信息流广告优化中的数据分析思维

2022-08-29
523

作为一名优化师,我们的日常工作是不是都是开机混底薪,底薪到手关机下班呢?当然不是了,其实优化师的一天大概流程是:早上上班第一件事看账户数据;然后做数据的分析,数据不错可以做汇总,数据比较差的需要做计划的调整优化或者暂停修改;到了中午时间段,根据数据补充上新计划;到了下午可以学习一下课程,看下竞品投放的情况参考分析,写一些素材文案让账户有一个充足的创意更新;下班前会根据这天账户所跑的数据做分析总结,与同事分享交流心得。

如果把工作拉长来看的话,优化师都会参与到提案中,提供我们以往客户的投放情况和行业相关的数据等等。接下来就优化师最拿手的工作,做账户的优化,接着对这次投放完毕后做一些简单复盘和结案。从上面的工作流程我们会发现,数据分析是贯穿了我们优化的日常的整体。数据分析是账户优化的重要一步,那如何做数据分析呢?下面的我们来探讨一下。

01

数据分析是什么?

有人认为数据分析是学好类似Excel,python这些工具,对数据分析就可以了,这是错误的。数据分析更重要的是思维的建立。大家可以看一下图:

图中分两大板块,一块是思维—分析方法,另一块是工具—操作手段。工具是数据分析的软件工具,是方便我们做数据分析的一种工具。而思维就是数据分析方法论,我这边罗列了八种使用比较多的思维,大家可以回想一下自己日常工作中上面的哪种思维用得比较多。

1.对比思维

我们经常在投放广告的时候是不是都是对比不同创意/定向的数据呢?这就是用到了对比思维。

2.拆解思维

一般用于营销相关的,例如营销漏斗模型等等。

3.矩阵思维

部分优化师会用的比较少,一般用于不同象限,不同程度,不同策略的制定。

剩下五重维系,其实在我们工作中都会用到,可能我们没有认识这种思维的存在。经过上面的讲解,相信大家都知道了,数据分析应该是数据分析的方法论和数据分析软件工具两者的结合的产物。我们知道了数据分析是什么,那么我们就会有一个疑问了,做数据分析不是为了解决问题吗?下面就是我要讲的第二步了。

02

如果进行数据分析?

我们做数据分析的目的就是决定问题,那我们怎么做数据分析来解决问题呢?一般我会分三步走。

◆ 明确问题—从数据中找问题

我们拿到一份数据,怎么看这份数据是常态还是异常状态呢?这里我们就会用到一个方法叫对比法,我把这个方法称之为对比分析两步法。

第一步我们需要弄清楚我们要比什么,第二步弄清楚和谁比。为了方便我们更好地理解,下面我举一个例子:

某公司老板开会提出了一个问题:这个季度完成6000万消耗,大家觉得这个业绩好不好呢?

同事A:和去年同季度对比,这个季度增速达到8%,业绩不错。

同事B:我们ecpm没有抢过其他同行,我们还有很大的提升空间。

同事C:虽然同比消耗上涨,但是我们的回款率偏低,业绩不行。

上面三位同事其实都做了对比,但是他们对比的对象也不一样,同事A是根据团队kpi做对比,同事B是根据大盘做对比,同事C则是从工作流方面去做对比。我们可以发现不同的职位都会有不同的对比数据。我们对比数据越多,就能发现越多的问题。

总结一下:

1.我们第一步对比什么数据?

① 可以从团队kpi或者个人kpi中挖掘。

② 从工作流中寻找。

③ 从大盘数据中发现。

2.第二步是和谁比?

总结分三个维度去做对比:

① 历史对比:账户的历史数据做比对。

② 横向对比:不同账户,不同计划,不同素材等的对比。

③ 外部对比:根据大盘数据,行业数据做对比。

◆ 找到原因—从数据中找到原因

我们做数据分析的时候已经明确问题,是不是就要解决问题,解决问题提前是不是要先找到出现问题的原因呢?我们如何找问题的原因呢?分析复杂的问题,就应该把问题拆分拆解成一个个小问题,我把这个方法叫问题拆解法。

1.方法一:构成要素拆解

找出问题的基本构成,从而将问题拆分成一个个组成因子。例如广告消耗问题,那么构成这个广告消耗的因素有哪些呢?可以拆分为平台广告主健康度和账户健康度,平台广告主健康度又可以拆分为新户和老客,账户健康度可以拆分为库存量、转化量、转化率、点击量。以此类推,一直拆分成更小的组成因素,从不同的因素当中找问题。

2.方法二:流程拆解/价值链拆解

我们账户转化突然下降了很多,那么我们怎么去找问题呢?我可以把账户拉出来,根据账户的整个投放流程去找问题,从广告曝光到广告点击,再从广告点击到落地页UV,再从落地页UV到关注,再从关注到转化成交。

其实每一个环节都是有流失率的。他们之间的转化率是多少呢?例如账户A点击率是19%,而账户B点击率是21%,经过一系列的流程下来,最终A账户的转化率只有20%,而B账户的转化率却能到35%。

所以我们要找影响最终结果的问题,也可以从流程中去找原因。

3.方法三:影响因素拆解

例如我们找到影响账户消耗的因素,那么我们可以从不同的维度去想,穷尽地列举可能影响结果的因子,什么会影响账户消耗呢?我就会列:竞争对手、大盘流量、自运营能力、资金、客户等等。

◆ 形成决策—从数据中找增长路径

当我们做总论的时候,也是有很多需要注意的,很多人做数据分析的时候都是做到了把分析完的数据结果陈述出来,然而没有做进一步的结案,提炼自己的观点和洞见。例如账户我们都找到问题了,就是素材不行,那么不行的点是什么?我们应该怎么去做调整,这个才是我们做数据分析的本质目的。

03

总结

培养广告优化中的数据分析思维。那什么是数据分析?就是数据分析的方法论和数据分析软件工具相结合使用的一种方法。进行数据分析首先明确问题,用对比分析两步法找到问题,接着找到原因,要素拆解和流程拆解针对找到影响因素,最后形成决策,发现更多机会点。

转载时必须以链接形式注明原始出处及本声明

扫描关注公众号