听说，大家都一直被数据分析所折磨。

▲ 数据分析是个什么鬼？

▲ 我怎么感觉这个数据哪哪都有问题？

▲ 天呐，我到底该先分析哪一项数据？

很痛苦有没有！

哈哈…不过，今天的文章可能会让你更痛苦。

小编为了帮助大家逃离数据分析的魔怔，今天就给大家带来了一篇“如何分析数据”的案例文章。

下图是某账户的营销数据。从你的角度看，你会觉得是哪里出了问题？

分析好之后，你便可以带着自己的答案看下去。

一般情况下，我们进行数据分析是为了什么？

降低成本，增加对话、增加流量质量…等等。

但其实，最终我们都可以归结为一个目的：增加转化。

那我们在分析时，便可以基于这个目的来出发。

既然明确了目的，是增加转化，那便可先从结果出发。

从图中我们可以看出它的线索是逐步上升，但线索成本并没有下降。

那…从结果分析来看，我们的获客成本是较高的。

线索成本高，要么是因为我们的均价高，要么就是因为我们的对话率低。

但从对话率来看，它的数据我们可以接受，说明流量质量没问题；点击率略微下降，均价居高不下，所以导致对话成本也是处于一个较高的状态。

那，由此可以确定：对话成本高从而导致了一个线索成本的问题。

确定了问题，我们就要分解问题。

建议像这种情况，我们可以在草稿或电脑上罗列出一个思维导图。

对话成本高，我们可以从两点来解决：

1. 降低对话成本
2. 增加对话量

• 降低对话成本

降低对话成本，要么降低整体点击均价从而降低成本，要么提高对话率，以量取胜。

降低整体点击均价：我们可通过筛掉那些均价高、转化低的词来达到这一目的。

提高对话率：对话率往往和一个流量质量、转化引导有关系。那我们便可通过对以下四点进行分析，从而找到自身影响对话的一个薄弱之处。

抵达分析

承载分析

转化能力分析

流量质量分析

• 增加对话量

增加对话量，不过就是一个增加流量质量和流量数量的问题。

这就需要我们在增加流量数量的同时，筛选出垃圾流量。同样，我们可以通过分词来达到这一目的。

我们最初的目的是增加转化，那么便可先筛选出转化较好的词，然后进行分类。

均价高转化好：先加词，拓量之后优化创意，来控制流量。

均价低转化好：利用提价和放匹配相结合。

当确定好方案之后，我们便可以根据这个优化方案进行执行。

那根据上面的操作，我们基本可以分为三步：

1. 降低整体点击均价

2. 提高对话率

3. 增加对话量

那么，问题来了，我们应该先操作哪一步？

是123还是321，再或者213、231…

在数据分析中，先操作哪个或后操作哪个都有可能带来巨大的变化。

比如：当我们先进行降价处理时，那就有可能导致钱花不出去，这就需要我们先放量在收量。

所以，各位看官，关于上述的操作执行顺序，你怎么看呢？