第3章
廣告資料的描述：圖表
第3章的要點是對廣告資料進行描述，圖表是重要的工具之一。相較于文字和資料，圖表有着得天獨厚的優勢—友善簡潔、直覺形象，對我們開展資料分析及講好業務故事有着極大的幫助。目前，業内大部分做廣告資料分析的朋友對圖表的重視程度不足，除了在做客戶提案或彙報外，幾乎很少用到圖表，究其原因還是對圖表的價值了解不到位、沒有掌握用圖表幫助進行資料分析的方法論。在本章我将帶大家一起領略基于圖表做廣告資料分析的魅力，希望對大家的工作有所幫助。
3.1 初階：次元和名額
首先來認識一下圖表中的兩個重要概念，即次元和名額。相信大家都耳熟能詳了，但從未嚴謹地做過區分和識記，一直是混着用的。為了保證講解的有效性，我們需要先對這兩個概念做嚴格的定義。
次元：說明資料，是指可指定不同值的對象的描述性屬性或特征。例如，在廣告定向中，“地域”次元的值可以包括“北京”“上海”“廣州”，“投放管道”次元的值可以包括“百度SEM”“今日頭條資訊流”“小米應用商店”。
名額：衡量資料，是指可以按數值或比值衡量具體次元元素。例如，“投放管道”這一次元，可以關聯名額“廣告消費”，其值為具體投放管道的廣告消費金額。
雖然，次元和名額都是可以獨立使用的，但我們在做資料分析時經常會将二者關聯使用。正是次元和名額的值以及這些值之間的關系，才使得資料具有了現實意義。同時，為了挖掘盡可能多的資訊，一個次元通常與一個或多個名額關聯在一起。例如，“投放管道”這一次元，可以與名額“廣告消費”和“獲客數”相關聯，有了這些資料，我們就可以建立“獲客成本”等比值名額，帶來有關這些投放管道的更深入的資訊。
在廣告資料分析時，适當的資料可視化能幫助我們在短時間内對資料的整體分布情況有一個宏觀把握，有利于洞察可能出現的問題，進而進行微觀調整優化。下面，我将重點介紹幾種具有代表性的圖表。另外，需要說明的是，所有圖表都是Excel直接生成的，不需要借助其他工具。
3.1.1 看分布
1. 直方圖
如圖3-1所示，以某一SEM賬戶某天的關鍵詞報告資料為例，關鍵詞共805個，賬面消費合計3005元。選取“消費”一列，可生成直方圖，這裡設定組距為10，即每10元為一個消費區間。資料顯示，在805個關鍵詞中，有746個（占92.6%）關鍵詞的消費在0～10元；接下來繼續觀察，圖表右方消費區間較大的關鍵詞，150～160元有1個，300～310元有1個，320～330元有1個，這三個關鍵詞的合計消費為788元（占26%），這個消費占比還不夠高，我們再向左擴充一些，把消費大于30元的都包括進來，合計22個（占2.7%），賬面消費合計1806元（占60%）。
這其實就是帕累托法則（或稱“二八原理”），不一定是嚴格的二八分，本質上是少數甚至極少數關鍵詞占據了整個廣告預算的較大部分，比如在這個例子中，有2.7%的關鍵詞占了全部預算的60%。設想一下，如果TOP級關鍵詞的成本上漲20%，如果預算不設嚴格限制，将導緻整體成本上漲12%；如果預算設上限，勢必影響中長尾詞的投放，不論是控制出價還是控制時段，這部分詞的流量穩定性較差，造成成本升高的可能性較大，綜合估算整體成本上漲不止12%。
換個角度看，TOP級關鍵詞數量少、消費高，牽一發而動全身，但正因為數量少，更有利于做精細化優化，包括但不限于定制化創意、多創意A/B測試、時段分析等多種政策。
同時，不得不提的是，直方圖的一種特殊形式，叫作排列圖（專業說法是帕累托圖）。
不同于直方圖是組距（本例中即消費區間）的依次排列，排列圖是頻數（本例中即關鍵詞個數）的降序排列，并加以累計占比的折線圖。幫助優化師抓住廣告優化的“主要沖突”，猶如太極拳的四兩撥千斤。
圖3-2的初步結論為：消費在10元以内的關鍵詞的比重非常高，接近95%。
2. 比重圖
比重分析主要是用來了解不同部分占總體的比例，幫助我們對整體的資料分布情況有一個更清楚的認知。
先讨論橫向比較的情況，餅圖、環形圖可以滿足這類需求。
