广告投放“异常数据”分析

对于电商客户而言，广告投放是进行网络营销的重要手段之一，但很多客户在进行了广告投放后，经常会听到他们这样的抱怨，诸如：投放结果不理想，转化率低，所投入的财力与投放结果不成正比等等，对于这些抱怨声音，你是否也听到过，或是有过相同的经历呢?是不是对这样的结果百思不得其解呢?

通俗的来说，就是我们所得到的这些数据不准确，或是以偏概全，觉得某些数据很完美，那得到结果应该也是完美的。告诉你，其实你是被某些看似很完美实际却异常的数据给忽悠了，影响广告投放效果的数据指标很多，其中任何一条有异常，都会影响整个投放效果。为什么会有异常数据呢?本期就对这一问题进行分析，欢迎大家关注。

异常数据多样性：

影响广告投放效果的因素很多，如曝光量、点击量、到达量、二跳量、到达率、二跳率、转化量等等，其中任何一个数据都有可能出现异常，进而影响整个投放效果。以点击量为例：(如图)

通过这张图我们可以看到曲线曲折的时候出现在4、6、8这三个月，但这并不能直接下结论正常或是异常，应该看与实际的投放计划是否匹配，包括地域维度、客户端的维度。比如广告主正好是在这三个时间段加大了广告投放力度，那么出现这种情况自然是正常的，反之就是异常。

再有就是结果形式的指标，如CTR、二跳率、转化率等，这些指标一旦变化过大都算是异常，再此我们就不一一列举了，后期将会对这些指标进行专门的分析。

投放是因，异常是果

所谓因果相连，因为投放异常，所以才会出现异常数据这种结果，我们根据异常数据进行分析，从而得知是哪个投放环节出现的问题，进而及时优化投放，避免异常数据。

如何解决屏蔽异常：

我们了解了异常产生的原因，那么如何屏蔽这些异常数据，该如何解决呢?通常来说，发现解决异常问题分两步。

第一步：IP屏蔽，对广告数据，可以通过IP屏蔽一部分。

第二步：进行人工分析，目前这是比较有效的方法，可以从三个方面进行。每个方面我们结合一个案例进行分析。

1.通过基础指标初步判断

p 用户平均点击量、IP平均点击量、用户平均到达量是否正常：一般来说，大于2次，可能存在异常

p 广告到达率是否正常：如果小于活动整体比例，可能存在异常

分析案例示意图：

从图中可以看到“文字链_原创频道9字”这个广告的点击量与到达量相差甚远，从数据表中可知，到达量仅为点击量的39%，很明显点击量存在异常，这时我们就可以对点击量进行分析，查找异常的原因，及时调整优化广告投放的渠道。

2.结合细节数据进行确认

p 地域分布是否存在大部分数据集中在某一个或者个别地域

p 24小时分布是否存在大部分数据集中在某一个时段或者凌晨

p 地域分布或者24小时分布数据不区域定向、时段定向差异较大

分析案例示意图：

如这张图所示，对细节数据的监测分析，发现当点击量数据集中在21-22时，到达量却没明显变化，这就出现了异常数据。

3.通过深度数据进行验证

p 是否存在同一时间同一IP点击多次，或者产生多个转化明细的情况

p 是否存在同一天，同一IP点击量、转化明细量比例较大的情况

p 分析广告点击来源，看是否有大量点击来源和媒体页面不一致

分析案例示意图：

从图中可以发现两个广告的到达量超过千次却未产生任何二跳，同时用户平均到达量大于2次，不难看出这是异常数据。

上述我们分享了解决异常数据的方法，也许有人会问，即使解决屏蔽了这些异常，那如何判断屏蔽的好与坏呢?针对这个问题，我们也请教了资深的顾问，一般而言，目前并没有严格的判断标准，屏蔽后的效果没有好与坏之分，只能说是否能找到异常出现的环节并解决掉，效果如何那是流量本身特点及后续转化的问题。后续我们会继续对广告投放效果进行专门的分析，欢迎大家继续关注!