Oavsett om du är intern eller på en byrå, är bra PPC-rapportering en nyckelfaktor för att visa värdet av PPC och det arbete du gör med att hantera PPC.
En avgörande aspekt av PPC-rapportering är datavisualisering. Vi PPC-chefer hanterar siffror hela dagen lång: en till synes oändlig ström av data som kan tärnas på otaliga sätt. Vårt jobb är att välja guldkorn från all denna data och presentera dem för beslutsfattare på ett sätt som är lätt att förstå.
Varje PPC-chef är väl bekant med Microsoft Excel. Det är förmodligen det mest använda verktyget för att hantera och arbeta med PPC-kampanjer och data. Och den har massor av inbyggda funktioner som hjälper till med rapportering, som tabeller och diagram.
Om du inte använder diagram i dina PPC-rapporter ser de förmodligen ut så här:
Om så är fallet, sluta läsa nu och ta reda på hur du använder diagramfunktionen i Excel.
Men även om du använder diagram är de värdelösa om de inte är korrekt strukturerade. De gör dina PPC-rapporter sugande.
Datavisualisering är anledningen till att grafer finns. De är tänkta att göra taltabeller (som den ovan) mer meningsfulla och lättare att förstå och tolka på ett ögonblick. Men en dålig graf gör inte det.
Yxorna måste vara vettiga
Ta en titt på detta diagram, till exempel:
Titta nu på denna graf:
Vilket är mer meningsfullt för dig?
En bra graf har x- och y-axlar som är vettiga. I den första grafen ovan är y-axeln (vertikal) för komprimerad. Det finns ingen anledning för y-axeln att börja på 0 när det minsta datavärdet uppenbarligen är nära $1 000. Genom att börja på $0 plattar du ut hela linjen, vilket gör det svårare att se toppar och dalar, vilket är precis den information som ett linjediagram som detta ska illustrera! Det diagrammet bör börja på $500 eller kanske till och med ett högre nummer.
Den andra grafen gör ett bättre jobb: genom att börja med ett tal större än 0 är data mycket lättare att visualisera.
Använd en andra axel
Har du någonsin sett en sådan här graf?
Hur många klick fick du i april? Noll? Det ser ut som det är. Och hur är det jämfört med mars? Har du någon aning om vad som händer med klicken här?
När ett diagram jämför mer än ett mätvärde med olika värden, till exempel stora siffror och mindre siffror, eller siffror och procent, är det bästa alternativet att använda den andra axeln. För att använda den andra axeln högerklickar du på den data du vill placera på den andra axeln (i det här fallet Klick) och väljer “Formatera dataserie”. Därifrån väljer du “sekundär axel”.
När du är klar bör din graf se ut så här:
Bättre att inte?
Överbefolka inte
När du rapporterar om många nyckeltal kan det vara frestande att inkludera dem alla i ett enda diagram. Ibland är det okej: Det är ofta meningsfullt och användbart att se mätvärden plottade över tid och se hur de jämförs med varandra.
Som sagt, ibland ser flera mätvärden ut så här:
Wow. Har du någon aning om vad som händer här?
Inte jag heller. Jag hänvisar ofta till detta som “kids doodle”-grafen, eftersom det ser ut som den “färgning” som mina barn brukade göra när de var spädbarn: en helt slumpmässig samling av linjer, prickar och färger som är så blandade att det inte betyder ingenting..
Om dina diagram börjar se ut som ett barns klotter, kan det vara dags att dela upp dina datapunkter över flera diagram eller ta bort mätvärden som är gamla eller inte längre meningsfulla.
Använd rätt diagramtyp
Även välbyggd grafik kan suga. Jag har sett ett överraskande antal rapporter med diagram som detta:
Återigen är det svårt att veta vad som händer här. Det ser ut som att innehåll och sökning närmar sig en jämnare klickfrekvens, men jag är inte säker.
Det är bättre att använda en annan typ av diagram. I det här fallet är cirkeldiagram vettigt:
Wow, vilken skillnad! Det framgår av cirkeldiagrammen att andelen innehållstrafik nästan fördubblas varje månad. Huruvida detta är en bra eller dålig sak är ytterligare ett element som bör ingå i en bra rapport.
Rapporter med dåligt konstruerade diagram och rader med siffror suger. Ta dig tid att använda rätt diagram för att effektivt visualisera din data, och kombinera den med solid analys, så är du på väg till användbara och fula rapporter!
