期待意外。
这句话的意思是让我们保持警觉，因为每个人都会在某个时候经历过，事情很少按计划进行。
从本质上讲，它教会我们期待异常。
当然，如果我们从字面上理解这句话，这是一个矛盾的说法。你不能指望自己出乎意料的事情。
异常情况也是如此。从本质上讲，这些事件与粮食背道而驰。它们与我们的预期或计划相反，这使得它们无法预期。
充其量，营销人员希望捕获异常检测示例。换句话说，他们希望识别数据中的异常情况，对其进行分析，并且仍有时间采取行动。
在本次讨论中，我们将探讨异常检测在 PPC 营销中的重要性。您将学习重要的异常检测技术，这些技术将在您自己的广告系列中为您提供帮助。
让我们开始吧。
如何理解异常检测示例
在深入研究特定的异常检测示例之前，让我们回顾一下数据和异常的一些基础知识。
什么是异常检测？
在任何数据集中，都存在被认为是正常或预期的模式、趋势和其他事件。
例如，您期望您的销售额会随着您的业务增长而增加。或者，您还预计您的 PPC 广告获得的点击次数越多，您的网站产生的转化次数就越多。
当事件的现实与这些预期不符时，就会出现异常情况。尽管您的广告点击次数增加了，但您的转化次数却在下降。
这些异常事件对于检测和分析非常重要。有时，它们代表机器中的一个故障齿轮，可能会减慢或破坏您的整体性能。
异常检测是您在数据集中发现这些异常事件所必须采取的过程。它正在查找不属于或不符合通常行为的项目。
通过使用适当的异常检测技术，您可以发现数据中发生的问题、机会和其他事件。
异常类型
异常有不同的形状和大小。了解这些不同类型将帮助您浏览本指南后面部分中的每个异常检测示例。
1-点异常
这是数据中最常见的异常行为形式。点异常只是异常值。当一个数据点与其他数据点相距甚远时，它们就会发生。
例如，如果您查看一周的每日温度，您可能会发现某一天比其他天明显更热或更冷。这是一个点异常。
业务用例：检测通常在过去几个月中从未收到过的周日突然转换。
当您绘制数据图表时，很容易发现点异常。数据中的任何显着峰值或下降都是检测异常的可靠线索。
2- 上下文异常
在这里，需要检测异常的上下文背景。没有这个背景，事情甚至可能看起来很正常。只有掌握了这些基本知识，您才能全面了解。
假设您的企业某天开展了一项特别促销活动以推动更多销售。此促销活动过去很成功，因此您预计该日期的销售额会飙升。不幸的是，这一次它不起作用。
业务用例：您在圣诞节前和圣诞节期间为您的广告系列提供 50% 的折扣，因此您的广告预计会获得大量点击，但您没有获得任何异常点击。
您知道这是一个异常情况，因为您有在这一天举行促销活动的背景。然而，如果没有这些信息，异常就会在纸上丢失。这看起来像是另一个典型的销售日。
3- 集体异常
这些异常现象在表面上并不明显。您无法通过查看单个数据集来检测它们。相反，您必须结合不同的指标和维度来查看超出规范的模式。
集体异常在 PPC 营销分析中是相对标准的，因为有很多维度和目标选项在起作用。总体上很容易丢失这些见解。
例如，您的整体点击次数看起来不错，但是当您向数据添加其他维度（设备类型、位置等）时，您可能会发现效果并不像最初想象的那样规律。
4- 反相关异常
您的数据中通常存在已知或确定的相关性。例如，存在一个相关性，即如果数据点 A 增加，那么点 B 也会增加。
许多这些相关性存在于 PPC 营销中。如果您的广告获得更多展示次数，您的点击次数（大多数情况下）也会增加。反过来，更多的点击会带来更多的转化等等。
当数据执行与预期关系相反时，会发生逆相关异常。您的展示次数会增加，但点击次数不会增加。您的点击次数增加了，但您的转化次数却减少了。
异常检测技术
我们已经确定异常检测是在您的数据中发现异常点的过程。现在，我们需要讨论如何进行这个过程。什么是最好的异常检测技术？
1-手动方法
多年来，即使在企业中，异常检测也只能手动完成。你会查看你的电子表格、销售数据等，并寻找不合适的数字或项目。
