சமீபத்தில் PPC மார்க்கெட்டிங் உள்ள சராசரியைப் பயன்படுத்தி பிரச்சினைகளைப் பற்றி பேசும் ட்வீட் மற்றும் வலைப்பதிவு இடுகைகளின் ஒரு வெடிப்பு இருந்தது. உதாரணமாக, ஜூலி பச்சினியின் வாதங்கள் "சராசரியாக ஒரு கசப்பான மெட்ரிக்" என்று வாதிடுகிறார்:
சில நேரங்களில் சராசரியாக மிக தவறாக வழிநடத்தலாம் என்பது உண்மை என்றாலும், மேலே உள்ள தரவு தொகுப்பால் உள்ள சிக்கலானது, மக்கள் தொகை மாறுபாடு மற்றும் மாதிரியில் உள்ள நிலையான விலகல் ஆகும்.
$config[code] not foundஇந்த இடுகையில் நான் இங்கே சம்பந்தப்பட்ட கணிதத்தைப் பற்றிப் பேசுகிறேன், சராசரியான மதிப்புக்கான ஒரு விஷயத்தைச் செய்ய விரும்புகிறேன், அத்துடன் பிபிசி சமூகத்தில் சமீபத்தில் பார்த்துள்ள சராசரியைப் பற்றி புகாரளிக்கும் சில விமர்சனங்களுக்கு பதிலளிக்கிறேன்.
மாறுபாடு, நியமச்சாய்வு மற்றும் குணகம் வேறுபாடு
மாதிரி மாறுபாடு சிதறல் ஒரு நடவடிக்கை - தரவு தொகுப்பு மதிப்புகள் உங்கள் தரவு செட் சராசரி மதிப்பு வேறுபடுகின்றன வாய்ப்புகள் எவ்வளவு. சராசரியிலிருந்து ஒவ்வொரு தரவு புள்ளிகளுக்கான வேறுபாடுகளின் சதுரங்களின் சராசரியை எடுத்துக் கொள்வதன் மூலம் கணக்கிடப்படுகிறது. வேறுபாடுகள் சதுரங்கள் எதிர்மறையான மற்றும் நேர்மறை மாறுபாடுகள் ஒருவருக்கொருவர் ரத்து செய்யப்படாது என்பதை உறுதிப்படுத்துகின்றன.
எனவே வாடிக்கையாளர் 1 க்கு, 0.5 சதவிகிதம் மற்றும் 3.6 சதவிகிதம் சராசரி மாற்றத்தை கணக்கிட, சதுர அந்த எண். ஒவ்வொரு வாடிக்கையாளருக்கும் இது செய்யுங்கள், பின்னர் மாறுபாட்டின் சராசரியை எடுத்துக்கொள்ளுங்கள்: அது உங்கள் மாதிரி மாறுபாடு.
மாதிரி நியமச்சாய்வு வெறுமனே மாறுபாடுகளின் சதுர வேர்.
சராசரியாக, சராசரியாக, இந்த தரவுகளின் மதிப்புகள் மொத்தமாக சராசரியாக 3.6 சதவீதத்திலிருந்து (அதாவது எண்கள் மிகவும் சிதறடிக்கப்படுகின்றன) 5.029 சதவீதத்திலிருந்து விழும், அதாவது நீங்கள் இந்த விநியோகத்திலிருந்து அதிகமான முடிவை எடுக்க முடியாது என்று பொருள்.
சராசரியாக வகுத்துள்ள நியமச்சாய்வு வெறுமனே மாறுபாட்டின் (அல்லது தொடர்புடைய நிலையான விலகல்) ஒரு குணகத்தை கணக்கிடுவதே உங்கள் தரநிலை மாறுபாடுகள் "மிக அதிகமானவை" (ஒரு சாதாரண விநியோகத்திற்காக நீங்கள் தேடுகிறீர்களெனக் கருதினால்) மதிப்பீடு செய்ய ஒரு எளிமையான வழி.
