PPC మార్కెటింగ్లో సగటులను ఉపయోగిస్తున్న సమస్యల గురించి ఇటీవలి ట్వీట్లు మరియు బ్లాగ్ పోస్ట్స్ యొక్క దద్దుర్లు ఉన్నాయి. ఉదాహరణకు, జూలీ బాచ్చిని "సగటులు ఒక చాలని మెట్రిక్" అని వాదించింది:
కొన్నిసార్లు సగటులు చాలా తప్పుదోవ పట్టించవచ్చని నిజం అయినప్పటికీ, పై డేటా సమితితో సమస్య భారీ జనాభాలో మార్పు మరియు నమూనాలో ప్రామాణిక విచలనం.
$config[code] not foundఈ పోస్ట్ లో నేను ఇక్కడ పాల్గొన్న గణిత గురించి మాట్లాడటానికి మరియు సగటు విలువ కోసం ఒక సందర్భంలో, అలాగే ఇటీవల నేను PPC కమ్యూనిటీ లో చూసిన సగటులు రిపోర్టింగ్ విమర్శలకు స్పందించడం కావలసిన.
భేదం, ప్రామాణిక విచలనం మరియు వ్యత్యాసాల గుణకం
నమూనా భేదం వ్యాప్తి యొక్క కొలత - డేటా సెట్లో ఉన్న విలువలు మీ డేటా సమితి సగటు విలువ నుండి వేరుగా ఉండవచ్చు. ఇది సగటు నుండి ప్రతి డేటా బిందువు కోసం తేడాలు యొక్క చతురస్రాల సగటును లెక్కించడం ద్వారా లెక్కించబడుతుంది. వ్యత్యాసాలను వేయడం ప్రతికూల మరియు అనుకూల వైవిధ్యాలు ప్రతి ఇతర వాటిని రద్దు చేయవని నిర్ధారిస్తాయి.
కాబట్టి క్లయింట్ 1 కోసం, 0.5 శాతం మధ్య వ్యత్యాసం మరియు 3.6 శాతం సగటు మార్పు, అప్పుడు చదరపు ఆ సంఖ్య. ఈ ప్రతి క్లయింట్ కోసం దీన్ని, అప్పుడు వైవిధ్యాలు సగటు పడుతుంది: మీ నమూనా భేదం ఉంది.
నమూనా ప్రామాణిక విచలనం కేవలం వ్యత్యాసం యొక్క వర్గమూలం.
సరళంగా, సగటున, ఈ డేటాలోని విలువలు సాధారణంగా సగటున 3.6 శాతం నుండి (అంటే సంఖ్యలను చెదరగొట్టేవి) 5.029 శాతం నుండి వస్తాయి, అంటే మీరు ఈ పంపిణీ నుండి చాలా వరకు ముగించలేరని దీని అర్థం.
మీ స్టాండర్డ్ వైవిధ్యాలు "చాలా ఎక్కువ" (మీరు సాధారణ పంపిణీ కోసం చూస్తున్నారని అనుకోవడం) ఉంటే ప్రామాణిక వ్యత్యాస సగటు సగటున విభజించబడిన వ్యత్యాసాల గుణకం (లేదా సంబంధిత ప్రామాణిక విచలనం) ను లెక్కించటం అనేది మీ ప్రామాణిక వ్యత్యాసాలను అంచనా వేయడానికి సరళమైన మార్గం.
దీని అర్థం మరియు ఎందుకు మేము జాగ్రత్త తీసుకోవాలి? ఇది సగటులపై నివేదన విలువ గురించి ఉంది. వర్డ్ స్ట్రీం క్లయింట్ డేటాను ఉపయోగించి ఒక అధ్యయనం చేసినప్పుడు, మేము చిన్న డేటా సమితుల నుండి సగటులను గణించడం మరియు పెద్ద నిర్ధారణలను చేయటం లేదు - డేటా యొక్క పంపిణీ గురించి మేము శ్రద్ధ వహిస్తాము. సంఖ్యలు అన్నింటికీ ఉన్నట్లయితే, మేము వాటిని త్రోసివేసి, నమూనాను వేరొక మార్గాన్ని (పరిశ్రమ ద్వారా, ఖర్చు పెట్టండి, తదితరంగా) ప్రయత్నించండి. మరింత ధృడమైన నమూనాను కనుగొని, దాని నుండి మేము మరింత నమ్మకంగా తీర్మానాలను పొందవచ్చు.
డెఫినిషన్ ద్వారా కూడా అర్ధవంతమైన సగటు సగటు పైన మరియు దిగువ విలువలు చేర్చండి
సగటు వ్యతిరేక శిబిరంలోని మరొక విమర్శలు మొత్తం జనాభాకు సగటున మాట్లాడటం లేదు అనే భావన. నిర్వచనం ప్రకారం ఇది నిజంగా నిజం.
అవును, సగటులు సగటు విలువ కంటే తక్కువగా ఉన్న డేటా పాయింట్లను కలిగి ఉంటాయి. కానీ ఇది మొత్తమ్మీద సగటులను విడగొట్టడానికి ఇది గొప్ప వాదన కాదు.
ఒక సాధారణ పంపిణీని ఊహించి, మీ డేటా పాయింట్ల సుమారు 68 శాతం +/- మీ సగటు నుండి 1/3 ప్రామాణిక విచలనాన్ని, +/- 2 ప్రామాణిక వ్యత్యాసాలకు, మరియు +/- 3 ప్రామాణిక వ్యత్యాసాలకు లోపల 99.7 శాతం వస్తాయి, ఇక్కడ.
మీరు చూడగలరని, మీ డేటాసమితిలో గరిష్ట ప్రామాణిక పంపిణీని కలిగి ఉంటే, మీరు ఆలోచించినట్లు అవి సాధారణంగా ఉండవు. మీరు గణితము గురించి జాగ్రత్తగా ఉంటే, అత్యధిక సంఖ్యలో ప్రకటనదారులకు సగటులు చాలా ఉపయోగకరంగా ఉంటాయి.
PPC మార్కెటింగ్, మఠం విజయాలు
బాత్రూంతో సగటులను త్రోసిపుచ్చలేము. అన్ని తరువాత, AdWords (CTR, CPC, సగటు స్థానం, మార్పిడి రేట్లు, మొదలైనవి) వంటి పనితీరు మెట్రిక్లు చాలా చక్కని సగటు విలువలుగా నివేదించబడ్డాయి.
సగటులను విస్మరించడానికి బదులు, మీరు చూస్తున్న సగటు అర్ధవంతమైనది లేదా కాకపోయినా గుర్తించడానికి గణిత శక్తిని ఉపయోగిద్దాము.
అనుమతితో పునఃప్రచురణ చేయబడింది. అసలు ఇక్కడ.
Shutterstock ద్వారా సగటు ఫోటో
వీటిలో మరిన్ని: ప్రచురణకర్త ఛానెల్ కంటెంట్
