您當前位置 : 首頁 電商百科 6個分析方法，教你快速診斷SEM賬戶表現(xiàn)
你推廣賬戶好不好，只有數(shù)據(jù)知道。
這篇文章給需要快速了解一個賬戶的朋友們使用。這六個方法分別是：“一九”分布、消費和轉(zhuǎn)化的四象限、轉(zhuǎn)化分解、核心詞互動度與ROI的氣泡圖分析、單頁推廣的核心詞互動度與ROI對比分析、通用詞與品牌詞的詞間關聯(lián)分析。 更細節(jié)的每一個關鍵詞調(diào)優(yōu)的工作，就不涉及了。 方法一：“一九”分布規(guī)律 ? 長尾模型從詞頻分布的角度描述了一個SEM賬戶內(nèi)的關鍵詞分布狀況。這世界上的SEM賬戶基本上都符合二八甚至一九分布規(guī)律。例如下面的這個賬戶內(nèi)關鍵詞的分布： 這個賬戶的前250個詞（只占所有產(chǎn)生流量的詞的6.8%）帶來了88%的流量和86%的轉(zhuǎn)化收入。挺典型的。 另一個賬戶也非常體現(xiàn)出這種規(guī)律（如下圖），所有產(chǎn)生流量的關鍵詞中，只有頭部的極小部分產(chǎn)生了顯著的流量。 所以，利用這個模型，幫助我們對于關鍵詞形成聚焦：賬戶優(yōu)化其實很容易，我們搞好這些最能帶來流量的頭部的詞就已經(jīng)抓住了重點部分！把這部分詞跟馬上要提到的四象限模型結合起來，你的優(yōu)化目標就瞬間清晰了很多。 方法二：消費和轉(zhuǎn)化的四象限模型 ? 類似這種模型大家一定都看到過，這是互聯(lián)網(wǎng)營銷分析（其實也是所有的經(jīng)營分析）中最常用到的模型。用于通過兩個維度對事物進行區(qū)隔。在SEM關鍵詞的宏觀研究場景下，這是一個非常贊的模型。 這個模型的優(yōu)點在于，非常易懂，對關鍵詞表現(xiàn)的宏觀把握有很大幫助。 缺點在于，這個模型本來是幫助你對宏觀進行把握的，但是為了了解這四個象限背后到底發(fā)生了什么，你又不得不立即進入到微觀的詞的細節(jié)之中去。例如按照上面的四象限所做出的下面的具體的詞的細分情況： 于是，你看到了很細節(jié)的很多關鍵詞的情況，但你仍然不知道我應該如何著手優(yōu)化這些詞。因為，從每一個詞自身的詞義看，不同詞之間有著本質(zhì)的差異。有些詞的詞義就決定了它更容易轉(zhuǎn)化（例如，品牌詞、到哪里買、價格如何之類的詞），而另一些詞本身并不容易轉(zhuǎn)化（通用詞之類的）。因此，按照四象限模型的粗淺要求，對那些花費高的想辦法降低費用，或者對那些轉(zhuǎn)化低的想辦法提高轉(zhuǎn)化，或者對低花費高轉(zhuǎn)化的詞進行開源拓詞等等，與其說是優(yōu)化策略，不如說更多的是指導思想，而很難幫助你形成具體的行動。所以，作為提醒，你仍然需要進入每一個詞的細節(jié)去考慮為什么它們處于不同的象限。 盡管如此，對你快速了解哪些關鍵詞不夠好，還是很有作用的，特別是方法一中找出的頭部詞和那些具有核心詞根的詞。 方法三：轉(zhuǎn)化分解 ? 轉(zhuǎn)化分解是最容易（盡管不是很容易能實現(xiàn)數(shù)據(jù)的準確）操作，但又最容易產(chǎn)生誤導的模型。 我們會把整個SEM賬戶（或者賬戶的計劃、單元等）按照“曝光 -> 點擊 -> 流量 -> 咨詢 -> 有效咨詢 -> 注冊 -> 購買”類似的過程來做每一個轉(zhuǎn)化步驟，從而快速定位哪里出現(xiàn)了問題。 正是因為這個方法，我們很多次的發(fā)現(xiàn)，競價效果不好的根本原因，不在于競價本身，而在于競價之后流量在著陸頁、詳情頁、咨詢客服等過程中出現(xiàn)問題。這樣，盲目在賬戶上所做的辛苦優(yōu)化，就必須快速轉(zhuǎn)移到著陸頁或者話術上來。 這個方法是每一個做SEM分析和優(yōu)化的朋友必然會采用的方法。但從操作上看，要避免兩個主要問題（盡管并非是這個模型本身的問題）。 第一個問題，轉(zhuǎn)化漏斗模型需要全流程的精確數(shù)據(jù)，但這些數(shù)據(jù)很難全部準確的獲取。