当报告付费搜索结果时，企业对企业（B2B）营销人员经常会从利益相关者、客户或内部团队中重复出现一些问题：“为什么我看到搜索点击和促销活动的涌入，但没有机会或关闭？“本月我们花了15K美元进行搜索，结果呢？“搜索是如何促成保留的？“这些都是重要的问题，因为它们是利益相关者的头等大事。然而，战略和正确地回答这些问题的能力随着时间的推移搜索活动的有效性需要深刻的报告能力和对组织的归属模型的强烈把握。许多搜索专家只精通这些领域中的一个，通常是绘画。一半的付费搜索图片。在测量、分析、优化和营销美元的花费方面，让利益相关者不那么迷恋结果。然而，搜索工具在工具箱中有其他工具，可以更好地使他们应对那些正在燃烧的客户问题。ES作为付费搜索报告的一部分可以是评估趋势、保留和购买路径的有力手段。它还允许在基于用户通过漏斗的时间上分析一个专用的时间窗口来提高活动结果的准确性。在这篇文章中，我们将介绍队列分析的基本知识，以及如何基于先导漏斗将模型部署在您的运动中：前景>机会>客户定义和理解A和8216；营销中的同伙，术语“和”8220；队列和8221；描述在特定时间框架内分享特定事件或经历的用户的片段。同伙包括购买者、电子邮件用户、试用和/或演示下拉促销或漏斗中的任何其他转换动作。无论分段如何，当监控这些组随着时间的推移来分析整个销售周期中的行为时，价值就出现了。没有同伙，领先的营销人员。他们在漏斗里猜出顾客的“年龄”（他们在漏斗里呆了多久）。营销人员无法找到真正的保留脉冲。付费搜索工作的典型分析包括查看汇总的时间框架并将其与前一周、月份或其他时间段进行比较。这是一个很好的比较工具，但它不能解决核心问题：总结时间框架包括花费时间的数据，没有时间产生领先（或者我们正在观察的任何漏斗步骤）。换句话说，我们通过包括对我们所看到的促销没有贡献的花费来增加我们的领先成本。下面给出了点击客户路径的示例视图。当比较多个时间段时，可以找到基于固定组的性能的平均值，但是这种方法不影响任何异常值。无论是一组重复购买者、CART放弃者还是在其旅程中消失的子集，这种新老客户的组合本质上歪曲了报告结果。如果将每个用户的平均流水线与每年的黑色星期五（YOY）进行比较，每个用户的平均流水线（APPU）当指数流量驱动流水线时，你看起来很棒，但是去年黑色星期五的顾客呢？除非采用有效的留存努力，否则这些客户的价值可能会下降，但总体APPU报告比以往任何时候都要高。仅仅依赖于APPU这样的度量指标可能是长期的危险，因为他们没有考虑到顾客在娱乐中的时间长度。在整个生命周期的基础上，将数据流转换成一个队列模型需要勤奋的前期评估和工作，确保准确的数据收集是至关重要的。在这个实例中最重要的SPRePosivestHead列是日期和时间戳，例如“和”8220；原始的创建日期为“领先”和“8221”；以及（8220）；当该引线转换到其下一级和第8221级时；（考虑先导、机会、客户、第一次购买日期等）。测量用户通过漏斗所花费的时间，并将这些知识应用于付费搜索报告和洞察力。下面是一个理想的栏目，有关于A＆Y 8220；机会和8221；报告：领先的创建日期。机会创建日期。RM.通过漏斗的时间一次，正确的数据在流动，并且有一个统计上有意义的回望结果窗口，现在是分析用户从付费搜索中通过销售漏斗所花的时间的时间。我们想了解原始LLE所需的时间。AD成为一个合格的领导，一个机会，最后，一个客户。建立一个队列分析与充足的数据，一般来说，拍摄一个六到12个月的数据窗口。有一个足够大的日期范围是至关重要的，所以我们不会错误地告知付费搜索对营销计划的贡献。我们将从底部到下一步，回到我们想要回答的结果：领先与展望之间的日子。领先与机会之间的日子。客户。找出领先和前景之间的日期差异是非常简单的。把前景创造的日期（当铅变成一个前景的日期）和减去领先的创建日期。重复所有的促销活动，并确保排除主要的离群点。为了获得机会，在单独的文档中工作以避免数据混乱可能是谨慎的。以铅的日期为契机，减去原来的铅创建日期。正如你所期望的，这个日期的差异可能比预期的要长很多。重复与客户的过程。经过分析，你会有一个很好的想法，需要多长时间，以促进推广通过每个阶段。在给定的实例中，销售周期会持续多长时间，你甚至会感到震惊。现在，你可以知道为什么一周一周的观点对一些先导生成活动来说并不能很好地工作，这取决于它实际上是如何通过漏斗进行升级的。选择一个百分比的队列模型可以用来做更快更聪明的搜索优化。在决定之前，等待100%的晋升机会通过漏斗。选择合适的百分位数来代替。例如，第七十五百分位数将有助于确定我们最快的75%的付费搜索推广活动需要多少天才能通过漏斗。这可能会大大减少与以前的分析阶段之间的天数，但没关系。我们知道我们的其他晋升在某些时候会进入下一阶段。记住，我们的目标是快速做出准确的决定。在较短的时间窗口内工作，每一个目标需要花费更高的成本来考虑被排除在模型之外的客户。另一个例子是：如果目标是每个客户750美元的成本，而我们在第七十五百分位数的范围内工作，我们将想把这个目标提高到1000美元。如果我们要等待所有的客户通过，我们最终会得到比每一个数字更好的成本，如果我们只看最快的75%。如果使用百分位数的想法听起来很难，记住在平均值和非队列模型中工作是不准确的。我们的目标是在尽可能接近实时的情况下，以准确的数据进行实际的优化决策。一旦定义了时间框架和百分位数，就避免包括比专用时间窗口更长的前景、机会或客户来转换。如果客户窗口为30。天，客户需要45天的时间，包括在第七十五百分位数窗口中的客户会人为地夸大模型的数量。这些应该在汇总表中的其他地方，而不是在队列决策模型中。开发报告和第038号；报告结果：开发精确报告的关键是确保前景、机会和客户不在他们的时间窗口之外被报告。这意味着如果定制的话。ER窗口是30天，我们没有看到任何客户的结果，除非他们是30天，并有时间成熟。为了在这个例子中得到每个客户的准确成本，我们也要排除最近30天的花费。我们只应该为客户或机会查看成熟窗口中的花费。通过漏斗的比率。更可能的是，将公布业绩，因为有几天的支出被考虑，而铅量还没有赶上。有了新的观点，你就可以开始根据你有机会使用的最准确的数据做出决定。在上面的例子中，分析表明，在六个月内，最快的75%的促销活动会转向客户。考虑到这一信息，在每个客户的成本分析中，信道度量只能被查看一个月和两个月。对于每一个机会的成本，信道度量可以被查看一个月到五个月。我们的促销活动可以实时地进行分析。了解与管道或收入相关的付费搜索队列的流动和演化，使得预测新的客户子集的行为更容易。保留策略。在接下来的六个月到12个月内，通过对该组的收入、日、周或月进行比较，可以对购买和订婚习惯的改变有所启发。如果管道或重复购买不增加，最好是实施保留或重新参与策略来引导用户回到销售旅程。季节性。第一个客户/购买日期的评估与重复购买或总管道将突出用户谁在一个HO后脱落。无论是旺季还是旺季。使用这些数据有助于告知营销人员是否应该减少后一季的特定地理购买行为。