何為優化？便是讓好的更好，差的變好的過程。

何為優化？便是讓好的更好，差的變好的過程。

對于很多競價員來說，面對錯綜復雜的數據時，都會覺得無從下手。

其實數據分析不過就是一個細分的過程，通過將數據進行細分，然后針對每個數據指標進行考核。

例如，通過對某關鍵詞報告的各項指標分析，我們發現xx關鍵詞雖然展現和點擊很差，但對話率很好；那我們便可對該詞進行適當放量操作，萬一是個潛力股呢~

所以~今天，，特地分享了一篇數據分析案例向大家詳細講解，幫助大家更為熟悉地了解“如何進行數據分析”。（附：末尾有小驚喜，你要不要看啊）

現在，讓咱進入主題~

下圖，是某醫療賬戶6月份的數據。

從中我們會發現，每天的數據相差無幾，很難看出具體是哪部分有問題。

所以，在此兔子教大家一個小方法：利用EXCEL表中數據透視表的功能將某兩個時間段對比分析。

比如上圖，共14天，那我們便可將6.9-6.15與6.16-6.22兩周的數據進行對比分析。

結果如下。

通過數據對比，相比上周，我們會發現消費減少，但展現、點擊等并沒有減少，反而增加，且總線索量也有所提升，證明流量質量有所提升。但對話率卻整體下降0.05%，需要我們重點優化。

明確了問題之后，就需要我們去分析問題，使優化更有方向性。

那如何進行分析？此時維度就顯得格外關鍵。通常，我們可將維度分為三類：

大的維度：計劃、單元

細節維度：地區、時段、設備、關鍵詞

相關維度：頁面、客服

按常理來說，我們往往都是先看大的維度，再看細節維度，最后有必要的話再分析下相關維度。（具體由實際情況而定）

計劃維度

先從整體“計劃”這個層級進行分析，然后再一步步細分化。

哪些計劃效果好？

哪些計劃效果差？

哪些計劃需要優化？

從圖中，我們可以看出：

1. 移動端的血小板減少、白血轉化多，成本低但消費少

2. m-血小板減少性紫癜，轉化成本高但點擊成本低

3. 血液疾病和手機端的骨髓異常綜合征，沒有轉化且消費多

以此確定優化方案：

1. 手機端的血小板減少計劃加詞，白血計劃優化創意或對有轉化且低均價的進行提價

2. 對m-血小板減少性紫癜控制流量，根據搜索詞對部分進行收匹配

3. 血液疾病計劃暫停

4. m-骨髓異常綜合征高消費無轉化的關鍵詞降價處理

地區維度

明確哪些地區轉化好？哪些地區轉化差？讓好的更好或維持原狀，差的進一步分析原因，確定優化方案。

從圖中，我們可看出：

1. 湖北地區轉化好，轉化成本也較低

2. 貴州雖然消費不多，但是沒有轉化

以此確定優化方案：

1. 湖北地區可增加出價系數0.1

2. 貴州地區降低出價系數0.2

時段維度

從圖中，我們可看出：

1. 15點、14點、19點、22點轉化率高，成本低

2. 10點、12點、16點、20點消費高，沒有轉化

以此確定優化方案：

1. 14點、19點、22點增加出價系數0.1

2. 10點、12點、16點、20點降低出價系數0.1

關鍵詞維度

（6.9-6.22有轉化的關鍵詞）

從上圖，我們可看出：

1. 有轉化的關鍵詞基本集中在意向高的治療詞，意向低的病種、癥狀、疑問

以此確定優化方案：

1. 對“怎么治”進行放匹配操作，對“好治嗎”進行創意優化

（6.9-6.22無轉化的關鍵詞）

從上圖，我們可看出：

1. 血小板的減少的“怎么辦”單元，血小板減少性紫癜的“危害”“方法”“怎么辦”花費多，沒有轉化

2. 血液疾病的“醫院”花費多、沒有轉化。以此確定優化方案：

1. 對以上消費高但沒轉化的關鍵詞進行手量操作：“醫院”“方法”降價，“危害”“怎么辦”收匹配

2. 再結合搜索詞對有消費但沒有轉化的關鍵詞進行收匹配操作

其實，對于數據分析我們之所以覺得難，是因為它繁雜，讓人無從下手。而現在，通過對數據的不斷細分，分析數據反而是一目了然的事情。

1. 利用營銷流程表進行收集數據，按周期將數據進行對比，發現賬戶目前存在問題

2. 對維度不斷細分，并分析各項指標從而確定優化方案