如圖3-3的餅圖所示，我們将某App在小米應用商店各廣告位的下載下傳量資料可視化，可以直接得到一些結論：免費的自然量對管道的貢獻較高，占到37%；付費流量中，精品廣告和裝機必備是主力，貢獻了38.6%流量；其餘幾類廣告均起到補充的作用。圖3-4的環型圖對應了圖3-3中各廣告位的廣告消費分布，我們可以看到：精品廣告花了76%的廣告費，其次是裝機必備的10.7%。兩張圖放在一起，即将“下載下傳量”和“廣告消費”這兩個資料做關聯，可以看到精品廣告是重中之重，在廣告優化中應為最高優先級，如果能稍微降低一點精品廣告的成本，則可以騰挪出可觀的廣告預算給其他廣告位，實作下載下傳量的增長。
請不要覺得這些結論稀松平常，業内常說如何精細化優化，但如果對資料的分布情況都做不到精确的認知，缺乏對宏觀上的把控，精細化優化往往會陷入微觀細節的“泥潭”中，難以達到預期效果。
接下來讨論縱向比較，常用的是百分比堆積面積圖、百分比堆積柱狀圖。這些圖可以反映不同部分所占比例的趨勢變化。
如圖3-5是百分比堆積柱狀圖，圖3-6是百分比堆積面積圖，後者本質上就是在前者基礎上把各柱連接配接在一起，更能展現連續性。讀者可以根據自己的需求選擇使用，不過當橫坐标日期太多時，百分比堆積面積圖将更适用。
百分比堆積圖動态展示了不同廣告位所帶來的流量比例的變化趨勢，再結合獲客量趨勢、獲客成本趨勢，管道營運人員就可以做資料分析，通過各類廣告資源的配比調整，實作廣告效果的優化。
3.1.2 看趨勢
趨勢分析是最基礎的圖表分析，它反映某一名額在一段時間内的變化情況。對于不同的廣告資料名額，優化工作的目标是不一樣的。對于成本類來說，優化目标是持續下降并保持穩定的；對于流量類來說則是穩步上升并保持穩定的。一旦趨勢發生異常（異常高和異常低），就需要及時介入，排查原因，調整優化。
趨勢圖包括折線圖、柱狀圖、堆積圖等多種形式，下面将一一介紹。
1. 折線圖
折線圖是最常用的圖表之一，這裡不再贅述。
以某一SEM賬戶在一個月内的轉化資料為例，如圖3-7所示。平均注冊成本一開始居高不下，自8月5日開始持續下降，并保持了較穩定的趨勢，8月16日略有反彈，随後回落，最終在月底穩定在35元左右。
2. 柱狀圖
本質上來說，柱狀圖和折線圖是一樣的，隻不過展現形式不一樣。
圖3-8是總注冊數的柱狀圖呈現。以某一SEM賬戶在一個月内的轉化資料為例，總注冊數自8月5日開始迅速增長，并保持了較穩定的趨勢，8月15日略有下滑，随後立即回升，最終在月底穩定在每日220個左右。
折線圖和柱狀圖的優勢是可以快速了解某一名額的變化情況。
資料分析的重點：拐點，即何時上漲和下跌；極值點，特别高的點和特别低的低，具體界定标準可以參考平均值±10%或±20%。
3. 堆積柱狀圖
如圖3-9所示是堆積柱狀圖，延續前文小米應用商店的例子。差別于百分比堆積圖顯示的是各廣告位的下載下傳量占比，堆積柱狀圖直接顯示的是各廣告位的實際下載下傳量。從圖中可以看到，9月2日和3日，總下載下傳量顯著下降并保持相對穩定，分析各廣告位的組成，可知主要是受到精品廣告和自然量下降的影響。
需要特别強調的是，隻有當總量相對穩定不變的前提下，做比重分析才是有意義的。現在請大家回顧一下圖3-5，在9月2日和9月3日兩天，精品廣告和自然量的下載下傳量占比是非常穩定的，但堆積柱狀圖顯示這兩個廣告位的下載下傳量是顯著下降的。
堆積柱狀圖的優勢在于能看到資料名額的各組成部分，便于做歸因分析；劣勢則是一旦超過2個名額的堆積或各組成之間量級差異過大，各組成部分的變化趨勢便難以直覺展現。
堆積柱狀圖的分析重點：對比極值（極大值和極小值）之間的各部分構成比例，是否存在差異，試圖找到影響總資料名額的可能因素。
4. 多名額的趨勢圖
當需要同時觀察多個名額的變化趨勢時，可選擇折線圖或柱狀圖+折線圖的呈現形式，不建議單純以柱狀圖的形式呈現。
