广告数据分析痛点

如何找到切入点

Amazon站内广告，关键词数量庞大，但每一个关键词都需要做独立的广告效果核算，从前端的展现量、点击量、CTR（点击率）、CPC（平均每次点击价格）等，到后端的转化量、转化成本等。对广告效果的考核往往是基于整体的，而我们的优化操作都落到每一个具体的关键词上，这就形成了一个整体和局部的关系。假设广告效果整体不理想，那么如何在最短的时间在这么多关键词中找到症结所在，并且有针对性地进行优化

准确评估关键词的转化效果

• 关键词与产品的关联性
• 关键词的匹配类型。如果设置成精准匹配，新的关键词就难以挖掘，可能会错失一些优质流量；如果设置词组，模糊，会是的词的流量构成比较复杂，转化效果难以评估

管理长尾词

长尾词，“长尾理论”在广告领域的延伸。长尾词具有几个明显的特点：

• 在广告中的数量庞大。一般来说，长尾词在全部关键词的占比至少在30%以上，而且还有继续挖掘和扩充的空间
• 流量小，且不稳定。这是从数据上判断一个关键词是否为长尾词的主要方法，长尾词的搜索量比较小，且搜索频率不问题，有可能出现一周搜索量不到10，还主要集中在某一两天的情况
• 用户需求较为明确，长尾词一般字数比较长，我们对于用户的真实搜索意图判断会更加准确
• 头部10%的核心词，贡献了80%的流量，剩下90%的词，基本算中长尾词，累计贡献20%的流量（二八法则）
• 如何管理长尾词是一个普遍存在的问题。长尾词的数量庞大，分布在各个广告活动中，虽然每一个词流量少，但聚集起来流量可观。落实到每一个长尾词的效果优化上，因为数据不稳定，常规的分析方法显得力不从心

如何取舍关键词

• 关键词之间差别对待，我们需要对关键按照一定的标准做分类统计，对重点关键词做精细化的优化
• 效果差的关键词及时止损
• 新的关键词如何测试和评估（扩词）