学会运用统计:读者的目标-创视优品

学会运用统计:读者的目标

  • 1 理解统计学术语
      如果不能理解统计学术语,那么我们就无法从统计分析结果中获取更多有用信息。下面举几个例子:
      1.对于某个日均UV上万的页面做A/B测试,原始版本的转化率是5.6%,试验版本_1的转化率是6.4%,看似转化率提高了0.8个百分点,但这会不会是随机波动导致的呢?但A/B测试系统会告诉你,转化率是显著优化的,也就是说试验版本_1的转化率确实要更好一点。
      2.某App在小米应用商店的广告投放数据显示,该App的总激活量和首页精品广告(注:一类很重要的广告位)带来的下载量是高度相关的,是否建议提高精品广告的出价呢?
      3.本周360渠道的注册成本环比增长12%,同比下降8%,综合比较来看注册成本是优化了吗?
    以上涉及了几种最常见的统计学术语,对于知道它们的人来说,这些术语中包含了有用的信息;而不知道这些术语的人,根本不知道这些术语代表什么,甚至会得出错误的结论。
    2 掌握科学的数据分析方法论
      在从事广告优化师的数年中,我一直在思考数据分析和广告优化之间的关系。不论是广告公司还是广告主,都表现出对数据分析的高度关注。在具体优化工作中,同样的数据结果,不同的广告优化师可能会有着不同的分析和洞察,随之而来的优化效果也会有一定的差异。
      可以这样说,大多数广告优化师没有受过专业的统计学思维训练,他们对数据分析的认知还停留在百分比、环比、同比等简单的概念上。举个例子,“昨天的注册量是2,今天的注册量是4,有广告优化师就在给广告主的日报中这样写道:优化有效果,注册量增长100%。”这种从2到4的随机波动难道真能反映出什么规律吗?也许有,但任何一个接受过专业统计学训练的人都会认为这很困难。
      广告优化这件事情,说简单点就是要不断地做正确的事情,在其他变量基本不变的条件下,只对少数变量做调整,积累数据,评估该调整是否能使效果显著优化,然后继续循环。科学的数据分析方法论能帮助我们更科学地设计优化试验,更高效地积累数据,更准确地评估优化效果,进而指导下一次的优化试验。
    3 理解什么地方可能出差错
      瑞典数学家、作家安德烈斯曾说过一句话:“用数据说谎容易,但是用数据说出真相却很难。”下面用一个例子来说明,广告数据分析中什么地方可能出错。
    例:简单平均,还是加权平均?
    表1-1是某App在某应用商店共计两周的广告投放数据。下面我们分别用简单平均和加权平均两种计算方法,计算第一周和第二周的平均成本。
    表1-1 某App在某应用商店的广告投放数据


      简单平均成本:用每一天的注册成本加总,再除以7天,得到第二周的注册成本高达34.0元,环比第一周上涨26%。
      加权平均成本:回归到注册成本的公式本身,用7天的消费合计除以注册量合计,得到第二周的注册成本29.8元,环比第一周仅上涨10%。
      结论:简单平均看似没有问题,但计算结果却和加权平均的计算结果相差超过15个百分点。由此可见,广告优化中能够理解什么地方可能出错是多么重要。
    举一反三
      凡是有计算公式的数据指标,如点击率、平均排名、平均点击成本、转化率等,在求平均时需多加注意,这些数据指标大多数不能直接简单相加求平均。正确的做法是回到公式本身,先将原始数据求合计,再进行计算。
  • 本文章摘自书籍或来源于网络,如果您喜欢本文,请通过正规渠道购买正版书籍或者访问原网站,如有侵权,请联系我们及时删除。
  • 相关资讯

    您可能对下面的文章也感兴趣!

    我们的服务项目

    企业宣传片、三维动画、企业会议片、MG动画、短视频、产品广告

    Top