இதன் அர்த்தம் என்ன, நாம் ஏன் கவலைப்பட வேண்டும்? இது சராசரியாக அறிக்கையிடும் மதிப்பைப் பற்றியது. வேர்ட் ஸ்ட்ரீம் கிளையன் தரவைப் பயன்படுத்தி ஒரு ஆய்வு செய்யும் போது, நாங்கள் சிறிய தரவுத் தொகுப்பிலிருந்து சராசரியை கணக்கிட மாட்டோம், பெரிய முடிவுகளை எடுக்கிறோம் - தரவுகளின் விநியோகம் பற்றி நாங்கள் கவலைப்படுகிறோம். எண்கள் எல்லா இடத்திலும் இருந்தால், நாங்கள் அவற்றை வெளியேற்றுவோம் மற்றும் மாதிரியை வேறு ஒரு வழிமுறையாக (தொழில், செலவு, முதலியன) முயற்சி செய்கிறோம், இதன் மூலம் நாம் இன்னும் நம்பிக்கையூட்டும் வகையில் முடிவெடுக்கும் திறனைக் காணலாம்.
வரையறை மூலம் கூட சராசரி சராசரிகள் சராசரியாக மேலே மற்றும் கீழே மதிப்புகள் அடங்கும்
சராசரியாக சராசரி முகாமில் இருந்து விமர்சிக்கப்படும் மற்றொரு வரி மொத்த மக்கள்தொகையில் சராசரியாக பேசுவதில்லை என்ற கருத்துதான். இது நிச்சயமாக உண்மைதான், வரையறை மூலம்.
ஆமாம், சராசரி சராசரியின் மதிப்பிற்கு மேலேயும் கீழேயும் உள்ள தரவு புள்ளிகளைக் கொண்டிருக்கிறது. ஆனால் சராசரியாக சராசரியாக வெளியே எடுப்பதற்கு இது ஒரு பெரிய வாதம் அல்ல.
ஒரு சாதாரண விநியோக அனுமானித்து, உங்கள் தரவு புள்ளிகளில் சுமார் 68 சதவிகிதம் +/- உங்கள் சராசரியிலிருந்து ஒரு நிலையான நியமனம், + 95- + 2 நியமச்சாய்வுகளுக்குள், மற்றும் +/- 3 நியமச்சாய்விற்குள் 99.7% இங்கே.
உங்கள் தரவுத்தளத்தில் ஒரு இறுக்கமான தரநிலை விநியோகம் இருந்தால், நீங்கள் நினைப்பதுபோல் அவை பொதுவானவை அல்ல என நீங்கள் பார்க்க முடிந்தால், வெளிநாட்டவர்கள் நிச்சயமாக இருக்கிறார்கள். நீங்கள் கணிதத்தைப் பற்றி கவனமாக இருந்தால், பெரும்பான்மையான விளம்பரதாரர்களுக்கு இன்னும் பல பயனுள்ள தகவல்கள் இருக்கும்.
PPC மார்க்கெட்டிங், கணித வெற்றி
குளியல் நீர் கொண்டு சராசரியாக தூக்கிவிட வேண்டாம். எல்லாவற்றிற்கும் மேலாக, AdWords போன்ற செயல்திறன் அளவீடுகள் (CTR, CPC, சராசரி நிலை, மாற்றம் விகிதங்கள், முதலியன போன்றவை) சராசரியாக மதிப்பிடப்படுகின்றன.
சராசரியாக புறக்கணிக்கப்படுவதற்குப் பதிலாக, சராசரியாக நீங்கள் பார்க்கும் சராசரி அர்த்தமுள்ளதா இல்லையா என்பதை அறிய கணிதத்தின் சக்தியைப் பயன்படுத்தலாம்.
அனுமதியினால் மீண்டும் வெளியிடப்பட்டது. இங்கே அசல்.
Shutterstock வழியாக சராசரி புகைப்பட
மேலும் அதில்: வெளியீட்டாளர் சேனல் உள்ளடக்கம்
