5 kroków do analizy między kontami Status superbohatera

Ten post jest częścią serii blogów Hero Conf Los Angeles Speaker Blog Series. Andrew Miller dołączy do ponad 50 ekspertów PPC dzielących się swoimi płatnymi poszukiwaniami i wiedzą społeczną podczas największego na świecie wydarzenia poświęconego PPC, które odbędzie się w dniach 18-20 kwietnia w Los Angeles w Kalifornii. Podoba Ci się to, co czytasz? Dowiedz się więcej o konferencji Hero.

Profesjonaliści PPC wiedzą, jak wykorzystać dane, aby podejmować lepsze decyzje i optymalizować kampanie w celu uzyskania lepszych wyników. Jednak wiele agencji i dużych reklamodawców dzieli swoje kampanie na wiele kont, a analiza wszystkich tych danych może prowadzić do wielkości, jeśli zostanie wykonana dobrze… lub migreny, jeśli zostanie wykonana źle.

Wykonaj te pięć kroków, aby upewnić się, że twoja analiza prowadzi do statusu bohatera.

Krok 1: Zagregowane dane

W zależności od struktury kampanii i strategii analitycznych prawdopodobnie będziesz zużywać i przechowywać dane z wielu źródeł (platformy PPC, Google Analytics, CRM itp.). Oczywiście możesz ręcznie pobrać dane z każdego źródła, wpaść do Excela lub Tableau i zacząć chrupać, ale ten proces nie skaluje się. Każdy raport lub optymalizacja wymagałaby powtórzenia tej samej harówki. To bardzo szybko się starzeje.

Planuj z wyprzedzeniem i współpracuj z programistą, aby wykorzystać dane dotyczące skuteczności kampanii i konwersji z interfejsu API każdej platformy. Mniej doświadczonym technicznie podejściem jest ręczne pobieranie danych i przesyłanie ich do bazy danych, ale na dłuższą metę znacznie łatwiej jest zautomatyzować je w jak największym stopniu. Pobieramy codzienne dane z API każdej platformy i przechowujemy je w bazie danych SQL z tabelami dla każdej platformy PPC i analitycznej.

Na tym etapie Twojej podróży najważniejszym zadaniem jest zdefiniowanie struktur danych. Które pola musisz przechowywać i jak chcesz powiązać ze sobą tabele danych? Zasadniczo, jakich danych potrzebujesz do wykonywania swojej pracy? Zaplanowanie tego z wyprzedzeniem zaoszczędzi ci później wielu bólów głowy, gdy odkryjesz, że nie masz wszystkich danych potrzebnych do przeprowadzenia analizy.

Nie zapomnij pomyśleć o narzędziach analitycznych, których planujesz użyć (więcej na ten temat w kroku 4). Upewnij się, że struktury danych i bazy danych umożliwiają bezpieczne połączenia zewnętrzne i są odpowiednio skonstruowane, aby miały sens w środowisku zewnętrznym.

W naszym przypadku, ponieważ jesteśmy agencją, zapewniamy, że każdy wiersz w każdej tabeli ma pole „identyfikator klienta”, dzięki czemu możemy połączyć dane na poziomie klienta. Dzięki temu możemy łączyć dane i tworzyć raporty dla każdego klienta.

Krok 2: Normalizuj dane

Wszyscy słyszeliśmy wyrażenie: „śmieci wchodzą, śmieci wychodzą”. Analiza danych na wielu kontach nie jest wyjątkiem. Aby umożliwić porównywanie jabłek z jabłkami, konieczne jest znormalizowanie lub ujednolicenie danych na kontach.

Aby naprawdę dokładnie porównywać i trendować dane, musisz myśleć „meta”, jak w metadanych. Metadane to po prostu dane o danych. Pomyśl o etykietach AdWords jak o metadanych. Na przykład słowa kluczowe w kampaniach AdWords mogą być markowe lub niemarkowe. Klienci agencyjni mogą należeć do jednej lub kilku kategorii branżowych.

Staraj się przechowywać jak najwięcej metadanych w bazie danych, aby umożliwić bardziej spójne porównania i analizy. Możesz na przykład dość szybko porównać skutki usunięcia przez AdWords reklam prawostronnych w słowach kluczowych niezwiązanych z marką dla wszystkich klientów z branży opieki zdrowotnej, jeśli pozwalają na to struktury danych. Innym z moich ulubionych rodzajów analizy wielu kont jest porównywanie danych przed uruchomieniem i po uruchomieniu dla nowych klientów na podstawie dnia, w którym uruchamiamy ich nowe kampanie. Opracowywanie studiów przypadku i wykrywanie anomalii staje się bardzo łatwe, gdy możemy wykreślić 30, 60 i 90-dniowe wyniki i porównać je z wynikami poprzedniej agencji.

Poświęć trochę czasu na opracowanie solidnej, spójnej strategii tagowania, aby Twoja analiza nie była zanieczyszczona danymi.

Krok 3: Demokratyzacja danych

Nie możemy zakładać, że wszyscy nasi użytkownicy końcowi będą biegli w pisaniu zapytań mySQL. Nie możemy też tworzyć pulpitów nawigacyjnych ani aplikacji, które mogą przewidzieć wszystkie sposoby, w jakie nasi analitycy mogą chcieć pociąć i pokroić dane.