如圖3-10所示是“單坐标折線圖”，可以看到“總注冊數”和“平均注冊成本”是存在一定負相關的，前者增長并有一定的波動，同時後者下降并相對穩定。需注意，“單坐标折線圖”比較适用于多個名額之間量級差異不大的情況，圖3-10是一個反面例子，“平均注冊成本”的趨勢顯得非常平緩，我們沒有辦法直接觀測其精确的趨勢。
當兩個名額的量級懸殊較大或需要強調時，應考慮“雙坐标折線圖”，可将其中一個名額設為次坐标軸。如圖3-11所示，圖表中的“平均注冊成本”趨勢更加精确。
還有一種常用的是“柱狀折線組合圖”，一般都是雙坐标，可用于強調二者是不同類型的名額，比如流量和成本、消費和流量等。其中，折線圖适用于波動大的名額，更直覺反映資料的走勢變化。如圖3-12所示，“平均注冊成本”從200多下降到30左右，波動較大，适用折線圖。
3.1.3 多元度和名額交叉
1. 二維–散點圖
還記得前文小米應用商店各廣告位投放的例子嗎？将圖3-3和圖3-4關聯做分析，可以獲得不少有價值的資訊。接下來給大家介紹一種更簡單有效的圖表，那就是散點圖。
現在，我們把圖3-3和圖3-4的資料都提出來，剔除自然量，隻讨論付費流量，形成如3-13所示的散點圖，橫坐标是下載下傳量占比，縱坐标是廣告消費占比，簡單明了。接下來加一條輔助線，即從左下角（0，0）出發經過（20%，20%）的直線，這樣将圖表分為了兩個區域，輔助線左上方的是廣告消費占比相對偏高的，典型代表就是精品廣告，占據了76%的廣告消費，貢獻了37%的下載下傳量，應作為重點優化對象。
散點圖一般還為四象限分析模型的搭建提供資料支援。如圖3-14所示，四象限分析模型是資料分析中應用很廣的一種分析架構，即提取兩個最核心的名額，每個名額都以某一标準為界，分為高和低兩部分，如此将全部的樣本劃分為四個象限。
2. 三維–氣泡圖
在資料分析中，三維的資料圖表比較少見，這是因為二維的資料圖表已經能滿足大多數的資料分析需求，對優化人員的要求也基本到此，是以哪怕出現三維的資料分析需求，也往往被簡化為二維的。長此以往，我們的優化人員将陷入自己營造的“舒适區”，資料分析往往僅限于二維交叉分析。
相信大家都曾有過這樣的體驗，如果是優化一個局部的效果，比如某個關鍵詞、某條創意，不論是一維分析還是二維分析，我們做資料分析都是非常有用的；但一旦上升到一個整體的效果時，比如某個推廣計劃、某個推廣管道，資料分析就會顯得力不從心。究其原因在于，我們做資料分析的對象已經不再是一個或若幹個體的集合，而是一個“系統”。引用生物學家L.V.貝塔朗菲提出一般系統論原理輔助闡述，即任何系統都是一個有機的整體，它不是各個部分的機械組合或簡單相加，系統的整體功能是各要素在孤立狀态下所沒有的性質。對應到廣告優化領域，我們的推廣計劃或推廣管道，已經不再是若幹個關鍵詞和創意的簡單疊加，而是一個有機地結合體，各組成部分所具有的細微屬性，經由系統可能會産生“量變引起質變”的效應。
舉個具體的例子，在SEM廣告中，如果每一個關鍵詞的平均排名上升0.05，對每一個關鍵詞來說，曝光量增加幾乎是微乎其微的，轉化量大機率是維持不變，但如果賬戶裡5000個關鍵詞每一個的平均排名都上升0.05，曝光量和轉化量的增加量多半是可觀的。
還有一個例子，在資訊流廣告中，展現排名機制是：廣告排名=CPC出價*預估CTR，如果存在個别CTR（點選率）顯著偏低的創意，一兩條可能影響不大，數量多了之後，就會拉低預估CTR，對新創意的投放非常不利。是以，資訊流廣告優化技巧中有這樣一條：推廣計劃中如果有點選率特别低的創意，要盡早中止或是将其從該推廣計劃中剔除。
還有廣告管道整體效果不穩定的分析，将在第7章再具體闡述。總體來說，“系統論”使得原本複雜的廣告優化問題有了理論可循。
講到這裡，我們隻分析了“為什麼”，還需要知道“怎麼做”。其實，大家應該也能猜個大概了，對“系統”進行資料分析需要增加分析次元，我們先從三維的資料分析開始由淺入深吧。
