Son zamanlarda PPC pazarlamasında ortalamaları kullanmadaki problemlerden bahseden bir dizi tweet ve blog yazısı oldu. Örneğin, Julie Bacchini'nin “ortalamaların berbat bir ölçü olduğunu” iddia ettiği yer:
Bazen ortalamaların çok yanıltıcı olabileceği doğru olsa da, yukarıdaki veri setiyle ilgili problem, örnekteki büyük nüfus varyansı ve standart sapmadır.
$config[code] not foundBu yazıda, burada yer alan matematikten bahsetmek ve ortalamaların değeriyle ilgili bir dava açmak ve PPC topluluğunda son zamanlarda gördüğüm ortalamaları rapor etme eleştirisinin bazılarına cevap vermek istiyorum.
Varyans, Standart Sapma ve Varyans Katsayısı
Örnek varyans dağılımın bir ölçüsüdür - veri kümesindeki değerlerin veri kümenizin ortalama değerinden ne kadar farklı olabileceği. Her bir veri noktası için farkların karelerinin ortalamasını ortalamadan alarak hesaplanır. Farklılıkları kareye almak, negatif ve pozitif sapmaların birbirini iptal etmemesini sağlar.
Yani müşteri 1 için, sadece yüzde 0,5 ve ortalama yüzde 3,6 arasındaki farkı hesaplayın, sonra bu sayıyı kare. Bunu her müşteri için yapın, sonra farkların ortalamasını alın: bu sizin örnek varyansınız.
Numune standart sapması sadece varyansın kareköküdür.
Basit bir ifadeyle, ortalama olarak, bu veri kümesindeki değerler genel olarak yüzde 3,6 genel ortalamasından yüzde 5,029 düşmektedir (yani sayılar çok dağınıktır), yani bu dağıtımdan daha fazla sonuç alamazsınız.
Standart sapmalarınızın “çok yüksek” olup olmadığını (normal bir dağılım aradığınızı varsayarsak) tahmin etmenin basitleştirilmiş bir yolu, sadece ortalamaya bölünen standart sapma olan bir varyans katsayısı (veya göreceli standart sapma) hesaplamaktır.
Bu ne anlama geliyor ve neden umursayalım? Ortalamaları raporlamanın değeri hakkında. WordStream, müşteri verilerini kullanarak bir çalışma yaptığında, sadece küçük veri kümelerindeki ortalamaları hesaplamaz ve büyük sonuçlar çıkarırız - verilerin dağıtımını önemseriz. Sayılar her taraftaysa, onları daha güvenli bir şekilde çıkartabileceğimiz daha anlamlı bir kalıp bulmak için onları dışarı atar ve numuneyi farklı bir yolla (endüstri, harcama vb.) Ayırmaya çalışırız.
Tanıma Göre Anlamlı Ortalamalar Bile Ortalamanın Üstündeki ve Altındaki Değerleri İçerir
Ortalama karşıtı kamptan gelen bir diğer eleştiri çizgisi, bir ortalamanın tüm nüfus için konuşmadığı fikridir. Bu elbette tanım gereği doğrudur.
Evet, ortalamalar, ortalama değerin altına ve üstüne düşen veri noktalarını içerir. Fakat bu, ortalamaları tamamen atmak için mükemmel bir argüman değil.
Normal bir dağılım olduğu varsayıldığında, veri noktalarınızın yaklaşık yüzde 68'inin ortalamadan +/- 1 standart sapma, +/- 2 standart sapma içinde yüzde 95 ve +/- 3 standart sapma içinde yüzde 99,7 düşmesini beklersiniz. İşte.
Gördüğünüz gibi, outliers kesinlikle var, ancak veri kümenizde sıkı bir standart dağılım varsa, düşündüğünüz kadar yaygın değildir. Bu nedenle, matematik konusunda dikkatli olursanız, ortalamalar, reklamverenlerin büyük çoğunluğu için hala çok yararlı bilgiler olabilir.
PPC Pazarlama'da Matematik Kazandı
Banyo suyuyla ortalama atmayalım. Sonuçta, AdWords’teki (TO, TBM, Ortalama Konum, Dönüşüm Oranları, vb.) Performans ölçümlerinin hemen hemen tümü, ortalama değerler olarak rapor edilir.
Ortalamaları görmezden gelmek yerine, aradığınız ortalamanın anlamlı olup olmadığını anlamak için matematiğin gücünü kullanalım.
İzinle yayınlanır. Orijinal burada.
Shutterstock üzerinden ortalama fotoğraf
Daha fazla: Yayıncı Kanalı İçeriği
