ABAKUS

SebLug hat geschrieben:Hallo ich hab mich etwas mit dem Thema befasst und möchte euch daran teilhaben lassen. Wenn euch das interessiert, kann ich vielleicht auch eine Tabelle erstellen. (viel spass beim lesen)
Ich denke ein solches Vorgehen ist sinnvoll. Bei der statistischen Qualitätskontrolle wird immer so gearbeitet (oder noch komplizierter)


Statistische Auswertung der Konversionsrate von Google Adwords

Die Konversionsrate der Adwords Werbung ist eine der wichtigsten Größen einer Kampagne. In Verbindung mit den Kosten pro Klick bestimmt sich, wie teuer eine Konversion ist. Der Wert, der diesem Preis gegenübersteht ist natürlich abhängig von der Kampagne sehr unterschiedlich. In unserem Beispiel setzen wir für den Wert einer Konversion exemplarisch 1 €, diesen Wert dürfen die Kosten natürlich nicht übersteigen, da die Adwords Kampagne sonst ein Verlustgeschäft ist.
Google zeigt in seiner Auswertung die Konversionsrate und die Kosten pro Konversion, dies ist sicherlich ein gutes Hilfsmittel, um die Rentabilität einer Kampagne zu kontrollieren.
Insbesondere bei der Optimierung einzelner Kampagnen ist es erforderlich Keywords, die keine ausreichende Konversionsrate liefern aus der Kampagne auszuschließen, um die gesamte Konversionsrate zu verbessern.
Wann jedoch ist die Konversionsrate eines Keywords nicht ausreichend? Nehmen wir als Beispiel eine angepeilte Konversionsrate von 10%.
Hat ein Keyword nun 20 Klicks und noch keine Konversion, ist es langfristig nicht vielleicht doch rentabel?
Genau an dieser Stelle kommt der Zufall ins Spiel. Natürlich ist es jedem klar, dass nicht immer neun mal ohne Konversion geklickt wird, und dann ein Kunde kommt der auch etwas kauft. Diese Größe ist also eine Zufallsgröße und daraus folgt, dass die Stochastik uns in unserem Problem weiterhelfen kann, und nicht einfach nach 10 Klicks ohne Konversion ein Keyword aus der Kampagne entfernt wird.
Um wieder zu unserer Ausgangsfrage zurückzukehren: „Wann ist ein Keyword profitabel?“,
müssen wir die Fragestellung etwas detaillieren:
Wir legen nun zwei Konversionsraten fest: p1 und p2. Dies ist erforderlich, um einen statistischen Test aufzubauen. Hierbei ist nun p1 der Wert, unter dem die Kampagne unprofitabel ist, p2 ist ein Zielwert, den man gerne erreichen möchte.
Wir nehmen als Beispiel für p1 5%, (bei einem Klickpreis von 5 cent führt dies zu unserem oben genannten Wert von einem €) und für p2 15% (dann ist unsere Kampagne sehr profitabel)
Weiterhin muss man zwei Wahrscheinlichkeiten angeben. Wir entwickeln gerade einen statistischen Test und da hier immer der Zufall im Spiel ist, muss man diesen Kontrollieren.
Die erste Wahrscheinlichkeit alpha ist die Fehlerwahrscheinlichkeit, dass ein Keyword, dessen Konversionsrate langfristig unter p1 liegt mithilfe unseres Tests nicht aufgedeckt wird. Wir nehmen in unserem Beispiel 5%. Was bedeutet, dass bei jedem 20ten Keyword, dessen Konversionsrate knapp unterhalb der Marke von p1 liegt, der Test nicht zum Ausschluss führt.
Die zweite Wahrscheinlichkeit ist beta, die Fehlerwahrscheinlichkeit, dass ein Keyword, das überhalb der Marke von p2 liegt versehentlich als schlecht aussortiert wird.
Wir nehmen in unserem Beispiel ebenfalls 5%.
Also unsere Vorgaben: p1 5%, p2 15%, alpha 5%, beta 5%

Hieraus folgt nun nach Berechnung ein Plan: (105,9), was bedeutet, wenn nach 105 Klicks nicht mindestens 9 Konversionen vorliegen, wird das Keyword aus der Kampagne entfernt.
9 von 105 entspricht einer Konversionrate von 8,57 %.
Es ergeben sich also ganz einfache Selektionskriterien!
Wir haben nun eine Antwort auf unsere Frage gefunden und können nach statistisch abgesicherten Kriterien die Keywords selektieren. Diese Methode stammt übrigens aus der statistischen Qualitätskontrolle, die sich eigentlich mit ganz ähnlichen Problemen befasst.

Ob die Realität sich an diese Annahmen hält ist die entscheidende Frage, wenn es aber relativ wahrscheinlich so ist, dann funktioniert ein Test wie dieser.
Die entscheidende Frage ist eine sinnvolle Festlegung von p1 und p2 sowie alpha und beta