数据分析是建立在前期搭建的账户基础上，账户的搭建的几个方法，另一篇我们已经分享过。数据分析工作是优化人员最重要的工作之一，数据分析的准确与否，直接关系到帐户优化工作能否持续，帐户能否持续获得线索。所以数据分析可以直接看出，一个优化人员的技术能力高低。
不少优化人员觉得数据分析太难，它不像竞价推广，可以直接导出数据做分析，找到物料转化的好坏。信息流的优化分析有自身的特点，而且相对竞价来说，在熟悉操作后，这个分析的难度要更低一些的。做好数据分析，我们的工作就非常简单了，后面只要跟着分析结果，逐步优化调整，就能够有不错的效果。
首先，大致总体归纳一下数据分析的版块有这些：时间、定向、创意、广告位、落地页、操作系统等。
时间：环比、同比分析
与历史数据比较是最常见最有效的分析方法。这在任何数据分析当中都有非常不错的效果。可以清晰知道特定物料效果的上升和下降。我们可以了解到对于当前物料的操作是否正确。
定向
定向在信息流优化中有非常多的设置，这比竞价推广中的定向方式复杂了很多。
但我们只需要关注一些主要的，对我们影响最大的定向做分析。更多的定向在我们前期帐户测试的时候，就可以把影响非常小的项排除在分析之外。
定向的大致选项有：年龄、性别、兴趣爱好、地域、商圈、设备、网络、手机品牌、运营商、自定义人群包。
在做目标人群画像时可以排队一些定向，比如目标用户必须是未成年，那么就需要把已成年用户排队掉；如果应用只能在特定设备上运营，那么就需要排除其它设备。
在我们做数据分析的时候，也会观察到，有的定向是不必要去关注他的。假如，一个定向，它的用户转化率是50%，那么这个定向就不用单独去分析。例如，性别，如果男女用户各自的的转化率都基本接近，那么性别这一块我们就不需要特别关注。投放的时候保持两种性别都投放即可。
假如我们发现，在某一个地域，转化效果特别差，相较于其它地域低了非常多，而且成本已经不能接受，那么我们就需要单独分析。首先第一考虑的肯定是有没有提升空间，我们需要找更多数据，从其它同行或者相关行业数据，详细分析。然后尝试一段时间，看一看效果，如果尽力了，那就可以直接放弃这个地域。当然，这需要我们对这个优化操作价值的判断，如果没有优化价值，那么直接放弃也是可以的。
找出优质的定向，效果最差的定向，是基本的操作。在分析中，找到具有潜在价值，但在我们的投放过程中没有注意到的部分，也是一个非常有价值的内容。
创意
创意是用户会直接看到的内容，是我们与客户的“对话”，对于我们的转化有重要的影响。
创意的分析是要保持其它变量固定，单独分析一个变量，才能确保分析有参照数据。
头条的创意有多种不同的样式，这是分析的重点之一。有的组图效果不错，有的大图效果很好，这是样式维度的分析。
创意主要由标题、配图构成，分析也是检验我们思路是否正确。
我们在创意中会测试非常多的内容，例如标题中出现怎样的内容，相较于其它内容效果会更好；在图片中出现一些内容，效果相较于其它更好。总的一个基本点是，尽量突出产品的优势、特性，让内容尽量显眼，但同时要注意提供价值、解决问题。单独的震惊党于我们广告效果，没有太大帮助，有时反而会浪费我们我广告费。
在创意中可以深度的点子有：
简单、有效/效果、活动/福利、品牌、新产品、高回报。
创意的点子在不同行业、不同产品、不同企业有非常大的区别。餐饮行业的突出的内容，与制造行业的推广方式，有非常大的不同。餐饮突出的内容可能是品牌大、连锁、成熟供应链、味美、受众广；而制造业则突出的是高科技、便宜、降成本、便捷等。
创意当中可以测试的点非常多，需要我们不断去思考，不断去测试，效果好的点子我们要保持，要记录下来。
广告位
不同的推广渠道有非常大的差异，而小到一个广告位，同样有不同的推广效果。
在保持其它所有因素相同的情况下，我们单独对比分析，在不同广告位上，花出的消费，与获取的线索，我们可以清楚知道，哪一个广告位效果更好。
我们可以适当在广告位当中平衡，降低一些消费，提升一些消费。而不是一刀切，我们只投效果最好的广告位，一般我们不建议这么操作。除非有一种情况，那就是长期数据累积下来，某个广告位的成本太离谱，我们完全无法承受这个成本，那么可以去掉。
而更多的情况是，我们在广告位之间权衡，效果发的略作提升，差的略作降低。这中间有非常多的都是因素，一是广告位本就有限，放弃一个就少一个；二是竞争越来越激烈，我们不能自断一臂，这样只会得不尝失。
