5 pasos para el estado de superhéroe del análisis de cuentas cruzadas

Esta publicación es parte de la serie de blogs de oradores de Hero Conf Los Angeles. Andrew Miller se unirá a más de 50 expertos en PPC que compartirán su experiencia social y de búsqueda pagada en el evento de PPC más grande del mundo, del 18 al 20 de abril en Los Ángeles, CA. ¿Te gusta lo que leíste? Obtenga más información sobre Hero Conf.

Los profesionales de PPC saben cómo utilizar los datos para tomar mejores decisiones y optimizar campañas para obtener mejores resultados. Pero muchas agencias y grandes anunciantes distribuyen sus campañas en varias cuentas y el análisis de todos estos datos puede conducir a la grandeza si se hace bien ... o migrañas si se hace mal.

Siga estos cinco pasos para asegurarse de que su análisis lo lleve al estado de héroe.

Paso 1: datos agregados

Dependiendo de las estructuras de su campaña y las estrategias de análisis, es probable que consuma y almacene datos de múltiples fuentes (plataformas PPC, Google Analytics, su CRM, etc.). Por supuesto, puede extraer manualmente los datos de cada fuente, colocarlos en Excel o Tableau y comenzar a procesar, pero ese proceso no se escala. Cada informe u optimización requeriría repetir la misma monotonía. Eso envejece muy rápidamente.

Planifique con anticipación y trabaje con un desarrollador para consumir el rendimiento de la campaña y los datos de conversión de la API de cada plataforma. El enfoque menos experto en tecnología es extraer los datos manualmente y cargarlos en una base de datos, pero a la larga es mucho más fácil automatizar tanto como sea posible. Extraemos datos diarios de la API de cada plataforma y los almacenamos en una base de datos SQL con tablas para cada PPC y plataforma de análisis.

En este punto de su viaje, su tarea más importante es definir sus estructuras de datos. ¿Qué campos necesita almacenar y cómo desea relacionar sus tablas de datos entre sí? Básicamente, ¿qué datos necesitas para hacer tu trabajo? Planificar esto con anticipación le ahorrará muchos dolores de cabeza cuando descubra que no tiene todos los datos que necesita para realizar su análisis.

No olvide pensar en las herramientas de análisis que planea usar (más sobre esto en el Paso 4). Asegúrese de que sus estructuras de datos y bases de datos permitan conexiones externas seguras y estén estructuradas correctamente para que tengan sentido en un entorno externo.

En nuestro caso, debido a que somos una agencia, nos aseguramos de que cada fila de cada tabla tenga un campo de "ID de cliente" para que podamos unir los datos a nivel de cliente. Esto nos permite combinar datos y crear informes para cada cliente.

Paso 2: normalizar los datos

Todos hemos escuchado la expresión "Entra basura, sale basura". El análisis de datos en varias cuentas no es una excepción. Es imperativo que los datos de sus cuentas se normalicen, o se hagan más consistentes, para permitir comparaciones de manzanas con manzanas.

Para comparar y crear tendencias de datos con precisión, debe pensar en "meta", como en los metadatos. Los metadatos son simplemente datos sobre datos. Piense en las etiquetas de AdWords como metadatos. Por ejemplo, las palabras clave de sus campañas de AdWords pueden ser de marca o no. Los clientes de agencias pueden pertenecer a una o más categorías de la industria.

Intente almacenar tantos metadatos en su base de datos como sea posible para permitir comparaciones y análisis más consistentes. Por ejemplo, podría comparar los efectos de la eliminación de AdWords de los anuncios del lado derecho en palabras clave que no son de marca para todos los clientes de la industria de la salud con bastante rapidez si sus estructuras de datos lo permiten. Otro de mis tipos favoritos de análisis de cuentas cruzadas es la comparación de datos previos y posteriores al lanzamiento de nuevos clientes en función del día en que lanzamos sus nuevas campañas. Es muy fácil desarrollar estudios de caso y detectar anomalías cuando podemos graficar el desempeño a 30, 60 y 90 días y compararlo con los resultados de una agencia anterior.

Tómese el tiempo para desarrollar una estrategia de etiquetado sólida y coherente para que su análisis no se vea afectado por datos basura.

Paso 3: democratizar los datos

No podemos asumir que todos nuestros usuarios finales serán competentes en la escritura de consultas mySQL. Tampoco podemos crear paneles de control o aplicaciones que posiblemente puedan predecir todas las formas en que nuestros analistas podrían querer dividir los datos.