考虑以下异常检测示例：
您可以立即发现该组中的异常值。
最好的情况是，手动异常检测器可以检测到异常值。仅靠手动分析很难发现更复杂的异常类型。
通过这个异常检测示例，您仍然可以手动检测异常值，但它比上面的示例需要更多时间。
因此，手动方法是最差的异常检测技术。现代技术、复杂的数据系统、人工智能和其他进步已经使手动异常检测过时了。
2- 可视化方法
在数字时代，手动异常检测方法甚至稍微可行的唯一方法是通过数据可视化。
人脑的设计不是为了在纸上进行数字处理和分析大量数据。然而，它被训练来吸收、分析和理解视觉信息。
当您绘制数据图表时，异常会变得更加明显。考虑以下反相关异常检测示例：
您可以立即判断出问题所在。正如预期的那样，展示次数和点击次数稳步上升，但点击次数线突然出现了分歧。
可视化方法允许您检测比手动方法更高级的异常。缺点是您可能必须比较多个图表才能检测到集体异常。
3- 计算机化异常检测
多年来，企业增长了越来越多需要分析和检查异常的数据。手动异常检测不再破解它了。
现在，最好的异常检测技术已经计算机化。这些是唯一能够处理现代大数据的工具。这些工具使用简单到高级的统计方法来扫描您的数据中的异常值。
更复杂的算法能够进行更深入的异常检测。随着机器学习和人工智能的进步，计算机化异常检测可以识别营销数据中隐藏的异常值和其他异常行为。
PPC 中的异常检测
随着您的 PPC 活动始终产生大量数据，您必须采用适当的异常检测技术。
毕竟，当有更多数据在发挥作用时，异常的数量就会增加。这意味着对适当异常检测技术的需求也在增加。
分析 PPC 性能的重要性
PPC 性能会立即发生变化。由于 PPC 指标具有如此密切的相关性，因此您对 Google Ads 帐户所做的每一次调整都会产生连锁反应，可能会导致意想不到的结果。
更不用说，观众改变他们的搜索行为、竞争对手改变他们的策略或谷歌更新平台都会共同影响你的 PPC 表现。
掌握这些持续变化对成功至关重要。如果您无法调整广告系列以适应最新的客户和竞争环境，您将难以实现广告目标。
优化 PPC 活动绩效的关键是识别风险和机会。风险是您的广告系列中的问题，如果您不迅速正确地解决这些问题，可能会降低效果。
机会是对您的指标的积极变化，您希望利用这些变化来最大化其利益。
从本质上讲，分析付费搜索性能会向您展示哪些有效，哪些无效以及需要改进的地方。如果没有这个关键的分析，你的策略就会盲目。
PPC中异常检测和分析的挑战
虽然分析 PPC 性能是必不可少的，但它也极具挑战性。PPC 数据产生了几个麻烦的障碍。
首先，您必须克服数据的庞大规模。如果您经营一个大型 Google Ads 帐户，那么您正在分析数百个广告系列、数千个广告组和数万个关键字的数据！
有很多东西要管理。
第二个挑战是数据的速度。每一次广告互动都会产生有价值的信息，帮助您衡量您的 PPC 效果。
您需要跟踪这些交互以测试当前的 PPC 环境并知道如何最好地调整您的策略。
然后，PPC 数据的复杂性。您必须同时跟踪多个指标和维度。此外，您需要考虑广告系列中存在的许多相关性和关系。
所有这些挑战都使异常检测变得困难。从本质上讲，您试图在高度复杂的数据中检测出意想不到的模式，这些数据一直在变化。
这并不容易。
从不同角度查看数据
大多数 PPC 异常是集体类型。回顾一下，这个异常检测示例是通过分析多个维度的指标找到的。
这是一种出色的异常检测技术，因为每个维度都提供了查看数据的新角度。
每一个新的角度，你都会获得更多的信息——更多的碎片来解决你的竞选目标。
考虑下面的图表。
这个简单的 PPC 可视化显示转化率正在稳步增长。这是一个很好的迹象，对吧？
如果您在转化旁边添加点击数据会发生什么？
现在，您会发现点击次数的增长速度比转化次数要快得多。理论上，这两个指标应该以相似的速度增长。这是一个反相关异常的例子。
