1.     专题背景

站内广告位效果标杆管理是运营管理的重要内容,同时也是运营团队进行资源评估、效果优化和内容审核的重要参考依据。现在需要针对首页广告位制定效果标杆。

解析运营中的所有常规性工作都可以制定效果标杆,除广告位外,站外其他的运营资源位如商品位、活动位、推荐位、咨询位等固定位置也都适用;另外,这也适用于常规性的专题活动、站内运营事件等。由于标杆的制定需要大量历史数据做积累,因此不适合临时性、突发性的事件。

2.     前期沟通

接到数据需求后,数据部门提出了以下几个问题:

q  问题一:首页广告位是否已经实现完整监测?

q  问题二:如果已经有监测,都可以监测到哪些数据?

q  问题三:业务部门希望在效果标杆中包括哪些因素、效果或目标?

q  问题四:是否存在重点资源位需要分内容制定标杆?

解析在通常情况下,如果是数据部门负责网站监测工作的实施,那么前两个问题都有答案,如果不是,那就需要跟运营、技术实施部门一起沟通确认;第三个问题的核心是了解运营最关注的核心效果或指标;第四个问题是根据经验,重点资源位通常会有多种运营内容,针对这些内容可能有不同的标杆策略。注意:不是所有的资源位都需要细分,细分通常只针对重点或核心资源位。

通过与业务部门的沟通确认,其结果如下:

q  问题一:首页广告位全部已经通过代码监测。

q  问题二:广告位可以监测到点击以及之后形成的订单转化。

q  问题三:运营部门主要侧重于引流和销售贡献作用。

q  问题四:顶部通栏广告是首页广告的核心,需要根据活动类型细分标杆。

3.     数据准备

制定效果标杆时的源数据通常需要选取时间较近、时间范围较长,建议选择1~3个月的数据。本例为了方便数据展示,仅选择1周数据做演示。数据提取工具是网站分析工具,导出数据后进行数据审查和校验,主要方面包括:

q  异常值,是否存在明显不合理的极大值或极小值;

q  缺失值,是否有字段的值缺失(网站分析工具中通常不显示指标为0的维度,这种现象类似于缺失值);

q  无效值,对于点击量、订单量等数值型指标,是否存在字符型等其他类型值;

经过排查,有以下几个值得到处理:

q  代号为A01-X1的7-8以及代号为A01-X3在7-25当天的订单量异常增大;

q  代号为C01-Z3在8-2当天的订单量异常增大。

对于以上异常变化的资源位,经过跟运营部门的沟通,流量增加的两个广告位由于新上了重点活动,导致整体订单效果较好;C01-Z3当天在代码实施过程中,由于站内其他多个资源位误用代码导致无效数据的增加,根据其他位置历史数据去除后,该位置的流量约为43932。

解析通过手动添加的监测代码容易产生代码漏加、多加甚至重复引用的情况,该问题可通过数据的极值表现进行预判。

在观察原始数据时,数据部门还发现一个问题:由于代码监测的规则是以位置+活动的形式实施,因此同一个位置会在不同的时间出现不同的广告。以A01广告为例,在最近一个月时间内的广告排期分别如表11-1所示。

表11-1 A01位置不同广告排期

活动代码广告上架时间广告下架时间持续时间(天)
X17/47/1410
X47/117/154
X27/157/238
X37/248/29

因此,在针对位置的标杆分析时,需要将不同活动的数据合并才能得到位置的真正数据;另一方面,我们也能发现即使广告下架仍然能获得少量点击量,这些数据大多由于历史缓存、用户收藏,内部测试等产生,在此忽略。其中有一天(7-15)两个活动都有较高的数据,原因是两个活动分别上架了半天的时间,即素材的更换不是以整点为单位,因此当天的数据需要合并。

数据预处理完成后,我们得到了可供做标杆的数据,如表11-2所示为A01的数据。

表11-2 A01位置广告数据

代码活动日期点击量订单量
A01X17/483,437304
A01X17/582,715302
A01X17/697,400414
A01X17/7105,928438
A01X17/8220,3201,371
A01X17/9226,676995
A01X17/10143,751637
A01X47/1132,594197
A01X47/1297,471630
A01X47/1381,731485
A01X47/1479,869432
A01X2+X47/1593,750517
A01X27/16209,345876

