সম্প্রতি পিপিসি বিপণনের গড় ব্যবহার সম্পর্কিত সমস্যাগুলির বিষয়ে টুইট এবং ব্লগ পোস্টগুলির একটি ফুসকুড়ি হয়েছে। উদাহরণস্বরূপ, এই যেখানে জুলি বাচুইনি যুক্তি দেন যে "গড় একটি চটচটে মেট্রিক":
যদিও এটি সত্য যে কখনও কখনও গড় খুব বিভ্রান্তিকর হতে পারে, উপরের ডেটা সেটের সমস্যাটি বিশাল জনসংখ্যার বৈকল্পিক এবং নমুনার মান বিচ্যুতি।
$config[code] not foundএই পোস্টে আমি এখানে জড়িত গণিত সম্পর্কে কথা বলতে চাই এবং গড় মূল্যের ক্ষেত্রে একটি মামলা করি, পাশাপাশি পিপিসি সম্প্রদায়ে আমি যা দেখেছি তার উপর রিপোর্টিংয়ের সমালোচনার কিছু প্রতিক্রিয়া জানাই।
বৈকল্পিক, স্ট্যান্ডার্ড বিচ্যুতি এবং বৈকল্পিক সংখ্যার
নমুনা বৈকল্পিক বিচ্ছিন্নতার একটি পরিমাপ - ডেটা সেটের মানগুলি আপনার ডেটা সেটের গড় মান থেকে আলাদা হতে পারে। গড় থেকে প্রতিটি তথ্য বিন্দু জন্য পার্থক্য স্কোয়ার গড় গ্রহণ করে এটি গণনা করা হয়। পার্থক্য squaring নিশ্চিত করে যে নেতিবাচক এবং ইতিবাচক বিচ্যুতি একে অপরের বাতিল না।
তাই ক্লায়েন্ট 1 এর জন্য, 0.5 শতাংশের মধ্যে পার্থক্য এবং 3.6 শতাংশের গড় পরিবর্তনের হিসাব করুন, তারপরে সেই নম্বরটিকে বর্গ করুন। প্রতিটি ক্লায়েন্টের জন্য এটি করুন, তারপর বৈকল্পিক গড় নিন: এটি আপনার নমুনা বৈকল্পিক।
নমুনা স্ট্যান্ডার্ড বিচ্যুতি শুধু বৈকল্পিক বর্গমূল।
সাধারণভাবে, সাধারণভাবে, এই ডেটা সেটের মানগুলি সাধারণত 3.6২% সামগ্রিক গড় (যেমন সংখ্যাগুলি খুব বেশি ছড়িয়ে পড়ে) থেকে 5.0২২ শতাংশ দূরে চলে যায়, যার মানে আপনি এই বিতরণ থেকে অনেক উপসংহারে আসতে পারবেন না।
আপনার মান বিচ্যুতিগুলি "খুব বেশি" (অনুমান করা হচ্ছে যে আপনি একটি স্বাভাবিক বন্টনের জন্য অনুসন্ধান করছেন) অনুমান করার একটি সরলীকৃত উপায় হল বৈকল্পিক (বা আপেক্ষিক মান বিচ্যুতি) এর গুণগত মানের হিসাব করা যা কেবলমাত্র গড় বিভক্ত গড় মানের বিভাজন।
এই মানে কি এবং কেন আমরা যত্ন করা উচিত? এটা গড় উপর রিপোর্টিং মান সম্পর্কে। যখন ক্লায়েন্ট ডেটা ব্যবহার করে WordStream একটি গবেষণা করে, আমরা কেবল ছোট ডেটা সেট থেকে গড় গণনা করি না এবং বড় সিদ্ধান্ত নিই না - আমরা ডেটা বিতরণের বিষয়ে যত্নশীল। যদি সংখ্যাগুলি সব জায়গায় থাকে তবে আমরা তাদের ফেলে দেই এবং নমুনাটি অন্য একটি উপায় (শিল্প, ব্যয়, ইত্যাদি) থেকে আরও অর্থপূর্ণ প্যাটার্ন খুঁজে বের করতে চেষ্টা করি যার থেকে আমরা আরো আত্মবিশ্বাসী সিদ্ধান্তগুলি আঁকতে পারি।
এমনকি সংজ্ঞাযুক্ত অর্থের সংজ্ঞা গড়ের উপরে ও নিচে মানগুলি অন্তর্ভুক্ত করে
বিরোধী-গড় ক্যাম্প থেকে সমালোচনা আরেকটি লাইন হল যে সমগ্র জনসংখ্যার জন্য গড় কথা বলা হয় না। এই অবশ্যই সংজ্ঞা দ্বারা, সত্য।
হ্যাঁ, গড়ের মধ্যে ডাটা পয়েন্টগুলি থাকে যা গড় মানের উপরে এবং নীচে পড়ে। কিন্তু এটি মোটামুটি গড় আউট করার জন্য একটি মহান যুক্তি নয়।
স্বাভাবিক বন্টন অনুমান করে আপনি আপনার 68 শতাংশ ডাটা পয়েন্টগুলি আপনার গড় থেকে +/- 1 স্ট্যান্ডার্ড বিচ্যুতি, +/- 2 মান বিচ্যুতির মধ্যে 95 শতাংশ এবং +/- 3 মান বিচ্যুতিগুলির মধ্যে 99.7 শতাংশের মতো হ্রাস করতে আশা করবেন। এখানে.
আপনি দেখতে পারেন, আউটলাইরা অবশ্যই উপস্থিত রয়েছে, যদিও আপনার ডেটাসেটের মধ্যে একটি শক্তসমর্থ মান বিনিময় থাকলেও, তারা আপনার মতামত হিসাবে সাধারণ নয়। সুতরাং আপনি যদি গণিত সম্পর্কে সতর্ক হন, তবে বিজ্ঞাপনগুলি এখনও বেশিরভাগ বিজ্ঞাপনদাতাদের জন্য খুব দরকারী তথ্য হতে পারে।
পিপিসি মার্কেটিং, ম্যাথ জয়
আসুন স্নান জল দিয়ে গড় নিক্ষেপ করি না। সবশেষে, AdWords এর মত কর্মক্ষমতা ম্যাট্রিক্সগুলির সবগুলি (সিটিআর, CPC, গড় অবস্থান, রূপান্তর হার, ইত্যাদি) গড় মূল্য হিসাবে রিপোর্ট করা হয়।
গড় উপেক্ষা করার পরিবর্তে, আপনি যে গড়টি দেখছেন তা অর্থপূর্ণ কিনা তা গণনা করার জন্য গণিতের শক্তিটি ব্যবহার করুন।
অনুমতি দ্বারা পুনঃপ্রকাশ। এখানে মূল।
Shutterstock মাধ্যমে গড় ছবি
আরো মধ্যে: প্রকাশক চ্যানেল বিষয়বস্তু
