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。

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

宣传片资讯

学会运用统计：读者的目标

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