仅从一个角度（维度）测量数据只能看到大局的一小部分。通过在等式中输入添加的指标和/或维度，您会看到更完整的视图。
让我们看另一个异常检测示例。
此图表显示了一天中不同时间的转化。您会发现，除了深夜和清晨之外，全天的转化率都是一致的，这是预期的。
如果您获取相同的数据但按移动设备类型查看，您会看到略有不同的图片。
当您按一天中的时间比较桌面与移动转化时，它会变得更加有趣。
从表面上看，你的转化似乎一整天都是一致的和普通的。但是，当您从更多角度查看数据时，您会看到这个有趣的异常情况，即移动转化率低而桌面转化率飙升。
制作不同的组合并不止于此，您还可以添加更多内容以进行检查
让我们在同一分析中添加广告组，您会在一天中的不同时间看到不同的结果。因此，每个维度或角度对于了解 PPC 数据中的意外行为都很重要。
PPC 信号：PPC 中最好的异常检测示例
是否可以手动检测异常？是和不是。虽然可以手动检测一些异常，但该过程非常繁琐且资源密集。它根本没有效率。
此外，有些异常需要复杂的分析才能发现。PPC Signal 等智能工具对于检测这些更深刻、更复杂的异常情况至关重要。
请记住，正是这些深刻的、可操作的广告洞察力提供了最大的潜在价值。
什么是 PPC 信号？
PPC Signal 使用 AI 技术自动在您的 PPC 帐户中发现有价值的、可操作的见解。
每一个洞察都是一个打包的信号，其中包括您了解正在发生的事情以及如何对变化采取行动所需的所有相关信息。
基本上，PPC Signal 会跟踪您的 Google Ads 帐户中的每一个显着变化。这就像拥有一个自动异常警报系统！
每个信号都在主 PPC 信号仪表板上进行组织和呈现。
您可以进一步探索每个见解以获取更多详细信息。
探索屏幕上有几个关键功能。
您不仅可以获得图表的扩展视图，还可以添加其他指标。这有助于您从新的角度查看数据。
通过向图表添加点击次数，您会发现故事比单纯的转化率下降更有趣。同时，点击量在增加，这是异常行为。
您还可以以表格形式查看数据并将其导出以在电子表格和其他程序中使用此菜单。
还有采取行动按钮。
了解如何采取行动和解决每个异常检测示例并不总是那么容易。借助此功能，PPC Signal 的 AI 引擎会推荐您可以采取的可能的操作来利用或解析信号。
因此，您不仅会收到源源不断的完整、经过验证的见解；您还将获得每个人的下一步操作。
不要害怕自动化焦虑
一些 PPC 营销人员对实施自动化解决方案犹豫不决。这似乎是不费吹灰之力，但很容易产生忧虑。
不幸的是，自动化焦虑会阻止您获得高效、主动的 PPC 活动管理。
这种焦虑通常源于害怕将您的 PPC 优化控制权交给 AI 算法。感觉就像您将广告活动的未来和成功置于机器手中。
实际上，人工智能不是失去控制，而是失去控制。这是关于生产管理。自动化减轻了繁琐、耗时的任务所造成的压力，这些任务虽然对流程是必要的，但其本身的影响很小。
管理 PPC 活动充满了这些类型的任务。例如，监控您的 PPC 活动是否存在异常和其他数据变化，虽然是关键步骤，但在没有 AI 帮助的情况下是一项艰巨的任务。
与其在流程中的这个初步步骤上花费资源，不如想象一下您是否可以将所有时间、精力和金钱都花在决策和优化活动上。
这就是 PPC Signal 提供的。不要让自动化焦虑阻止您成为更高效的广告商。
检测与您的目标一致的异常情况
PPC 数据分析的首要挑战之一是选择要调查的指标、维度和其他详细信息。
PPC 活动会产生大量数据，但并非所有数据都符合您的目标。您需要将相关细节与其他细节分开。
在任何 Google Ads 帐户中，都会有一小部分关键字、广告组等产生大部分的 PPC 结果。这被称为 80-20 规则或帕累托原则。
该标准规定，大约 20% 的努力会产生高比例的结果。这些是您的 Google Ads 帐户中需要最细致呵护的部分。它们需要不断优化以提高您的 PPC 性能。
