四大數據分析陷阱amp；如何避免他們對數據的誤解，甚至會誤導我們**很好的人。看看數字營銷四個常見的數據分析陷阱，以及一些批判性思考和避免這些陷阱的妙招。

　　數字營銷是值得驕傲的數據驅動領域。然而，正如SEO所說，我們經常使用不完整或有問題的數據，**終得出錯誤的結論，我們試圖證明我們的論點或量化我們的問題和機會。

　　在本文中，我將概述我們行業中四個常見的數據分析陷阱以及如何避免它們。

　　1.下結論

　　今年早些時候，我對品牌知名度進行了排名因子研究，并發出以下警告：

　　ldquo;hellip;hellip; 域名授權（或品牌搜索量或任何其他內容）與排名正相關的事實可能表明以下任何或所有情況：

　　鏈接導致網站排名良好

　　排名正當理由網站獲取鏈接

　　大約第三個因素（如網站的聲譽或年齡）導致網站獲得鏈接和排名在同一時間。

　　我~

　　不過，我想更深入地研究這個問題，并為您提供一個分析這些框架的框架，因為還有很多框架。以石寺**近的研究為例，你可以在前10篇或蘭德微博中看到這篇很好的文章，也可以討論SEMRush**近的直達交通研究。我并不是在批評這兩項研究，但我想提請大家注意我們是如何解釋它們的。

　　首先，我們會有一點點的確認偏差——我們都太渴望大喊ldquo；相關性和因果關系之間的差異rdquo；當我們看到successful網站的關鍵字時，也認同當我們看到研報時，我們認為是有效的還是做同樣的事情，比如鏈接。

　　第二，我們不能批判性地分析潛在的機制。選擇不僅僅是因果關系或巧合。

　　在根據相關性得出結論之前，您必須考慮以下可能性：

　　確切地

　　逆向因果

　　共同原因

　　線性度

　　廣泛適用性

　　如果這些都說不通的話，那就很公平了——它們都是行話。舉個例子

　　我警告你不要吃奶酪，因為你可能會死在你的床單上，我必須檢查它是否有以下內容：

　　完全巧合-有沒有可能這么多的數據集進行了比較，其中一些必然是相似的 為什么，這正是Tyler Vigen所做的！是的，有可能。

　　相反因果關系mdashmdash；有沒有可能我們走錯了方向 比如，也許你的親人，哀悼與你床單有關的死亡，吃了很多奶酪來安慰自己 這似乎不太可能，所以讓我們暫且不談吧。不，不可能。

　　共同因果關系——這兩個因素背后有沒有第三個因素 也許增加你的財富會讓你更健康（這樣你就不會死于營養不良），也會讓你吃得更多奶酪。這似乎是合理的。是的，有可能。

　　線性-我們比較兩種線性趨勢 線性趨勢是一個穩定的增長率或下降率。隨時間近似線性的任何兩個統計數據都具有良好的相關性。在上圖中，我們的統計數據呈直線上升趨勢。如果你在不同的尺度上繪制它們，它們看起來可能完全不相關，就像這樣，但是因為它們都有一個穩定的速率，它們仍然是很好的相關。是的，似乎有可能。

　　廣泛適用性-這種關系是否可能只存在于某些利基場景中，或者至少不存在于我的利基場景中 例如，奶酪，對某些人來說，這足以產生這種關聯，因為很少有床單卷入死亡 是的，似乎有可能。

　　所以我們有四個ldquo；是rdquo；答案和五個測試之一ldquo；否rdquo；回答。

　　如果你的例子沒有得到五分之五的檢查ldquo；否rdquo；你不能說這項研究確定了奶酪消費排名因素或致命的副作用。

　　類似的過程應該應用于案例研究，這是另一種形式的相關性mdashmdash；你所改變的關系，以及一些好的（或壞的）。發生。例如，詢問：

　　我是否排除了其他因素（如外部需求、季節性、競爭對手失誤）

　　我是通過做我想做的事情來增加流量，還是同時意外地改善了其他因素

　　這是由于特定客戶/項目的特殊情況造成的嗎

　　2.缺失

　　如果我告訴你我今天的流量是每周20%，你會怎么說 恭喜你

　　如果去年這個時候增長了20%呢

　　如果我告訴你20年來一直上漲20%，直到**近呢

　　有趣的是，一個小環境可以完全改變這一點。這是另一個案例研究的問題和他們邪惡的倒雙胞胎，交通下降分析。

　　如果我們真的想知道某件事是令人驚訝的，是積極的還是消極的，我們需要將它與我們的預期進行比較，然后計算出我們的預期偏差是多少ldquo；正常rdquo；。如果這聽起來像是統計數據，那是因為這是統計數據——事實上，我在2015年就寫過衡量變化的統計方法。

　　但是，如果你想偷懶，一個好的經驗法則是收縮和增加前幾年。如果有人向你展示可疑的放大數據，你可能需要使用少量的鹽。

　　3相信我們的工具

　　你會根據你的競爭對手操縱的數字做出數百萬美元的商業決策嗎 好吧，你有機會。這個數字可以在谷歌分析中找到。我在其他地方對此進行了廣泛討論，但大多數分析平臺都存在一些主要問題：

