网络营销基础知识

1、56/56假如您对以下问题的回答差不多上不一定，而且您能够讲出不一定的缘故那个系列之后的文章请直接跃过，不用白费时刻看了：）1. 假如我们给B（假设它是电子商务网站）在QQ和新浪上花同样的钞票投放了广告，QQ广告一天展示了5,000,000次，带来了50,000个访客，200个订单，新浪广告一天展示了4,000,000次，带来60,000个访客，300个订单。您觉得我们是否应该减少在QQ的投放，加大在新浪的投放？2. 假如新浪广告的Impression, Click和Order差不多上QQ广告的5倍，是否讲明了新浪的投放ROI更高?3. 假如QQ一天带来了50000个访客，30000个扫瞄了超

2、过3个页面，新浪一天带来60000个访客，40000个扫瞄了超过3个页面，是否讲明新浪流量更匹配？4. 假如QQ一天带来了50000个访客，在您网站注册了300个新帐户，新浪一天带来60000个访客，400个注册了新帐户，因此新浪的投放性价比更高？5. 您原来的SEM Manager离职，来了个新的，他来了之后关键字广告ROI大为提升，其他数据不变，CPO（平均订单成本）从20块下降到18块，我们应该表扬他吗？6. 品牌宣传活动，您有两个landing page，A页面的Bounce Rate（有多少比例的访客看过那个页面立即离开）是80%，B页面的Bounce Rate是90%；Web An

3、alytics显示，A页面最终产生了400个订单，B页面只有200个。我们认为A页面活动较为吸引人，或者页面设计较好，对么？7. 您有一个网站，访问量专门大，而且您做了监控，发觉应该大多是真实的流量然而，转化率专门低（假如是e-commerce，确实是成交量小，假如是不的，可能是下载量小、注册量小），结论是您的网站内容不够吸引人，对么？8. 您发觉您顾客的平均购买周期是30天，因此您认为每10天来一次的客户是超级忠实客户，而差不多60天没来的客户可能是流失客户，需要用之前那篇粗糙却方便的客户关系治理模型来挽回这些客户，您觉得那个思路合理么？9. 假如我们的网站上个月每天访问量是2万，那个月每天

4、访问量1万5，讲明我们网站出了什么问题，对客户吸引力下降了，对么？10. 我们打算在网站上安装在线客服，当客户访问网站一定时刻后还没有convert（下单、注册、下载你的电子书，试玩你的游戏），就弹出在线客服窗口来和客户沟通。因为Web Analytics告诉我们讲所有客户的平均停留时刻是100秒，因此我们决定在100秒时弹出那个窗口，您觉得如此做合理么？差不多上，10道题的结论都有问题。下面我分几篇文章来介绍如何样才能系统和科学的解读网络营销数据。今天我们能够来讨论一个最基础，而且看起来专门简单的问题：我们确实明白报告里的原始数据的含义么？给一个简单的测试（这次后面是有答案的:p）：举例来讲

5、，假如您看到一份Marketing Agent给您的报告，里面讲“我们发出去了10 million Email, deliver rate（到达率） 99.99%，unique open rate（打开率）高达19%，unique CTR（点击率）19%，看了信的人都点击了，讲明设计专门棒! 效果特不行！从点击来看，80%的客户差不多上New Visitor（新访客），讲明我们这次活动关于抓取新用户是专门成功的。唯一的缺陷是我们的网站抓住客户的能力，访客来到了网站之后，ATOS（平均访问时刻）只有19秒，我们下次应该进一步优化网站”您对这番话的理解是不是：到达率99.99%，那么有9.999

6、million的客户收到了邮件。 有1.9 million的客户打开了email，也有1.9 million点击了email如此想起来应该打开邮件的客户都点击了。 1.9 million里面有80%是新用户，我让1.52 million本来不认识我的客户更了解我了。 1.9 million访客，他们平均在我网站逗留了19秒时刻太短了，我们应该想想方法。假如您觉得4条差不多上错的恭喜您不用花时刻看下去了。假如您觉得4条里面有对的，讲明您可能对某些网络营销数据还能够多了解一些：1. New Visitor代表的不是“新用户”、“新顾客”或者“新访客”，它代表的是您的监控工具跟您讲“来的那个人我之前

