本文来自即将在北京开课的 宋星大课堂：利用数据分析和优化互联网营销 。
这篇文章给需要快速了解一个账户的朋友们使用。这六个方法分别是：“一九”分布、消费和转化的四象限、转化分解、核心词互动度与ROI的气泡图分析、单页推广的核心词互动度与ROI对比分析、通用词与品牌词的词间关联分析。
更细节的每一个关键词调优的工作，就不涉及了。
方法一：“一九”分布规律
长尾模型从词频分布的角度描述了一个SEM账户内的关键词分布状况。这世界上的SEM账户基本上都符合二八甚至一九分布规律。例如下面的这个账户内关键词的分布：
这个账户的前250个词（只占所有产生流量的词的6.8%）带来了88%的流量和86%的转化收入。挺典型的。
另一个账户也非常体现出这种规律（如下图），所有产生流量的关键词中，只有头部的极小部分产生了显著的流量。
所以，利用这个模型，帮助我们对于关键词形成聚焦：账户优化其实很容易，我们搞好这些最能带来流量的头部的词就已经抓住了重点部分！把这部分词跟马上要提到的四象限模型结合起来，你的优化目标就瞬间清晰了很多。
方法二：消费和转化的四象限模型
类似这种模型大家一定都看到过，这是互联网营销分析（其实也是所有的经营分析）中最常用到的模型。用于通过两个维度对事物进行区隔。在SEM关键词的宏观研究场景下，这是一个非常赞的模型。
这个模型的优点在于，非常易懂，对关键词表现的宏观把握有很大帮助。
缺点在于，这个模型本来是帮助你对宏观进行把握的，但是为了了解这四个象限背后到底发生了什么，你又不得不立即进入到微观的词的细节之中去。例如按照上面的四象限所做出的下面的具体的词的细分情况：
点击小图看大图
于是，你看到了很细节的很多关键词的情况，但你仍然不知道我应该如何着手优化这些词。因为，从每一个词自身的词义看，不同词之间有着本质的差异。有些词的词义就决定了它更容易转化（例如，品牌词、到哪里买、价格如何之类的词），而另一些词本身并不容易转化（通用词之类的）。因此，按照四象限模型的粗浅要求，对那些花费高的想办法降低费用，或者对那些转化低的想办法提高转化，或者对低花费高转化的词进行开源拓词等等，与其说是优化策略，不如说更多的是指导思想，而很难帮助你形成具体的行动。所以，作为提醒，你仍然需要进入每一个词的细节去考虑为什么它们处于不同的象限。
尽管如此，对你快速了解哪些关键词不够好，还是很有作用的，特别是方法一中找出的头部词和那些具有核心词根的词。
方法三：转化分解
转化分解是最容易（尽管不是很容易能实现数据的准确）操作，但又最容易产生误导的模型。
我们会把整个SEM账户（或者账户的计划、单元等）按照“曝光 -> 点击 -> 流量 -> 咨询 -> 有效咨询 -> 注册 -> 购买”类似的过程来做每一个转化步骤，从而快速定位哪里出现了问题。
正是因为这个方法，我们很多次的发现，竞价效果不好的根本原因，不在于竞价本身，而在于竞价之后流量在着陆页、详情页、咨询客服等过程中出现问题。这样，盲目在账户上所做的辛苦优化，就必须快速转移到着陆页或者话术上来。
这个方法是每一个做SEM分析和优化的朋友必然会采用的方法。但从操作上看， 要避免两个主要问题 （尽管并非是这个模型本身的问题）。
先进个问题，转化漏斗模型需要全流程的精确数据，但这些数据很难全部准确的获取。尤其是对于需要一定转化周期的行业，例如金融、培训、医疗，消费者有相当长的决策周期。因此，我们能够比较实时统计的转化要回退到“有效咨询”这个层级。
为了解决这个问题，我们的ROI计算很多时候就从：
投放费用 -> 最终收入
转变为：
投放费用 -> 当日最靠后的转化（如有效询盘）。
其次，转化漏斗的形式是帮助我们强化 过程观 ，但它本身却恰恰削弱了过程的细分。这听起来很矛盾，但并不难理解。能够被漏斗构建的过程，都是 大过程 ，而无法包含用户更加细微的行为。但是，正是这些用户更细微的过程，反映了，甚至支配了转化的发生。一个极端但非常常见的例子是 单页推广 。转化漏斗在单页推广上几乎无法发挥作用。
因此，转化漏斗极为有价值，但是如同我在另外一篇文章《 优化转化：除了转化漏斗，你的弹药库还需要几种分析武器 》所写的那样，转化漏斗并不足以支撑全部的转化分析。
不过，我们手中还是有好武器解决这个问题的。在后面的方法中，要具体讲到。
方法四：核心词的互动度与ROI的气泡分析
这个方法你首先需要把不同的词根（核心词）放在不同的单元——即将所有的关键词按照词根进行细分。但这是理想状况，一般情况下，同一个词根有可能散落在不同单元。
没关系，我们有Excel，利用Excel的表格工具，再利用“文本筛选 -> 包含 ”，可以轻松把相关的词根筛选出来，如下图所示。例如，我想找到词根为“在职”的核心词，在“文本筛选 -> 包含 ”中输入“在职”，然后新建一列“核心词1：在职”，把所有筛选出来的结果对应的C列，填入“在职”。
然后，利用数据透视表，你可以将所有的关键词按照其对应的核心词（词根）的表现进行汇总。
把每一类核心词的总体表现提取出来，你得到一个核心词表现列表（ CPL是Cost Per Lead，这个值越低越好；整个表格的绿色代表好，红色代表不好 ）：
现在你能看到不同的词根在最终效果上的表现有很显著的差异。Leads/Click和CPL两列很能说明问题。
