競價如何分析數據？是接觸競價賬戶后需要做得重要工作，對老賬戶數據報表的整理分析，只有根據Excel做好完整的數據分析后，才能去提煉賬戶的效果詞，轉化詞，根據轉化成本調價，溢價。做時段地域調整。讓競價推廣賬戶達到最完美的狀態。接下來讓我們一起來看看網絡推廣中競價如何分析數據。

　　　數據獲取

　　1.數據來源平臺的選取

　　大多中小企業都是直接外掛的三方統計軟件，如GA、百度統計、CNZZ、51la等，雖然大多數統計平臺在功能上相差無幾，但是統計數據還是有微小的差別。我曾在百度統計和CNZZ兩個平臺的優劣選取上糾結過一段時間，后來索性兩個平臺都上，當雙重保險。平時的分析中我比較習慣CNZZ，但是如果你的網站上了百度競價，那么百度統計是更好的選擇。現在統計代碼基本都是異步加載，不用太過擔心速度問題，如果你還糾結，那就和我一樣都上吧。

　　02.本地保存“即時數據”

　　統計軟件后臺都會保存大部分數據，如CNZZ的來路頁面、受訪頁面等，基本不受時間限制，隨時可以下載的。但是要注意那些需要即時保存的數據欄目，如CNZZ后臺的“訪問明細”，該欄目只保存最近7天的數據，這就意味著如果你一不注意，放個長假回來，數據找不回來了。所以，類似的“即時數據”，一定要保存到本地。

　　03.下載數據格式選“.xls”

　　統計后臺遇到報表需要下載時，基本都會出現下載格式選項，CNZZ是.csv和.xls，百度統計是.csv和.pdf。pdf數據自帶圖表;csv為純文本數據格式;xls為Excel專用，便于數據分析。其中.csv文件和.xls下載下來后，數據的長相極其相似(這就有個坑，后文有避坑方法)。因為csv文件是純文本數據，并不是數值，所以不能進行數據上的求和，求平均值，只能計數!如果你不小心用了.csv文件，一定要先處理成數值，否則后期數據分析時會有無法正確統計的情況!

　　04.多頁數據采集及合并

　　當你需要保存在線數據時，需要注意一個小細節，比如CNZZ的“訪問明細”欄，右上角顯示的下載按鈕是“下載本頁報表”，而其他欄目的下載按鈕是“下載報表”，下載報表是不管當前顯示多少頁，系統默認下載所有頁面數據，不會缺失。而下載本頁報表就只下載當頁顯示的頁面數據。我被坑過一次，分析數據時發現數據明顯少了很多，一看原來只下了一頁的數據，再想下載的時候，服務器數據已經過了7天，沒了...

　　下載每頁報表，會遇到的第一個問題是：當網站訪問量大時，訪問明細數據每一頁都需要點擊下載。我目前的解決辦法是使用“火車頭采集器”，模擬人工點擊，下載每頁數據;第二個問題是：自動下載的數據每一張都有表頭/尾，人工合并也會累死。可以使用ExcelVBA功能，但我的辦法是使用“慧辦公”插件的合并多表功能(有次數限制，需購買)。

　　這兩大問題，有更好的解決辦法，歡迎告知。

　　數據清理

　　1.盡量不對源數據做修改

　　我做數據分析有個原則，就是“堅決反對對源數據進行直接修改”。首先，專業的統計軟件在設計統計后臺的數據時，已經千挑萬選，選出的數據能符合絕大多數用戶的需求。當源數據不符合你的要求時，千萬別在源數據中插入行和列，比如要插入日期列，請插入在數據表頭或者尾。因為每次保存數據時，都是直接從下載好的表格中粘貼數據，在源數據表中多出任何一行或列都會增加你的操作成本。

　　我曾經為了數據看起來更直觀，把下載好的源數據兩列值進行位置對調，最后導致我每次粘貼數據時都要先調換列。特別是有一次做工作交接，我忘記提到這個細節，交接人員沒注意位置和源數據不一樣，導致分析出錯。

　　也就是說，對源數據盡量減少人為干預，省心省力。

　　2.坑貨csv要轉化為數值

　　在數據獲取部分我提到了關于源數據是.csv格式的問題，如果你知道這里有坑不進去是最好的，但是已經進去了，怎么辦?我最開始下載源數據一直用csv，因為csv的文件小，下載速度快，最后數據分析時蒙B了。那么已經保存為csv格式的數據怎樣變成數值呢?答案是Excel的分列功能。

　　1)Excel打開源數據表，復制部分數據到.txt文本中，觀察源數據用的什么符號;

