Det har vært utslett av tweets og blogginnlegg som nylig snakket om problemene med å bruke gjennomsnitt i PPC-markedsføring. For eksempel, denne hvor Julie Bacchini hevder at "gjennomsnitt er en sucky metrisk":
Selv om det er sant at noen ganger kan gjennomsnitt være svært misvisende, er problemet med det ovennevnte datasettet den store populasjonsvarianen og standardavviket i prøven.
$config[code] not foundI dette innlegget vil jeg snakke om matematikken involvert her og gjøre et tilfelle for verdien av gjennomsnitt, samt svare på noen kritikk av rapportering om gjennomsnitt som jeg har sett i PPC-fellesskapet i det siste.
Varians, standardavvik og variasjonskoeffisient
Eksempelvariant er et mål for spredning - av hvor mye verdiene i datasettet sannsynligvis vil avvike fra gjennomsnittsverdien av datasettet. Det beregnes ved å ta gjennomsnittet av rutene for forskjellene for hvert datapunkt fra gjennomsnittet. Kvadrering av forskjellene sikrer at negative og positive avvik ikke avbryter hverandre.
Så for klient 1, bare beregne forskjellen mellom 0,5 prosent og gjennomsnittlig endring på 3,6 prosent, deretter kvadrat det nummeret. Gjør dette for hver klient, og ta deretter gjennomsnittet av avvikene: det er ditt utvalgsvariant.
Eksempel Standardavvik er rett og slett kvadratroten av variansen.
Enkelt sett faller verdiene i dette datasettet vanligvis 5,029 prosent vekk fra gjennomsnittet på 3,6 prosent (dvs. tallene er veldig spredte), noe som betyr at du ikke kan konkludere mye fra denne distribusjonen.
En forenklet måte å estimere om standardavvikene dine er "for høye" (forutsatt at du leter etter en normal fordeling), er å beregne en varianskoeffisient (eller relativ standardavvik) som bare er standardavviket delt på gjennomsnittet.
Hva betyr dette og hvorfor skal vi bryr oss? Det handler om verdien av rapportering på gjennomsnitt. Når WordStream gjør en studie med klientdata, beregner vi ikke bare gjennomsnitt fra små datasett og gjør store konklusjoner - vi bryr oss om distribusjonen av dataene. Hvis tallene er overalt, kaster vi dem ut og prøver å segmentere prøven på en annen måte (etter industri, tilbringer osv.) For å finne et mer meningsfylt mønster som vi bedre kan trekke konklusjoner med.
Selvbetydende gjennomsnitt etter definisjon Inkluder verdier over og under gjennomsnittet
En annen kritikklinje fra den gjennomsnittlige leiren er ideen om at et gjennomsnitt ikke snakker for hele befolkningen. Dette er selvfølgelig sant, per definisjon.
Ja, gjennomsnitt inneholder datapunkter som faller over og under gjennomsnittsverdien. Men dette er ikke et godt argument for å kaste ut gjennomsnitt i det hele tatt.
Forutsatt en normal fordeling, forventer du at ca. 68 prosent av datapunktene vil falle +/- 1 standardavvik fra gjennomsnittet, 95 prosent innen +/- 2 standardavvik og 99,7 prosent innen +/- 3 standardavvik, som illustrert her.
Som du kan se, eksisterer utelukkende absolutt, men hvis du har en stram standardfordeling i datasettet, er de ikke like vanlige som du kanskje tror. Så hvis du er forsiktig med matematikken, kan gjennomsnittene fortsatt være svært nyttig informasjon for de aller fleste annonsører.
I PPC Marketing, Math Wins
La oss ikke kaste gjennomsnitt med badevannet. Tross alt rapporteres omtrent alle prestasjonsverdiene i AdWords som (CTR, CPC, gjennomsnittlig posisjon, konverteringsfrekvenser, etc.) som gjennomsnittsverdier.
I stedet for å ignorere gjennomsnitt, la oss bruke magtens kraft til å finne ut om gjennomsnittet du ser på, er meningsfullt eller ikke.
Publisert med tillatelse. Original her.
Gjennomsnittlig foto via Shutterstock
Mer i: Utgiverkanalinnhold