还记得我上课时候讲的ROI和engagement交互模型吗（那个气泡图）？这个模型其实有很多变体，但是其思想其实很简单——对比流量的交互行为和它们最终产生的转化的情况。在大部分情况下，好的交互行为(engagement)能够对应好的转化（ROI），但凡事总有例外， 这些例外情况就成为我们分析和优化的突破口 。我们现在需要用到这个模型。
这个模型的方法很清晰：
我们利用网站分析工具的细分方法（这里不再啰嗦了，对GA的使用要熟练，基本功），将各类词的流量engagement表现也汇总起来，形成一个更全面的数据表现数据，如下表所示：
利用上表数据，我们选取CPL和Bounce Rate制作气泡图，如下：
一般而言，好的engagement（更低的bounce rate）的流量会有更好的转化能力（CPL更低），但是前面说了，有例外才有机会。
绿色线是“正常表现”的部分，但绿色线之外，有两个跳出率相对较低，而CPL却相对较高，尤其是“学费”这个词特别如此。与这个词可以进行对比的词是“金融学硕士”，它的跳出率其实比学费还高，但是ROI（CPL）却表现的更好。
这种情况发生之后，你的策略是什么？基本上你要做下面的事情：
1. 检查创意是否有误导；
2. 创意没问题的情况，一定是着陆页有问题，常见的情况是页面上有吸引用户点击的元素，但用户点击之后，却发现相关信息与他们的期望相距甚远——比如，价格高于他们的预期？这个时候，你继续看GA之类的工具，看看这个词背后的人群进入着陆页之后的表现是什么样的（例如用我课堂上讲的next page report）。
Engagement与ROI的对比分析模型是最方便的分析细分流量的方法之一。对竞价排名的关键词分析也同样有用。
方法五：单页推广的核心词互动度与ROI对比分析方法
这个方法是方法四的极端情况，但这一极端情况却特别常见。比如下面这个图：
妈蛋的。。。所有关键词的跳出率都是95%甚至更高，这还让人活吗？！
是你的投放完全失效了吗？在我遇到的案例中，这种情况的发生， 只有一个原因，关键词所在的着陆页是单页推广 ！单页推广整个着陆页链接不到别的页面，按照GA对跳出率（bounce rate）的定义，流量来了之后去不了别处，那么肯定都是bounce掉了。所以这种情况就没有必要看跳出率了。
因此，上面方法四的方法在这种情况下就不适用了，因为GA不能给出有效的engagement的数据。不是跳出率接近100%，就是停留时间约等于0……
那么，当我们看到“金融学硕士”和“学费”两个核心词在花费相当、流量相若的情况下，却在ROI上有天壤之别的时候，我们还有别的招儿吗？（再把方法四的这个图拿出来大家看看）。
这个时候我们需要利用热图。
例如，使用ptengine，在其中有对比热图和细分热图功能。这里要用到流量过滤细分功能：在过滤条件中，将一个核心词下的所有词挑选出来，细分这些词的流量。左边的热图显示所有跟“学费”相关的核心词的流量表现，右边显示所有跟“金融学硕士”相关的流量表现。
左边的“学费”相关的流量，表现出更多的页面浏览长度（能够读到页面下端的人的比例明显比右边的要高），但是他们在页面上停留的时间却相对较短（颜色不如右边的红）。“学费”流量似乎表现出很快速要查找信息的需求（愿意看到页面底端），但却缺乏更好的咨询（leads）转化。
这样的数据意味着，你应该认真检查页面上是否有足够吸引人的“学费”信息，或者压根在这个页面上就缺乏相关的信息。
这个数据和热图给我们很重要的提示，这两个核心词背后的流量的欲求是有相当大差异的。我们必须为这两个词建立信息偏重不同的着陆页面。
方法六：关键词之间关联分析方法
最后一个方法属于attribution（归因）的范畴。最重要的应用领域是 查看品牌词的搜索本质上是来源于哪些其他词的搜索 。
有很多不知名的品牌，在SEM投放初期，不得已需要扩大流量范围，投放通用词、竞品词、人群词等，目的一方面是为了引流（但引流的转化效果一定相当弱），另一方面是为了扩大品牌的曝光，为未来用户的转化做准备。
随着时间的推移，开始有人搜索品牌词，你一定想知道，这些品牌词的搜索，最初是由哪些通用词带来的流量，这些流量看到了品牌之后留下了印象，之后才会再搜索你的品牌的。
为了能够实现这一点，我们需要配置我们的监测工具。以Google Analytics（GA）为例：
为了查看关键词的归因，GA在设置上有两个前提条件：
１. 网站需要设置一个目标，设置地点如下图：
２. 对关键词要使用utm的link tag进行准确追踪（在我课程中有详细说明）。
3. 相关的数据报告则在GA的“转化->多渠道路径->热门转化路径”中可以看到，但请注意一定要选择如下图红框中的“关键词”那一项。
利用GA（或者其他有类似功能的工具），你可以看到同一个人搜索关键词之间的先后关联——所有的“索”字开头的，都是品牌词带来的流量，它之前的那个词，是投放的通用词。在这个表中，某些通用词投放，在之后带来了对品牌词的搜索。因此，你的关键词优化策略，就从仅仅看品牌词的转化，变为不仅看转化，还应该看它们能够带来多少品牌词的搜索。
好了，六个方法讲完了。哪些对你有用？哪些有建议？欢迎大家留言讨论！