4.     初步结论

在本书的第8章详细介绍过关于“下定结论的常用方法”,本节将以代号为A01的广告为例,使用该方法制定数据标杆。

步骤一:使用Excel的描述性统计计算均值、方法和标准差。(如果没有启用该选项可参考8.1.4指数平滑中的步骤)计算结果为:均值89,324、标准差50,422

步骤二:计算数据正常波动区间的上下限,在此使用μ± 1σ(均值±1个标准差)。计算结果为:正常波动上限139,746、正常波动下限38,902。

步骤三:得出整体结论。广告位A01的均值是89,324,即每天能带来89,324点击量;同时,其正常波动范围是38,902~139,746。

同样的方法也可得到关于订单量的标杆数据。

注意在建立标杆的过程中,由于均值极易受极值影响,因此当数据间差异性较大值,可综合考虑中位数、众数选择可靠值。本案例中,没有众数,而中位数为88,594,均值与中位数的差异较小,说明均值结果较为理想。

5.     深入分析

通过以上分析我们似乎得出了针对A01广告位的数据标杆结论,但这个结论存在一定的应用条件:在广告位位置、自身展示形式等内在因素不变的情况下,至少需要考虑以下三方面因素:

(1)          页面流量规模

页面流量规模是影响该页面所有元素点击的最重要因素之一。页面流量越大,广告位被点击的次数可能越多。因此,在使用这个结论时需要验证评估周期内的页面流量规模范围。这个数据直接通过页面流量(PV量报表)报表即可获得,其页面流量波动范围是65万~182万。

(2)          页面流量结构

仅有流量规模还不够,即使在相同的流量规模下,如果流量结构改变会意味着用户属性和行为的改变,从而影响广告点击。因此,需要针对该页面做流量结构分析,该分析结论可直接通过页面报表查看流量来源即可。经过分析后的流量结构为:直接输入28%、SEM 26%、CPS19%、社交媒体9%、EDM8%,其他10%。

(3)          广告位活动因素

对站内广告点击影响最重要另外一个因素是广告内容,即广告位上不同类型的内容会直接影响用户点击。例如,如果网站的核心用户是3C类群体,那么3C类广告的点击会高于其他品类。

 

关于A01(首页顶部通栏)广告位的数据标杆标杆总结:在原始处理过程中发现,广告位A01一共上架了四个活动,这四个广告按照运营内容可分为三类,一类是3C类广告(X3广告),第二类是小家电类广告(X1、X4),第三类是百货类广告(X2)。不同品类的数据标杆如下(仅以点击量标杆为例说明):

q  3C类广告位点击的标杆数据为:均值147,669,点击量正常波动范围是130,906~164,432;

q  小家电类广告位点击的标杆数据为:均值84,637,点击量正常波动范围是71,872~97,401;

q  百货类广告位点击的标杆数据为:均值23,423,点击量正常波动范围是16,267~30,579。

至此,我们已经建立了针对广告位A01的数据标杆,其他位置标杆的建立方法类似。

6.     沟通落地

首页的广告位数据标杆建立完成后,有三方面应用落地:

q  HR部门针对这些广告位建立针对包含站内广告设计、网站运营、活动策划在内对广告位负责部门的KPI机制。

q  在做广告位运营过程中实时监测广告数据,如果出现异常值超出预警下限的异常值时,在排除其他问题之后立即做下架处理,建立良好的运营规则和处理机制;当广告位流量异常大并超出正常范围值时,排查站内是否存在其他代码误用的问题。

q  在针对运营部门的日常报表中,增加广告位的预警及针对标杆的数据内容,及时了解运营内容与标杆的差异点及原因所在,并及时找到改进方向。

注意随着企业的不断发展及新业务的优化,数据标杆需要做动态更新,从而跟上企业发展的脚步,这也是数据生命周期管理的一部分。

 

——《网站数据挖掘与分析:系统方法与商业实践》 节选

 



除非注明,本博客文章均为 数据研究与商业应用(TonySong) 原创.
转载请注明本文地址: http://www.searchmarketingart.com/%e7%ab%99%e5%86%85%e5%b9%bf%e5%91%8a%e4%bd%8d%e6%95%88%e6%9e%9c%e6%a0%87%e6%9d%86%e7%ae%a1%e7%90%86.html