必瞧!有关信息流的三大数据陷阱,您是否已深陷其中?

首先要提及一个理论:辛普森悖论

当人们想要探究两种变量(例如新生录取率与性别)之间是否存在关联性时,往往会分别对其进行分组研究。然而,在分组比较中占据优势的一方,在总体评价中有时却会处于劣势。

该现象早在 20 世纪初就已有人探讨,但直至 1951 年,E.H.辛普森在其发表的论文中对这一现象进行阐述后,此现象才得以正式被描述和解释。此后,该悖论便以他的名字命名,即辛普森悖论。

您的素材转化率真的不理想吗?

一、从广告的视角来看,如下案例:

定向 1

定向 2

转化

曝光

转化率

转化

曝光

转化率

红包提现

49

100

49%

15

20

75%

抽手机

1

20

5%

10

100

10%

总计

50

120

42%

25

120

21%

大家初次看到时,会认为哪个定向更出色呢?

若将数据单独拆分来看,定向 2 中红包提现的素材转化率为 75%,高于定向 1 的 49%;抽手机的素材转化率为 10%,也高于定向 1 的 5%。

那么,这是否意味着定向 2 比定向 1 更为优秀呢?

然而,当我们对数据进行聚合观察时,会发现定向 1 整体的转化率为 42%,远高于定向 2 的 21%!

这便是辛普森悖论!在数据分析过程中,当两个变量交叉运用时,难免会出现上述情况。

定向需要与素材共同进行测试,才能得出确切的结论。那么,怎样进行分析才更为合理呢?

在我们日常观测数据时,不应简单地将数据进行汇总并计算百分比,这样容易陷入误区。我们可以将不同维度的分母换算为相同的数值,例如将【定向 1】【抽手机】的数据转换为转化 5,曝光 100,转化率仍为 5%,将【定向 2】【红包提现】转换为转化 75,曝光 100,转化率保持不变。此时,再进行求和计算,便能找出真正转化率较高的定向与素材。当分母换算为相同数值后,显然定向 2 的转化效果仍优于定向 1。

定向 1

定向 2

转化

曝光

转化率

转化

曝光

转化率

红包提现

49

100

49%

75

100

75%

抽手机

5

100

5%

10

100

10%

总计

54

200

27%

85

200

42%

二、成本升高时,压低出价是否有效?

当遇到成本上升的情况时,许多优化师的首要反应是控制预算、压低出价,这或许并非最为有效的解决方式,但却能给优化师带来心理上的“安全感”:我已经压价了,成本应该能够降低吧!

那么,我们如何从数据分析的角度来审视压价是否真正有效呢?

假设:当前成本较高,我试图通过压低出价来降低总体成本。

假设条件:在几个基本假设中,我们假定广告主的质量度是一致的,排名越高则价格越贵,转化率也越高;排名越低则价格越便宜,转化率也越低(否则我们追求高排名的意义何在)。

假设环境:竞争环境处于绝对理想的状态,即每天您都能够获得 3000 次展现,并且排名有 3 个,竞争对手也仅有 3 个。每天的展现都能够被广告主完全覆盖。

某个关键词的排名 1、2、3 分别有展现 1000 次,点击率分别为 10%、8%、6%,转化率分别为 7%、3%、1%,对应的点击价格为 3、2、1。相关数据如下

当认为成本过高时,希望通过降低出价来降低成本

倘若现在成本偏高,我想通过调整出价来降低成本,那么可能会出现以下情形:

1、整体展现量减少,成本维持不变,消耗被耗尽。

由于对应排名的出价降低,例如第一名原本展现 1000 次变为 500 次,第二名原本展现 1000 次也变为 500 次,第三名同样如此,假设这种降低是线性的,那么整体成本并不会发生变化(这是最为理想的情况,在此不过多探讨,因其实际意义不大)。

