최근에 PPC 마케팅에서 평균을 사용하는 문제에 대해 이야기하는 트위터와 블로그 게시물의 발진이있었습니다. 예를 들어 줄리 바치 니 (Julie Bacchini)는 "평균은 불쾌한 척도"라고 주장합니다.
위의 데이터 세트의 문제는 평균이 매우 오도 할 수있는 경우가 사실이지만 샘플의 거대한 모집단 분산 및 표준 편차가 있습니다.
$config[code] not found이 포스트에서 나는 여기에 관련된 수학에 대해 이야기하고 평균의 가치에 대한 사례를 만들고, PPC 커뮤니티에서 최근에 보았던 평균에 대한보고에 대한 비판에 응답하고자합니다.
분산, 표준 편차 및 분산 계수
표본 분산 는 데이터 세트의 값이 데이터 세트의 평균 값과 얼마나 다를지를 기준으로 분산 측정 값입니다. 평균과 각 데이터 포인트의 차이 제곱의 평균을 취하여 계산됩니다. 차이점을 정하면 부정 및 양수 편차가 서로 상쇄되지 않습니다.
따라서 클라이언트 1의 경우 0.5 퍼센트와 평균 3.6 퍼센트의 차이를 계산 한 다음 그 숫자를 정사각형으로 계산하십시오. 모든 클라이언트에 대해 이것을 수행 한 다음 분산의 평균을 취합니다. 이것이 표본 분산입니다.
샘플 표준 편차 단순히 분산의 제곱근입니다.
간단히 말해서 평균적으로이 데이터 세트의 값은 전체 평균 3.6 % (즉, 숫자가 매우 분산되어 있음)에서 5.029 % 떨어지므로이 분포에서 많은 결론을 내릴 수 없습니다.
표준 편차가 "너무 높음"(단순 분포를 찾고 있다고 가정 할 때)을 추정하는 간단한 방법은 단순히 표준 편차를 평균으로 나눈 분산 계수 (또는 상대 표준 편차)를 계산하는 것입니다.
이것은 무엇을 의미하며 우리는 왜 신경을 써야합니까? 그것은 평균에 대한보고의 가치에 관한 것입니다. WordStream이 클라이언트 데이터를 사용하여 연구를 수행 할 때 우리는 작은 데이터 세트의 평균을 계산하지 않고 커다란 결론을 내릴뿐만 아니라 데이터 배포에 신경을 씁니다. 숫자가 모두 자리를 잡으면, 우리는 그들을 던져 버리고 샘플을 좀 더 세분화하여 (업계, 지출 등으로) 더 확실한 결론을 도출 할 수있는 더 의미있는 패턴을 찾습니다.
정의에 의한 의미있는 평균이라 할지라도 평균 이상의 값 포함
반 평균 수용소에서 나온 또 다른 비판은 평균이 전체 인구에 대해 말하지 않는다는 개념이다. 이것은 정의상 사실입니다.
예, 평균에는 평균값보다 높거나 낮은 데이터 포인트가 포함됩니다. 그러나 이것은 평균을 모두 버리는 훌륭한 주장은 아닙니다.
정규 분포를 가정하면 그림과 같이 데이터 포인트의 약 68 %가 평균에서 +/- 1 표준 편차, +/- 2 표준 편차 내에서 95 %, +/- 3 표준 편차에서 99.7 퍼센트 떨어질 것으로 예상 할 수 있습니다 이리.
보시다시피 이상한 점은 분명 존재합니다. 데이터 집합에 엄격한 표준 분포가 있다면 생각만큼 일반적이지는 않습니다. 따라서 수학에주의를 기울이면 평균은 광고주의 대다수에게 여전히 유용한 정보가 될 수 있습니다.
PPC 마케팅에서 Math Wins
목욕탕에서 평균을 내 보자. 결국 애드워즈의 실적 통계 (CTR, CPC, 평균 게재 순위, 전환율 등)는 모두 평균값으로보고됩니다.
평균을 무시하는 대신에, 당신이보고있는 평균이 의미있는 것인지 아닌지 알아내는 데 수학의 힘을 사용합시다.
허가를 받아 재발행 함. 여기에 원본.
Shutterstock을 통한 평균 사진
추가 정보: 게시자 채널 콘텐츠
