6个分析方法快速诊断搜索竞价排名（SEM）的表现

　　本文来自即将开课的宋星大课堂最后一期：利用数据分析和优化互联网营销。

　　这篇文章给需要快速了解一个账户的朋友们使用。这六个方法分别是：“一九”分布、消费和转化的四象限、转化分解、核心词互动度与ROI的气泡图分析、单页推广的核心词互动度与ROI对比分析、通用词与品牌词的词间关联分析。

　　更细节的每一个关键词调优的工作，就不涉及了。

　　长尾模型从词频分布的角度描述了一个SEM账户内的关键词分布状况。这世界上的SEM账户基本上都符合二八甚至一九分布规律。例如下面的这个账户内关键词的分布：

　　这个账户的前250个词（只占所有产生流量的词的6.8%）带来了88%的流量和86%的转化收入。挺典型的。

　　另一个账户也非常体现出这种规律（如下图），所有产生流量的关键词中，只有头部的极小部分产生了显著的流量。

　　所以，利用这个模型，帮助我们对于关键词形成聚焦：账户优化其实很容易，我们搞好这些最能带来流量的头部的词就已经抓住了重点部分！把这部分词跟马上要提到的四象限模型结合起来，你的优化目标就瞬间清晰了很多。

　　类似这种模型大家一定都看到过，这是互联网营销分析（其实也是所有的经营分析）中最常用到的模型。用于通过两个维度对事物进行区隔。在SEM关键词的宏观研究场景下，这是一个非常赞的模型。

　　这个模型的优点在于，非常易懂，对关键词表现的宏观把握有很大帮助。

　　缺点在于，这个模型本来是帮助你对宏观进行把握的，但是为了了解这四个象限背后到底发生了什么，你又不得不立即进入到微观的词的细节之中去。例如按照上面的四象限所做出的下面的具体的词的细分情况：

点击小图看大图

　　于是，你看到了很细节的很多关键词的情况，但你仍然不知道我应该如何着手优化这些词。因为，从每一个词自身的词义看，不同词之间有着本质的差异。有些词的词义就决定了它更容易转化（例如，品牌词、到哪里买、价格如何之类的词），而另一些词本身并不容易转化（通用词之类的）。因此，按照四象限模型的粗浅要求，对那些花费高的想办法降低费用，或者对那些转化低的想办法提高转化，或者对低花费高转化的词进行开源拓词等等，与其说是优化策略，不如说更多的是指导思想，而很难帮助你形成具体的行动。所以，作为提醒，你仍然需要进入每一个词的细节去考虑为什么它们处于不同的象限。

　　尽管如此，对你快速了解哪些关键词不够好，还是很有作用的，特别是方法一中找出的头部词和那些具有核心词根的词。

　　转化分解是最容易（尽管不是很容易能实现数据的准确）操作，但又最容易产生误导的模型。

　　我们会把整个SEM账户（或者账户的计划、单元等）按照“曝光 -> 点击 -> 流量 -> 咨询 -> 有效咨询 -> 注册 -> 购买”类似的过程来做每一个转化步骤，从而快速定位哪里出现了问题。

　　正是因为这个方法，我们很多次的发现，竞价效果不好的根本原因，不在于竞价本身，而在于竞价之后流量在着陆页、详情页、咨询客服等过程中出现问题。这样，盲目在账户上所做的辛苦优化，就必须快速转移到着陆页或者话术上来。

　　这个方法是每一个做SEM分析和优化的朋友必然会采用的方法。但从操作上看，要避免两个主要问题（尽管并非是这个模型本身的问题）。

　　第一个问题，转化漏斗模型需要全流程的精确数据，但这些数据很难全部准确的获取。尤其是对于需要一定转化周期的行业，例如金融、培训、医疗，消费者有相当长的决策周期。因此，我们能够比较实时统计的转化要回退到“有效咨询”这个层级。

　　为了解决这个问题，我们的ROI计算很多时候就从：

　　转变为：

　　其次，转化漏斗的形式是帮助我们强化过程观，但它本身却恰恰削弱了过程的细分。这听起来很矛盾，但并不难理解。能够被漏斗构建的过程，都是大过程，而无法包含用户更加细微的行为。但是，正是这些用户更细微的过程，反映了，甚至支配了转化的发生。一个极端但非常常见的例子是单页推广。转化漏斗在单页推广上几乎无法发挥作用。

　　因此，转化漏斗极为有价值，但是如同我在另外一篇文章《优化转化：除了转化漏斗，你的弹药库还需要几种分析武器》所写的那样，转化漏斗并不足以支撑全部的转化分析。

　　不过，我们手中还是有好武器解决这个问题的。在后面的方法中，要具体讲到。

　　这个方法你首先需要把不同的词根（核心词）放在不同的单元——即将所有的关键词按照词根进行细分。但这是理想状况，一般情况下，同一个词根有可能散落在不同单元。

　　没关系，我们有Excel，利用Excel的表格工具，再利用“文本筛选 -> 包含 ”，可以轻松把相关的词根筛选出来，如下图所示。例如，我想找到词根为“在职”的核心词，在“文本筛选 -> 包含 ”中输入“在职”，然后新建一列“核心词1：在职”，把所有筛选出来的结果对应的C列，填入“在职”。