基于Excel的功能，三維的資料圖表這裡主要介紹一種，那就是氣泡圖。如圖3-15所示，散點圖呈現了SEM各類關鍵詞的資料情況，橫坐标是轉化成本，縱坐标是轉化量，氣泡的面積是廣告消費。這三個資料名額是非常重要的，轉化成本與廣告的ROI直接挂鈎，轉化量是預估業績的重要參照，廣告消費展現了廣告預算的配置設定。通過圖3-15我們不難得出這樣的結論：産品詞1和産品詞2是廣告消費的主力，也帶來了可觀的轉化量，在效果優化時應作為最優先考慮；同時，以平均目标轉化成本40元為基準，産品詞1的成本較低，可以再進行放量，如果廣告預算有限，則可以考慮削減通用詞1和競品詞的預算，實作整體效果的進一步優化。
3.1.4 看相關
介紹完三維的資料分析，我們将進一步探讨更多元度的分析。此時，正常的資料圖表已經不能滿足三維以上的資料分析需求了，下面介紹如何做相關性資料分析，來分析及讀取資料分析結果。
表3-1是某App在應用寶推廣賬戶的兩周資料，包括廣告優化師投放的6類廣告資源的下載下傳量和總注冊量，但介于應用商店媒體方的限制，後端效果資料是無法分拆的，需要通過資料分析評估各類廣告資源的轉化效果。
有很多工具都可以實作相關性分析的需求，這裡以最簡單常用的Excel為例。
第一步，在Excel中加載分析工具庫；
第二步，在菜單欄【資料】中找到【資料分析】，選擇【相關系數】；
第三步，選擇輸入區域，輸出結果，即6類廣告資源各自下載下傳量與總注冊量。
如2.8.1節所述，相關系數反映了兩個變量間線性相關關系，或者簡單說是同增同減的一緻程度。通過表3-2的資料結果可知，總注冊量與系統通投計劃、7.0首頁卡片這兩類廣告資源的下載下傳量具有較強的相關關系，結合廣告轉化邏輯，即提高這兩類廣告資源的下載下傳量，有較大機率實作總注冊量的增長。同時需要注意的是，總注冊量與原生清單的下載下傳量呈較弱的負相關，故不建議在原生清單這類廣告資源裡發力。
3.2 進階：使用者行為洞察
3.2.1 漏鬥圖
漏鬥圖是轉化漏鬥圖的簡稱，是對使用者的某一特定行為路徑進行拆解，分析全流程中每一環節的轉化效率以及和整體轉化效率的關系。
對于廣告資料分析來說，轉化漏鬥分析的邏輯是分為使用者和廣告優化師兩側的。
對于使用者來說，從看到廣告到轉化為目标使用者，行為路徑的全過程基本為：看到廣告→産生興趣→發生互動（點選等）→擷取更多的相關資訊→發生轉化（下載下傳App、填寫表單、線上咨詢、撥打電話等）。
對于廣告優化師來說，要了解使用者的這個行為路徑并非難事，但實踐中，使用者行為路徑全過程中的部分環節難以被捕捉和量化，隻能省去。于是，我們見到的轉化漏鬥大多是：展現量→互動量（點選廣告、點選安裝App）→有效轉化量（App激活量、使用者注冊量、銷售線索量等）。
對于不同的廣告類型和轉化目标，轉化漏鬥也有細微差異。比如應用商店的付費推廣中，轉化漏鬥為：曝光量→下載下傳量→激活量→注冊量→新客量（衡量标準各有不同）；又比如以擷取銷售線索為核心目标的資訊流廣告中，轉化漏鬥則為：展現量→點選量→落地頁通路量→有效銷售線索量。
下面舉一個真實投放資料的案例，如表3-3和表3-4所示是某現金貸款App在今日頭條資訊流管道的部分投放資料，包括創意樣式、從曝光到最終轉化的全過程資料。在此次廣告投放中，我們進行了一定的變量控制，即廣告位、廣告定向、落地頁都是一樣的，主要的差别在創意的圖檔和文案，另外出價上略有一定的差異。通過分析表3-4的資料不難看出，0311和0316這兩個廣告創意的轉化效果要顯著好于後面兩個創意，主要展現在注冊數和注冊成本，但要弄清楚究竟是哪一個環節、哪一因素制約了廣告效果，還需要依賴使用者轉化漏鬥分析。
