いがあることがわかります。リード/クリックと CPL の列は非常に参考になります。授業で説明した ROI とエンゲージメントのインタラクションモデル(バブルチャート) を覚えていますか?このモデルにはさまざまなバリエーションがありますが、考え方はシンプルです。トラフィックのインタラクション動作と、最終的に生成されるコンバージョンを比較するのです。ほとんどの場合、良好なインタラクション（エンゲージメント）は良好なコンバージョン（ROI）につながりますが、例外も必ず存在します。これらの例外は、分析と最適化の突破口となります。今、このモデルを使用する必要があります。このモデルの方法は明確です。ウェブサイト分析ツールのセグメンテーション方法（ここでは詳細には触れませんが、GA の使用に習熟し、基本的なスキルを持っている必要があります）を使用し、さまざまな単語のトラフィックエンゲージメントパフォーマンスを要約して、次の表に示すように、より包括的なデータパフォーマンスデータを形成します。   上記の表のデータを使用して、CPL と直帰率を選択し、次のようにバブルチャートを作成します。

 一般的に、エンゲージメントの高いトラフィック（直帰率が低い）はコンバージョン率も高くなります（CPL も低くなります）が、前述のように例外もあります。緑の線は「通常のパフォーマンス」の部分ですが、緑の線の外側には、直帰率が比較的低く、CPLが比較的高い単語が2つあり、特に「tuition」という単語が目立ちます。これに相当する用語は「Master of Finance」で、実際には授業料よりも直帰率が高いのですが、ROI (CPL) のパフォーマンスは優れています。これが起こった後のあなたの戦略は何ですか?基本的には次のことを行う必要があります。 1. 創造的なアイデアが誤解を招くものでないか確認します。 2. クリエイティブなアイデアに問題がない場合は、ランディングページに問題があるはずです。よくある状況としては、ページ上にユーザーのクリックを促す要素があるものの、ユーザーがクリックした後、関連情報が期待とはかけ離れていることに気付く、たとえば価格が予想よりも高い、といったことが挙げられます。この時点で、GA などのツールを引き続き確認して、この単語の背後にいる人々がランディングページに入った後にどのようなパフォーマンスを発揮するかを確認できます (たとえば、授業で教えた次のページレポートを使用するなど)。エンゲージメントと ROI の比較分析モデルは、セグメント化されたトラフィックを分析する最も便利な方法の 1 つです。有料検索ランキングのキーワード分析も役立ちます。 方法5: コアワードの相互作用と単一ページプロモーションのROIの比較分析 この方法は方法 4 の極端な例ですが、この極端な例は特に一般的です。たとえば、次の図をご覧ください。

くそ。。。すべてのキーワードの直帰率は 95% 以上です。この状況でどうやって生き残ることができるでしょうか? ！あなたの配信は全く効果がありませんか?私が遭遇したケースでは、これが起こる理由は 1 つしかありませんでした。キーワードが配置されたランディングページが 1 ページのプロモーションだったのです。単一ページのプロモーションのランディングページ全体を他のページにリンクすることはできません。GA の直帰率の定義によると、トラフィックが到着後に他のページに移動できない場合は、直帰したとみなされます。したがって、この場合は直帰率を確認する必要はありません。したがって、GA は有効なエンゲージメントデータを提供できないため、上記の方法 4 はこの場合には適用できません。直帰率が 100% に近いか、滞在時間がおよそ 0 です... では、「Master of Finance」と「tuition」という 2 つのコアワードのコストとトラフィックは似ているものの、ROI には大きな違いがあることがわかります。他に何かコツはあるのでしょうか。（方法4の写真を見てみましょう）。

 このときヒートマップを使用する必要があります。

たとえば、ptengine を使用すると、コントラストヒートマップ機能とセグメンテーションヒートマップ機能があります。ここではトラフィックフィルタリングとセグメンテーション機能が使用されます。フィルタリング条件で、コアワードの下にあるすべての単語を選択し、これらの単語のトラフィックをセグメント化します。左側のヒートマップは、「授業料」に関連するすべてのコアワードのトラフィックのパフォーマンスを示し、右側のヒートマップは、「財務修士」に関連するすべてのコアワードのトラフィックのパフォーマンスを示しています。

左側の「授業料」関連のトラフィックは、ページビュー数が多い（ページの下部まで読める人の割合が右側よりも大幅に高い）ものの、ページに滞在する時間が比較的短い（色が右側ほど赤くない）ことがわかります。「授業」のトラフィックは、情報をすぐに見つけたいというニーズ（ページの下部を見る意思）を示しているようですが、より良い相談（リード）への変換が欠けています。このようなデータは、ページに魅力的な「授業料」情報が十分にあるかどうか、またはこのページに関連情報がまったく欠けているかどうかを慎重に確認する必要があることを意味します。このデータとヒートマップは、これら 2 つのコアワードの背後にあるトラフィックの欲求がまったく異なるという重要なヒントを与えてくれます。これら 2 つの単語に対して、異なる情報に重点を置いたランディングページを作成する必要があります。 方法6: キーワード間の相関分析 最後の方法は帰属のカテゴリに分類されます。最も重要な応用分野は、ブランドワード検索が本質的に他のどのワード検索から派生しているかを確認することです。多くの無名ブランドは、SEMの初期段階では、トラフィックの範囲を拡大し、一般語、競合語、群衆語を使用する必要があります。その目的は、一方ではトラフィックを誘致すること（ただし、トラフィックのコンバージョン効果はかなり弱いはずです）、他方ではブランドの露出を拡大し、将来のユーザーコンバージョンに備えることです。時間が経つにつれて、人々はブランドワードを検索し始めます。最初にどの一般的な単語がこれらのブランドワード検索にトラフィックをもたらしたかを知りたいはずです。これらのトラフィックはブランドを見て感銘を受け、その後再びブランドを検索します。これを実現するには、監視ツールを構成する必要があります。 Google Analytics (GA) を例に挙げます。キーワードの属性を表示するには、GA の設定に次の 2 つの前提条件があります。 1. ウェブサイトは目標を設定する必要があります。設定場所は次のとおりです。

2. UTM リンクタグを使用してキーワードを正確に追跡します (詳細な説明は私のコースにあります)。 3. 関連するデータレポートは、GA の「コンバージョン > マルチチャネルファネル > 人気のコンバージョンパス」で確認できますが、下の図に示すように、赤いボックス内の「キーワード」項目を選択する必要があることに注意してください。

 GA（または同様の機能を持つ他のツール）を使用すると、同じ人が検索したキーワードの順序を確認できます。「索」で始まるものはすべてブランドワードによってもたらされたトラフィックであり、その前の単語は配置のための一般的な単語です。この表には、いくつかの一般的な単語が配置されており、後でブランドワードの検索につながりました。したがって、キーワード最適化戦略は、ブランドワードのコンバージョンのみを見るのではなく、コンバージョンだけでなく、ブランドワードの検索数をどれだけ増やせるかを見ることに変わります。 

さて、6つの方法について説明しました。どれがあなたにとって役に立ちますか?何か提案はありますか?どなたでもメッセージを残して議論していただけます。

モバイルアプリケーション製品プロモーションサービス： APPプロモーションサービス青瓜メディア広告

この記事の著者@宋星は（Qinggua Media）によって編集および出版されています。転載する場合は著者情報と出典を明記してください。サイトマップ

<<: Pulandian SEO トレーニング: SEO 会社 | 大規模な Web サイトでは SEO 最適化をどのように実行しますか?

>>: 辞表をきっかけに、事態を逆手に取ろうとする暴挙に出た。どのコピーライターが一番いい？