尤其是對于需要一定轉(zhuǎn)化周期的行業(yè)，例如金融、培訓、醫(yī)療，消費者有相當長的決策周期。因此，我們能夠比較實時統(tǒng)計的轉(zhuǎn)化要回退到“有效咨詢”這個層級。 為了解決這個問題，我們的ROI計算很多時候就從： 投放費用 -> 最終收入 轉(zhuǎn)變?yōu)椋? 投放費用 -> 當日最靠后的轉(zhuǎn)化（如有效詢盤） 其次，轉(zhuǎn)化漏斗的形式是幫助我們強化過程觀，但它本身卻恰恰削弱了過程的細分。這聽起來很矛盾，但并不難理解。能夠被漏斗構建的過程，都是大過程，而無法包含用戶更加細微的行為。但是，正是這些用戶更細微的過程，反映了，甚至支配了轉(zhuǎn)化的發(fā)生。一個極端但非常常見的例子是單頁推廣。轉(zhuǎn)化漏斗在單頁推廣上幾乎無法發(fā)揮作用。 因此，轉(zhuǎn)化漏斗極為有價值，但是如同我在另外一篇文章《優(yōu)化轉(zhuǎn)化：除了轉(zhuǎn)化漏斗，你的彈藥庫還需要幾種分析武器》所寫的那樣，轉(zhuǎn)化漏斗并不足以支撐全部的轉(zhuǎn)化分析。 不過，我們手中還是有好武器解決這個問題的。在后面的方法中，要具體講到。 方法四：核心詞的互動度與ROI的氣泡分析 ? 這個方法你首先需要把不同的詞根（核心詞）放在不同的單元——即將所有的關鍵詞按照詞根進行細分。但這是理想狀況，一般情況下，同一個詞根有可能散落在不同單元。 沒關系，我們有Excel，利用Excel的表格工具，再利用“文本篩選 -> 包含 ”，可以輕松把相關的詞根篩選出來，如下圖所示。例如，我想找到詞根為“在職”的核心詞，在“文本篩選 -> 包含 ”中輸入“在職”，然后新建一列“核心詞1：在職”，把所有篩選出來的結果對應的C列，填入“在職”。 然后，利用數(shù)據(jù)透視表，你可以將所有的關鍵詞按照其對應的核心詞（詞根）的表現(xiàn)進行匯總。 把每一類核心詞的總體表現(xiàn)提取出來，你得到一個核心詞表現(xiàn)列表（CPL是Cost Per Lead，這個值越低越好；整個表格的綠色代表好，紅色代表不好）： 現(xiàn)在你能看到不同的詞根在最終效果上的表現(xiàn)有很顯著的差異。Leads/Click和CPL兩列很能說明問題。 還記得我上課時候講的ROI和engagement交互模型嗎（那個氣泡圖）？這個模型其實有很多變體，但是其思想其實很簡單——對比流量的交互行為和它們最終產(chǎn)生的轉(zhuǎn)化的情況。在大部分情況下，好的交互行為(engagement)能夠?qū)玫霓D(zhuǎn)化（ROI），但凡事總有例外，這些例外情況就成為我們分析和優(yōu)化的突破口。我們現(xiàn)在需要用到這個模型。 這個模型的方法很清晰： 我們利用網(wǎng)站分析工具的細分方法（這里不再啰嗦了，對GA的使用要熟練，基本功），將各類詞的流量engagement表現(xiàn)也匯總起來，形成一個更全面的數(shù)據(jù)表現(xiàn)數(shù)據(jù)，如下表所示： ? 利用上表數(shù)據(jù)，我們選取CPL和Bounce Rate制作氣泡圖，如下： ? 一般而言，好的engagement（更低的bounce rate）的流量會有更好的轉(zhuǎn)化能力（CPL更低），但是前面說了，有例外才有機會。 綠色線是“正常表現(xiàn)”的部分，但綠色線之外，有兩個跳出率相對較低，而CPL卻相對較高，尤其是“學費”這個詞特別如此。與這個詞可以進行對比的詞是“金融學碩士”，它的跳出率其實比學費還高，但是ROI（CPL）卻表現(xiàn)的更好。 這種情況發(fā)生之后，你的策略是什么？基本上你要做下面的事情： 1. 檢查創(chuàng)意是否有誤導； 2. 創(chuàng)意沒問題的情況，一定是著陸頁有問題，常見的情況是頁面上有吸引用戶點擊的元素，但用戶點擊之后，卻發(fā)現(xiàn)相關信息與他們的期望相距甚遠——比如，價格高于他們的預期？這個時候，你繼續(xù)看GA之類的工具，看看這個詞背后的人群進入著陸頁之后的表現(xiàn)是什么樣的（例如用我課堂上講的next page report） Engagement與ROI的對比分析模型是最方便的分析細分流量的方法之一。