一個正確的推廣流程分五步：
推廣項目分析
制定推廣策略
搭建賬戶結構
製作推廣物料
推廣數據分析
數據分析是最後一步也是最重要的一步。
進行數據分析的目的是為了發現問題，同時也驗證上述流程是否有誤。
在數據分析時，最重要的是有一個清晰的思維：
▲ 你為什麼要分析數據？
▲ 你需要分析哪些數據？
數據分析的思維一般分為以下幾步：
1、確定目的
數據分析在啟動時，必須要有非常明確的目的，你要非常清楚自己是為了一個什麼問題來進行這次數據分析，因為這個目的，可能會伴隨一次或多次針對它的測試動作。
2、統計數據
明確了目的，就要開始收集數據。選數據這件事兒，其實後半段不難，但前半段不太容易做，涉及到選擇對象，選擇時間跨度等等一些瑣碎的問題，根據分析的可行性和分析的範圍來統計數據，然後對數據進行整理和補充。
3、分析數據
切記不能帶著結論去湊數據，也不能一臉懵比不知道數據想要和你談什麼。數據分析這件事情，其實就是講究客觀中立，從數據中自然推導出結論。
4、 執行驗證
帶著數據告訴你的結論，反過來再去看待最初的問題。根據問題和結論羅列出各種解決方案，並通過行動去驗證這個結論是否正確。
瞭解了數據分析步驟，接下來分享一些數據分析中常用的分析方法。
比重分析法
指通過計算某個維度所佔維度總量的比例，從而去判斷投放方向或投放效果。
公式：比重=某維度數值 / 總量 X 100%
舉個栗子。
如下圖，是一套營銷數據，從中通過計算，我們可以清楚地瞭解到每個地區：
- 每個地區花了多少錢？
- 每個地區轉化是多少？
以北京地區為例，它的轉化低於消費，說明整體轉化並不好，那我們就需要思考：
- 轉化不好是哪出了問題？
- 目前北京的消費比例符合我的目前推廣策略嗎？
而河北地區，轉化高於消費，證明該地區轉化很好，那我們就需要思考：
- 該地區需要加錢嗎？
通過對各個指標的佔比進行分析，我們可以清楚地瞭解到每個地區的情況。
這便是比重分析法。
注：該方法較為適合多產品、多地區推廣的賬戶。
倒推法
倒推法，是競價推廣中常用的一種方法，但更多被應用於戰略目標的制定。
即：根據歷史數據，將成交—線索—對話—點擊—展現倒著進行推理的過程。
比如：本月目標線索量為50，參考線索率為50%，那麼我們就需要100次對話才能完成；如對話率2.5%對話，那麼通過倒推就需要4000次點擊才能完成對話；如果點擊率為5%，那麼我們就至少需要8萬以上的展現才能完成既定目標。
蒙牛的牛根生曾說過：只修改手段，不修改目標。而通過各個維度的細分化，當完不成目標時我們可以明確知道應該主要對哪部分進行優化。
營銷流程表分析
指通過每天羅列、收集賬戶中核心指標數據【消費、展現、點擊、抵達、對話、線索、成交】，然後根據核心數據算出一些輔助數據，像【
點擊率、對話率、點擊成本】等，通過將不同週期的數據進行對比，從而發現病種。比如下圖是整理的一個營銷流程表。其中，每天的數據變動一目瞭然，但如果想要分析，又會覺得太過複雜。
所以，便可將數據按照日期分為兩個週期，將兩個週期進行對比分析。
再看下圖，是數據對比後的截圖。我們可以輕易看出6.16-6.22與6.9-6.15之間的數據變動，發現其問題。
單一維度分析
指針對不同維度間的數據進行分析，從而確定優化方向。
單一維度主要可分為：產品維度、時段維度、設備維度、地區維度、關鍵詞維度。
以時段維度為例。
我們可將某計劃裡的時段數據進行分析，從而確定哪個時段轉化較好，哪個時段轉化較差；然後根據數據修改推廣方向。
像下圖，可看出15點、14點、19點轉化高，那我們便可在這段時間內加大投放力度。
關鍵詞四象限分析
關鍵詞是競價推廣之根本，那麼便可通過對關鍵詞進行系統化分類，從而有針對性地進行優化。
通常，主要分為以下四類：
01
有對話成本低
像這類詞，大都集中在品牌詞等，且它屬於優質詞的一類，針對較為優秀的詞可以進行放量操作
例如：加詞、提價、放匹配等等。
02
有對話成本高
像這類詞，主要集中在產品詞和行業大詞。
點擊成本高，往往說明點擊流量多且雜，這類情況建議有條件地放量操作，即：獲取流量的同時，去控制流量的質量。
主要操作有：
- 加詞、
- 優化賬戶結構（使賬戶流量結構更精準）
- 優化創意（利用創意篩選部分雜質流量）
03
無對話成本高
這種情況，往往都是沒有集中詞性，通常可根據以下兩點來進行判斷下一步的操作：
- 均價高還是低？
- 流量大還是小？
若流量很大，均價很低，往往通過優化頁面來進行；若均價很高，流量一般，便是進行降價操作；若是因為流量意向低，建議進行收匹配操作。
04
效果差成本低
像這種情況，大多數都為“只點擊一次就產生了對話”，我們就以為是優質詞，便進行放量操作，但也有可能是意外。
所以，像上述這種情況，應保守放量，等明確情況後在進行大肆放量操作。
以上就是分享的一些經典數據分析方法。
一次成功的數據分析，要能夠為你帶來結論、假設和行動項。就是能幫你認識到現階段的狀況，提出下階段的可能性，梳理接下來要著手做的事情。如果你沒有從數據中得到這些，那證明你這次數據分析沒有意義，是做了白工。
一切以效果為導向。行動造就數據，數據引導行動。如此循環往復，不斷髮現問題又解決問題，從問題中來最終又回到問題中去，這才是數據分析的意義。
閱讀更多 眾淼網絡 的文章
