P-värden, R²-värden och glidande medelvärden

Create Your Free Account

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Den här övningen är en del av kursen

Marknadsföringsanalys i Tableau

SkillTag.level.intermediateSkillTag.label

4.8+

I kapitel ett får du en gedigen förståelse för grunderna i marknadsföringsdata och analys, med start i hur data genereras och lagras. Du går igenom marknadsföringskanaler och kundresor och lär dig hur de definieras. I slutet av kapitlet kan du omstrukturera data för att identifiera dessa resor och tilldela krediter till olika interaktioner via olika attributionsmodeller.

Exercise 1: Marknadsföringsanalys i Tableau Exercise 2: Hur cookies fungerar Exercise 3: Exempel på webbdata Exercise 4: Identifierbar trafik Exercise 5: Kundsegmentering Exercise 6: Köpflagga per användare Exercise 7: Kontaktytor, kundresor och attribution Exercise 8: Attribueringsmodeller Exercise 9: Dataförskjutning Exercise 10: Föregående beröringspunkt Exercise 11: Nästa kontaktpunkt Exercise 12: Touchklassificering Exercise 13: Första och sista beröringspunkt

I kapitel två fördjupar du dig i två specifika marknadsföringskanaler: e-post och betald social marknadsföring. Du går igenom strategierna bakom varje kanal, typiska användningsfall och de komponenter som bygger upp varje typ av marknadsföring. I slutet av kapitlet kan du analysera prestanda utifrån flera mått som är unika för respektive kanal, och du förstår hur data kan användas för att identifiera förbättringsområden.

Exercise 1: Marknadsföringstrattars Exercise 2: Förändring i klickfrekvens Exercise 3: Aggregering med beräknade fält Exercise 4: Klickfrekvens Exercise 5: Öppningsfrekvens Exercise 6: E-postdiagnostik Exercise 7: Betald social marknadsföring och A/B-testning Exercise 8: A/B-testning Exercise 9: Analysoperationer Exercise 10: Click-back rate Exercise 11: Engagemangs- och köpfrekvens Exercise 12: Kreativ Exercise 13: Följarmått

I kapitel tre bygger du vidare på de analyser du lärde dig i kapitel två för att bättre förstå två andra flitigt använda kanaler: betald sökning och organisk marknadsföring. Du lär dig hur varje kanal fungerar, vad de har gemensamt och vad som skiljer dem åt, samt hur viktiga webbsidor och digital strategi är. Du undersöker också samband mellan datavariabler och hur du kan bearbeta data – både kvalitativ och kvantitativ – för att genomföra analyser. I slutet av kapitlet kan du analysera prestanda utifrån olika mått som är unika för varje kanal, och du förstår hur förändringar i en kanal kan påverka en annan.

Exercise 1: Betald sökning Exercise 2: Repetition: betald sökning Exercise 3: Strängoperationer Exercise 4: Nyckelordsutgifter Exercise 5: Mobil vs. dator Exercise 6: Klickfrekvens Exercise 7: Vad är organisk trafik Exercise 8: Rankning i organisk sökning Exercise 9: P-värden, R²-värden och glidande medelvärden

Aktuell övning

Exercise 10: Engagemangsgrad Exercise 11: URL-grupp Exercise 12: Korrelation mellan mätvärden Exercise 13: Kanalkorrelation

I kapitel fyra kombinerar du det du lärt dig i tidigare kapitel för att beräkna och analysera LTV, CAC och deras förhållande. Du lär dig hur du bygger upp dessa mått – till exempel genomsnittlig orderstorlek, ålder och livslängd – från deras beståndsdelar och undersöker hur de förändras. Med utgångspunkt i det tidigare arbetet med betald marknadsföring analyserar du förändringar i CAC över tid med hjälp av ett sammansatt dataset, och du bekanta dig med kombinerade datamängder i Tableau. Kursen avslutas med att du beräknar LTV/CAC.

Exercise 1: Introduktion till LTV Exercise 2: LTV-insikter Exercise 3: DATEDIFF och DATEPARSE Exercise 4: Churn flag Exercise 5: Churn rate Exercise 6: Orderstorlek Exercise 7: Introduktion till CAC Exercise 8: B2B vs. B2C CAC Exercise 9: Sammanslagen data Exercise 10: Paid social CAC Exercise 11: CAC för betald sökning Exercise 12: Total CAC Exercise 13: LTV/CAC Exercise 14: Avslutningsvideo