En lugar de tratar de capacitar a todos en las consultas de bases de datos, adopte un enfoque más democrático para liberar los datos. Haga que sus estructuras de datos y conjuntos de datos de muestra estén disponibles en formatos más comunes, como Excel o Google Sheets. De esta forma, cualquiera puede ver qué datos están disponibles y pensar en formas de utilizarlos.

Los no desarrolladores aún pueden formular preguntas que un analista de datos puede traducir en una consulta de base de datos. Por ejemplo, un administrador de cuentas se me acercó recientemente con la pregunta: "¿Cómo se comparan el CPC y el CPA del Cliente X con otros clientes de la misma industria?" Extraer estos datos de referencia de nuestra base de datos tomó solo unos minutos, lo que ahorró horas de extracción manual de datos y tablas dinámicas.

En pocas palabras, ¡no bloquee sus datos! Libérelo para que más personas puedan encontrar formas de utilizarlo.

Paso 4: analizar datos

La mayoría de la gente de PPC simplemente salta adelante a este paso. Puede funcionar a corto plazo o para un análisis ad-hoc, pero tenga en cuenta que omitir los pasos 1 a 3 podría generar resultados no concluyentes, datos confusos o decisiones basadas en datos inexactos. Tómese el tiempo necesario para hacerlo bien, de modo que los análisis futuros sean más rápidos y profundos.

Ahora que tiene varias cuentas de datos en un solo lugar, es hora de comenzar a analizar. ¡Aquí es donde ocurre la magia! El análisis puede conducir a conocimientos y conocimientos para la optimización.

Desarrollar una hipótesis

Empiece por desarrollar y probar hipótesis sobre sus datos. No se limite a adentrarse en montañas de datos con la esperanza de encontrar una joya. Entre con un mapa y una idea de lo que está buscando.

Seleccione las herramientas adecuadas para el trabajo

En primer lugar, encuentre las herramientas necesarias para hacer bien el trabajo. Un usuario más inteligente podría escribir sus propias consultas SQL y exportar los datos a Excel o Google Sheets, pero otros usuarios podrían beneficiarse de una herramienta de inteligencia empresarial como Tableau o Google Data Studio para un análisis más rápido.

Comience a segmentar y filtrar

A continuación, aproveche los datos y metadatos que configuró en el paso 2. No omitió el paso 2, ¿verdad? Estas facetas le permiten segmentar sus datos aún más para encontrar pepitas de información que puedan conducir a conocimientos.

Al igual que en Google Analytics, intente activar y desactivar diferentes segmentos para buscar anomalías o valores atípicos. Aquí es donde las estructuras de datos limpias y consistentes son útiles. Asegúrese de controlar las variables que puedan sesgar los resultados entre varias cuentas de PPC. ¿Algunas cuentas utilizan diferentes metodologías de etiquetado para palabras clave de marca y no de marca? ¿Todas sus cuentas utilizan las mismas zonas horarias y formatos de moneda?

Establecer puntos de referencia y tendencias

Una vez que encuentre los datos correctos, será fácil comparar el rendimiento entre cuentas para detectar tendencias o anomalías. Desde esta perspectiva macro, puede buscar fácilmente cuentas con un rendimiento superior o inferior, observar los cambios diarios / semanales / mensuales / trimestrales e identificar de manera proactiva cuándo está fuera de ritmo para lograr sus objetivos de KPI.

Si está realmente avanzado (o tiene un gran equipo de BI), las herramientas de detección de patrones o análisis estadístico pueden hacer gran parte del trabajo pesado aquí. ¿Quieres llevarlo a las 11? Invierta en aprendizaje automático para detectar y escalar valores atípicos para un análisis más detallado.

Paso 5: Aproveche las oportunidades

Finalmente, después de hacer todo el trabajo duro, puedes jugar al héroe. Con los datos, las hipótesis, las herramientas y el tiempo correctos, podrá analizar rápida y fácilmente los datos de rendimiento de la campaña en varias cuentas de PPC.

Comparar y actuar sobre datos de múltiples cuentas es fundamentalmente lo mismo que trabajar en una cuenta, con la excepción de tener más variables para controlar y más dimensiones potenciales para la segmentación.

Independientemente de cómo decida configurar su análisis de cuentas cruzadas, tómese el tiempo para planificar con anticipación. El esfuerzo inicial para planificar con anticipación resultará en muchas horas de tiempo ahorrado y una mayor precisión en el futuro.