2、消耗未减少,但成本反而上升。

在降低出价后,整体展现次数保持不变,但排名发生了变化,例如第一名的 1000 次展现向第二名转移,第二名的原本展现向第三名转移,整体展现次数虽未改变。

如图所示

通过这次假设的降价操作可以看出,成本并未降低,反而有所提高。至于为何会出现这种现象以及进一步的拆解,后续再进行讨论(并非仅仅是转化率降低这么简单)。

3、消耗未减少,成本却降低了。

这是大家所期望的结果,那么在何种情况下能够达到这一预期呢?这里涉及到一个转化率的差异,也就是“高价人群性价比”。例如,我们最初的转化率梯度为 1.5%、1.3%、1%,那么在降价之后如下图所示,成本确实降低了,并且整体展现不变,只是从高排名向低排名迁移。

4、通过调整出价,未产生任何影响(或者说影响范围极小)。

在提出这个假设之前,先介绍一个排名计算公式:点击价格 = (下一名出价 * 下一名关键词质量度) / 您的质量度 + 0.01。

在此,大家需要仔细留意的是,

图片[1]-必瞧!有关信息流的三大数据陷阱,您是否已深陷其中?-精准获客

值得关注的是下一名的出价。

质量度均为 1。

第三名出价 3,质量度 1,cpc 为 3 元。

第二名出价 4,质量度 1,cpc 为 3.1 元。

第一名出价 10,质量度 1,cpc 为 4.1 元。

那么在这种情况下,您将出价从 5 降低至 4.5,实际上 cpc 并未发生变化,展现也依然保持不变。自然,成本也不会有所改变。

根据媒体的公式,您的出价只是您所能承受的上限。

然而,在实际操作中我们可以发现,每次降低出价后,整体账户还是会产生变动,因为每次曝光请求都是独立的,即使您使用相同的出价,不进行任何操作,质量度也会发生变化,竞争对手的出价同样会有所改变,不可能存在如此理想的数据状态。

想要表达的是,在推广优化过程中,并非单一维度就能够实现我们的目标,需要更加全面地进行考虑。

5、什么都不做,成本却上升了。

还是先来看案例 3 中的点击价格计算公式。我们继续进行假设。

此时我们并未进行任何操作,但是竞争对手在第二名的出价提升至 9 元,实际上竞争对手的 cpc 依然是 3.1 元,然而第一名由于受到第二名的顶价,cpc 直接上升至 9.1 元,此时大家的排名依然保持不变,第一名将会产生极大的广告费用浪费。第二名与第三名的成本与效果则保持不变。这也是我们常说的流量波动,不过此时的外部流量并未产生任何波动,波动源自于同行。

6、提高出价,以获取更多排名更优的流量,从而降低成本是否可行呢?

继续看图

看起来似乎起到了作用,相较于最初的 52 成本,降低了许多,但是我们的转化率是假设的,如果分布情况的差距没有这么大呢,例如下图(转化率性价比,整体排名分布更为合理,参考数据,平台披露的平均线数据 CTR 展现,自身排名 转化率)

平均排名未变,cpc 也未变,展现未变,点击次数未变,点击率也未变,但是成本却相差两倍多。这是因为第一名的转化率价值降低了,您花费了更多的钱,购买到的却是一个平均展现价值更低的流量(关于如何计算平均展现价值,后续再进行讨论)。

请留意数据陷阱,不要单纯地对数据进行高低判断。

因此,我们可以得出结论,提价和降价并不一定能够达到预期效果,主要因素在于“平均展现价值”,也就是我们所说的人群性价比,这与转化率相关联。如果能够计算出大致的性价比,便能知晓我的计划压价/提价是否有效(理想情况)。

三、如何统计数据才具有有效性?

我采取了一个操作,使点击率提高了 10 倍,这是否意味着有效果呢?

在日常投放过程中,原始数据为展现 100,点击 1,点击率 1%。经过优化后,展现 100,点击 4,点击率 4%,点击率提升了 4 倍,但显然由于数据量过少,缺乏足够的说服力。

那么,在优化后,展现为 10 万,点击为 4 千,点击率为 4%,这次可以说有效果了,那么这个临界值究竟在何处呢?

这就需要运用到显著性的理论,通过计算得出更为科学的判断,并且依据此可以确定样本量需要积累到多少数据才具有说服力。

熟练掌握数据分析,对于效果的优化是非常有帮助的。有兴趣的朋友可以进一步深入探讨。

THE END
喜欢就支持一下吧
点赞8 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容