跨账户分析超级英雄状态的 5 个步骤

这篇文章是 Hero Conf 洛杉矶演讲者博客系列的一部分。 Andrew Miller将与 50 多位 PPC 专家一起，在4 月 18 日至 20 日在加利福尼亚州洛杉矶举行的全球最大的全 PPC 活动中分享他们的付费搜索和社交专业知识。 喜欢你读什么？ 了解更多关于 Hero Conf 的信息。

PPC 专业人士知道如何使用数据做出更好的决策并优化活动以获得更好的结果。 但是，许多代理机构和大型广告商将他们的广告系列分布在多个帐户中，如果做得好，分析所有这些数据可能会取得巨大成功……如果做得不好，则会导致偏头痛。

按照以下五个步骤来确保您的分析会导致英雄状态。

步骤 1：聚合数据

根据您的活动结构和分析策略，您可能会使用和存储来自多个来源（PPC 平台、谷歌分析、您的 CRM 等）的数据。 当然，您可以手动从每个来源提取数据，放入 Excel 或 Tableau，然后开始处理，但该过程不会扩展。 每个报告或优化都需要重复相同的苦差事。 这会很快变老。

提前计划并与开发人员合作以使用来自每个平台 API 的活动性能和转化数据。 不太懂技术的方法是手动提取数据并上传到数据库，但从长远来看，尽可能实现自动化要容易得多。 我们从每个平台的 API 中提取每日数据，并将其存储在 SQL 数据库中，其中包含每个 PPC 和分析平台的表。

在您旅程的这一点上，您最重要的任务是定义您的数据结构。 您需要存储哪些字段，以及您希望如何将数据表相互关联？ 基本上，您需要哪些数据来完成您的工作？ 当您发现您没有执行分析所需的所有数据时，提前计划这将为您省去很多麻烦。

不要忘记提前考虑您计划使用的分析工具（在步骤 4 中详细介绍）。 确保您的数据结构和数据库允许安全的外部连接，并且结构正确以在外部环境中有意义。

在我们的例子中，因为我们是一个代理机构，所以我们确保每个表中的每一行都有一个“客户 ID”字段，这样我们就可以在客户级别连接数据。 这使我们能够混合数据并为每个客户创建报告。

第 2 步：规范化数据

我们都听过这样的说法，“垃圾进，垃圾出”。 跨多个帐户分析数据也不例外。 您的帐户数据必须标准化或更加一致，以便进行逐个比较。

要真正准确地比较和趋势数据，您必须像元数据一样考虑“元”。 元数据只是关于数据的数据。 将 AdWords 标签视为元数据。 例如，您的 AdWords 广告系列中的关键字可以是品牌的，也可以是非品牌的。 代理客户可以分为一个或多个行业类别。

尝试在数据库中存储尽可能多的元数据，以便进行更一致的比较和分析。 例如，如果您的数据结构允许，您可以非常快速地比较 AdWords 删除右侧广告对医疗保健行业所有客户的非品牌关键字的影响。 我最喜欢的另一种跨账户分析类型是根据我们启动新广告系列的日期比较新客户的启动前和启动后数据。 当我们可以绘制 30、60 和 90 天的表现并与之前机构的结果进行比较时，开发案例研究和发现异常变得非常容易。

花时间制定一个强大、一致的标记策略，这样您的分析就不会受到垃圾数据的影响。

第 3 步：使数据民主化

我们不能假设我们所有的最终用户都会精通编写 mySQL 查询。 我们也无法构建仪表板或应用程序来预测我们的分析师可能希望以何种方式对数据进行切片和切块。

与其试图就数据库查询对每个人进行培训，不如采取更民主的方法来释放数据。 使您的数据结构和示例数据集以更常见的格式提供，例如 Excel 或 Google 表格。 这样，任何人都可以看到可用的数据并想出使用它的方法。

非开发人员仍然可以制定数据分析师可以将其转换为数据库查询的问题。 例如，最近一位客户经理向我提出了这样一个问题：“客户 X 的 CPC 和 CPA 与同行业的其他客户相比如何？” 从我们的数据库中提取此基准数据只需几分钟，节省了数小时的手动数据提取和数据透视表。

最重要的是，不要锁定您的数据！ 将其免费使用，以便更多人可以找到使用它的方法。

第 4 步：分析数据

大多数 PPC 人员只是直接跳到这一步。 它可能在短期内或用于临时分析，但请注意，跳过步骤 1-3 可能会导致不确定的结果、模糊的数据或基于不准确数据的决策。 花点时间把它做对，这样未来的分析就会更快、更有洞察力。

现在您在一个地方拥有多个帐户的数据，是时候开始分析了。 这就是魔法发生的地方！ 分析可以带来洞察力和洞察力来优化。

提出假设

首先开发和测试有关您的数据的假设。 不要只是涉足海量数据，希望找到宝石。 带上地图并了解您要搜索的内容。

为工作选择合适的工具

首先，找到正确完成工作所需的工具。 更精明的用户可能能够编写自己的 SQL 查询并将数据导出到 Excel 或 Google 表格，但其他用户可能会受益于商业智能工具（例如 Tableau 或 Google Data Studio）以加快分析速度。

开始分段和过滤

接下来，利用您在第 2 步中设置的数据和元数据。您没有跳过第 2 步，对吗？ 这些方面使您可以进一步细分数据，以找到可以产生洞察力的信息块。

就像在 Google Analytics 中一样，尝试打开和关闭不同的细分以查找异常或异常值。 这就是干净、一致的数据结构派上用场的地方。 确保您正在控制可能会在多个 PPC 帐户之间产生偏差的变量。 某些帐户是否对品牌关键字与非品牌关键字使用不同的标记方法？ 您的所有帐户是否都使用相同的时区和货币格式？

建立基准和趋势

一旦找到正确的数据，就可以轻松比较跨账户绩效以发现趋势或异常。 从这个宏观角度来看，您可以轻松查找表现不佳或表现不佳的帐户，观察每日/每周/每月/每季度的变化，并主动确定何时无法实现 KPI 目标。

如果你真的很先进（或者拥有一个很棒的 BI 团队），模式检测或统计分析工具可以在这里完成大部分繁重的工作。 想把它带到11？ 投资机器学习以发现和升级异常值以进行进一步分析。

第 5 步：利用机会

最后，在完成所有艰苦的工作之后，您就可以扮演英雄了。 借助正确的数据、假设、工具和时间，您将能够快速轻松地跨多个 PPC 帐户分析活动绩效数据。

比较和处理来自多个账户的数据与处理一个账户的数据基本相同，不同之处在于有更多的变量需要控制和更多的潜在细分维度。

无论您决定设置跨账户分析，请花时间提前计划。 提前计划的前期努力将节省许多小时的时间并提高准确性。