广告活动有效性的重要指标

当分析广告渠道链时，一些相当简单但有用的想法会被忽略。 熟悉数学的分析师立即寻求沉浸在机器学习中，而与数学相距甚远的分析师并没有真正理解从标准Google Analytics（分析）报告中查找的位置和方式。

同时，一段时间内的归属链长度分布这样的相当平庸的事情可以告诉您非常有说服力的事情，而不仅仅是广告效果。

在本文中，我将展示如何进行这种分配：

1. 区分通过广告渠道访问广告的用户；
2. 评估您的广告活动对这一群体的影响的有效性；
3. 如果您知道要告诉他们的所有事情，以评估人们对您的产品的反应；
4. 根据转化率估算展示广告的最佳频率。

用户参与组

假设您拥有用户一个月内通过的所有渠道链上的数据。 首先，我们将它们分为两组：

1. 以转换结束的链。
2. 没有结束转换的链。

建立一个包含一定长度的链数的表：

链长	1个	2	3	4	...
转换次数	200	400	600	1000	...
没有转化的会话数	400,000	30万	30000	7000	...

之后，您可以在其长度上绘制已转换和未转换链数的对数，然后一起查看它们。 例如，在这里我们为某个B2C客户建立了一定时间段的时间表：


图1。 链数对链长的依赖性

图表的每个点都定义了一组特定的用户，这些用户在所考虑的期间内，在完成给定长度的链时，完成了转换（绿线）或未执行转换（蓝线）。 这两个图均下降，因为链的数量随其长度呈指数下降。 对于短链（从2到7-8），转换级别（行与行之间的距离）逐渐增加。

通过查看此图，可以突出显示一些非常有趣的点：


图2。 链条的数量对长度的依赖性以及重叠区域突出了各种行为。

我们有4个不同的用户组：

1. 长度为1和2（黄色）的链。 转化次数正在增长，但是这种增长本身和转化率（转化率）的值并不符合主要趋势。 这些是仅熟悉产品的用户。
2. 长度从3到9（绿色）的链。 主要趋势是转换次数减少。 这些图是收敛的，这表示链的比例朝着随着转化而增加链的比例的方向变化。 即 转化率正在提高。 这适用于专门单击广告的用户。
3. 链从9到15（蓝色）。 转换次数减少，并且转换级别保持不变。 这些图是并行的，表示转换级别没有变化。 用户对组织如何满足他们的需求有一个想法，并且额外的广告不会增加购买的可能性。
4. 大于15（粉红色）。 少于10次转化和没有转化的转化。 数据太少，无法说些什么。

突出显示这4个小组有助于了解可能会对广告做出反应的人数。 这大部分是组（2）。

群组转换分析

首先，扔掉不需要的所有东西。 长度超过15（在此数据内）对我们来说不是很有帮助。 如此长的链条太少，无法得出任何结论。 让我们绘制一个转换级别与链长的关系图：


图3。 转化率与链长

该图近似与类癌哦。 这种依赖性通过Logistic回归进行描述。 使用逻辑回归对获得的依赖性的描述有助于得出其他有用的结论，但是，两个事实干扰了使用逻辑回归的良好近似：

• 下尾巴太低，对于短链长度，回归将大大高估转换的可能性。
• 随着链数的增加，曲线图不像S形那样趋于1，而是趋于0.5。

这两个问题都非常简单地解决了。

为什么低尾巴的概率不足（对数回归）？

从直观上看，很明显，如果一个人至少单击了3次指向您资源的链接，则可能并非偶然。 而且一次机会很可能。 因此，提出的问题可以简单，彻底地解决-所有这些人都是偶然（最有可能）出现在网站上的，他们不需要您的产品或服务。 但是它们在您的网站上，并且很可能会被转换。

因此，我们将不再考虑该组。 为了近似逻辑回归，我们将仅考虑用户组（2）和（3）。

如何排除概率不趋于1的事实，如果在逻辑回归中概率不趋于1？

广告公司给什么？ 它们使客户能够完全了解公司，其服务和设施。 如果一个人已经了解了公司的所有知识，这是否必然意味着他会买东西？ 不行 最有可能有数十种替代广告服务的选择。 一个已经了解您的特定服务的所有人可能会非常熟悉其他许多服务。 现在，他拥有足够的信息，有可能选择某家公司来订购产品。 并且该概率小于1。将广告的通过次数从一定数量增加变得毫无意义。 因此，为了使图表趋向于1，您只需要将转换级别的所有值除以图表趋向于增加广告通过次数的概率值即可。

对组织有效性及其营销策略的整体评估

让我们从另一端看上面。 对于足够长的链条，广告上的其他用户传递次数不再起作用。 还有其他问题。 我们称其为公司本身的便利程度。 她在组织中始终如一。

然后，将整体转换概率分为两个概率的乘积：

$$

$$P_ {conv}（l）= P_ {marketing}（l）* P_ {firm}，$$

在哪里 $$$P_ {firm}$-对组织有效性的综合评估，即 在组织中购买您已经了解了所有一切并有意识地在组织和其他选择之间进行选择的可能性（通过广告渠道进行的附加交易不会影响购买决定）。 $$$P_ {marketing}（l）$-对营销策略有效性的综合评估，即 如果只有市场影响力，就可以在组织中购买某些东西的可能性，并且如果一个人知道一切可能，那么他肯定会在这个组织中购买，并且不会考虑其他选择。 而且，当然，这种可能性取决于链的长度。 $$$l$。

