发表日期:2019-02 文章编辑:小灯 浏览次数:706
错误的数据甚至会误导我们最优秀的人。看看数字营销中四个常见的数据分析陷阱,以及如何批判性地思考和避免他们敏锐的技能。
数字营销是一个自豪的数据驱动领域。然而,作为SEO,我们宝安网站建设经常有这样的不完整的或有问题的数据工作,我们最终做出错误的结论,我们试图证明我们的论点或量化我们的问题和机会。
在本文中,我将概述我们行业中四个常见的数据分析陷阱以及如何避免它们。
1.匆忙下结论
今年早些时候,我做了一个品牌知名度排名因素研究,我发布了这个警告:
...域名权威(或品牌搜索量或其他任何东西)与排名正相关的事实可能表明以下任何或所有内容:
链接导致网站的良好排名
好排名导致网站链接
大约第三个因素(例如,站点的声誉或年龄)导致站点获得链接和排名。
然而,我想更深入地研究这个问题,并给您提供一个分析这些框架的框架,因为它仍然有很多。显然,我不是在批评这两项研究,但我想提醒大家注意我们如何解释它们。
首先,我们遭受了一点确认偏差——当我们看到成功的网站、关键字时,我们都太急于喊出相关性和因果性之间的差别,但是同时也同意当我们看到我们正在学习的东西时,我们认为它是有效的,或者做同样的事情,比如链接。
其次,我们不能批判地分析其内在机制。选择不仅仅是因果或巧合。
在根据相关性得出结论之前,你必须考虑各种可能性:
完全一致
逆向因果
共同原因
线性度
广泛适用性
如果它没有任何意义,那就足够公平了——它们是行话。让我们举个例子:
我警告你不要吃奶酪,因为你可能会死在床单上。我必须检查它是否有下列内容:Uuuuuuuuuuuu
完全巧合的是,可能已经比较过如此多的数据集,而且一些数据集必然是相似的为什么,Tyler Vigen就是这么做的!是的,这是可能的。
相反的因果关系——我们有可能走错方向吗例如,也许你的亲戚们正在为你与床单有关的死亡而哀悼,吃很多奶酪来安慰自己这似乎不太可能,所以让我们通过它吧。不,不太可能。
联合因果关系:这两个因素背后有第三个因素吗也许增加你的财富会使你更健康(所以你不会死于营养不良)并导致你吃更多的奶酪。这似乎是合理的。是的,这是可能的。
线性-让我们比较两个线性趋势线性趋势是稳定的增长率或下降率。任何两个随时间近似线性的统计都会有很好的相关性。在上面的图表中,我们的统计数据显示出直线上升的趋势。如果以不同的比例绘制,它们可能看起来完全不相关,像这样,但是因为它们都有稳定的速率,它们仍然有很好的相关性。
广泛的适用性-这种关系可能只存在于某些小生境场景中,或者至少在我的小生境场景中不存在也许,比如,对于一些人来说,奶酪就足以建立这种关联,因为很少有片材缠住死亡是的,似乎是可能的。
所以我们有四个答案,五个检查中没有一个是答案。
如果你的例子没有从五个测试中得到五个否定的答案,那就是失败,你不能说这项研究已经建立了奶酪消费的排名因素或致命的副作用。
类似的过程应该适用于案例研究,这是另一种形式的相关性——你做出改变的关系,以及一些好(或坏)的关系。
我排除其他因素(如外部需求、季节因素、竞争对手犯错)吗
我是通过做自己想做的事情来增加流量,还是同时意外地改善了其他因素
这是因为特定客户/项目的特殊情况吗
2、遗漏案例
如果我告诉你今天的交通流量是一周的20%,你会怎么说祝贺
如果去年这个时候上升了20%怎么办
如果我告诉你,它最近上升了20%
有趣的是,一个小环境可以完全改变这种情况。这是另一个案例研究的问题,他们的恶性倒置双胞胎,交通下降分析。
如果我们真的想知道某事是令人惊讶的,积极的还是消极的,我们需要把它和我们的期望进行比较,然后找出我们的期望偏差是正常的。测量变化早于2015。
但如果你想偷懒,一个好的经验法则是在数年前缩小和增加数量。如果有人向你展示可疑的扩增数据,你可能需要使用少量的盐。
三。相信我们的工具
你会根据竞争对手随意操纵的数目做出数百万美元的商业决策吗嗯,你有机会。这个数字可以在Google Analytics中找到。我已经在其他地方广泛讨论了这个问题,但是大多数分析平台都存在一些主要问题:
他们可以很容易地操纵外面的世界。
他们是如何随机分组的
他们对广告阻拦有多脆弱
他们在样本中的表现如何它们有多明显
例如,您知道Google Analytics API V3可以采样大量数据并告诉您数据是在一定流量(日期范围内的~500000)上采样的我也不知道,直到我们遇见它,同时建造了蒸馏的ODN。
在许多搜索分析工具中也存在类似的问题。我的同事Sam Nemzer为此写了很多报告——你知道RST平台的排名完全不同吗或者关键词被Google使用(所以像SEMRush和Statistics这样的工具也是如此)的事实并不等价,也不一定有很多参考