根據現有的資料，我們建構出以App注冊量為核心KPI的轉化漏鬥：曝光量→點選量→落地頁通路量→下載下傳量→注冊量，分析每一個環節的轉化情況。如表3-5所示，先分析前端資料，從曝光到點選、從點選到通路落地頁，四個創意的表現都比較正常，沒有存在點選率特别低或者通路落地頁有故障的情況；接下來分析後端資料，按照标準的轉化流程，使用者在通路落地頁時，根據落地頁的引導下載下傳App，我們可以看到0317和0322兩個創意在通路落地頁→下載下傳轉化率上表現較差，但下載下傳→注冊轉化率與前兩個創意基本持平。是以，我們可以得出一個初步的結論：0317和0322這兩個創意之是以效果較差，主要是因為很多使用者通路落地頁後沒有下載下傳App。使用者不下載下傳App的原因各種各樣，主要有落地頁引導沒做好、落地頁資訊與資訊流廣告不一緻、使用者本身沒有很強的意願等。我們用排除法一個一個核對，最終發現還是使用者意願不強的問題。回到資訊流廣告本身，就落到了廣告定向和創意的問題，介于我們的廣告定向都是一緻的，那就是不同創意吸引來的使用者存在一定的差異。說到這裡，轉化漏鬥分析算是基本完成了，但什麼樣的創意才能帶來更好的轉化呢？這個問題在資訊流廣告優化中是一個普遍而玄妙的問題，說普遍是因為幾乎每一個資訊流廣告優化人員都會遇到，說玄妙是因為創意是由圖檔和文案組成，難以通過資料定量化。第5章将對這一問題進行講解。
現在再說一點剛才漏鬥分析中的額外收獲，我們發現0317和0322這兩個創意不光是通路落地頁→下載下傳轉化率偏低，曝光→點選轉化率也明顯較低，這兩個資料名額是否有一定的相關性呢？答案是肯定的，我将統計樣本擴大到134個創意，計算曝光→點選轉化率和通路落地頁→下載下傳轉化率的相關系數高達0.82。這說明，就這個案例而言，資訊流廣告平台提供的點選率資料在一定程度上可以反映創意的品質，這給我們的資料分析和廣告優化提供了更多的可能。
3.2.2 使用者行為路徑圖
使用者行為路徑差別于使用者轉化漏鬥，前者重點分析使用者在某一環節或某一頁面的行為特點，後者則側重分析使用者在各環節之間的轉化情況。對于使用者行為路徑的分析，業内常用的是熱力圖（heat map），這種圖表需要用專業的網站監測工具在目标頁面上部署代碼。
熱力圖能簡單直覺地反映使用者在進入某一頁面後的實際行為，對于廣告優化來說，應用較廣、價值較大的資料是兩個：一是使用者對頁面上大家置的興趣注意力分布，二是落地頁中使用者下拉完成度的分布。下面逐一介紹。
如圖3-16所示是維基百科“Eye tracking”一詞相關頁面的熱力圖。頁面上出現了深淺漸變遞進的圖層，本質上是使用者滑鼠指針的停留時間，深色區域的停留時間最久，其次是中等顔色，最後是淺色的。滑鼠指針停留時間，側面反映了使用者對頁面上各元素的興趣注意力相對大小，對于評估頁面品質、使用者是否按照既定引導完成轉化、頁面優化改進等都具有一定的參考價值。
圖3-17是某教育機構的移動端營銷落地頁，長度大約為普通手機的6屏多，為了呈現友善，我将其截為上下兩部分，左圖是上半部分，右圖是下半部分。上半部分差不多是3屏，我們可以看到，100%的使用者都看到了第1屏，接下來就越來越少了，到了第3屏隻有一半，到了第5屏就隻剩下19%，這個資料就是熱力圖工具提供的使用者下拉完成度的分布，熱力圖專業工具的實際效果呈現得比這個案例要精美更多，但本質上是一樣的。對于我們做廣告資料分析來說，這個資料能告訴我們現在的落地頁布局是否合理？營銷落地頁上需要使用者完成轉化的元件，比如表單、按鈕等，既不能太靠後，避免很多使用者沒有耐心和興趣下拉到後面，也不能太靠前，需要先有一定的資訊做鋪墊，不然目的性太強，使用者的抵觸情緒較大。
3.3 本章小結
本章介紹的是在廣告資料分析中如何使用圖表，發揮其應有的價值，幫助我們在紛繁複雜的廣告資料中獲得一些洞察，為進一步的資料分析奠定基礎。讀完本章，希望大家在後面的廣告資料分析中，多做圖表，将同樣的次元用不同類型的圖表呈現，嘗試各種次元的交叉分析，逐漸找到适合自己工作習慣的圖表分析方法論。另外請注意，弄清楚資料分布在整個廣告資料分析中是很重要的環節，在接下來的章節中，大家将會有更加深刻的體會。