Houve uma onda de tweets e posts recentemente falando sobre os problemas com o uso de médias no marketing de PPC. Por exemplo, este aqui onde Julie Bacchini argumenta que "as médias são uma métrica ruim":
Embora seja verdade que às vezes as médias podem ser muito enganosas, o problema com o conjunto de dados acima é a grande variação populacional e o desvio padrão na amostra.
$config[code] not foundNeste post, quero falar sobre a matemática envolvida aqui e defender o valor das médias, além de responder a algumas das críticas de relatórios sobre as médias que vi na comunidade do PPC recentemente.
Variação, Desvio Padrão e Coeficiente de Variação
Variância da amostra é uma medida de dispersão - em quanto os valores no conjunto de dados provavelmente diferem do valor médio do conjunto de dados. É calculado considerando a média dos quadrados das diferenças para cada ponto de dados da média. Esquadrar as diferenças garante que desvios negativos e positivos não se anulem mutuamente.
Portanto, para o cliente 1, calcule a diferença entre 0,5% e a variação média de 3,6% e, em seguida, faça um quadrado desse número. Faça isso para todos os clientes e, em seguida, use a média das variações: essa é sua variação de amostra.
Desvio Padrão da Amostra é simplesmente a raiz quadrada da variância.
Em termos simples, em média, os valores nesse conjunto de dados normalmente caem 5,929 por cento em relação à média geral de 3,6 por cento (ou seja, os números são muito dispersos), o que significa que você não pode concluir muito com essa distribuição.
Uma maneira simplificada de estimar se seus desvios-padrão são "muito altos" (supondo que você esteja procurando uma distribuição normal) é calcular um coeficiente de variação (ou desvio padrão relativo) que é simplesmente o desvio padrão dividido pela média.
O que isso significa e por que devemos nos importar? É sobre o valor de relatórios sobre médias. Quando o WordStream faz um estudo usando dados do cliente, não calculamos apenas médias de conjuntos de dados pequenos e tiramos conclusões importantes - nos preocupamos com a distribuição dos dados. Se os números estão em todo lugar, nós os jogamos fora e tentamos segmentar a amostra de uma maneira diferente (por setor, gasto, etc.) para encontrar um padrão mais significativo do qual possamos tirar conclusões com mais confiança.
Mesmo médias significativas por definição incluem valores acima e abaixo da média
Outra linha de crítica do acampamento antimédia é a noção de que uma média não fala para toda a população. Isto é claro, por definição.
Sim, as médias contêm pontos de dados que ficam acima e abaixo do valor médio. Mas este não é um ótimo argumento para jogar fora as médias.
Supondo uma distribuição normal, você esperaria que aproximadamente 68% de seus pontos de dados caíssem +/- 1 desvio padrão da média, 95% dentro de +/- 2 desvios padrão e 99,7% dentro de +/- 3 desvios padrão, como ilustrado Aqui.
Como você pode ver, os valores discrepantes certamente existem, mas se você tiver uma distribuição padrão restrita em seu conjunto de dados, eles não serão tão comuns quanto você imagina. Então, se você é cuidadoso com a matemática, as médias ainda podem ser informações muito úteis para a grande maioria dos anunciantes.
Em Marketing PPC, Math Wins
Não vamos jogar as médias com a água do banho. Afinal de contas, praticamente todas as métricas de desempenho do Google AdWords, como (CTR, CPC, posição média, taxas de conversão, etc.) são registradas como valores médios.
Em vez de ignorar as médias, vamos usar o poder da matemática para descobrir se a média que você está vendo é significativa ou não.
Republicado com permissão. Original aqui
Média Foto via Shutterstock
Mais em: Conteúdo do canal do editor
