其实很多从事竞价推广的朋友还承担了不少其他相关工作，有些分管了着陆页设计，有些还分管销售业务，为了确切地知晓各个环节里可能存在的问题，细化的数据分析能力肯定都是必备的，本篇承接前两篇对百度竞价的数据分析做进一步讨论。

　　分析步骤如下：

　　第一步、多因素分析

　　如果在之前的竞价分析中发现有两个或者多个地方存在问题，那怎么办？比如我们发现本月访客名片数大量减少，经分析原因有两个：

　　一是网页转化率下降，

　　二是总点击也下降了。

　　我们知道网页转化率和着陆页设计以及在线客服接待能力密切相关，而总点击自然是由竞价人员来负责，几个因素都有影响，如果是由不同的人员负责的话，谁当负主要责任？

　　第二步、公式分析

　　很显然，上面这个问题是要求我们明确各方所应承担的责任大小，并给出一个确切值。

　　根据公式：访客名片数=总点击×网页转化率

　　首先我们需要计算出访客名片数、总点击以及网页转化率这三个指标的环比增长率，环比增长率=（本周期数据-上周期数据）/上周期数据，这里我们假设总点击的环比增长率为X，网页转化率的环比增长率为Y，访客名片数的环比增长率为Z（XYZ可为正也可为负）。

　　第三步、影响系数分析

　　接着我们需要计算X和Y值分别对Z增长率的影响系数，根据数学知识，我们可以知道在1+Z=(X+1)(Y+1)的情况下（具体的计算过程我们这里略去不提）

　　X对Z的影响系数=X ／（X + Y）

　　Y对Z的影响系数=Y ／（X + Y）

　　第四步、具体影响分析

　　我们已经知道总点击数和网页转化率的环比变化各自对名片转化率环比变化的影响系数，接下来我们只要把上个步骤中得到的两个值分别乘以名片数量减少的绝对值，就可以知道点击数的减少和网页转化率的减少分别造成了多少访客名片的减少，从而哪个环节应该为公司业绩的下滑负更大的责任这个问题就解决了，同样的分析方法也可以适用于竞价数据中的其他公式。

　　第五步、多因素分析的意义

　　有的朋友会觉得这样做太过较真，好像完全没有必要，其实不然，实际上不少公司对百度竞价等相关人员的绩效考核已经开始引入了类似以上这样影响系数的指标，百度竞价本身就讲究数据的准确性，在数据分析这个环节，我们做得更细化和深入一些，对于互联网理性思维的养成也是大大的有好处哦。