1. 专题背景
站内广告位效果标杆管理是运营管理的重要内容，同时也是运营团队进行资源评估、效果优化和内容审核的重要参考依据。现在需要针对首页广告位制定效果标杆。
解析运营中的所有常规性工作都可以制定效果标杆，除广告位外，站外其他的运营资源位如商品位、活动位、推荐位、咨询位等固定位置也都适用；另外，这也适用于常规性的专题活动、站内运营事件等。由于标杆的制定需要大量历史数据做积累，因此不适合临时性、突发性的事件。
2. 前期沟通
接到数据需求后，数据部门提出了以下几个问题：
q 问题一：首页广告位是否已经实现完整监测？
q 问题二：如果已经有监测，都可以监测到哪些数据？
q 问题三：业务部门希望在效果标杆中包括哪些因素、效果或目标？
q 问题四：是否存在重点资源位需要分内容制定标杆？
解析在通常情况下，如果是数据部门负责网站监测工作的实施，那么前两个问题都有答案，如果不是，那就需要跟运营、技术实施部门一起沟通确认；第三个问题的核心是了解运营最关注的核心效果或指标；第四个问题是根据经验，重点资源位通常会有多种运营内容，针对这些内容可能有不同的标杆策略。注意：不是所有的资源位都需要细分，细分通常只针对重点或核心资源位。
通过与业务部门的沟通确认，其结果如下：
q 问题一：首页广告位全部已经通过代码监测。
q 问题二：广告位可以监测到点击以及之后形成的订单转化。
q 问题三：运营部门主要侧重于引流和销售贡献作用。
q 问题四：顶部通栏广告是首页广告的核心，需要根据活动类型细分标杆。
3. 数据准备
制定效果标杆时的源数据通常需要选取时间较近、时间范围较长，建议选择1~3个月的数据。本例为了方便数据展示，仅选择1周数据做演示。数据提取工具是网站分析工具，导出数据后进行数据审查和校验，主要方面包括：
q 异常值，是否存在明显不合理的极大值或极小值；
q 缺失值，是否有字段的值缺失（网站分析工具中通常不显示指标为0的维度，这种现象类似于缺失值）；
q 无效值，对于点击量、订单量等数值型指标，是否存在字符型等其他类型值；
经过排查，有以下几个值得到处理：
q 代号为A01-X1的7-8以及代号为A01-X3在7-25当天的订单量异常增大；
q 代号为C01-Z3在8-2当天的订单量异常增大。
对于以上异常变化的资源位，经过跟运营部门的沟通，流量增加的两个广告位由于新上了重点活动，导致整体订单效果较好；C01-Z3当天在代码实施过程中，由于站内其他多个资源位误用代码导致无效数据的增加，根据其他位置历史数据去除后，该位置的流量约为43932。
解析通过手动添加的监测代码容易产生代码漏加、多加甚至重复引用的情况，该问题可通过数据的极值表现进行预判。
在观察原始数据时，数据部门还发现一个问题：由于代码监测的规则是以位置+活动的形式实施，因此同一个位置会在不同的时间出现不同的广告。以A01广告为例，在最近一个月时间内的广告排期分别如表11-1所示。
表11-1 A01位置不同广告排期
因此，在针对位置的标杆分析时，需要将不同活动的数据合并才能得到位置的真正数据；另一方面，我们也能发现即使广告下架仍然能获得少量点击量，这些数据大多由于历史缓存、用户收藏，内部测试等产生，在此忽略。其中有一天（7-15）两个活动都有较高的数据，原因是两个活动分别上架了半天的时间，即素材的更换不是以整点为单位，因此当天的数据需要合并。
数据预处理完成后，我们得到了可供做标杆的数据，如表11-2所示为A01的数据。
表11-2 A01位置广告数据
4. 初步结论
在本书的第8章详细介绍过关于“下定结论的常用方法”，本节将以代号为A01的广告为例，使用该方法制定数据标杆。
步骤一：使用Excel的描述性统计计算均值、方法和标准差。（如果没有启用该选项可参考8.1.4指数平滑中的步骤）计算结果为：均值89,324、标准差50,422
步骤二：计算数据正常波动区间的上下限，在此使用μ± 1σ（均值±1个标准差）。计算结果为：正常波动上限139,746、正常波动下限38,902。
步骤三：得出整体结论。广告位A01的均值是89,324，即每天能带来89,324点击量；同时，其正常波动范围是38,902~139,746。
同样的方法也可得到关于订单量的标杆数据。
注意在建立标杆的过程中，由于均值极易受极值影响，因此当数据间差异性较大值，可综合考虑中位数、众数选择可靠值。本案例中，没有众数，而中位数为88,594，均值与中位数的差异较小，说明均值结果较为理想。
5. 深入分析
通过以上分析我们似乎得出了针对A01广告位的数据标杆结论，但这个结论存在一定的应用条件：在广告位位置、自身展示形式等内在因素不变的情况下，至少需要考虑以下三方面因素：
（1） 页面流量规模
页面流量规模是影响该页面所有元素点击的最重要因素之一。页面流量越大，广告位被点击的次数可能越多。因此，在使用这个结论时需要验证评估周期内的页面流量规模范围。这个数据直接通过页面流量（PV量报表）报表即可获得，其页面流量波动范围是65万~182万。
（2） 页面流量结构
仅有流量规模还不够，即使在相同的流量规模下，如果流量结构改变会意味着用户属性和行为的改变，从而影响广告点击。因此，需要针对该页面做流量结构分析，该分析结论可直接通过页面报表查看流量来源即可。经过分析后的流量结构为：直接输入28%、SEM 26%、CPS19%、社交媒体9%、EDM8%，其他10%。
（3） 广告位活动因素
对站内广告点击影响最重要另外一个因素是广告内容，即广告位上不同类型的内容会直接影响用户点击。例如，如果网站的核心用户是3C类群体，那么3C类广告的点击会高于其他品类。
关于A01（首页顶部通栏）广告位的数据标杆标杆总结：在原始处理过程中发现，广告位A01一共上架了四个活动，这四个广告按照运营内容可分为三类，一类是3C类广告（X3广告），第二类是小家电类广告（X1、X4），第三类是百货类广告（X2）。不同品类的数据标杆如下（仅以点击量标杆为例说明）：
q 3C类广告位点击的标杆数据为：均值147,669，点击量正常波动范围是130,906~164,432；
q 小家电类广告位点击的标杆数据为：均值84,637，点击量正常波动范围是71,872~97,401；
q 百货类广告位点击的标杆数据为：均值23,423，点击量正常波动范围是16,267~30,579。
至此，我们已经建立了针对广告位A01的数据标杆，其他位置标杆的建立方法类似。
6. 沟通落地
首页的广告位数据标杆建立完成后，有三方面应用落地：
q HR部门针对这些广告位建立针对包含站内广告设计、网站运营、活动策划在内对广告位负责部门的KPI机制。
q 在做广告位运营过程中实时监测广告数据，如果出现异常值超出预警下限的异常值时，在排除其他问题之后立即做下架处理，建立良好的运营规则和处理机制；当广告位流量异常大并超出正常范围值时，排查站内是否存在其他代码误用的问题。
q 在针对运营部门的日常报表中，增加广告位的预警及针对标杆的数据内容，及时了解运营内容与标杆的差异点及原因所在，并及时找到改进方向。
注意随着企业的不断发展及新业务的优化，数据标杆需要做动态更新，从而跟上企业发展的脚步，这也是数据生命周期管理的一部分。
