论文中的SEM是什么意思

论文中的SEM是什么意思,第1张

结构关系方程模型(SEM)属于验证式的协方差结构模型分析,完整的协方差结构模型包含两个次模型:①测量模型(如图),潜变量(即不可自我描述的因变量)被显性指标(即观察变量)所测量或概念化,测量模型也可以复杂一些,比如二阶测量模型,;②结构模型(如图),潜变量之间的假设关系,以及无法解释的变异量部分,以确认假设的潜变量之间的关系以及潜变量与显性指标的一致性程度。当然,复杂度更高的结构模型比比皆是,这就太考验理论能力、概念化能力、量表设计能力和SEM模型控制能力了。

常用的分析多用四象限法,分析方法有很多,目的都是一样。重点看下面:

关键指标维度:Ø数据分析的基础建立在营销目的上,按营销目的主要划分为三类

• 品牌知晓:主要目的提升品牌知名度

• 流量增加:主要目的给网站增加流量,带来优质访问流量

•销售促进:主要为网站带来销售业绩,销售机会

找出矛盾:• 转化成本=消费/转化量=CPC*点击量/转化量=CPC*CVR

• CPC高:降低出价,优化质量度

• CVR低:优质流量(修改匹配方式,增加否定词,暂停…),Landing Page优化,转化流程优化,促销活动,

• 转化数=点击*CVR=展示*CTR*CVR

• 展示低:修改匹配方式,扩词

• CTR低:优化创意,优化排名,过滤不精准关键词

• CVR低:优质流量(修改匹配方式,增加否定词,暂停…),Landing Page优化,转化流程优化,促销活动

希望对你有帮助。

营销效果账户层级

包括账户投入产出数据、同期账户效果预测以及地域层级投放产出效果、投放时段的数据分析。

账户投入产出数据很好理解,账户的一个整体的消费产出数据,包括消费、点击、点击率以及转化数据。

环比账户效果预测,这个需要一段时间的数据积累,至少半年的数据对比分析,做出下个月的产出预测制定投放计划。

地域层级的投放产出数据,这个也很容易理解,就是针对不同的投放地域,分析地域的投放产出效果的对比,以此决定不同地域之间的投放比重,把钱花在最有效果的地方。

投放时段这个也很好理解,就是通过不同时段的投入产出数据,来对不同时段投放做出优化调整。

账户内层级数据分析

包括账户内的关键词、创意等等。

首先说一下重中之重:关键词数据。平时我们的分析的最多的也是关键词数据,因为他直接联系着账户的转化数据,而与关键词密切相关的又有出价、质量度、点击率,所以这也是很多新手朋友容易产生困惑的地方。最直接判定关键词效果的数据就是有效咨询数据,这时我们可以从有效咨询数据中判定出哪些关键词消费高效果好,哪些关键词消费高效果差,哪些关键词消费低效果好等等。

其实这些情况在我们Adsemer的ASK技术问答平台已经分析的很透彻了这里就不细说,这里我们只做一个思路的梳理,ok,从咨询数据反推出关键词的各种效果,而此时的关键词或许不是我们的真实的“关键词”,因为当我们为关键词使用各种匹配模式的时候,隐藏在关键词下面的无数个真实的为匹配模式所触发的搜索词,我们可以用EXCEL的一个vlookup函数把关键词语其对应的搜索词数据关联起来,这时候就明朗了,真正产生效果和效果差的搜索词就一览无遗了。此时我们根据不同的关键词的情况对出价、匹配模式做针对的调整。

再说一下创意的数据分析调整,限于篇幅这个就不细说了,大致的意思是积累了一定的数据之后,我们可以给做一个创意的数据分析,提炼创意中的核心特征词,分别对比分析两个要素组合的数据,包括展现、点击、点击率,然后通过数据相加权筛选出表现最好的特征词,重点去突出这类特征词。说到这里可能有一部分朋友不好理解,不过没关系这两天我会针对这个创意的数据测试写一篇详细的讲解文章,大家看了就明白了,大家可以关注我的空间和Adsemer技术博客、也可以加我QQ将会得到更新通知。

着陆页的数据分析

关于着陆页的数据分析一般涉及到的是页面的AB测试、跳出率、页面停留时间等等,打个比方我们做“如何开网店”这个关键词,通过这个关键词进入页面A停留时间和跳出率分别为1分钟和90%,此时跳出率较高,停留时间较短,此时我们就要考虑这个页面与这个关键词的相关性,可以将这个关键词定位到页面B再去测试,然后对比数据,最终确定哪个页面与关键词的相关性更高,来确定使用哪个页面。

一个关键词可能会触犯很多相关的搜索词,而定位到着陆页后,这个着陆页面的信息是否与搜索词相关,能不能满足搜索者的需求这点是至关重要的,直接决定着最终的转化效果,所以着陆页的数据分析也是必须要做的。

还有一点就是竞争对手的分析,这个是建立在自身账户数据分析已经很好把握的情况下,针对竞争对手的数据分析回头也是单独做出一篇详细的文章来介绍比较好,空间和博客会第一时间更新吧。今天没有说太多细节的东西,只是一个思路的梳理,其实数据分析本身就是一个由粗到细的过程,我们时刻要记得我们数据分析的目的是什么,分析后我们能得到什么?


欢迎分享,转载请注明来源:夏雨云

原文地址:https://www.xiayuyun.com/zonghe/288912.html

(0)
打赏 微信扫一扫微信扫一扫 支付宝扫一扫支付宝扫一扫
上一篇 2023-04-23
下一篇2023-04-23

发表评论

登录后才能评论

评论列表(0条)

    保存