بالنسبة للعملاء الصغار (وكذلك بالنسبة للعملاء الذين لديهم تحليل معقد متعدد القنوات) ، يمكنني مراقبة تكلفة النقرة الخالصة (النقرات ونسبة النقر إلى الظهور ومعدلات تكلفة النقرة وترتد).
المهمة : لفهم أي rk يعمل بشكل أكثر كفاءة ، وبناءً على ذلك ، قم بتحرير الأسعار.
للقيام بذلك ، استخدم تكلفة النقرة المفيدة (CUC) في التحليلات. يأخذ هذا المقياس في الاعتبار تكلفة النقرة ومعدل الارتداد.
الصيغة : التكلفة / النقرات * ((100-BounseRate) / 100)
سأشرح بلغة بسيطة:
لقد حصلنا على 200 نقرة لعام 2000₽ ، بمعدل ارتداد قدره 20٪. نقرات مفيدة حقا اشترينا 80pcs ،
2000₽ / 80 = 25₽
أيضًا ، يساعد هذا المقياس في تحليل الإحصائيات في عينات صغيرة ، حيث لا يمكنك تحديد التحويلات.
عند الإدخال ، يجب أن يكون لدينا بالفعل DataFrame النهائي مع إحصاءات من نظام الإعلان.
أدخل عمود جديد في الإحصائيات.
لا تقوم Python بعمليات حسابية بنفس الطريقة المتبعة في الرياضيات ، لذلك ، سنقوم بكل إجراء على سطر منفصل:
#f['CUC'] = f['Cost']/f['Clicks']*((100-f['BounceRate'])/100) f['CUC'] = 100-f['BounceRate'] f['CUC'] = f['CUC']/100 f['CUC'] = f['Clicks']*f['CUC'] f['CUC'] = f['Cost']/f['CUC']
نحصل على ما يلي:
بالنظر إلى هذا المؤشر ، يمكننا أن نرى نقاط الضعف في بضع ثوان.