Adwords et le coefficient de corrélation linéaire de Bravais-Pearson

À quoi servent les maths ? Génération après génération, cette question hante les esprits de millions de personnes fixant leur feuille d'examen avec un certain désespoir. Si je concois parfaitement qu'il n'est pas facile de voir à quoi servent les mathématiques dans la vie de tous les jours (à l'exception des opérations de bases et autres calcul d'air ou de pourcentage). Pourtant, nous allons voir comment nous pouvons utiliser les mathématiques pour identifier les problèmes avec une campagne PPC.

Au fil des ans, j'ai eu la chance d'échanger avec de nombreux professionels du marketing. Si certains se démarquaient avec un connaissance parfaite des outils, d'autres ont su m'impressionner par leur approche scientifique du métier. Une approche parfois nécessaire lorsqu'il devient difficile, face aux données de AdWords, de trouver une explication à telle ou telle augmentation ou telle ou telle diminution en ne sachant pas par où commencer.
C'est ce que nous allons voir aujourd'hui.

Si nous pouvons exporter tous les rapports disponibles dans l'interface Adwords et les analyser ligne par ligne dans l'optique de trouver une explication possible à ces évolutions, nous pouvons utiliser le coefficient de corrélation linéaire pour vérifier l'intensité et le sens de la relation linéaire entre deux variables quantitatives. En d'autres termes, cela va nous permettre de voir s'il existe une corrélation entre deux séries de chiffres.

Le coefficient de corrélation linéaire de Bravais-Pearson

Bien évidemment, ce calcul ne va pas directement vous dire quoi faire ou ce qu'il faut corriger mais cela aura le mérite de vous donner une piste que vous voudriez suivre. Rassurez vous, nul besoin de voir en détail comment calculer ce coefficient. Nous allons simplement utiliser la fonction Excel prévue à cet effet.

Voici un échantillon des données pour les métriques PPC clés à l'aide de 14 semaines de données PPC :

Tableau des informations de conversion de recherche payée .

La colonne conversions est soulignée en rouge parce que c'est la métrique étant concentré sur . Vous voyez des hauts et des bas, mais vous ne savez pas exactement ce qui cause cette tendance à la conversion. Ainsi, au lieu de passer au crible d'une douzaine de différents rapports à la recherche d' une aiguille dans une botte de foin , il suffit de remplir une formule de corrélation de Pearson pour chaque mesure et le comparer aux totaux de conversion :

Passez "r" = Pearson (A2: A15, F2: F15 ) = 0,16

Clics "r" = Pearson (B2: B15 , F2 : F15 ) = 0,09

Et ainsi de suite ...

Après l'application de cette formule pour chaque colonne , voici les résultats ( mis en évidence en bleu en bas ) :

A charge graphique de recherche mettant en évidence le taux de conversion .

Le résultat de cette formule va aller de -1 à 1 , où -1 équivaut à une corrélation inverse parfaite, 1 équivaut à une corrélation parfaite , et 0 est égal absolument aucune corrélation. Comme vous pouvez le voir , la plupart des paramètres utilisés pour cette comparaison sont proches de 0, ce qui signifie qu'il n'ya pas de forte corrélation entre l'évolution de cet indicateur et l'évolution des conversions. Mais le taux de conversion donne un résultat très proche de 1 , ce qui signifie qu'il ya une forte corrélation .

Ainsi, en utilisant ces données , je peux conclure le changement total de la conversion dépend principalement de la variation du taux de conversion seulement , plutôt que le taux de conversion combinée avec une autre mesure clé ou d'une autre mesure clé entièrement . Et si nous pensons à ce que les facteurs dans un compte PPC ont l'impact le plus direct sur le taux de conversion seulement , nous pouvons conclure que nous devrions jeter un oeil de plus près nos pages d'atterrissage et de l'activité sur site après une annonce a été cliqué , plutôt que d' autres facteurs comme mots-clés ou copie d'annonce.

Ainsi, alors que l'utilisation de formules de corrélation de Pearson sur des données ne vous donne pas la réponse magique que vous cherchez , les résultats peuvent vous dire où vous devriez regarder pour le trouver. Lorsque vous êtes confronté à la possibilité de parcourir rapport après rapport pour vous donner des instructions, vous épargner du temps et de commencer avec cette méthode utile à la place.