廣告投放數據分析怎么做（3個方面做好數據分析）

互聯網時代，信息流廣告越來越多。而信息流廣告的投放以大數據測算為依托，同樣的數據，不同的解讀方式，在進行投放指導時會產生不同的效果。

那么，如何正確解讀數據就成為至關重要的事情。

在進行數據分析時，我們往往會面對這樣五種亂象。

1、數據造假

最常見也最簡單的數據亂象是數據造假。

當廣告效果不佳時，為了應付廣告主，讓廣告主滿意，繼續進行廣告投放，投放方會對數據進行人為干預，從展現量到點擊量等都進行一番美化，從而促使廣告主繼續進行廣告投放。

而隨著數據造假的情況越來越常態，更多的廣告主開始對廣告投放進行監測。

那么，當我們沒有對廣告投放進行監測的時候，我們要如何識別數據造假呢？

首先，我們可以了解，分析一下自己行業的行情，與同行業的數據進行對比。假如數據非常好，就需要詢問投放方，支持數據這么好的理由是什么？是創意非常好，還是定向特別準？更加得到的回復，考慮是否需要繼續進行投放。

然后，在了解投放背景的條件下，通過各個指標之間的耦合關系，對數據進行分析。

在數據分析中，各個數據并非獨立，而是相互影響的。比如，落地頁影響著用戶轉化，轉化率高，我們會認為落地頁設計的好。但是，如果轉化率非常好，進入落地頁的用戶卻幾乎不在落地頁停留，這顯然就是數據有問題了。點開落地頁就立即實現轉化的現象在信息流廣告中幾乎不會出現。

最后，我們還可以參考其他的分析方法識別數據。比如：日常的數據高峰期都在上班下班的時間段，某天在凌晨兩三點的時候卻突然出現了高峰，這個時候我們就要對這個異常數據進行分析，了解它出現的原因。很多數據分布都是有規律的，如果出現異常數據，我們就要給予重視。

2、指標定義不一

所謂指標，就是說明總體數量特征的概念。

很多公司都有自己的KPI投放指標，比如：通過展現量，點擊量，轉化率等作為指標，衡量信息流廣告的投放效果。

而指標的制定需要在一定的前提條件下才能夠確定。通常是對時間，地點，范圍等進行匯總后，計算出來的。

比如，電商通常有一個日活躍度和月活躍度的指標，雖然名字一樣，但標準有所不同。寬松的電商的定義是只要用戶點擊進入即可，嚴一點的定義是，點擊進入后產生購買了才算，更嚴的則需要用戶確認收貨后才算活躍用戶。因為標準不同，所以也就無法進行比較。只有指標的定義相同時，才能夠進行比較和討論。

3、隱藏關鍵信息

在別人想要說服你接受某個指標時，往往會出現隱藏關鍵信息的情況。

比如：某個公司管理層以標桿管理的方式為廣告投放定了一個KPI指標，說某某公司的ROI能夠做到1：10，我們做到一樣，甚至我們還比他好，所以我們也要做到。

但是，我們完全不知道同行達到這個結果的原因是什么？是進行了大規模促銷，還是選擇了新的投放媒體？什么都不知道，怎么追趕超越？

不知道投放背景，只看見投放結果，就盲目跟進，會給優化師帶來巨大的工作困難。

同時，在數據報告中，影響指標的因素也是多樣的。比如，這個數據的增長是自然增長還是因為做了什么活動？是價格原因還是品牌因素造成的？不同的因素，評估的標準也有所不同。

比如：在618期間，有個商家說自己的業績非常好，一天的銷售額高達六七百萬，這個時候，我們肯定會覺得他的這個業績非常好。

但他可能沒有告訴你，后續的退貨率高達25%。退貨率可以說是一個關鍵指標，賣出去很重要，但最重要的是用戶接受并支付。忽略關鍵背景，只告訴你銷售額，這樣的數據是沒有實際意義的。

所以，在我們看見某個指標非常好或非常差時，不要急著下定論，搞清楚關鍵背景信息，才能夠正確解讀信息，做出正確決定。

4、亂搞因果關系

昨天給大家分享的文章中，吸塵器以地毯作為關鍵詞，結果投放效果不好，這就是因為因果關系不成立。

我們在進行數據解讀時，往往只看到數據與數據的表面的聯系，而沒有探究事物之間的本質聯系，以至于將因果關系和相關關系混淆，做出錯誤的投放決定。

所以，我們在進行廣告投放時，單純地認定影響購買行為的是某個因素是錯誤的，我們要了解影響目標客戶的各個相關因素，找到最根本的因素，針對性的做出創意設計，才能夠使廣告信息更精準的投放給用戶。