對競價排名的關鍵詞分析也同樣有用。 方法五：單頁推廣的核心詞互動度與ROI對比分析方法 ? 這個方法是方法四的極端情況，但這一極端情況卻特別常見。比如下面這個圖： 媽蛋的。。。所有關鍵詞的跳出率都是95%甚至更高，這還讓人活嗎？！ 是你的投放完全失效了嗎？在我遇到的案例中，這種情況的發(fā)生，只有一個原因，關鍵詞所在的著陸頁是單頁推廣！單頁推廣整個著陸頁鏈接不到別的頁面，按照GA對跳出率（bounce rate）的定義，流量來了之后去不了別處，那么肯定都是bounce掉了。所以這種情況就沒有必要看跳出率了。 因此，上面方法四的方法在這種情況下就不適用了，因為GA不能給出有效的engagement的數(shù)據(jù)。不是跳出率接近100%，就是停留時間約等于0…… 那么，當我們看到“金融學碩士”和“學費”兩個核心詞在花費相當、流量相若的情況下，卻在ROI上有天壤之別的時候，我們還有別的招兒嗎？（再把方法四的這個圖拿出來大家看看）。 ? 這個時候我們需要利用熱圖。 例如，使用ptengine，在其中有對比熱圖和細分熱圖功能。這里要用到流量過濾細分功能：在過濾條件中，將一個核心詞下的所有詞挑選出來，細分這些詞的流量。左邊的熱圖顯示所有跟“學費”相關的核心詞的流量表現(xiàn)，右邊顯示所有跟“金融學碩士”相關的流量表現(xiàn)。 左邊的“學費”相關的流量，表現(xiàn)出更多的頁面瀏覽長度（能夠讀到頁面下端的人的比例明顯比右邊的要高），但是他們在頁面上停留的時間卻相對較短（顏色不如右邊的紅）?！皩W費”流量似乎表現(xiàn)出很快速要查找信息的需求（愿意看到頁面底端），但卻缺乏更好的咨詢（leads）轉(zhuǎn)化。 這樣的數(shù)據(jù)意味著，你應該認真檢查頁面上是否有足夠吸引人的“學費”信息，或者壓根在這個頁面上就缺乏相關的信息。 這個數(shù)據(jù)和熱圖給我們很重要的提示，這兩個核心詞背后的流量的欲求是有相當大差異的。我們必須為這兩個詞建立信息偏重不同的著陸頁面。 方法六：關鍵詞之間關聯(lián)分析方法 ? 最后一個方法屬于attribution（歸因）的范疇。最重要的應用領域是查看品牌詞的搜索本質(zhì)上是來源于哪些其他詞的搜索。 有很多不知名的品牌，在SEM投放初期，不得已需要擴大流量范圍，投放通用詞、競品詞、人群詞等，目的一方面是為了引流（但引流的轉(zhuǎn)化效果一定相當弱），另一方面是為了擴大品牌的曝光，為未來用戶的轉(zhuǎn)化做準備。 隨著時間的推移，開始有人搜索品牌詞，你一定想知道，這些品牌詞的搜索，最初是由哪些通用詞帶來的流量，這些流量看到了品牌之后留下了印象，之后才會再搜索你的品牌的。 為了能夠?qū)崿F(xiàn)這一點，我們需要配置我們的監(jiān)測工具。以Google Analytics（GA）為例： 為了查看關鍵詞的歸因，GA在設置上有兩個前提條件： 1. 網(wǎng)站需要設置一個目標，設置地點如下圖： 2. 對關鍵詞要使用utm的link tag進行準確追蹤（在我課程中有詳細說明）。 3. 相關的數(shù)據(jù)報告則在GA的“轉(zhuǎn)化->多渠道路徑->熱門轉(zhuǎn)化路徑”中可以看到，但請注意一定要選擇如下圖紅框中的“關鍵詞”那一項。 ? 利用GA（或者其他有類似功能的工具），你可以看到同一個人搜索關鍵詞之間的先后關聯(lián)——所有的“索”字開頭的，都是品牌詞帶來的流量，它之前的那個詞，是投放的通用詞。在這個表中，某些通用詞投放，在之后帶來了對品牌詞的搜索。因此，你的關鍵詞優(yōu)化策略，就從僅僅看品牌詞的轉(zhuǎn)化，變?yōu)椴粌H看轉(zhuǎn)化，還應該看它們能夠帶來多少品牌詞的搜索。? ? 好了，六個方法講完了。哪些對你有用？哪些有建議？歡迎大家留言討論！標簽：云浮 三亞 新鄉(xiāng) 錫林郭勒盟 肇慶 南昌 南充 中山
上一篇： 上一篇：抖音的熱門推薦機制中什么最重要 如何拍出好視頻
