SEO

TBM verilerini analiz etmek için Bing'in kutusuna ve viskinin grafiğine daha yakından bakın

Bugün, veri dağıtımlarımızla ilgili çalışma bilgimizi geliştirmek için kutu ve bıyık grafikleri kullanarak TBM verilerini analiz ediyoruz. İlk taksiyi kaçırdıysanız, histogramlara yakalanıp bizi burada tekrar karşılayın.

 veri dağıtım tablosu

Bu diziden birisini bitirdiyseniz, soldaki histogram tanıdık gelmelidir. Sağdaki çizim, birinci bölümde kullandığımız aynı CPC kümesinden oluşturulan bir kutu ve bıyık arsadır. Süreklilik için Yaşasın!

İlk olarak, kendimizi temel bazı noktalara dayandıralım. Verilerimizi herhangi bir şekilde bölümlemediğimizden ve dolayısıyla tek bir dağıtım kullanarak, TBM değeri y ekseninde ifade edilecek ve x ekseni boş olacaktır.

Şimdi, bileşenlerin içinden geçelim. kutu ve bıyık arsa. İlk önce, x.

Bu x, dağılımın ortalama değerini temsil eder; bu, genellikle arama verilerinizle ilişkilendirilen basit ortalama olarak tanıyacağınız anlamına gelir. Bu alıştırmanın amaçları için, X sizin ortalama TBM’dir. Bu amaçla, kutunun ortasındaki çizgi medyanı temsil eder.

Görselleştirmede dağılımın ortalamasının ve medyanının kutunun ve bıyık planının harika bir özelliği olmasına rağmen, dört dörtlünün ilahi Bir histogramdan geçemediğimiz bir çok bilgi.

Kutunun alt eşiği (veya yatay olarak doğrulanmış bir arsa için en soldaki eşik), alt çeyrek ya da ilk çeyrek ya da Q1'dir. Bu sayının yüzde 25'i, gözlemlerin yüzde 25'inden daha az, yüzde 75'i ise daha büyüktür. Bu bağlamda, bir “gözlemi” tek bir veri noktası olarak düşünün.

Kutunun üst eşiği (ya da yatay olarak doğrulanmış bir arsa için en sağdaki eşik) üst çeyrek ya da üçüncü çeyrek ya da Q3'tür. bu sayının yüzde 75'inin ondan daha az, yüzde 25'inin ise daha büyük olduğu anlamına gelir.

Aynı gösterimi takiben, gözlemlerin yüzde 50'sinin daha fazla olduğu göz önüne alındığında, medyanın ikinci çeyrek olarak görev yaptığını da görebilirsiniz. ve yüzde 50 daha azdır.

Bu, izlenmesi gereken bir miktar kafa karıştırıcı olabilir. Sezgiye yardımcı olan bir şeyin, dörtlüleri sahip olma aralığı olarak düşünmek olduğunu ve her bir aralığın veri kümesindeki toplam veri noktalarının yaklaşık dörtte birini içerdiğini hatırlamak olduğunu gördük. Belki de bu arayış dünyadaki istatistikçiler tarafından çatılırdı, ama öğrenmenize yardımcı olan her şeyin parlak bir görünümünü alırız. Umarım aşağıdaki görsel kavramlaştırmaya yardımcı olur.

Şimdi bir yere varıyoruz, değil mi? Bu dağılımın ilk üç çeyrek aralığının oldukça karşılaştırılabilir bir değer aralığı olduğunu gözlemleyebiliriz. Ama dördüncü çeyrek aralığı çok daha geniş bir vuruştur. Bu reklamverenin TBM'lerini düşürmesi için, odaklanmış ve hassas bir taktik, bu dördüncü çeyrek aralığına giren anahtar kelimeleri ayırmak ve mevcut teklifleri değiştirmek olacaktır.

Pekala, peki ya bu noktalar ne olacak?

Veri noktaları Bireysel noktalar olarak bir veri dağılımı bağlamında istatistiksel çıkıntılar olarak düşünülebilir. Varsayımsal senaryoda, reklamveren TBM maliyetini azaltmak için taktik aramaktadır. Dördüncü çeyrek aralığına ek olarak, bu reklamveren, bu aykırı değerlerden sorumlu anahtar kelimeleri araştırmalı ve buna göre hareket etmelidir.

Bu dizinin bir kısmına geri dönün ve dağıtımımızın doğru olduğunu hatırlayın. Eğim, medyandan daha büyük değerlere doğrudur. Şu anda hem histogramlar hem de kutu ve bıyık grafikleri hakkında bildiklerinizi bilerek, aynı verinin bu iki görselleştirmesi arasındaki ilişkiyi belirleyebilmeniz gerekir.

Bu serinin son bölümünde, tanımlamak için dağılımları kullanmayı keşfedeceğiz. verilerinizdeki zaman içinde değişiklikler.


Bu makalede dile getirilen görüşler, misafir yazarın ve Arama Motoru Arazi’inin değil. Çalışanlar yazarlar burada listelenmiştir.


نبذة عن الكاتب

Kevin Klein, Microsoft'ta Analitik Bir Kurstur. Bu, arama ağı reklamcılığının derin sularının dalgalı hale gelmesiyle hayat kurtaranı olarak hizmet ettiği anlamına gelir. Hokey analizindeki çalışmalarının gücü ile endüstriye girdiğinde, dişlerini hem kurum hem de şirket içi pazarlama ekiplerinde kesti.