　　然后，利用数据透视表，你可以将所有的关键词按照其对应的核心词（词根）的表现进行汇总。

　　把每一类核心词的总体表现提取出来，你得到一个核心词表现列表（CPL是Cost Per Lead，这个值越低越好；整个表格的绿色代表好，红色代表不好）：

　　现在你能看到不同的词根在最终效果上的表现有很显著的差异。Leads/Click和CPL两列很能说明问题。

　　还记得我上课时候讲的ROI和engagement交互模型吗（那个气泡图）？这个模型其实有很多变体，但是其思想其实很简单——对比流量的交互行为和它们最终产生的转化的情况。在大部分情况下，好的交互行为(engagement)能够对应好的转化（ROI），但凡事总有例外，这些例外情况就成为我们分析和优化的突破口。我们现在需要用到这个模型。

　　这个模型的方法很清晰：

　　我们利用网站分析工具的细分方法（这里不再啰嗦了，对GA的使用要熟练，基本功），将各类词的流量engagement表现也汇总起来，形成一个更全面的数据表现数据，如下表所示：

　　利用上表数据，我们选取CPL和Bounce Rate制作气泡图，如下：

　　一般而言，好的engagement（更低的bounce rate）的流量会有更好的转化能力（CPL更低），但是前面说了，有例外才有机会。

　　绿色线是“正常表现”的部分，但绿色线之外，有两个跳出率相对较低，而CPL却相对较高，尤其是“学费”这个词特别如此。与这个词可以进行对比的词是“金融学硕士”，它的跳出率其实比学费还高，但是ROI（CPL）却表现的更好。

　　这种情况发生之后，你的策略是什么？基本上你要做下面的事情：

　　Engagement与ROI的对比分析模型是最方便的分析细分流量的方法之一。对竞价排名的关键词分析也同样有用。

　　这个方法是方法四的极端情况，但这一极端情况却特别常见。比如下面这个图：

　　妈蛋的。。。所有关键词的跳出率都是95%甚至更高，这还让人活吗？！

　　是你的投放完全失效了吗？在我遇到的案例中，这种情况的发生，只有一个原因，关键词所在的着陆页是单页推广！单页推广整个着陆页链接不到别的页面，按照GA对跳出率（bounce rate）的定义，流量来了之后去不了别处，那么肯定都是bounce掉了。所以这种情况就没有必要看跳出率了。

　　因此，上面方法四的方法在这种情况下就不适用了，因为GA不能给出有效的engagement的数据。不是跳出率接近100%，就是停留时间约等于0……

　　那么，当我们看到“金融学硕士”和“学费”两个核心词在花费相当、流量相若的情况下，却在ROI上有天壤之别的时候，我们还有别的招儿吗？（再把方法四的这个图拿出来大家看看）。

　　这个时候我们需要利用热图。

　　例如，使用ptengine，在其中有对比热图和细分热图功能。这里要用到流量过滤细分功能：在过滤条件中，将一个核心词下的所有词挑选出来，细分这些词的流量。左边的热图显示所有跟“学费”相关的核心词的流量表现，右边显示所有跟“金融学硕士”相关的流量表现。

　　左边的“学费”相关的流量，表现出更多的页面浏览长度（能够读到页面下端的人的比例明显比右边的要高），但是他们在页面上停留的时间却相对较短（颜色不如右边的红）。“学费”流量似乎表现出很快速要查找信息的需求（愿意看到页面底端），但却缺乏更好的咨询（leads）转化。

　　这样的数据意味着，你应该认真检查页面上是否有足够吸引人的“学费”信息，或者压根在这个页面上就缺乏相关的信息。

　　这个数据和热图给我们很重要的提示，这两个核心词背后的流量的欲求是有相当大差异的。我们必须为这两个词建立信息偏重不同的着陆页面。

　　最后一个方法属于attribution（归因）的范畴。最重要的应用领域是查看品牌词的搜索本质上是来源于哪些其他词的搜索。

　　有很多不知名的品牌，在SEM投放初期，不得已需要扩大流量范围，投放通用词、竞品词、人群词等，目的一方面是为了引流（但引流的转化效果一定相当弱），另一方面是为了扩大品牌的曝光，为未来用户的转化做准备。

　　随着时间的推移，开始有人搜索品牌词，你一定想知道，这些品牌词的搜索，最初是由哪些通用词带来的流量，这些流量看到了品牌之后留下了印象，之后才会再搜索你的品牌的。

　　为了能够实现这一点，我们需要配置我们的监测工具。以Google Analytics（GA）为例：

　　利用GA（或者其他有类似功能的工具），你可以看到同一个人搜索关键词之间的先后关联——所有的“索”字开头的，都是品牌词带来的流量，它之前的那个词，是投放的通用词。在这个表中，某些通用词投放，在之后带来了对品牌词的搜索。因此，你的关键词优化策略，就从仅仅看品牌词的转化，变为不仅看转化，还应该看它们能够带来多少品牌词的搜索。

　　好了，六个方法讲完了。哪些对你有用？哪些有建议？欢迎大家留言讨论！