Viime aikoina on esiintynyt tweettien ja blogikirjoitusten ihottumaa, joissa puhutaan ongelmista, jotka liittyvät keskiarvojen käyttämiseen PPC-markkinoinnissa. Esimerkiksi tämä, jossa Julie Bacchini väittää, että "keskiarvot ovat sucky metric":
Vaikka on totta, että joskus keskiarvot voivat olla hyvin harhaanjohtavia, edellä mainitun tietosarjan ongelma on valtavan populaation vaihtelu ja näytteen keskihajonta.
$config[code] not foundTässä viestissä haluan puhua tässä mukana olevasta matematiikasta ja tehdä tapauksen keskiarvojen arvosta sekä vastata kritiikkiin, joka koskee raportointia keskiarvoista, jotka olen nähnyt PPC-yhteisössä viime aikoina.
Varianssi, standardipoikkeama ja varianssikerroin
Näytteen varianssi on hajontamitta - kuinka paljon tietosarjan arvot poikkeavat todennäköisesti tietojesi keskiarvosta. Se lasketaan ottamalla kunkin datapisteen erojen neliöiden keskiarvo keskiarvosta. Erojen erottaminen varmistaa, että negatiiviset ja positiiviset poikkeamat eivät peruuta toisiaan.
Joten asiakkaalle 1 lasketaan vain 0,5 prosentin ja 3,6 prosentin keskiarvon välinen ero, ja sitten neliöarvo. Tee tämä jokaiselle asiakkaalle ja ota sitten vaihteluiden keskiarvo: se on näytteen varianssi.
Näytteen standardipoikkeama on yksinkertaisesti varianssin neliöjuuri.
Yksinkertaisesti sanottuna keskimäärin tämän dataryhmän arvot laskevat tyypillisesti 5,029 prosenttia pois 3,6 prosentin keskimääräisestä keskiarvosta (ts. Numerot ovat hyvin hajallaan), mikä tarkoittaa, että et voi tehdä paljon tästä jakelusta.
Yksinkertaistettu tapa arvioida, ovatko standardipoikkeamasi "liian korkeat" (olettaen, että etsit normaalia jakaumaa) on laskea varianssikerroin (tai suhteellinen keskihajonta), joka on yksinkertaisesti keskihajonta jaettuna keskiarvolla.
Mitä tämä tarkoittaa ja miksi meidän pitäisi huolehtia? Se on keskiarvoista raportoinnin arvo. Kun WordStream tekee tutkimuksen käyttäen asiakastietoja, emme vain laskene keskiarvoja pienistä tietokokonaisuuksista ja tee suuria johtopäätöksiä - välitämme tietojen jakamisesta. Jos numerot ovat koko paikkakunnalla, heidät heidät pois ja yritämme segmentoida näytteen eri tavalla (toimialoittain, kuluttamalla jne.) Löytääksesi mielekkäemmän mallin, josta voimme luotettavammin tehdä johtopäätöksiä.
Jopa merkitykselliset keskiarvot määritelmän mukaan Keskiarvojen ylä- ja alapuolella olevat arvot
Toinen keskiarvoluokan kritiikki on ajatus siitä, että keskiarvo ei puhu koko väestöstä. Tämä on luonnollisesti totta.
Kyllä, keskiarvot sisältävät tietopisteitä, jotka laskevat keskiarvon ylä- ja alapuolelle. Mutta tämä ei ole suuri argumentti keskiarvojen hävittämisestä kokonaan.
Olettaen, että normaali jakauma on odotettavissa, noin 68 prosenttia tietopisteistä laskisi +/- 1 standardipoikkeaman keskiarvostasi, 95 prosenttia +/- 2 standardipoikkeamasta ja 99,7 prosenttia +/- 3 standardipoikkeamasta, kuten on esitetty tässä.
Kuten huomaatte, outlierit ovat varmasti olemassa, mutta jos tietojenkäsittelyssäsi on tiukka standardijakauma, ne eivät ole yhtä yleisiä kuin luulet. Joten jos olet varovainen matematiikasta, keskiarvot voivat silti olla erittäin hyödyllisiä tietoja valtaosalle mainostajille.
PPC-markkinoinnissa Math voittaa
Älä heitä keskiarvoja kylpyveden kanssa. Kaiken kaikkiaan kaikki AdWordsin tehokkuusmittarit (kuten napsautussuhde, CPC, keskimääräinen sijainti, muuntokurssit jne.) Raportoidaan keskiarvoina.
Keskiarvojen huomiotta jättämisen sijaan käytetään matematiikan voimaa selvittääkseen, onko keskiarvo, jota katsot, merkityksellinen vai ei.
Uudelleenlähetetty luvalla. Alkuperäinen täällä.
Keskimääräinen kuva Shutterstockin kautta
Lisää: Julkaisijan kanavan sisältö
