Avinash Kaushik 主題演講 - 真棒：以不同方式處理搜索分析的想法

你有沒有聽過 Avinash Kaushik 向觀眾講話？ 就像看煙花一樣。 波光粼粼，令人無法抗拒，充滿了古人的智慧。 好吧，我想網絡分析並不能追溯到 12 世紀中國的煙火，但你知道我在說什麼。 我現在會嘗試裝瓶一些魔法。

Mike Grehan 介紹了 Avinash，@avinashkaushik，作為一種自然的動態力量，我們的主講人上台。 他說他是 Market Motive 的聯合創始人，該公司提供在線營銷課程。 他還撰寫了博客 Occam's Razor，並撰寫了Web Analytics: An Hour a Day和Web Analytics 2.0——這些書籍講述了不斷發展和變化的分析世界。 他為每本書賺了 80,000 美元，並將錢捐給了慈善機構。

所以今天他將談論互聯網如何演變我們對人際關係的基本信念。 他將講述四個突出我們面臨的挑戰的故事。

打破限制

他放了一張分析報告的截圖，他稱之為數據嘔吐。 有 20,000 個關鍵字被跟踪，當您只能看到大約 20 個關鍵字時，您怎麼可能管理這麼多關鍵字？

解決方案是使用在線分割進行過濾。 當您輸入要調查的關鍵字時，您會應用過濾器，這時您可以分解。 將大量數據減少到非常易於管理的程度。

標記云！

Wordle.net：它們是可視化大量數據的絕佳方式。 訪問 Wordle.net，獲取 1000 個關鍵字中的 100 個，然後將其提煉為一頁圖像。 如果您的關鍵字分佈均勻，您可以看到它。 您可以查看您的網站是否真的與您感興趣的關鍵字相關。如果業務策略是做 X 而現實是 Y，我們真的實現了我們想要的嗎？

Juice 關鍵字樹：您可以看到一個術語與另一個術語的連接位置。 然後根據大小，您可以看到有多少人進入該關鍵字，通過顏色，您可以看到有多少人反彈。 你可能會發現在某些情況下你非常多樣化。

結果，寶貝！ … 整體價值

全世界的共同痛點是我沒有我需要的資源。 我沒有一個好的CMS。 但實際上，問題在於他們專注於錯誤的事情。 超越轉化率。 美國的平均轉化率為 2%。 這還不是全部。

Avinash 試圖說服他的妻子他應該寫博客，儘管他只能在深夜孩子們睡著的時候寫。 她會告訴他去睡覺。 所以他試圖給她充分的理由。

他的觀點是：我很重要。 她的回答：去睡覺吧。

這條數據並沒有讓她信服。

他的觀點：去年我有來自 176 個國家的超過 73,000 次訪問。 她的回答：去睡覺吧。

這條數據是上面那條數據的更強版本，但它並沒有與他的妻子相關聯。

他的觀點：在上個月，我賺了 26,000 美元（通過量化資產價值得出的數字，例如點擊註冊他在會議上所做的演示）。 她的回答是：努力工作。

那正是你想要的。 你想用對他們有意義的語言和數字與人交談。 有目標真的很重要。 您不想專注於 2% 的轉化。 您想了解正在進行的 98% 的其他活動。

您應該關注為您的業務創造經濟價值的微觀轉化事件。 以tripadvisor.com 為例。 是的，最大的目標是獲得預訂。 但是當用戶點擊廣告時，你會得到錢。 當人們註冊您的時事通訊時，您可以對此進行評價。 離線轉換。 用戶生成內容。 而在……

如果您的任務是衡量tripadvisor.com 的成功與否，如果您只看到預訂的房間，您將錯過很多。

收入 = 好。

經濟價值=上帝！

想想 Looooooong 尾巴……一切！

在他的博客上，他大約一半的流量來自搜索。 這是非常典型的，但如果你仔細想想，在來自搜索的 40,000 名訪問者中，他們來自 26,000 個關鍵字。 他只關注了大約 10 個關鍵字，並有 5,000 名訪問者來自這些關鍵字。 然後，26,000 個關鍵字吸引了 35,000 名訪問者。 那麼，為什麼要痴迷於少數品牌關鍵詞呢？

