Du lägger tid på att extrahera data om dina AdWords-kampanjer för att skicka till dina kunder, chef och andra intressenter. Men viktigare för din prestation är den data du extraherar själv, för att verkligen analysera problemen. Låt oss titta på vad du bör tänka på när du förbereder data för analys.
Detta är inte informerande
Det viktigaste att tänka på när man analyserar sin egen data är att detta inte är en rapport. Du behöver inte hålla saker så enkla som möjligt, och du behöver inte förenkla saker och ting.
Om problemet i statistiken på kampanjnivå beror på ett enda sökord måste du veta vilket sökord. Därför behöver du data på sökordsnivå. Om saker och ting förändras dagligen kan du inte göra din analys med veckodata.
Vad ska jag ladda ner?
Allt.
Få mer data än du tror att du behöver, och försök inte analysera den i AdWords-gränssnittet eller ditt rapportsystem. Skriv in detta i ett kalkylblad så att du kan paketera det som du behöver.
AdWords har ett intuitivt sätt att ladda ner data. Ställ in rapporten du vill se på huvudgränssnittet och tryck på nedladdningsknappen. Dina datumintervall, filter, sortering och segment kommer att respekteras och inkluderas korrekt i nedladdningen.
- Datumintervall: Om du tänker göra en tidsanalys, skaffa ett längre datumintervall än du förväntar dig att behöva. Du får mer sammanhang för förändringar i den period du vill analysera. Om du vill jämföra vintertrafiken med sommartrafiken behöver du förra vinterns trafik för att göra en korrekt bedömning. Är vintern alltid en säsong med lägre volym, eller var förra vintern riktigt bra?
- Filter: Det slutar med att du laddar ner en stor mängd data. Laddar seriöst. Med det i åtanke, använd filter klokt för att bli av med allt du inte behöver (till exempel filtrera bort sökord utan visningar inom ditt datumintervall). De har inte bidragit till trafik eller utgifter, så de är sannolikt förbrukningsbara för din analys.
- Segment: Det är här det blir fantastiskt. I gränssnittet kan du använda ett segment i taget, men när du laddar ner en rapport kan du använda tre. Segment ger dig ett sätt att dela upp din data (t.ex. om du söker efter nyckelordsdata under en veckas period och använder ett “dag”-segment, skulle varje sökord nu ha 7 poster: “sökord ett , dag ett” “sökord ett , dag två”, etc.).
Om du skulle använda ett andra segment (t.ex. enhet) skulle du nu få ännu fler poster per sökord: “sökord ett, dag ett, dator”, “sökord ett, dag ett, mobilt” etc.
Du kan se att du under en lång tidsperiod med flera segment talar om många rader med data. Du kan inte öppna mer än en miljon rader i ett enda ark i Excel, så tänk på detta när du sätter ihop dina data.
För alla tidsserieanalyser vill du behålla ett tidsbaserat segment inblandat. De andra två vanligaste segmenten som du förmodligen vill ha är Device och Premium vs Other. Dessa två är avgörande för många typer av kampanjanalyser, eftersom användarnas beteende i varje situation sannolikt är väldigt olika.
Du kommer att älska dynamiska bord…
Pivottabeller verkar mycket mer skrämmande än de egentligen är, eftersom gränssnittet för att använda dem skiljer sig mycket från resten av Excel. Annorlunda, men bättre.
Syftet med en pivottabell är att du ska kunna erhålla vilken uppsättning mätvärden som helst för alla dimensioner i din datamängd. Du kanske har laddat ner sökordsdata, men varje rad kommer att ha en kampanj och annonsgrupp kopplade till sig. Genom att ställa in kampanjer som dina radetiketter och klick som dina data, summerar Excel alla klick som matchar den radetiketten (t.ex. totala antalet klick för kampanjen).
Därför kan du utföra kampanj- eller annonsgruppsanalys, även från din datauppsättning på sökordsnivå. Du kan faktiskt också dela upp efter segment, så att du kan se det totala antalet klick, visningar osv. per enhet, eller av överordnad kontra en annan.
För de flesta analyser bör det vara standard att börja med att lägga in din data i en pivottabell och arbeta därifrån.
Pivottabellerna 1, 2, 3
När du har skapat din pivottabell har du fyra rutor. Dra valfritt fält (till exempel en kolumn i din datamängd) till en ruta för att konfigurera den så att den har dessa egenskaper:
- Rapportfilter. Detta ger dig en rullgardinsmeny för att filtrera bort (eller exkludera) vissa objekt (inkludera till exempel bara objekt där fältet “Enhet” är “mobil”).
