Il y a eu une vague de tweets et de billets de blogs sur les problèmes liés à l'utilisation de moyennes dans le marketing PPC. Par exemple, celui-ci où Julie Bacchini affirme que «les moyennes sont une métrique délirante»:
S'il est vrai que parfois les moyennes peuvent être très trompeuses, le problème avec l'ensemble de données ci-dessus est l'énorme variance de la population et l'écart type dans l'échantillon.
$config[code] not foundDans cet article, je voudrais parler des calculs mathématiques en jeu et expliquer la valeur des moyennes, ainsi que répondre aux critiques formulées à l’égard des rapports sur les moyennes que j’ai vus récemment dans la communauté PPC.
Variance, écart type et coefficient de variance
Variance de l'échantillon est une mesure de la dispersion - de combien les valeurs de l'ensemble de données sont susceptibles de différer de la valeur moyenne de votre ensemble de données. Il est calculé en prenant la moyenne des carrés des différences pour chaque point de données de la moyenne. La quadrature des différences garantit que les écarts positifs et négatifs ne s’annulent pas.
Donc, pour le client 1, calculez simplement la différence entre 0,5% et la variation moyenne de 3,6%, puis doublez ce chiffre. Faites cela pour chaque client, puis prenez la moyenne des variances: c’est votre variance d’échantillon.
Exemple de déviation standard est simplement la racine carrée de la variance.
En termes simples, en moyenne, les valeurs de cet ensemble de données s’éloignent généralement de 5,029% de la moyenne globale de 3,6% (c’est-à-dire que les chiffres sont très dispersés), ce qui signifie que vous ne pouvez pas conclure beaucoup de cette distribution.
Une méthode simplifiée pour estimer si vos écarts-types sont «trop élevés» (en supposant que vous cherchiez une distribution normale) consiste à calculer un coefficient de variance (ou écart-type relatif) qui est simplement l'écart-type divisé par la moyenne.
Qu'est-ce que cela signifie et pourquoi devrions-nous nous en préoccuper? Il s’agit de la valeur des rapports sur les moyennes. Lorsque WordStream effectue une étude utilisant des données client, nous ne calculons pas les moyennes à partir de petits ensembles de données et ne tirons pas de grandes conclusions. Nous nous soucions de la distribution des données. Si les chiffres sont partout, nous les jetons et essayons de segmenter l'échantillon d'une manière différente (par secteur d'activité, par dépense, etc.) pour trouver un modèle plus significatif à partir duquel nous pouvons tirer des conclusions avec plus de confiance.
Les moyennes même significatives incluent par définition les valeurs supérieures et inférieures à la moyenne
Une autre ligne de critique du camp anti-moyenne est la notion qu’une moyenne ne parle pas pour toute la population. Ceci est bien sûr vrai, par définition.
Oui, les moyennes contiennent des points de données situés au-dessus et au-dessous de la valeur moyenne. Mais ce n’est pas un bon argument pour jeter les moyennes complètement.
En supposant une distribution normale, environ 68% de vos points de données devraient tomber de +/- 1 écart type par rapport à votre moyenne, 95% à +/- 2 écarts-types et 99,7% à +/- 3 écarts-types, comme illustré. ici.
Comme vous pouvez le constater, les valeurs aberrantes existent certainement, bien que si votre distribution de données présente une distribution standard stricte, elle n’est pas aussi commune que vous pourriez le penser. Donc, si vous faites attention au calcul, les moyennes peuvent toujours être des informations très utiles pour la grande majorité des annonceurs.
En marketing PPC, Math gagne
Ne jetons pas les moyennes avec l’eau du bain. Après tout, la quasi-totalité des indicateurs de performance d'AdWords tels que (CTR, CPC, Position moyenne, Taux de conversion, etc.) sont signalés en tant que valeurs moyennes.
Au lieu d’ignorer les moyennes, utilisons la puissance des mathématiques pour déterminer si la moyenne que vous consultez est significative ou non.
Republié avec permission. Original ici.
Photo moyenne via Shutterstock
Plus dans: Contenu de la chaîne d'éditeurs