7、没见过”每次有人访问网站，监控工具就会往那个人机器里留个痕迹（cookie）以便以后相认，下次他再来，系统察看他机器，发觉有那个痕迹，就觉得“这人我见过”然后把它归入“老访客”，而假如找不到那个痕迹，就会认为他是新访客。因此，当您的老访客换了一台机器，系统也会把他当作一个新访客；当您的老访客有意无意清空了痕迹（cookie），系统依旧会把他当作新访客总而言之，80%的New Visitor不代表有80%的人从来没来过你网站，那个数据需要打个折扣具体要依照您网站特点具体情况具体分析。2. Open Rate不代表有百分之多少的人打开了您的邮件，它代表的是“有多少人的邮箱下载了您的监控图片”系统专

8、门难明白用户到底有没有看邮件，因此大部分系统会采纳一个诡异的方式来侦测：他们在每个邮件里面加一张只有一个像素大小的小图片，然后用你的email有没有去下载使用这张图片来推断你有没有打开这封信。因此，假如您的email默认不显示图片（比如gmail关于陌生邮件就都不显示图片），系统就会认为这封邮件没有被打开过。因此unique open rate = 19%常常代表有超过19%的用户打开过邮件（看没看就不明白了），那个数据可能是25%，那么就不是每个打开过邮件的人都点击了邮件。3. Deliver Rate不代表有多少客户“收到”了你的邮件，它常常只代表这些客户的邮件服务器“没有把你的邮件退回来

9、”，这封邮件命运难测，有可能是就此消逝掉了（客户没有收到），也可能是直接进了客户的垃圾邮件箱，过了几天被自动清除了。99.99%也是要打一个折扣的。4. ATOS，那个解释起来更加的复杂对常见的监控系统来讲，它是不明白访客具体在网站上停留了多久的。为了计算您在网站的停留时刻，它会在您打开第N个页面时去看一下表（比如09:30:22），然后在您打开第N+1个页面时再看一下（比如09:30:50），然后它拿两个时刻相减，得到您在第N个页面上停留时刻（比如28秒）讲到那个地点您应该差不多发觉问题：它没法明白您在最后一个页面停留了多长时刻。关于市场营销来讲（特不是针对新用户的campaign），那个问

10、题更严峻因为专门多人点击广告，来到landing page，然后就走了，这些人一共就只访问了一个页面！系统拿不到第二个页面打开的时刻信息，因此有可能会把这些人在网站的停留时刻都算作0秒，那么您得到的所谓“平均停留时刻19秒”事实上是个特不扭曲的数据，并不能代表真实情况（数据偏小）。举例来讲，我在自己的blog（www.MarsO）上安装了Google Analytics，它监控的用户访问时刻如下图，能够看到ATOS是3:11秒：假如我只看那些“只访问了一个页面”（关于blog来讲，专门多人只是上来看最新更新，bounce rate专门高）的访客，会发觉ATOS难道是0秒：而我假如看“访问超过一

11、个页面”的访客，那个数据又变成了惊人的9:46！是第一个数据的3倍！现在，您是不是觉得这些“一目了然”的数据事实上并不是那么清晰？假如我们对那些数字代表什么含义都不清晰的话，解读又从何讲起呢？再来一个特不常见（许多家EMail Solution咨询公司都有类似的Case Study）的例子看能不能让您更晕：1. www.MarsO的Shopping Cart Abandonment Rate为70%，100个人把东西放到购物车里，只有30人完成订单结了帐，有70个人本来想买东西最终放弃了！2. 我们为www.MarsO设计了一系列高科技人性化无以伦比的高级Campaign去掉形容词之后你会发觉

12、Campaign的本质是给这些Abandoned Cart的Customer发一封Email，内含“You forgot something in your cart“的提醒，以及一些incentives，例如折扣券。3. 那个Campaign特不成功，AS Email的open rate比一般commercial email提高300%，CTR提高400%，转化率提高100%! 本来差不多放弃购物的消费者收到了信，有10%的人通过点击这封Email再次来到了网站购物！因此我们能够推算出Abandonment Rate从70%下降到了63%！最终消费客户会增加23%! MarsO年销售额2亿美

13、金，因此我们可能那个那个Campaign能够关心他们成长4600万美金！鉴于我们那个Solution只卖200万，ROI高达2300%!4. 为了体现我们的专业，我们做了A/B Testing：我们发觉在客户放弃购物24小时后立即发Email，转化率比在3天后再发这封信要高87%！另外，我们发觉，放一个coupon在邮件里，转化率会提高47%！我们通过周密计算，发觉额外的销售和利润足以cover折扣券的成本。通过严谨的测试，我们决定。您觉得那个论证有问题么？问题在哪？那个Case问题专门多，然而最全然的也是在其他Case中最流行的确实是计算Marketing Contribution的方式。因

