百度竞价账户要怎么学会数据分析，看哪些资料，怎么对比呢？
数据分析有一个经典的6字策略：细分、对比、溯源。
具体一点就是先从不同的维度去分解问题，再根据每个维度上的数据去做对比，找到问题所在，然后分析原因，制定合适的方案。
数据分析策略之细分
所谓细分，是指通过拆解不同维度，找到需要分析的某个指标的影响因素。
什么是维度？
维度起源于几何学，指的是连接两个同种空间的通路，用在数据分析的时候多指一种视角，比如性别、地区、时间、距离等都是数据分析时常会用到的视角。
怎样拆解维度？
拆解的前提是找到了合适的维度，那么怎样找维度呢？找到细分维度的本质是发现因变量的影响因素。
例如你这个月的销售额从60万变成了100万。导致整个销售额发生变化的因素可能有很多，我们可以用6W2H或者营销“4P”的框架来分析，把可能需要思考的维度都列出来，然后再根据具体的情况从中选择适合的维度，进行下一步的拆解和分析。拿6W2H来说明一下：
What
你卖的是什么产品？
你的产品线是什么？
你的竞品是什么？
你的替代品互补品各是什么？
你的目标消费者的固有选择是什么？
……
假设我们现在需要从产品线维度来拆，那么据此可以拆分的问题就是：各个产品的销售额贡献率是多少？按照28原则，理想状态是80%的销售额来源于20%的产品，我们需要知道爆款是什么，卖得不好的产品是什么？细分清楚才能下一步了解销售额变动的原因和判断之后的趋势。
Who
谁在做？
企业内部是谁在做这款产品的销售？
外部市场上有多少同行在卖同款产品？
如果考虑内部，我们可以把问题拆分成，有哪几个部门在卖？由哪几个项目经理负责销售？他们各自对销售额的贡献情况如何？
如果考虑外部市场，可以分析看看同行的实力是什么？
Whom
卖给谁？
这一步说的是谁是你的客户？客户类型有哪些？
谁是使用者？谁是影响者？谁是决策者？
消费者的层次如何？
采购频次如何？
……
就本案来说，我们可以思考，在线上买礼品的人可以为几类？他们各自有怎样的采购特征，等等。
When
什么时候购买？
客户购买的时间分布有何规律？
比如我们可以比较看看销售额是不是有周期性变动的规律？
Where
客户在哪里买？
都有哪些销售渠道是适合我们的？信息流还是竞价推广？百度还是搜狗？
如果同时做了好几个渠道，那么哪个渠道的销售额更好一些？
Why
客户为什么买？
客户的购买动机是什么？客户消费场景有哪些？客户的痛点有哪些？有哪些环境因素影响了客户的购买？
How
客户如何购买？
如何购买也可以是营销组合要素如何影响消费者的购买决策。消费者在购买决策的看重哪些因素，是购买的便利性呢？还是产品的设计性？还是价格？
How much
客户愿意为产品付出多少成本？
这里就涉及到定价策略了，是采用低价渗透呢？高价撇脂呢？还是歧视定价？等等。
还可以考察一下客户的购买成本是如何构成的，是否包含理解成本、货币成本、风险成本、时间成本、便利成本等，具体问题具体分析。
数据分析策略之对比
完成上一步的细分之后，我们就需要开始对同一维度的数据进行比较，以了解业务现状，找到业务的薄弱环节或部分。
怎么比？
比较主要是通过建立参照系来比较。这里需要强调几点注意事项：
要弄清楚是谁和谁在比
这里的“谁”涵义比较宽泛，比如是不是同一单位在比？比如同样是销售金额，3000人民币和900欧元就没法直接比，得先统一单位，然后再比。
弄清楚怎么比
也就是选择比较的对象要有可比性。比如公司的某个产品的销售额不能和全省该产品的社会零售总额去比，这都不是一个量级，怎么比？比较只能和同量级的比。
弄清楚比完后要干嘛
如果各种步骤都准确，那么比完之后，我们就能知道自己大概所处的状态了，如果这个状态相对较好，就继续保持，如果状态相对较差，就可以着手改进优化了。
找谁开刀？
可以根据优化的投入产出比来判断；