　　2)選中某列數據，點擊導航欄“數據”—“分列”;

　　3)下一步，如圖中的數據分隔符是“Tab”+“”，那么選擇Tab和其他兩項，繼續下一步;#p#副標題#e#　

　　4)選擇目標區域(要復制在哪里)，搞定。

　　如何制表

　　01.報表是你思考結果的展示

　　我發現在工作中，有的小組制表人和分析人不是同一個。這很可能導致成員在分析報表時變成了“看圖分析”而不是真正的“看數據分析”。制表的基礎是制表人必須清楚的知道源數據是從哪兒來的?怎么來的?是怎樣從數據變成表格的?在變成表格的過程中有沒有因為美觀被隱藏掉某些內容等。

　　要記住報表是要把分析人的思路更簡潔的展示給其他人。所以我推薦，制表人就是分析人本人。不要以浪費時間和辦公軟件不熟悉為由拒絕，熟練掌握辦公軟件，我覺得是運營人的基本素質。

　　思路的展現邏輯一般是“總分總”，以網站分析說，我的框架是：流量趨勢→來源渠道→渠道1明細→渠道2明細...→來路分析→受訪分析→搜索詞→外鏈。

　　02.制定表格規范

　　在制表的過程中，不少同學表格做的很隨意。展示圖表亂用，用折線圖表達百分比關系?數據對比用折線圖??為數據選擇最合適的展現圖表類型，比較數據間區別時，用條形圖;表示不同項在總體的占比時，用餅狀圖;反映事物變化時，用折線圖;觀察不同項目長短板時，用雷達圖...

　　還有其他諸如符號使用規范、配色規范等，不一一列舉。總之，秉著“方便他人”的思路就對了。

　　03.數據分析后一定要給出可執行建議

　　不可否認很多人把數據做成表格只為了裝逼，讓別人看起來很牛。但是作為一個專業人員始終記得“報表只是你思考結果的展示”，最重要的是你通過數據分析出來了哪些對今后工作有指導性的建議，其他人可以直接按照你的建議執行，就能取得良好效果。

　　比如，觀察數據發現“本周的PV大幅度降低”，沒有指導意見的說法是“增加文章更新頻率”。雖然這個說法沒錯，但真正具有指導意見的應該是先分析PV下降的具體原因，找到原因后針對解決，而不是說“增加文章更新頻率”這樣一個大方向。

　　把報表做的漂亮是一種能力，但是美觀始終流于表面。只有真正有指導性的建議才能長久的打動人。

　　這一步很難，可是做到了，你就絕不只是個專員。#p#副標題#e#

　　04.透視表，降維打擊

　　早前我使用Excel做分析的時候，基本上是直接用基本的篩選、公式(sumif、countif、sumproduct)、條件格式之類，雖然操作逐漸變得熟練，速度越來越快。可是想象一下，當你需要對比源數據中兩天某一項數據的區別時，可能需要先加入三列輔助列，然后使用countif函數對兩列進行計數，第三列使用減法再加上顏色的條件格式。如何對比兩個月的數據呢?用sumproduct，多塞幾個條件??

　　我推薦越早學習透視表功能越好，使用的Excel的“數據透視表”功能后，洪荒之力暴漲，“對比功能”“創建組”功能，分析起來簡直不要更爽!哪里需要繁瑣的公式?一開始別覺得很麻煩，你只要記住“‘列’丟對比項;‘行’丟分析項;‘值’丟數據結果項”。不懂的多試幾次，自然就熟了。花幾個小時，可以省掉你用Excel基本功能時80%的時間。

　　另外，對于Excel的學習，基本功也別落下，對數據的基本函數和條件格式，用好了也能飛。

分析要素

　　01.日記：當天有特殊情況記錄在趨勢表中

　　作為網站運營者，每天上班的第一件事就應該是粗略過一遍昨天的統計數據。在每天的過程中要密切關注不同小組有沒有做可能大幅度影響網站流量的工作。比如EDM、活動運營開展了一次線上活動、內容運營抓取了某個欄目的文章、技術人員對某個欄目改版等。這里存在溝通問題，本部門作為各平臺負責人一定要事先強調事先通知的重要性。雖然事后可以通過數據反推，但是可能導致思考過于發散。

　　把每天收集到可能影響到網站數據的情況“批注”在趨勢表中，等到周報時進行數據對比，會方便很多。

　　02.峰值：高峰、低峰都不能放松

　　在面對圖表分析時，峰值最為明顯。但是很多人只分析不好的低峰而忽略高峰，對高峰擅自代入。

　　面對峰值時，首先要縮小粒度。如觀察8月8日出現低峰，那么再看是在8月8日當天哪幾個小時數值降低，再分別篩選出這幾個小時的來訪及受訪數據，逐一分析，找到根源。低峰找出原因，今后避免;高峰，也找出原因，今后重現，驗證你找到的原因。　