为了帮助您找到对您的目标和 KPI 最重要的更改，PPC Signal 提供了几个过滤选项。通过这些设置，您可以深入了解提供最大潜在回报的重要见解。
您可以通过以下方式过滤活动信号：
- 帐户
- 活动
- 广告组
- 关键词
- 设备类型
- 地点
- 一天中的小时
- 指标
- 信号类型
- 信号质量
当您拥有庞大的 Google Ads 帐户时，您可能会收到数百个有效信号。这些过滤器可帮助您消除噪音并专注于最重要的变化和异常。
使用 PPC 信号的异常检测示例
为了展示 PPC Signal 的异常检测能力，这里有一些关于模拟 PPC 帐户异常变化的示例警报。
示例 #1：
在第一个示例中，您在转化和点击关系中看到了反相关异常。
预计点击次数和转化次数将以相似的速度增长。您的广告系列产生的点击次数越多，着陆页的流量就越多，潜在的转化机会就越多。
有了这个信号，就会发生相反的情况。随着点击次数的增加，转化实际上在减少。
当您单击探索时，数据的扩展视图会提供更清晰的画面。
这种观点有几个关键要点。首先，您会看到转化次数不是很高。这是 1 和 3 转换之间的差异。
由于这不是一个重要的数字，因此该异常可能只是随机抽取。有时，您的转化次数会多于其他时间。
另一个有趣的细节是，这种反向相关性发生在之前，即 7 月 22 日至 7 月 23 日之间。可能值得研究为什么这种模式会反复出现。
示例 #2：
这是反相关的另一个异常检测示例。这一次是展示次数和点击次数的关系表现异常。
从图表中可以看出，点击和展示遵循相似的路径，这是意料之中的，但随后它们突然开始出现显着差异。
当您的展示次数增加时，这意味着您的 PPC 广告的展示频率更高。预计潜在广告浏览量的激增将增加点击次数。
换句话说，无论您收到多少印象，您的广告的点击率理论上都应该保持不变。
例如，如果您的 CTR 为 5%，并且您本周获得了 100 次展示，那么您应该预计会有大约 5 次点击。如果您的展示次数跃升至 1,000 次，您预计点击次数将跃升至 50 次。
如果在展示次数显着增加后您只获得了 10 次点击，则需要进行更深入的调查。
如果这是您的帐户，您会想立即了解此异常检测示例背后的原因。这可能是您的广告文案存在问题，或者您正在失去竞争广告的点击次数。
常见问题解答：
为什么我们使用异常检测？
我们使用异常检测来发现一组数据中的异常情况。数据并不总是按计划运行。因此，您对这些数据将如何发挥作用的期望可能会偏离现实。异常检测会发现这些偏差，并使您能够采取相应的行动。异常检测的目标是识别异常并帮助解释为什么会发生这种异常行为。
所有的异常都是坏的吗？
绝对不！异常的名声不好，因为根据定义，它们与您的期望背道而驰。也就是说，异常可能超出您的预期。您可能预计您将有 3,000 美元的销售额，因为这是您的典型平均值。然后，一个月你的销售额翻了三倍，达到 9,000 美元。对你来说，这听起来像是一个糟糕的反常现象吗？
如何在 PPC 数据中检测异常？
检测 PPC 数据异常的最佳方法是使用人工智能驱动的工具，例如 PPC Signal。有了这个系统，您就不必浪费宝贵的时间来扫描您的数据是否有异常。这个令人印象深刻的工具背后的算法为您完成工作，并将每个异常呈现为一个完整的洞察力，包括一个数据可视化示例。
包起来
异常的随机、意外性质给他们带来了坏名声。
但是，如果您拥有适当的异常检测技术来捕获和理解这些事件，它们就会成为强大的机会。
每个异常检测示例都会引发发人深省的转换和有趣的问题。
如果你有工具来帮助你分析这些奇怪的事件，你就可以抓住竞争对手看不到的隐藏机会。
PPC Signal 是 PPC 营销的最佳异常检测工具。它会自动跟踪数据中的任何重大变化，以有效地检测异常值和其他异常情况。
借助该工具的简单界面和先进的 AI 系统，它能够捕获所有类型的异常。
借助 PPC Signal 的自动预警警报系统，您在 PPC 管理中永远不会面临意想不到的挑战或障碍！