पीपीसी मार्केटिंग में औसत उपयोग करने के साथ समस्याओं के बारे में बात करते हुए हाल ही में ट्वीट्स और ब्लॉग पोस्टों का एक समूह बन गया है। उदाहरण के लिए, यह वह जगह है जहां जूली बेचिनी का तर्क है कि "औसत एक बेकार मीट्रिक हैं":
हालांकि यह सच है कि कभी-कभी औसत बहुत भ्रामक हो सकता है, उपरोक्त डेटा सेट के साथ समस्या नमूना में विशाल जनसंख्या विचलन और मानक विचलन है।
$config[code] not foundइस पोस्ट में मैं यहां शामिल गणित के बारे में बात करना चाहता हूं और औसत के मूल्य के लिए एक मामला बनाना चाहता हूं, साथ ही औसतन रिपोर्टिंग की कुछ आलोचना का जवाब देता हूं जो मैंने पीपीसी समुदाय में हाल ही में देखा है।
वैरियनस, स्टैंडर्ड डिविएशन और वैरिएस का गुणांक
नमूना विचरण फैलाव का एक उपाय है - डेटा सेट में मान आपके डेटा सेट के औसत मूल्य से अलग होने की संभावना है। इसकी गणना औसत से प्रत्येक डेटा बिंदु के लिए अंतर के वर्गों के औसत को ले कर की जाती है। मतभेदों को बढ़ाना यह सुनिश्चित करता है कि नकारात्मक और सकारात्मक विचलन एक दूसरे को रद्द नहीं करते हैं।
तो क्लाइंट 1 के लिए, बस 0.5 प्रतिशत और 3.6 प्रतिशत के औसत परिवर्तन के बीच के अंतर की गणना करें, फिर उस संख्या को वर्ग करें। प्रत्येक ग्राहक के लिए ऐसा करें, फिर औसत संस्करण लें: जो कि आपका नमूना रूपांतर है।
नमूना मानक विचलन बस विचरण का वर्गमूल है।
साधारण शब्दों में, औसतन, इस डेटा सेट में मान आमतौर पर 3.6 प्रतिशत के कुल औसत से 5.029 प्रतिशत दूर होते हैं (यानी संख्या बहुत बिखरे हुए हैं), जिसका अर्थ है कि आप इस वितरण से बहुत अधिक निष्कर्ष नहीं निकाल सकते।
यह अनुमान लगाने का एक सरल तरीका है कि यदि आपके मानक विचलन "बहुत अधिक हैं" (आप सामान्य वितरण की तलाश कर रहे हैं), तो विचरण (या सापेक्ष मानक विचलन) के गुणांक की गणना करना है जो औसत से विभाजित मानक विचलन है।
इसका क्या मतलब है और हमें क्यों परवाह करनी चाहिए? यह औसत पर रिपोर्टिंग के मूल्य के बारे में है। जब WordStream क्लाइंट डेटा का उपयोग करके एक अध्ययन करता है, तो हम केवल छोटे डेटा सेट से औसत गणना नहीं करते हैं और बड़े निष्कर्ष बनाते हैं - हम डेटा के वितरण के बारे में परवाह करते हैं। यदि संख्याएं सभी जगह हैं, तो हम उन्हें फेंक देते हैं और नमूना को एक अलग तरीके से विभाजित करने का प्रयास करते हैं (उद्योग द्वारा, खर्च, आदि) अधिक सार्थक पैटर्न खोजने के लिए जिससे हम अधिक आत्मविश्वास से निष्कर्ष निकाल सकते हैं।
औसत से भी सार्थक साधन औसत से ऊपर और नीचे के मूल्यों को शामिल करते हैं
औसत-विरोधी शिविर से आलोचना की एक और धारणा यह है कि औसत आबादी पूरी आबादी के लिए नहीं बोलती है। यह निश्चित रूप से सच है, परिभाषा के अनुसार।
हां, औसत में डेटा बिंदु होते हैं जो औसत मूल्य से ऊपर और नीचे आते हैं। लेकिन कुल मिलाकर औसत फेंकने के लिए यह एक महान तर्क नहीं है।
एक सामान्य वितरण की मानें, तो आपको अपने डेटा बिंदुओं के लगभग 68 प्रतिशत गिरने की उम्मीद है +/- 1 आपके औसत से 1 मानक विचलन, +/- 2 मानक विचलन के भीतर 95 प्रतिशत और +/- 3 मानक विचलन के भीतर 99.7 प्रतिशत, जैसा कि सचित्र है। यहाँ।
जैसा कि आप देख सकते हैं, आउटलेयर निश्चित रूप से मौजूद हैं, हालांकि यदि आपके डेटासेट में एक तंग मानक वितरण है, तो वे उतने सामान्य नहीं हैं जितना आप सोच सकते हैं। इसलिए यदि आप गणित के बारे में सावधान हैं, तो औसत विज्ञापनदाताओं के विशाल बहुमत के लिए अभी भी बहुत उपयोगी जानकारी हो सकती है।
पीपीसी मार्केटिंग में, मठ जीतता है
चलो स्नान के पानी के साथ औसत बाहर न फेंकें। आखिरकार, AdWords में बहुत सारे प्रदर्शन मेट्रिक्स जैसे (सीटीआर, सीपीसी, औसत स्थिति, रूपांतरण दर, आदि) औसत मूल्यों के बारे में बताए जाते हैं।
औसत की अनदेखी करने के बजाय, यह जानने के लिए कि आप औसत देख रहे हैं या नहीं, गणित की शक्ति का उपयोग करें।
अनुमति द्वारा पुनर्प्रकाशित। यहां मूल।
शटरस्टॉक के माध्यम से औसत फोटो
और अधिक: प्रकाशक चैनल सामग्री