　　03.對比：約束變量，同軸對比

　　在上文中提到了“制定表格規范”，其中對比規范的核心就是要同軸。比如數據對比坐標軸不能瞎變，這周記錄的是星期一到星期天，對比的是本周和上周;下周記錄的變成了星期三到星期五，對比的是上半月和下半月。坐標軸一定要按照表格類型來，周報告就以周報告為軸，對比的也是本周7天和上周7天的數據。有特殊情況需要在周報告中顯示更長的時間段時，也請固定該時間。頻繁更換坐標軸或者完全亂來，不僅會影響報告的可讀性，也可能會導致分析人分析出錯。　

　　04.經驗：記住周期性現象，這是你的寶藏

　　什么叫周期性現象，比如“每逢節假日流量下降”、“每逢周末流量下降”、“每周三9點PV暴增”等等，多次重復并反映在數據波動上的情況。

　　針對平臺運營，記住所有周期現象，這就是你今后工作比別人更專業的經驗來源，不需要企業花費大量試錯，節約的人力物力就是你的價值。

　　但要注意的是，周期性現象也是有“周期”的。互聯網時代知識日新月異，不要守舊，經驗也可能騙人。

　　05.反常：事出反常必有妖

　　什么叫反常現象，比如大多網站在中午12-14點間，流量都會因為網民需要休息顯著降低，且PC流量降低，移動流量驟升。但是如果某一天，或者某一周的12-14點流量全體暴增呢?

　　反常現象就是在周期性現象的異變，當多次出現反常現象時，你找到原因后就要開始重新審視周期性現象是否產生了變化，是否是政策變化;是否是環境風向變化;是否是平臺玩兒變化等。

　　理論誤區

　　01.猜測不代表結論

　　進行數據分析時，先看日記中記錄了哪些行為，再對比數據結果看記錄該行為的同時是否產品數據波動，如果數據波動符合日記中的行為常識，那么就可以大膽猜測該項數據變化是由該次行為導致。

　　接著你要做的就是通過數據驗證它，而不是武斷的認為數據波動就是這個行為產生的。

　　舉個例子，某次公司派同事去路演，路演PPT尾頁留有微信公號的二維碼。結果在數據分析時，發現當天微信新關注數量暴增。然后運營人員不經過驗證就直接武斷的把新增用戶的效果歸于路演，甚至得出了要多參加路演的指示。可是最后在數據分析時，發現當天新關注數的增長來源是“名片分享”而不是“掃描二維碼”，后來一問才知道，是社群組的同事進行了一次小范圍的社群名片互動。

　　始終要記住“猜測不代表結論”，提出猜測后，要證實它。當出現實在找不到根源的問題時，先暫時放棄，記錄下你的猜測，找機會再驗證它。

　　02.深入分析，結論可能是假的

　　剛才提到了“猜測不代表結論”，這里面存在連環套。因為數據分析工作面對著大量數據，時間一長，人難免會焦躁，特別是老是找不到原因時，很容易得到假結論。

　　舉個例子，某次分析網站數據時，對比發現有一天網站的PV暴增許多，縮小粒度后發現數據增幅集中在當天14-17點，然后開始分析“受訪頁面”的訪問次數，一排序，發現某個欄目PV暴增，一問部門同事才發現是因為內容運營開了爬蟲，抓取了大量的信息流，提高了PV量。

　　這時候，如果不細想很容易得出“PV暴增是因為內容組抓取大量內容導致”的表面結論。因為回到問題中，原現象是“14-17點，PV暴增”，現有的表面結論并沒有按照小時粒度去分析，最終分析14-17點小時數據時，發現原來是因為這三個小時來了一位新訪客，瀏覽了多篇資訊文章，然后把所有欄目都看了一遍。

　　所以最終PV暴增的原因應該是“新訪客瀏覽整站”和“內容組開爬蟲”共同作用引起的，而非單一項。在實際工作中，人們很容易只是看到了第一層表象就得出結論，時刻記住多深入分析，想想現有的結論是不是到最小粒度了，有沒有可能是個陷阱?

　如此詳盡的競價數據分析，肯定會將你從迷茫中喚醒。而一個清晰明確的數據分析報表，會讓你的工作輕松不少，當然這也是一種良好的工作習慣，作為競價推廣人員需不斷的精益求精，才能跟上時代的步伐。