跨賬戶分析超級英雄狀態的 5 個步驟

這篇文章是 Hero Conf 洛杉磯演講者博客系列的一部分。 Andrew Miller將與 50 多位 PPC 專家一起，在4 月 18 日至 20 日在加利福尼亞州洛杉磯舉行的全球最大的全 PPC 活動中分享他們的付費搜索和社交專業知識。 喜歡你讀什麼？ 了解更多關於 Hero Conf 的信息。

PPC 專業人士知道如何使用數據做出更好的決策並優化活動以獲得更好的結果。 但是，許多代理機構和大型廣告商將他們的廣告系列分佈在多個帳戶中，如果做得好，分析所有這些數據可能會取得巨大成功……如果做得不好，則會導致偏頭痛。

按照以下五個步驟來確保您的分析會導致英雄狀態。

步驟 1：聚合數據

根據您的活動結構和分析策略，您可能會使用和存儲來自多個來源（PPC 平台、谷歌分析、您的 CRM 等）的數據。 當然，您可以手動從每個來源提取數據，放入 Excel 或 Tableau，然後開始處理，但該過程不會擴展。 每個報告或優化都需要重複相同的苦差事。 這會很快變老。

提前計劃並與開發人員合作以使用來自每個平台 API 的活動性能和轉化數據。 不太懂技術的方法是手動提取數據並上傳到數據庫，但從長遠來看，盡可能實現自動化要容易得多。 我們從每個平台的 API 中提取每日數據，並將其存儲在 SQL 數據庫中，其中包含每個 PPC 和分析平台的表。

在您旅程的這一點上，您最重要的任務是定義您的數據結構。 您需要存儲哪些字段，以及您希望如何將數據表相互關聯？ 基本上，您需要哪些數據來完成您的工作？ 當您發現您沒有執行分析所需的所有數據時，提前計劃這將為您省去很多麻煩。

不要忘記提前考慮您計劃使用的分析工具（在第 4 步中詳細介紹）。 確保您的數據結構和數據庫允許安全的外部連接，並且結構正確以在外部環境中有意義。

在我們的例子中，因為我們是一個代理機構，所以我們確保每個表中的每一行都有一個“客戶 ID”字段，這樣我們就可以在客戶級別連接數據。 這使我們能夠混合數據並為每個客戶創建報告。

第 2 步：規範化數據

我們都聽過這樣的說法，“垃圾進，垃圾出”。 跨多個帳戶分析數據也不例外。 必須對您的帳戶數據進行標準化或使其更加一致，以便進行逐個比較。

要真正準確地比較和趨勢數據，您必須像元數據一樣考慮“元”。 元數據只是關於數據的數據。 將 AdWords 標籤視為元數據。 例如，您的 AdWords 廣告系列中的關鍵字可以是品牌的，也可以是非品牌的。 代理客戶可以分為一個或多個行業類別。

嘗試在數據庫中存儲盡可能多的元數據，以便進行更一致的比較和分析。 例如，如果您的數據結構允許，您可以非常快速地比較 AdWords 刪除右側廣告對醫療保健行業所有客戶的非品牌關鍵字的影響。 我最喜歡的另一種跨賬戶分析類型是根據我們啟動新廣告系列的日期比較新客戶的啟動前和啟動後數據。 當我們可以繪製 30、60 和 90 天的表現並與之前機構的結果進行比較時，開發案例研究和發現異常變得非常容易。

花時間制定一個強大、一致的標記策略，這樣您的分析就不會受到垃圾數據的影響。

第 3 步：使數據民主化

我們不能假設我們所有的最終用戶都會精通編寫 mySQL 查詢。 我們也無法構建儀表板或應用程序來預測我們的分析師可能希望以何種方式對數據進行切片和切塊。

與其試圖就數據庫查詢對每個人進行培訓，不如採取更民主的方法來釋放數據。 使您的數據結構和示例數據集以更常見的格式提供，例如 Excel 或 Google 表格。 這樣，任何人都可以看到可用的數據並想出使用它的方法。

非開發人員仍然可以製定數據分析師可以將其轉換為數據庫查詢的問題。 例如，最近一位客戶經理向我提出了這樣一個問題：“客戶 X 的 CPC 和 CPA 與同行業的其他客戶相比如何？” 從我們的數據庫中提取此基準數據只需幾分鐘，節省了數小時的手動數據提取和數據透視表。

最重要的是，不要鎖定您的數據！ 將其免費使用，以便更多人可以找到使用它的方法。

第 4 步：分析數據

大多數 PPC 人員只是直接跳到這一步。 它可能在短期內或用於臨時分析，但請注意，跳過步驟 1-3 可能會導致不確定的結果、模糊的數據或基於不准確數據的決策。 花點時間把它做對，這樣未來的分析就會更快、更有洞察力。

現在您在一個地方擁有多個帳戶的數據，是時候開始分析了。 這就是魔法發生的地方！ 分析可以帶來洞察力和洞察力來優化。

提出假設

首先開發和測試有關您的數據的假設。 不要只是涉足海量數據，希望找到寶石。 帶上地圖並了解您要搜索的內容。

為工作選擇合適的工具

首先，找到正確完成工作所需的工具。 更精明的用戶可能能夠編寫自己的 SQL 查詢並將數據導出到 Excel 或 Google 表格，但其他用戶可能會受益於商業智能工具（例如 Tableau 或 Google Data Studio）以加快分析速度。

開始分段和過濾

接下來，利用您在第 2 步中設置的數據和元數據。您沒有跳過第 2 步，對嗎？ 這些方面使您可以進一步細分數據，以找到可以產生洞察力的信息塊。

就像在 Google Analytics 中一樣，嘗試打開和關閉不同的細分以查找異常或異常值。 這就是乾淨、一致的數據結構派上用場的地方。 確保您正在控制可能會在多個 PPC 帳戶之間產生偏差的變量。 某些帳戶是否對品牌關鍵字與非品牌關鍵字使用不同的標記方法？ 您的所有帳戶是否都使用相同的時區和貨幣格式？

建立基準和趨勢

一旦找到正確的數據，就可以輕鬆比較跨賬戶績效以發現趨勢或異常。 從這個宏觀角度來看，您可以輕鬆查找表現不佳或表現不佳的帳戶，觀察每日/每週/每月/每季度的變化，並主動確定何時無法實現 KPI 目標。

如果你真的很先進（或者擁有一個很棒的 BI 團隊），模式檢測或統計分析工具可以在這裡完成大部分繁重的工作。 想把它帶到11？ 投資機器學習以發現和升級異常值以進行進一步分析。

第 5 步：利用機會

最後，在完成所有艱苦的工作之後，您就可以扮演英雄了。 借助正確的數據、假設、工具和時間，您將能夠快速輕鬆地跨多個 PPC 帳戶分析活動績效數據。

比較和處理來自多個賬戶的數據與處理一個賬戶的數據基本相同，不同之處在於有更多的變量需要控制和更多的潛在細分維度。

無論您決定設置跨賬戶分析，請花時間提前計劃。 提前計劃的前期工作將節省許多小時的時間並提高準確性。