　　他們很容易操縱外部世界

　　他們是如何分組談話的

　　他們對AD阻滯劑有多脆弱

　　它們在樣本中的表現，它們的明顯程度

　　例如，谷歌ApI V3可以分析大量的樣本數據，如果流量超過一定量（~500000在日期范圍內），您知道嗎 我也沒有，直到我們遇到它，同時建造蒸餾ODN。

　　類似的問題在很多情況下都存在ldquo；搜索分析rdquo；在工具中。我的同事Sam Nemzer為此寫了一堆報告——你知道排名**高的跟蹤平臺是完全不同的排名 或者關鍵詞就是谷歌（所以像SEMRush這樣的工具和統計數據也不是等價的，可能沒有大量的參考資料

　　了解我們使用的工具的優點和缺點是很重要的，這樣我們至少可以知道它們何時是準確的（例如，他們的見解引導你朝著正確的方向），如果不是完全準確的話。我在這里真正可以推薦的是，他的SEO（或任何其他數字渠道）必須意味著理解你的測量平臺的機制，這就是為什么所有新的開端都學習如何在蒸餾結束時分析審計。

　　根問題**常見的解決方案之一是合并多個數據源，但是hellip；

　　4.合并數據源

　　將有許多平臺ldquo；失敗（未提供）rdquo；聚合兩個或多個數據：

　　分析

　　搜索控制臺

　　關鍵詞廣告

　　排名跟蹤

　　這里的問題是，首先，這些平臺沒有相同的定義，第二，具有諷刺意味的是，經常打破他們。

　　我們先來處理定義，例如mdashmdash；讓我們看看帶有頻道的登錄頁：

　　在搜索控制臺中，這些數據以單擊的形式報告，當合并多個維度（如關鍵字和頁面）或過濾器時，它們可能會受到嚴重和不可見的采樣的攻擊。

　　在谷歌分析中，這些報告使用的是**后一次間接點擊，這意味著你的有機流量包括一系列直接會話、加班、恢復中間會話等，而這些會話不進入暗流量、廣告封殺代理等。

　　在AdWords中，大多數報表使用AdWords單擊并轉換以定義不同的報表。此外，如上所述，關鍵字volume是捆綁的。

　　排名如上所述，跟蹤是特定于位置且不一致的。

　　好吧，雖然它可能不準確，但考慮到這些限制，你至少可以得到一些有用的數據。但是，關于ldquo（未提供）rdquohellip；

　　大多數登錄頁獲得的流量不止一個關鍵詞。其中一些關鍵詞的翻譯效果可能比其他關鍵詞更好，尤其是當它們帶有品牌時，這意味著即使是****的點擊模式也幫不了你。那么你怎么知道哪個關鍵詞是有價值的呢

　　**好的答案是從這些關鍵詞AdWords數據中概括出來，但您不太可能擁有關鍵詞和web數據的所有這些組合來進行分析。本質上，報告工具非常大膽地假設給定頁面的所有關鍵字轉換都是相同的。有些人比其他人更透明。

　　再次強調，并不是這些工具一文不值，而是需要仔細理解它們。唯一能夠可靠地填補ldquo產生的空白的方法；不可用rdquo；將花費大量的付費搜索，以獲得體面的量，轉換率，跳出率是估計所有關鍵字，即使這樣，你沒有固定的不一致的定義問題。

　　獎勵：平均評分

　　我看得太多了。有三個問題

　　您是否更關心十個非常低容量的查詢（10個月或更少）的損失，而不是一個高容量的查詢（百萬以上） 如果答案不是ldquo；是的，我絕對更關心十個低容量查詢rdquo；，所以這個指標不適合你，你應該考慮一個基于點擊率估計的可見性度量。

　　在你開始排名100個你不知道的關鍵詞排名之前，這會讓你不安嗎 如果答案不是ldquo；是的，我討厭新的關鍵字排名rdquo；，所以這個指標不適合你mdashmdash；因為它會降低你的平均值排名。當然，您可以使用所有非排名關鍵字作為位置100，正如某些工具所允許的那樣，但是在2個平均排名位置的下降真的是表明每50個登錄頁中就有一個已被索引的**佳方式嗎 另外，使用可見性度量。

　　你喜歡和你的競爭對手比較你的表現嗎 如果答案不是ldquo；不，當然不是rdquo；，那么這個指標不適合你mdashmdash；你的競爭對手可能有更多或更少的品牌關鍵詞或長尾排名，這將導致比較偏見。同樣，使用可見性度量。

　　結論是你會發現這很有用。總結的主要結論是：批判性地分析相關研究和案例研究，看看你是否能將它們解釋為巧合，如反向因果關系，作為聯合因果關系，通過引用第三個相關因素，或生態位適用性。

　　不要在沒有上下文的情況下看流量變化——你會預測這段時間和誤差有多大

　　記住，我們使用的工具有局限性，看看它們如何影響它們顯示的數字ldquo；這個數字是如何產生的ldquo；這是一個重要的部分，這個數字是什么意思rdquo；ldquo;

　　如果**終合并了來自多個工具的數據，請記住找出它們之間的關系mdashmdash；將此信息視為方向而不是精度。

http://www.dgzxsm168.com/jianzhanzhishi/523.html 四大數據分析陷阱amp；如何避免它們