落地页
落地页不用说，做过推广的优化人员都知道，它的作用非常明显，也是优化的重点。落地页的优化空间可以说非常大，这也需要我们就更多的思路和点子，能够应用在页面优化上。
前期充好的人群画像，需求分析，在落地页都可以很好的利用上。解答用户可能的疑惑、痛点，突出体现企业品牌、产品的高价值、高收益，产品的实际效果等特点。
头条橙子建站自带的数据分析工具，有非常完善的数据分析功能，这个我们要加以利用。
其中的浏览触达、点击分布图、注意力分布图都是非常有用的功能，我们可以知道用户对页面的什么内容感兴趣，作为我们优化的重要参考。
操作系统/设备
操作系统以及不同品牌设备之间，数据有非常大的不同，这也是需要我们挖掘的一个点。
找其中效果较好的设备加以关注，持续保持优化设备的效果产出。
在以往一些行业当中，IOS设备的成交率、成交单价会比较高，这是一个历史数据分析出来的结果。当然也只限定在一些行业，许多行业效果差距不是特别明显，而且IOS、安卓设备的用户都有相当高的价值，都是企业需要的客户。
具体的好坏我们需要具体分析，也要尽量保证不偏科，就是尽量确保更多的设置都能有不错的效果。如果一个设备效果不好，那么需要我们多去分析找到解决办法，许多时候是因为我们没有注意到的一些细节导致效果不好，而并不是这个设备的用户质量不行。
比如，某企业推广了一款产品，其落地页完全没有考虑到苹果用户，页面在苹果设备上显示效果差，功能不能正确使用，那么这也是一个非常大的失误，是可以解决的。
产品
做广告我们最关注的还是投产比，产品所带来的业绩产出，是我们必须要了解的。
哪些是从一堆产品中脱颖而出的爆款，哪些产品用户不是特别感觉兴趣。爆款的原因是什么，我们要找出来，保持这个优化并不断提升。
产品销售量非常差，那么是我们的投放思路不对、是我们的页面不够吸引、页面没有完全展现出产品优势、页面不清晰、目标人群不喜欢页面、或是我们的定向有问题；抑或是我们的销售人员没有关注到这款产品等等，都是我们需要考虑的东西。
账户
如果我们是多帐户推广，帐户层级的数据分析也是需要做的。从中我们可以看到，相同的物料，在不同帐户的表现情况，从而更深入的了解广告推荐系统的一些特点。
例如，我们长期投放会发现，同样的物料，在不同帐户的效果差异非常大，这是为什么呢？
我们简单分析了几个原因，一是两个帐户的历史原因，帐户使用时间长短不一样，帐户历史推广的产品有不同，或者一些帐户出现过违规等。
第二个可能的原因是智能推荐系统自身的原因，由于系统本身会自动学习形成一个特定的模型，这两个帐户的模型可能会有区别，那么两个模型推荐出去的展现目标人群也会有区别。
投产比
虽然我们许多人会做这块的数据，但是数据不够细，不能直达帐户的细节中去，也是非常大的问题。
即使我们知道总的数据，也不能帮助我们把握这个业绩的涨跌。
投产比包括整个渠道的投入产出，也需要我们细化到帐户中去，找出各个版块内容的投产比。将业绩产出的数据分析做到足够细，准确把握业绩的产出点，以及拖累业绩的问题所在。
找出问题所在，才能够有准确的优化调整方向，需要帮助也尽可能寻找相关的协助。
如果我们找不出问题，领导老板一问，我们只会说这个数据不好，那里有波动，给不出一个相关的问题所在，就更不用说如何提升业绩了。
数据分析的基本方法
数据分析最多的几个方法其实非常简单，在我们上小学的时候，都是就已经交给我们了。
一个是率 = A / B ，这在数据分析时，最常用到。
比如说：留联率 = 留联数 / 总点击数
加粉率 = 加粉量 / 点击量
点击率 = 点击量 / 展现量
投产比 = 业绩产出 / 总消耗费用
利润率 = 利润 / 总业绩
月线索成本 = 月消费 / 月线索
第二是求和 = A + B + C
比如，一周的总线索量，一个月的总业绩，一个物料的总线索量，等。
第二个是对比分析：环比，同比
本月数据，与上月数据对比；第一季度数据，与去年一季度对比；本周数据与上周数据对比等等。这样准确的数据对比可清楚的让我们知道，目前的业绩是增是减，其中的主要原因是什么，是否可以解决，是否可以继续提升，都是我们要考虑的。
川公网安备 51010502011637号