5、以局部論整體

我們已經說過了，影響數據的因素非常多，但在進行數據分析時，往往看見一個或幾個變量后，就認為造成數據變化的原因在這一個或幾個方面，這樣的做法得出的結果通常是片面的。

對于投放效果的評估，我們要從多個因素進行考慮。

從對產品產生興趣，到對產品進行信息搜集，再到對產品品牌進行比較，最后產生購買，中間我們需要經過很多步驟，也會看到很多的產品廣告信息，并受到這些信息的影響，但我們并沒有為這些信息買單。那么，這些信息就沒有存在的價值了嗎？

當然不是。我們一開始想要買這個產品就是受到了其中一則廣告的影響，也是在各種廣告信息的共同影響下，最終才會產生購買行為的。也就是說，我們的購買決策并不止受到最后一個廣告的影響，媒介與媒介之間是有交互關系的。

做過電商投放的朋友應該會有這樣的經驗，一些ROI不高的廣告，我們覺得沒什么用，去掉可以省些廣告費，結果發現原來ROI好的幾個廣告渠道突然就不好了。這是因為在用戶轉化過程中，不同的渠道廣告分別扮演者不同的角色。

有的廣告是為了打造品牌知名度，有的品牌是為了強化用戶的品牌認知度，有的是為了促進銷售，不同的廣告有不同的投放需求。

片面的評價某個渠道的投放效果不好，是不符合消費者的行為規律的。

所以，在進行數據評估時，需要從多方面進行思考，看著這個廣告是否是觸發用戶產生購買行為的某個因素，如果經過分析后，發現確實無法帶來任何幫助，再考慮是否取消投放，不要單純以轉化率作為評估標準，草率決定。

結合以上幾種情況，這里分析3個數據分析的建議，希望能夠給各位朋友帶來幫助。

1、切勿預設立場

在進行數據解讀時，不預設立場是最基本的要求。

當我們在進行數據解讀時預設了立場，我們就有可能只統計自己想統計的，用來證明自己的觀點，而無法進行更全面的數據分析。

比如：當我們認為開紅色小轎車的是女性時，我們看見紅色小轎車時就會關注司機是不是女性。在看見司機是女性時，我們會不自覺地更加堅定自己的想法。

但是，數據分析并不是用數據證明自己的既有觀點，而是從數據中找到KPI突破的方向和關鍵點。

所以，在進行數據分析時，一定要保持中立態度，保持嚴謹的行為習慣，客觀地對數據進行評價分析，洞察工作中存在的問題。

2、從營銷角度看數據

在進行數據分析時，我們要從營銷角度看待數據分析的作用。

在信息流廣告的轉化效果不好時，不要一味地從展現量，點擊量上找問題，要學會識別當下這個廣告行為有效的前提是什么。

舉個例子：一個皮鞋代工廠的老板，以銷售為目的進行信息流廣告投放，中間對信息流廣告進行了數次優化，投入幾萬塊錢，但最后的結果卻非常慘淡。

從投放來看，這個老板已經把能做的都做到了，但就是沒什么長進。

而從營銷角度來看，我們就可以找到原因了。

皮鞋行業屬于一個產能整體過剩的行業，而這個老板所投放的信息流廣告只是將產品鋪到消費者面前，這種方法在生產力落后的時代，自然效果不錯，但現在這個商家的競爭者已經將自己的產品提前鋪到客戶面前了，論先來后到也是買他們的。所以，這個時候，單純的鋪貨是無法達到銷售目的的，只有經過調研分析，找到新的品類分化方向，搶占市場，才能夠實現大量的用戶轉化。

3、保持對數據的敏感

在數據既定的情況下，分析者對數據的解讀能力是影響數據發揮作用的主要因素。

所以，在進行數據分析時，分析者一定要對數據變化敏感，更要對數據變化背后的原因敏感。

比如：我們經常會看見一些APP在初期對用戶提供非常大的補貼，但有的APP越做越大，有的卻逐漸銷聲匿跡。同樣的做法，不同的結果，造成這種情況的原因是什么呢？

如果只看推廣初期的轉化分析，并不會有什么收獲，因為結果是一樣的。但如果對用戶初次使用后的行為進行深度挖掘，我們會發現，凡是做大的APP，他的用戶都會自發轉介紹，主動為APP引流；而做的差的機會沒有這種情況，或者效果很差。

所以，在進行數據分析時，我們要保持敏感的好奇心，多問幾個為什么：

為什么產生這種結果？落地頁為什么這樣設計？為什么和預期相差這么多？造成這種結果的原因是什么？……

只有比別人更快、更準確的找到突破點，才能更合理的運用這些信息，對接下來的營銷推廣活動進行指導，促進更高效的市場滲透。