از نظر تأثیر بر کارهای روزمره، اگر CONCATENATE بخشی از فرآیند شما در هنگام ایجاد ورق های انبوه نباشد، احتمالاً تأثیرگذارترین نتیجه از این مقاله خواهد بود. این تابع به کاربران اجازه می دهد تا محتویات چندین سلول را با هم در یک رشته متنی ،یب کنند. آن را مانند ،بی در نظر بگیرید که می توان از آن برای اتصال سلول ها استفاده کرد.
این فرمول هنگام توسعه یک روایت عملکرد مفید است. این کمک می کند تا به سؤال «پس چه» پاسخ داده شود که همه ذینفعان آن را درک کنند. فراخو، هایی مانند “کاهش X٪ در CTR منجر به کلیک کمتر می شود” یا “افزایش X٪ در CPC باعث ،ج Y $ بیشتر شد” برای افزودن رنگ بیشتر به روایت
رویکرد من به PPC تحلیلی است. من در اوایل کارم متوجه شدم که اگر روی توسعه توانایی خود برای دستکاری و تفسیر داده های عملکرد تمرکز کنم، بهینه سازی ها آشکار می شوند.
بهترین روشی که من توصیه می‌کنم این است که داده‌ها را در ریزترین سطح ممکن بکشید و از VLOOKUP برای افزودن آسان فیلترها استفاده کنید. تجزیه و تحلیل خود را از سطوح بالاتر شروع کنید و به بزرگترین محرک های تغییر بپردازید.
هنگام ،یب داده‌ها بین دو پلتفرم، مجموعه داده‌ها باید دارای همان سطح دانه‌بندی باشند. در غیر این صورت، داده هایی که به مجموعه داده اصلی خود وارد می کنید، نادرست خواهند بود.
برخی ممکن است استدلال کنند که این کارکرد مفیدترین عملکرد برای بازاریابان جستجو است، و من مبارزه بزرگی را انجام نمی دهم. VLOOKUP یک عملکرد حیاتی برای تسلط بازاریابان جستجو است، زیرا معمول است که مجموعه داده‌ها باید با داده‌های دیگر پلتفرم‌ها افزوده یا اصلاح شوند.
میزهای محوری بهترین دوست یک بازاریاب PPC هستند. با این حال، برای استفاده بهینه از جداول محوری، باید زمان صرف کنید تا از یکپارچگی و دانه بندی مجموعه داده اطمینان حاصل کنید.
در مح،ه مثال بالا توجه کنید که دلتای تبدیل کلیک چقدر بزرگ است. به طور اسمی، کاهش از 5٪ به 3٪ می تواند نادیده گرفته شود. با این حال، با استفاده از مح،ه دلتا، مشخص می‌شود که تبدیل کلیک باید بهبود یابد تا CPA کمپین افزایش یابد.
تاثیر افزایشی
توابع/فرمول‌های زیر که در اینجا گنجانده شده‌اند، هنگام آماده‌سازی یک مجموعه داده برای تجزیه و تحلیل، بیشترین تأثیر را دارند، اما برنامه‌های کاربردی گسترده هستند.
VLOOKUP
اگر بهترین روش کشیدن داده‌های پلتفرم را در دانه‌بندی‌ترین سطوح دنبال می‌کنید، معمولاً داده‌ها شامل چند بخش‌بندی هستند (معروف به ستون‌های ویژگی در مجموعه داده).
درباره نویسنده
آنتونی تدسکو یک متخصص بازاریابی موتورهای جستجو است که در بوستون، ماساچوست مستقر است. او کار خود را در Red Ventures در شارلوت، کارولینای شمالی آغاز کرد، جایی که تأثیر بهینه‌سازی عملکرد مبتنی بر داده و استراتژی‌های بازاریابی کامل را آموخت. او سپس به زادگاهش بوستون بازگشت، جایی که به DWA/Merkle B2B پیوست و با برندهای Fortune 100 برای به حدا،ر رساندن ارزش سرمایه گذاری SEM آنها کار کرد. در سال 2021، آنتونی به تیم رسانه‌های پولی جه، در سیسکو سیستمز پیوست، جایی که او تاکتیک‌های تاثیرگذاری بالا را در مقیاس سازماندهی می‌کند و به حل چالش‌های پیچیده‌ای که بازاریابان در چشم‌انداز دیجیتال در حال تحول با آن مواجه هستند، کمک می‌کند. آنتونی از طرفداران پرشور ورزش های پاشنه تار و بوستون است. اگر تیم‌های مورد علاقه‌اش را تماشا نمی‌کند، از سفر به نیو،ند با خانواده و دوستانش یا دیدن فصل‌های قدیمی Survivor لذت می‌برد.