如果再次回到图3，我们将看到影响区域 $$$P_ {marketing}（l）$仅扩展到（2）用户组。 对于组（3）- $$$P_ {marketing}（l）= 1$，这表示购买的可能性是 $$$P_ {firm}$。 就我们而言， $$$P_ {firm} = 0.55$这是非常好的。 这个数字表明，在55％的情况下，一个人从所有可能的选择中选择了这个组织。

好吧，还有一点要补充，现在我们对 $$$P_ {marketing}（l）$，趋向于1。现在可以对其应用简单的单因素logistic回归。 我们将通过将数据除以S型来近似归一化的数据来做到这一点 $$$P_ {firm}$。


图4。 转化对链长的依赖性，并具有用于逻辑回归的强加曲线。

在图表上 $$$l$-链长， P _m- $$$P_ {marketing}（l）$。 指数的指数为对数比 = 0.53。 如果一家公司有100％的机会进行“有意识的转换”（ $$$P_ {firm} = 1$），这大概意味着链中每增加1，具有和不具有转化的链数之比将发生[exp（0.53）= 1.699]的变化。

该指标衡量了整个营销策略的有效性。 达到概率的速度越快 $$$P_ {firm}$，该策略越有效。 当然，您需要确保 $$$P_ {firm}$选择适合您业务的价值，否则有效的营销策略将迫使潜在客户购买不属于您的产品。

估算渠道上的最佳广告投放频率

考虑图（3），该图显示了转换概率与用户当前行进的通道数的关系。 图上的每个点都对应于目标受众的某个条件部分。 例如，通过10个渠道的人与仅通过2个渠道的人有些不同，因为通过两个渠道的大多数人不会达到10个。

而且，对于那些通过10个渠道进行营销的人来说，营销计划很可能不再起作用。 他们已经看过所有可能的广告。 对于仅通过两种渠道的用户，广告可能会起作用。 因此，整个营销策略应专门针对小组（2）。 已通过两个以上渠道但尚未通过的人，例如10。

我们对数据的研究表明，对于第（2）组，在一定时期内，转化水平与广告点击总数之间存在显着的负相关性。 即 原则上，来自中亚的人越是通过某个广告渠道进行转化，则该渠道中的组（2）中的成员转化的可能性就越小。


图 5.相关性和不同链长之间的关系。 相关性是转化水平与广告渠道点击总数之间的皮尔逊相关系数。

这可能是由于转化次数增加与展示次数增加有关。 广告平台的智能算法会尝试向目标受众的最有效部分展示广告，但是这一部分是有限的。 因此，随着印象数的增加，算法被迫开始向目标受众的效果较差的部分展示广告。 CA的此部分转换的可能性较小。

可以假设存在对广告在频道上的展示频率的最佳选择，这只会影响目标受众的最有效部分。 当前频率选择的适当程度可以通过计算该周期的跃迁总数与转换级别之间的相关性来估算。 如果此相关为负，则需要减少展示次数。 如果大约等于0，则大小为最佳。 如果是积极的，可以增加观众的规模。

在我们的案例中，展示频率的变化导致转化次数减少了25％，导致第（2）组的平均转化率从3.5％提高到4％。

结论与局限性

建议的关键指标：

1. 小组人数（2）。 它使您可以估计报告期内有多少人对广告做出了积极反应。
   
2. 通常是偶然发生的并且不需要组织提供任何帮助的人转换的可能性。 通过“一步式”链的转化率进行估算。 对于此处查看的数据，该值为0.06％。
   
3. 将转换概率除以两个链长 $$$P_ {firm}$和 $$$P_ {marketing}$可以估计：
   
   • 组织有效性的整体评估。 即 购买产品的可能性，但前提是在观看广告的情况下，人们对该产品的看法以及公司的看法完全不变。 在我们的情况下，为55％。
     
   • 通过逻辑回归指标对营销策略的有效性进行综合评估，该指标可以近似估算转化水平对链长的依赖程度。 链中每增加1，转化的可能性就会增加，如果 $$$P_ {firm} = 1$。 逻辑回归指数表明了这种增加的严重性。
     
4. 在此期间，转换水平与广告渠道上的组点击总数（2）之间的相关性使我们能够估计渠道上的最佳展示频率。

以上所有内容在解释上都有许多限制。 而主要的局限性强加给我们最后的考虑时间。 显然，足够长的链仍然可以在将来某处转换（我们尚未找到），并且链转换的某些“实际”水平可能会更高。 可以合理地假设Pfirm被低估了，并且此评估是对组织有效性的整体评估。 为了避免这些困难，我们可以考虑一个时间间隔，其中所有这些有限时间影响都将逐渐减小。 例如，整整一年。

PS：为了及时了解Maxilect的新闻并成为第一个了解所有出版物的人，请通过VK ， FB或Telegram-channel订阅我们的页面。