當您深入研究數據時，您會發現您的頭腦就是您的品牌術語。 但是來自長尾的人正在重複使用關鍵短語，這些短語通常與您的類別相關，而不是您的品牌。 這些長尾用戶的另一個迷人之處在於他們不確定自己想要什麼。 如果你能走到他們面前並首先說服他們，你就能得到他們的生意。

他最近正在為一位朋友尋找相機，他意識到柯達完全失控了。 他會搜索他們認為是大賣點的功能。 沒有柯達。 他會直接從他們的網站上搜索單詞。 沒有柯達。 他搜索了他們製造的特定相機。 有相機，但不在柯達的網站上。

柯達趁機在對的時間找到了對的人，卻揮霍無度。 不僅僅是柯達。 試試 Best Buy、Orbitz、Cisco 和 Victoria's Secret。 大部分時間都在發生。 這些公司正在考慮消費市場。 有很多人已經認識他們了。 但是你不能停下來，也不能嘗試增加你的消費者。

超越“釣魚實驗”

基於 Google AdWords 搜索的關鍵字工具將搜索查詢與機器人索引頁面進行比較，或者換句話說，將 Web 擁有的頁面與實際正在搜索的查詢進行比較。 您可以查看預算中包含哪些關鍵字。 您可以查看實際查詢。 這是實際數據。

無論你是否出現，流量都會過去。 就像三文魚在溪流中游弋，就像一隻張大嘴巴的熊。 鮭魚會跳進去，只要你在那裡抓到它們。

智能歸因

轉化漏斗的產生方式有很多種。 如果在進行轉換之前，消費者會在幾個月內看到廣告、訪問附屬網站、進行搜索。 你怎麼能歸因於銷售？ 所以我們會嚇壞哭泣嗎？ 還沒有……回去考慮“這對我來說是個問題嗎？” 運行購買訪問報告（在每個平台上都可用）。 您可能會看到 80% 的轉化發生在兩次訪問中。 在這種情況下，這不是問題。 現在，如果看起來大多數轉化發生在 9 次訪問中，那麼這對您來說是個問題。

分析工具會報告點擊前發生的事情。 認識到這一點，分析平台開始將歸因於第一次點擊。 下一個嘗試是對每一個行動給予同等的評價。 更合理一點，他們將大部分功勞歸於最後一次點擊，然後將其餘部分分散到其他操作中。 今天有一個模型，他稱之為“Make Crap Up”。 一組隨機規則分配屬性。 它基於垃圾並且是這樣的：

問：你為什麼給你的電子郵件 20% 的信用？ A：因為我的電子郵件團隊真的很大。

還有一個衰減模型，在該模型中，距轉化時間較早的操作獲得的功勞較少。 這是最差的模型。

最後一次點擊獲得 75% 的信用。

剩餘 25% 的信用額度：

1. 向後衰減功能 3-5 次點擊
2. 全部在過去 7-30 天內*

*細微差別

衝動 – 7 天后退

更多的衝動，更少的考慮 - 7-14 天

… [錯過了更多細微差別]

關鍵是他們可以回到歷史，他們把邏輯放到他們的模型中。 這是你應該努力的。

歸因會消失嗎？ 這與功勞無關——它與對您最有效的媒體組合有關。

這裡有一些關於未來可能是什麼樣子的想法。

1. 媒體組合建模：在美國多個主要城市進行測試活動在每個城市選擇一個平台、PPC、SEO、YouTube 等。然後您將擁有數據以找出 CPA 最低的組合.
2. 邊際歸因：增量轉化為您提供邊際歸因

你可以在這裡聽他談論這些話題：http://tr.im/mmsc4

他留給我們的最後一條信息是始終正確掌握基礎知識。 他的兒子想要一台打印機，所以他尋找無線打印機。 第一個廣告著陸頁是一個 Flash 網站，需要很長時間才能加載，最後卻沒有給他想要的東西。 第二個廣告只是碳粉。 用戶沒有得到他們想要的東西。 這導致了一個很大的跳出率。 請記住，跳出率 = “我來了，我吐了，我走了。”