Baru-baru ini ada banyak sekali tweet dan posting blog yang membicarakan masalah menggunakan rata-rata dalam pemasaran PPC. Misalnya, ini tempat Julie Bacchini berpendapat bahwa "rata-rata adalah metrik yang buruk":
Meskipun benar bahwa kadang-kadang rata-rata bisa sangat menyesatkan, masalah dengan kumpulan data di atas adalah variasi populasi yang sangat besar dan standar deviasi dalam sampel.
$config[code] not foundDalam posting ini saya ingin berbicara tentang matematika yang terlibat di sini dan membuat alasan untuk nilai rata-rata, serta menanggapi beberapa kritik tentang pelaporan rata-rata yang saya lihat di komunitas PPC belakangan ini.
Varians, Standar Deviasi dan Koefisien Varians
Varian sampel adalah ukuran dispersi - seberapa besar nilai dalam kumpulan data cenderung berbeda dari nilai rata-rata kumpulan data Anda. Itu dihitung dengan mengambil rata-rata kuadrat dari perbedaan untuk setiap titik data dari rata-rata. Mengkuadratkan perbedaan memastikan bahwa penyimpangan negatif dan positif tidak membatalkan satu sama lain.
Jadi untuk klien 1, hitung saja selisih antara 0,5 persen dan perubahan rata-rata 3,6 persen, lalu kuadratkan angka itu. Lakukan ini untuk setiap klien, lalu ambil rata-rata varians: itulah varians sampel Anda.
Contoh Standar Deviasi hanyalah akar kuadrat dari varians.
Secara sederhana, secara rata-rata, nilai-nilai dalam kumpulan data ini biasanya turun 5,029 persen dari rata-rata keseluruhan 3,6 persen (mis. Jumlahnya sangat tersebar), yang berarti Anda tidak dapat menyimpulkan banyak dari distribusi ini.
Cara yang disederhanakan untuk memperkirakan apakah standar deviasi Anda “terlalu tinggi” (dengan asumsi Anda mencari distribusi normal) adalah dengan menghitung koefisien varians (atau standar deviasi relatif) yang merupakan standar deviasi dibagi dengan rata-rata.
Apa artinya ini dan mengapa kita harus peduli? Ini tentang nilai pelaporan rata-rata. Ketika WordStream melakukan penelitian menggunakan data klien, kami tidak hanya menghitung rata-rata dari kumpulan data kecil dan membuat kesimpulan besar - kami peduli tentang distribusi data. Jika angka ada di mana-mana, kami membuangnya dan mencoba untuk mengelompokkan sampel dengan cara yang berbeda (berdasarkan industri, pengeluaran, dll.) Untuk menemukan pola yang lebih bermakna dari mana kita dapat dengan lebih percaya diri menarik kesimpulan.
Bahkan Rata-Rata Berarti berdasarkan Definisi Sertakan Nilai Di Atas dan Di Bawah Rata-Rata
Garis kritik lain dari kamp anti-rata-rata adalah gagasan bahwa rata-rata tidak berbicara untuk seluruh populasi. Ini tentu saja benar, menurut definisi.
Ya, rata-rata berisi titik data yang berada di atas dan di bawah nilai rata-rata. Tapi ini bukan argumen bagus untuk membuang rata-rata sama sekali.
Dengan asumsi distribusi normal, Anda akan memperkirakan sekitar 68 persen dari titik data Anda akan jatuh +/- 1 standar deviasi dari rata-rata Anda, 95 persen dalam +/- 2 standar deviasi, dan 99,7 persen dalam +/- 3 standar deviasi, seperti yang digambarkan sini.
Seperti yang Anda lihat, pencilan tentu ada, meskipun jika Anda memiliki distribusi standar yang ketat dalam dataset Anda, pencilan itu tidak umum seperti yang Anda kira. Jadi, jika Anda berhati-hati dengan matematika, rata-rata masih bisa menjadi informasi yang sangat berguna bagi sebagian besar pengiklan.
Dalam Pemasaran PPC, Math Wins
Jangan membuang rata-rata dengan air mandi. Lagipula, hampir semua metrik kinerja di AdWords seperti (RKT, BPK, Posisi Rata-Rata, Tingkat Konversi, dll.) Dilaporkan sebagai nilai rata-rata.
Alih-alih mengabaikan rata-rata, mari gunakan kekuatan matematika untuk mencari tahu apakah rata-rata yang Anda lihat bermakna atau tidak.
Diterbitkan ulang dengan izin. Asli di sini.
Foto Rata-rata melalui Shutterstock
Selengkapnya di: Konten Saluran Penerbit