可以根据优化的难易程度和改善空间来选择；
重点考虑公司的资源情况；
参考公司的经营目标和经营策略；
其他影响因素的考量，比如当前市场的政策情况、行业的发展趋势、同行竞争情况等等。
数据分析策略之溯源
一般情况下，出现问题后相关经手人的第一反应是什么？指责。责怪账户没有优化好，责怪客服没有转化力，各种猜测各种推卸责任。没有根据的猜测是于事无补的，我们应该做的是把可能涉及到的问题都追溯一遍，找到问题的源头所在。
怎么溯源？拿信息流广告的投放中可能遇到的问题来举例：
根据图示，我们可以了解到整个投放环节涉及到了6块内容，分别是最开始的选款，然后是针对性的定价，接着是投放相关的定向、创意、落地页，最后还涉及到客服等后端，这里面每一步都可以再拆分成很多小步骤。
选款环节
产品所在行业竞争的关键是什么？
比如大部分快消品行业主要的竞争关键是品牌，如果我们想选的产品是属于这个领域的，那我们就要考虑这个产品的品牌是否有号召力。
产品是否适销对路？
你的产品适合在哪个平台销售？适合哪个渠道？其他要考虑的问题还有很多，比如产品的利润空间，市场上的竞争情况，进入门槛等等，这里不展开了，遇到具体问题可以再具体分析。
客服环节
客服环节主要考虑的是用户体验，一般影响用户体验的因素有如下几个方面：
回应是否及时？
比如你问了客服一句问题，半天没人响应，你觉得用户会是啥心情？有相关数据显示，一般反应时间超过15秒，这个咨询就可能黄了，且越是急切的咨询，或者说越是需求精准的用户的咨询，他们希望得到快速反馈的欲望越强烈，可能15秒都等不及。
问答比是否高？
这个是指客服和用户互动的情况，是不是热情到位？用户问你三句，你回答一句，你这一句能说明问题倒也罢了，如果不能，那用户体验也会不好，自然的，转化也就好不到哪里去。
话术是否专业？
我们先解释一下何为专业：一种是指客服人员在线销售的水平是否达标，具体是指客服人员的沟通技巧和逼单能力等。
另一种是指客服人员对产品所属领域知识的掌握是否专业。能不能准确有效的回答用户的问题会直接或间接影响他们对产品的信任程度。比如在某些特定的产品领域，像近视眼镜，客服人员对技术的掌握程度和专业水平都会直接或间接的影响他的接待质量，进而影响用户的购买意愿。
整个数据分析到此就先告一段落了。回过头来我们再来看看文章开头说的案例，100万元这个数据本身其实并没有什么意义，我们只有把它代入到具体的商业背景中，通过对比、细分、溯源，才能解读出它背后的商业价值。
当然，实操中遇到的问题肯定会比我们说的案例复杂，需要考虑的因素也会多很多，但解决问题的基本思路是一致的。
说到底，数据分析只是营销的一部分，一切的一切都是为了帮助我们达到最终销售目的。
1、展现量分析要点：
以高展现的关键词为例，你可以这样来分析。这个关键词的展现量高，是不是因为匹配模式过于广泛？如果不是这个原因，那我们就要分析这个词为什么搜索的人多。是不是外界环境发生一些变化，一些热点新闻事件导致大的环境发生变化，导致最近网民的搜索量增多。还是百度凤巢系统一些策略调整，有过升级等等一些因素导致？我们把分析到的因素都列出来，在后面为分析账户整体展现量高低的时候，是有很大的帮助。
2、点击量分析要点：
点击量这个环节是我们重点要去分析的。我们以一个高点击量的关键词来分析。首先为什么这个词点击高，是因为搜索的人多吗？是因为排名发生变化吗？创意吸引人而点击吗？搜索词分别又是那些？是否重复还是单一？分别分布在那些时间段被点击，是否有产生对话？这些问题点都值得我们去深入了解。
3、消费分析要点：
消费是一个总体的数，通常我们会设定一个固定值，如果关键词的消费超出这个值，我们一定要做出相对应的调整。例如：“竞价托管多少钱”这个关键词成本固定在100左右，也就是说这个词消费到100没有1个转化，那么我们必须要对这个词做出相关调整。