了解我们使用的工具的优点和缺点很重要,这样我们至少可以知道它们何时被正确定位(比如它们的洞察力何时引导您朝正确的方向前进),即使它们不完全准确。y其他数字通道)必须意味着理解您的测量平台的机制,这就是为什么所有的新手开始学习如何分析在蒸馏结束时的审计。
对根问题最常见的解决方案之一是合并多个数据源,但是…
4、结合数据源
有许多平台会失败(没有提供)聚集两个或更多的数据:
分析
搜索控制台
关键词广告
排序跟踪
这里的问题是,首先,这些平台没有相同的定义。其次,讽刺的是,它们经常被打破。
让我们从定义开始,例如,让我们看看带有通道的登陆页面:
在搜索控制台中,这些数据被报告为点击,并且在合并多个维度(如关键字和页面)或过滤器时可能会受到严重的、不可见的采样攻击。
在Google Analytics中,这些报告使用最后一个间接点击,这意味着您的有机通信量包括一系列直接会话、超时、恢复中间会话等等。这是没有黑暗的交通,广告阻拦,等等。
在AdWords中,大多数报告使用AdWords单击和可以不同定义的转换。此外,如上所述,关键字卷被捆绑。
排名跟踪是具体的和不一致的,如上所述。
嗯,虽然可能不准确,但考虑到这些限制,您至少可以获得一些定向有用的数据。
大多数登陆页面都有不止一个关键词流量。这些关键词中的一些可能比其他的更好转换,尤其是当它们被标记时,这意味着即使最彻底的点击率模型也不能帮助您。那么您如何知道哪些关键词是有价值的呢
最好的答案是从AdWords数据中总结出这些关键字,但是将关键字和web数据分析结合起来是很不可能的。基本上,报告工具给出了一个非常大胆的假设,即给定页面对所有关键字进行相同的转换。有些人更透明比其他的。
再说一遍,并不是这些工具毫无价值,而是需要仔细地理解它们。唯一可以可靠地填补这些空白的方法是创建一个非条款,它将花费大量付费搜索来获得所有关键字的相当大的容量、转换率和跳转率估计,尽管如此你仍然没有固定的不一致的定义问题。
奖金事项:平均等级
我经常看它。三个问题:
对于10个低容量查询(10个月或更少),您是否比高容量查询(100万个以上)更担心失去排名如果答案是否定的,我绝对关心十个低容量查询,那么这个度量不适合您,您应该考虑基于点击率估计的可见性度量。
当你在不排名前开始排名100个关键词,这会让你不开心吗如果答案是否定的,我讨厌新关键字的排名,那么这个指标不适合你,因为它会降低你的平均排名。最好的方法来显示你的着陆页面的五分之一已经索引再次,使用可见性度量。
你喜欢比较你的表现和你的竞争对手吗如果答案是否定的,当然不是,那么这个指标就不适合你——你的竞争对手可能有或多或少的品牌关键词或长尾排名,这将导致比较上的偏差。
结论
我希望你发现这是有用的。主要结论如下:
批判地分析相关和案例研究,看看你是否可以把它们解释为巧合,如反向因果关系,作为联合因果关系,通过引用第三个相互关联的因素,或通过小生境适用性。
不要在没有查看上下文的情况下查看流量变化——您将预测这段时间内有多少错误
请记住,我们使用的工具有局限性,并研究它们如何影响显示的数字。这个数字是怎么产生的这是一个重要的组成部分。这个数字是什么意思
如果最终组合了来自多个工具的数据,请记住弄清楚它们之间的关系——将信息作为方向性而非精确性对待。
日期:2019-02 浏览次数:6424
日期:2019-02 浏览次数:4177
日期:2019-02 浏览次数:3920
日期:2019-02 浏览次数:4377
日期:2019-02 浏览次数:4103
日期:2019-02 浏览次数:7236
日期:2019-02 浏览次数:3962
日期:2019-02 浏览次数:4446
日期:2019-02 浏览次数:4297
日期:2019-02 浏览次数:3978
日期:2019-02 浏览次数:4317
日期:2019-02 浏览次数:4087
日期:2019-02 浏览次数:3986
日期:2019-02 浏览次数:3909
日期:2019-02 浏览次数:4650
日期:2019-02 浏览次数:4107
日期:2019-02 浏览次数:4101
日期:2019-02 浏览次数:4158
日期:2019-02 浏览次数:4116
日期:2019-02 浏览次数:4030
日期:2019-02 浏览次数:4396
日期:2019-09 浏览次数:4418
日期:2019-09 浏览次数:4070
日期:2019-09 浏览次数:4085
日期:2019-09 浏览次数:4036
日期:2019-09 浏览次数:4017
日期:2019-09 浏览次数:4113
日期:2019-09 浏览次数:4059
日期:2019-09 浏览次数:4529
日期:2019-09 浏览次数:5049
Copyright ? 2013-2018 Tadeng NetWork Technology Co., LTD. All Rights Reserved.