Au existat o serie de tweet-uri și postări de blog care vorbeau recent despre problemele legate de utilizarea mediilor în marketingul PPC. De exemplu, în cazul în care Julie Bacchini susține că "media este o metrică sucky":
Deși este adevărat că uneori valorile medii pot fi foarte înșelătoare, problema cu setul de date de mai sus este variația uriașă a populației și deviația standard din eșantion.
$config[code] not foundÎn acest post vreau să vorbesc despre matematica implicată aici și să fac un caz pentru valoarea mediilor, precum și să răspund la unele dintre criticile de raportare privind mediile pe care le-am văzut în comunitatea PPC în ultimul timp.
Variația, deviația standard și coeficientul de variație
Variația variantelor este o măsură de dispersie - cu cât valorile din setul de date pot fi diferite de valoarea medie a setului de date. Se calculează prin luarea în medie a pătratelor diferențelor pentru fiecare punct de date. Squaring diferențele asigură faptul că abateri negative și pozitive nu se anulează reciproc.
Deci, pentru clientul 1, calculați doar diferența dintre 0,5 la sută și schimbarea medie de 3,6 la sută, apoi pătrat numărul respectiv. Faceți acest lucru pentru fiecare client, apoi luați media variațiilor: aceasta este varianța dvs. de eșantion.
Deviația standard a eșantionului este pur și simplu rădăcina pătrată a varianței.
În termeni simpli, în medie, valorile din acest set de date scad în mod normal cu 5,029 procente față de media globală de 3,6 procente (adică numărul este foarte dispersat), ceea ce înseamnă că nu puteți încheia prea mult din această distribuție.
O modalitate simplificată de a estima dacă deviațiile dvs. standard sunt "prea mari" (presupunând că căutați o distribuție normală) este de a calcula un coeficient de variație (sau o deviație standard relativă) care este pur și simplu abaterea standard împărțită la media.
Ce înseamnă asta și de ce ar trebui să ne pese? Este vorba despre valoarea rapoartelor privind mediile. Atunci când WordStream efectuează un studiu care utilizează datele clientului, nu doar calculam mediile din seturi de date mici și facem concluzii mari - ne pasă de distribuirea datelor. Dacă cifrele sunt peste tot, le aruncăm și încercăm să segmentăm eșantionul în mod diferit (după industrie, cheltuim etc.) pentru a găsi un model mai semnificativ din care să putem trage concluzii cu mai multă încredere.
Chiar și mediile semnificative prin definiție includ valori deasupra și sub media
O altă linie de critici din tabăra anti-medie este ideea că o medie nu vorbește pentru întreaga populație. Acest lucru este, desigur, adevărat, prin definiție.
Da, mediile conțin puncte de date care se situează deasupra și sub valoarea medie. Dar acest lucru nu este un argument mare pentru aruncarea de medii cu totul.
Presupunând o distribuție normală, v-ați aștepta ca aproximativ 68% din punctele dvs. de date să scadă +/- 1 deviație standard față de media dvs., 95% în cadrul +/- 2 deviații standard și 99,7% în +/- 3 abateri standard, aici.
După cum puteți vedea, există cu siguranță valori excepționale, deși dacă aveți o distribuție standard strânsă în setul de date, acestea nu sunt la fel de comune cum credeți. Deci, dacă sunteți atent la matematică, mediile pot fi totuși informații foarte utile pentru marea majoritate a agenților de publicitate.
În marketingul PPC, Math câștigă
Să nu aruncăm mediile cu apa de baie. La urma urmei, aproape toate valorile de performanță din AdWords (CTR, CPC, Poziția medie, Ratele de conversie etc.) sunt raportate ca valori medii.
În loc să ignorăm mediile, să folosim puterea matematică pentru a descoperi dacă media pe care o privești este semnificativă sau nu.
Republicată cu permisiunea. Originala aici.
Fotografie medie prin Shutterstock
Mai mult în: Conținutul canalului de editor