Zamiast próbować szkolić wszystkich w zakresie zapytań do bazy danych, zastosuj bardziej demokratyczne podejście do uwalniania danych. Udostępnij swoje struktury danych i przykładowe zbiory danych w bardziej popularnych formatach, takich jak Excel czy Arkusze Google. W ten sposób każdy może zobaczyć, jakie dane są dostępne i wymyślić sposoby ich wykorzystania.

Osoby nie będące programistami mogą nadal formułować pytania, które analityk danych może przełożyć na zapytanie do bazy danych. Na przykład menedżer konta zwrócił się ostatnio do mnie z pytaniem: „Jak wypada CPC i CPA klienta X w porównaniu z innymi klientami z tej samej branży?”. Pobranie tych danych testowych z naszej bazy danych zajęło zaledwie kilka minut, oszczędzając godziny ręcznego pobierania danych i tabel przestawnych.

Podsumowując, nie blokuj swoich danych! Uwolnij go, aby więcej osób mogło znaleźć sposoby na jego wykorzystanie.

Krok 4: Analizuj dane

Większość ludzi PPC po prostu przeskakuje do tego kroku. Może działać w krótkim okresie lub do analizy ad hoc, ale należy pamiętać, że pominięcie kroków 1–3 może prowadzić do niejednoznacznych wyników, niejasnych danych lub decyzji opartych na niedokładnych danych. Poświęć trochę czasu, aby zrobić to dobrze, aby przyszłe analizy były szybsze i bardziej wnikliwe.

Teraz, gdy masz wiele kont w jednym miejscu, czas rozpocząć analizę. Tutaj dzieje się magia! Analiza może prowadzić do spostrzeżeń i spostrzeżeń do optymalizacji.

Opracuj hipotezę

Zacznij od opracowania i przetestowania hipotez dotyczących Twoich danych. Nie chodź po prostu w góry danych, mając nadzieję na znalezienie klejnotu. Wejdź z mapą i pomysłem na to, czego szukasz.

Wybierz odpowiednie narzędzia do pracy

Po pierwsze, znajdź narzędzia potrzebne do prawidłowego wykonania pracy. Bardziej doświadczony użytkownik może być w stanie pisać własne zapytania SQL i eksportować dane do programu Excel lub Arkuszy Google, ale inni użytkownicy mogą skorzystać z narzędzia analizy biznesowej, takiego jak Tableau lub Google Data Studio, w celu szybszej analizy.

Rozpocznij segmentację i filtrowanie

Następnie skorzystaj z danych i metadanych skonfigurowanych w kroku 2. Nie pominąłeś kroku 2, prawda? Te aspekty pozwalają jeszcze bardziej segmentować dane, aby znaleźć bryłki informacji, które mogą prowadzić do wglądu.

Podobnie jak w Google Analytics, spróbuj włączać i wyłączać różne segmenty, aby wyszukać anomalie lub wartości odstające. Tutaj przydają się czyste, spójne struktury danych. Upewnij się, że kontrolujesz zmienne, które mogą zniekształcać wyniki między wieloma kontami PPC. Czy niektóre konta korzystają z różnych metod tagowania słów kluczowych związanych z marką i słów kluczowych niezwiązanych z marką? Czy wszystkie Twoje konta korzystają z tych samych stref czasowych i formatów walutowych?

Ustal wzorce i trendy

Po znalezieniu właściwych danych porównanie skuteczności na wielu kontach staje się łatwe, aby wykryć trendy lub anomalie. Z tej perspektywy makro można łatwo wyszukiwać konta osiągające zbyt wysokie lub niskie wyniki, obserwować zmiany dzienne/tygodniowe/miesięczne/kwartalne i proaktywnie identyfikować, kiedy nie masz tempa, aby osiągnąć cele KPI.

Jeśli jesteś naprawdę zaawansowany (lub masz świetny zespół BI), narzędzia do wykrywania wzorców lub analizy statystycznej mogą tutaj wykonać większość ciężkich zadań. Chcesz to zabrać do 11? Zainwestuj w uczenie maszynowe, aby wykrywać i eskalować wartości odstające do dalszej analizy.

Krok 5: Wykorzystaj możliwości

Wreszcie, po wykonaniu całej ciężkiej pracy, możesz grać w bohatera. Dysponując odpowiednimi danymi, hipotezami, narzędziami i czasem, będziesz w stanie szybko i łatwo analizować dane o skuteczności kampanii na wielu kontach PPC.

Porównywanie i działanie na danych z wielu kont jest zasadniczo takie samo, jak praca na jednym koncie, z wyjątkiem posiadania większej liczby zmiennych do kontrolowania i większej liczby potencjalnych wymiarów segmentacji.

Niezależnie od tego, jak zdecydujesz się skonfigurować analizę wielu kont, poświęć trochę czasu na planowanie z wyprzedzeniem. Wysiłek związany z planowaniem z wyprzedzeniem zaowocuje wieloma godzinami zaoszczędzonego czasu i większą dokładnością w przyszłości.