- Radetiketter. Dra valfritt fält hit för att vara uppsättningen av rader för din nya tabell. Varje unik post kommer att ha en rad och alla värden kommer att summeras (eller räknas eller beräknas i genomsnitt) för varje element i din datamängd där detta fält matchar.
- Värderingar. De faktiska värden du vill se, till exempel klick, kostnad, etc.
Kolumnetiketter. Detta ger dig möjligheten att lägga till en andra dimension och se resultaten som en platt tabell. I det här scenariot skulle du normalt bara lägga till ett enda värde och hitta skärningspunkten mellan dess rader och kolumner för att hitta rätt värde. Det här kan vara något i stil med “Top vs Other” om ditt värde är visningar. Sedan, om dina radetiketter är kampanjer, kommer du att kunna se det totala antalet visningar i bannern mittemot höger sida av kampanjen.
Det är viktigt att notera att om du använder kolumnetiketter, kommer du förmodligen också att vilja ändra hur värden visas. Klicka på fältet du drog in i värderutan och välj “Värdefältsinställningar.” På fliken “Visa värden som” kan du välja “% av radsumman” för att visa varje kolumn som dess procentuella bidrag till totalen. Voila, du har nu förhållandet mellan intryck överst jämfört med andra.
Om du inte använder kolumnetiketter kan du välja att visa värdena som en procentandel av kolumnsumman. Så du kan snabbt och enkelt visa något som det proportionella bidraget från varje annonsgrupp till de totala utgifterna. Lägg till ett enhetsfilter så får du intressant data.
Beräknade mätvärden
Pivottabeller har en begränsning. Om du vill ha ett beräknat mått där, kommer du att få problem. Standardberäkningen är att summera alla värden som matchar fältet i den raden. För att se varför detta är ett problem, föreställ dig att du vill se klickfrekvensen (CTR) per kampanj från sökordsdata. Din tabell visar dig en rad för varje kampanj, med summan av CTR-måtten.
Det är dåligt. Du kan inte bara lägga till klickfrekvensen för varje sökord för att få den totala klickfrekvensen. Du behöver ett genomsnitt. Det är tur, eftersom pivottabeller har ett “genomsnittligt” alternativ, snarare än en summa.
Men det är också dåligt. Om sökord A har 10 000 visningar och en klickfrekvens på 3 % och sökord B har 1 000 visningar och en klickfrekvens på 10 %, får du ett CTR-värde på 6,5 % om du använder alternativet “genomsnittligt” i en pivottabell. Vilket är helt klart fel. Istället behöver du ett vägt genomsnitt.
Välj en cell i pivottabellen och du kommer att se flikarna “Pivottabellverktyg” visas i menyfliksområdet. Där har du en rullgardinsmeny som heter “Fält, element och uppsättningar”. Från den här rullgardinsmenyn väljer du “Beräknat fält.”
Ställ in den beräkning du behöver. I det här fallet klick/visningar. Vad Excel då kommer att göra är att skapa ett helt nytt fält, som korrekt beräknar summan av klicken och sedan dividerar den med summan av visningarna. Mycket bättre än att lägga till eller ta ett genomsnitt av CTR-värden.
dynamisk grafik
Se till att du har laddat ner ett tidsbaserat segment i din rapport om du vill utföra tidsserieanalys. Om du använder “dag” får du ett datum. Använd Excel-funktioner för att konvertera dem till veckor eller månader om det behövs.
Om du väljer att infoga ett pivotdiagram (eller lägga till ett pivotdiagram till en befintlig pivottabell), kommer du att kunna göra samma dra-och-släpp-inställning som tidigare.
Dra ditt datum till den horisontella axeln och dra dina värden till värderutan. Använd beräknade mätvärden om det behövs. Använd nu fältet Förklaring (motsvarande fältet Kolumnetiketter i pivottabellen) för att ställa in olika serier (dra till exempel enheten till förklaringsfältet för att se din statistik som separata rader för dator, mobil och surfplatta).
Vad betyder allt detta
Med pivottabeller och pivotdiagram kan du paketera data efter vilket fält du har i din datamängd. Men du måste ha dessa fält tillgängliga för att komma igång.
Inom begränsningen av att försöka ha mindre än 1 miljon separata rader med data, kan du gå med maximen att mer är bättre. Du vill inte ställa in din jämförelse och sedan säga “Jag önskar att jag kunde ha filtrerat detta efter enhet!”
Du kan använda tre segment på dina rapportnedladdningar. Använd dem alla och använd dem klokt. Möjligheten att skiva och tärna senare kommer att göra ditt jobb mycket lättare.
