使用Adcenter Excel插件进行关键短语研究

作者的观点完全是他或她自己的(不包括催眠这种不太可能发生的事件),可能并不总是反映墨子的观点。

你为什么关心广告情报

您应该关注用于Excel的Adcenter Ad Intelligence插件的原因: 它真的很容易安装 它直接在excel中工作,所以很容易与现有的关键短语数据一起使用 数据感觉就在你的指尖——运行函数和查询数据非常快。 比较关键词的流量水平与百度的流量水平有很好的相关性,因此您可以使用这些数据来预测百度的数据,准确度很高*请注意,您需要有一个adcenter帐户才能使用该插件,但您可以相对容易地注册其中一个,鉴于上述好处,我认为这是值得的。* -请查看下面的一些数学笔记。这不是线性相关,所以不能只使用数据的倍数来生成数据。对于非数学类型的人来说,重要的一点是,关键词相对于流量水平的排序与百度的数据有很好的相关性。

截屏

该插件可以非常顺利地与Excel集成(正如你所希望的!)并且可以非常快速地安装,安装后,您会在Excel中看到一个新的选项卡,其中包含以下选项:或者,如果你在英国,你的选择更少:关于这一点,有几件很棒的事情需要意识到: 因为它只是你的excel中的另一个标签,所以它将毫不费力地集成到你可以在excel中格式化的任何其他数据中——例如从adwords或百度 analytics导出的关键字... 有一个搜索引擎市场/语言下拉菜单,可以让你确保你得到正确的数据。国际支持FTW(尽管目前仅限于少数几个搜索引擎市场)。 但是这些功能都是做什么的呢?

关键词提取

您提供URL,工具返回一串相关的关键短语。这是SEOmoz的数据:

关键词建议

关键字建议工具对于进行推测性的关键短语研究非常方便——试图找到你可能已经错过的关键短语。关键词建议工具有三个方面。第一个是“活动关联”,它查看其他广告商在其帐户中的关键字以及所选短语。例如,这里是术语“足球”的数据(来自英国),你可以看到它包含很好的相关短语,但并不总是包含关键字。请注意这是如何具有商业倾向的,因为它是从竞价数据而不是搜索数据中提取的:第二个是“包含您的关键字的查询”,它返回您可能认为是百度 Adwords中的短语匹配的所有内容,并且是从搜索数据中提取的,因此不会使数据偏向商业短语:第三个是“相关搜索”,这对于找出你可能没有想到的关键词非常有用。以下是针对短语“汽车保险”返回的数据-您可以看到,并非所有关键词都提到汽车或保险(请注意,这也是从搜索数据而非竞价数据中提取的):

热门关键词

流行关键词工具对于分析数据中的趋势术语和峰值非常有用。我不太相信这些数据的有用性——看着这些数据,我认为像百度 Trends这样的工具可能更有用。以下是动物类别的截图(因为它提取的数据很有趣,都是关于猴子的):“流量峰值”:“最常见的搜索查询”:

交通

对我来说,这是该工具最有趣的特性之一,也可能是我最常使用的特性。此工具为您选择的一系列关键词生成每月(或每天)的流量数据。例如:请注意,这些数据已经进行了一些删减,以适合一篇博客文章——实际上,它提供了过去12个月的数据以及未来3个月的预测数据。这太棒了。当然,只有数据准确才是最棒的,对吧?可以说这些数据非常好。如上所述,这些数据与百度搜索量有很好的相关性,所以你可以使用这个工具按照流量水平很快对关键词进行排序。不过请注意,相关性不是线性的,所以您不能对数据应用简单的倍数来生成估计的百度搜索量。在下面的数学部分会有更多的介绍。

人口统计数据

人口统计工具非常酷,它不仅能给你一个按年龄分类的数据(在下面的截图中被截断了,实际上百分比加起来是100),还能给你一个性别分类,这是非常有用的信息:请注意,这些数据至少与您的预期相关——短语“汽车保险报价”主要由男性主导,而更通用的“汽车保险”短语则大约各占一半。

摘要

总之,这个工具对于进行关键词研究是必不可少的——不仅数据可靠,而且速度非常快(无论如何与其他来源相比),并为您提供一些在其他地方很难获得的信息(例如人口统计学上的差异)。还有一些其他功能我没有在这里介绍,主要是关于在adcenter上竞价或者内容网络。它们不太适用于关键短语研究,所以我没有把它们包括在这里。也许是未来的博客帖子!如果你不是一个数学爱好者(NMP),那么你可以停止在这里阅读。

数学

因此,虽然上面的一切都很好,当然阴影漂亮的颜色(这都是默认完成的工具!)如果数据质量不高,那么它就毫无用处。我花了相当多的时间试图确定流量数据是否值得使用,结论是,你通过Adwords工具与广告智能工具生成的流量数据有很好的相关性,但这种相关性不是线性的。相反,我发现对于英国数据下面的等式决定了关系:我是如何确定这个公式的?步骤1 -从adwords工具和广告情报工具中提取出顶级足球关键词的关键词数据级别(由百度工具确定)第二步-查看两个数据集之间的相关性。这提供了一些看起来非常积极的图表,例如与“足球”相关的顶部关键词:然而,如果更仔细地观察这些数据,我们会发现这些数据被标题项严重扭曲了——它们比小值大得多,相关系数实际上是看着小数字和一两个标题项之间的直线。除去前四或五个主要术语,我们看到相关性很快就瓦解了:第三步-我提取了大量其他垂直行业的数据,并比较了Adwords和Adcenter的数据。将多个垂直市场的所有数据整理在一起,我们发现没有特别强的相关性:这仍然被标题项所扭曲。为了找到平滑数据的方法,我决定分析流量水平的日志。我看到了一个非常显著的结果:这显示了大型数据集上的强相关性,并暗示存在潜在的相关性,但它不是线性的。事实上,这正是我用来从Adcenter数据中估算百度数据的公式(y=0.8055x +2.1158)。请注意,我在这篇文章中没有真正提到的一件事是,百度的数据并不是100%准确的(事实上有时可能相差很远),所以我不主张你可以找到真实的搜索量,仅仅是你能找到百度给你的数据和Adcenter给你的数据之间的关系。
继续阅读:

原创性声明:本文章为本站作者独家原创,未经允许禁止任何形式的采集、转发,若发现违规转载,我站将追究违规者法律责任。

上一篇:确定关键字值:优化页面的秘诀

下一篇:如何分析关键词难度——无工具!