14、为Web Analytics的完善，网络营销常常能够取得比传统营销方式更完整全面的反馈信息，就看起来读者留言所讲“我们应该看实际效果，看带来了多少销售，带来了多少利润！”。关键是：我们监控到的“带来XXXXXX”实际的含义是什么？Campaign制造的效果么？1000个人点击广告，300个人买东西，确实代表那个Marketing Channel为公司“带来”了1000个Visit和300个订单么？不是的，我们监控的效果，那些数据，只能表明有“多少效果可能是由XX Campaign带来”，更具体地讲，是“有多少人在点击了广告后的某一段时刻内下了订单买了东西“，而不是“XX Campaign产生了

15、这些订单”。你监控到那个campaign“带来”了300张订单，只能讲明那个广告在购物过程中可能起到了作用，但并不能讲那个广告制造了300个订单有可能300个人里面有299个原本就会来买：）回到上面那个例子，Shopping Cart Abandonment Rate为70%事实上并不能代表有70%的潜在客户放弃了购买。产生Abandonment的缘故有无穷多，从技术上来讲，专门多Web Analytics Tool会把在一个Session“有加入购物车行为，然而没有结帐行为”就当成一个Abandonment，如此的话，客户离开电脑两个小时再下订单，也会被算作Abandon了一次；从业务上来看

16、，专门多人用购物车来代替Wish List进行购物比较，这些人在实际购物前都会被计算专门多次Abandonment，另外还有专门多人仅仅是决定过一会儿再买（例如回家看看另一张信用卡卡号），这些人也会被系统认为“放弃了购物”。了解了那个词的真实含义之后，我们至少能够明白一点“事实上这些人中间有专门多本来就会回来买东西的”。假设这些人中间9.5%的人本来就会回来购物好了，那么事实上所谓的“本来差不多放弃购物的消费者收到了信，有10%的人通过点击这封Email再次来到了网站购物！”只是给网站多挽回了0.5%的客人而已，所谓的“那个 Campaign能够关心他们成长4600万美金！”自然也就变成了增长

17、230万美金。之后的A/B Testing事实上就更扯了（这也是业界真实的案例，而且那个A/B Testing的结论还被多家援引，成为了所谓Best Practice的论据）。假设我们讲讲的那9.5%的回头客会分散在Abandonment一小时后到30天后完成购物（时刻越靠近 Abandonment，购物概率越大），你在24小时后发信因此效果比3天后发信“效果好”，不是因为你能产生更多订单，而是因为你能把更多的原本会发生的订单效果计算到自己头上。因为发了Coupon之后Conversion Rate升高就讲要发Coupon也是专门扯的讲法。真要算，Coupon成本要计算到里面去，而且那个成本不

18、应该和所有使用了Coupon的订单去比（因为其中大部分是本来就会购物的），而是应该和增量去比。假设我们所讲的是10%的Coupon，那么成本确实是4600*10%=460万美金，而按照前文所述的实际销售增量才230万美金，就算你毛利率50%，也依旧亏损几百万。况且，插入Coupon之后可能会引发一系列连锁反应例如让消费者找到规律，之后要买什么东西就Abandon一个Shopping Cart然后等Coupon来了再买之类，之后亏损会更大。综合第一个例子，假如我们不够了解New Visitor, Deliver Rate, Open Rate, ATOS，Abandonment Rate, Sa

19、les Attribution的真实含义，而只是望文生义想因此的话，我们专门可能就会作出错误的推断。更糟的是，还有专门多的名次定义比文中描述的这些更复杂和混乱。因此我的建议是：1. 假如您是购买企业级的、付费的产品（例如Omniture），请在签合同时的时候顺便把training hours也买了，然后列张表把你关怀的各个指标的具体定义问清晰（不同vendor的定义还不一样_），不要想因此。2. 假如使用免费的产品例如Google Analytics，请认真阅读文档，或者招一个情愿阅读文档深入了解工具的人。3. 找专业人士咨询。至于你找的人是否专业，你能够用本文中的例子去问他看他的结论，呵呵。

20、有些人会把文中的话讲一遍之后告诉你其他更深入的信息（例如你用的工具事实上是能够查ATOS的，只是误差有60秒之类；或者告诉你其他方法获得inbox deliver rate之类），另一些“网络营销专家”可能就会直接转话题开始和你谈概念谈人生谈理想，呵呵。4. 假如实在找不到人，至少内心面要明白“不能望文生义，这些词未必是他们表面的意思”，给自己留有余地。看到那个地点，可能有几个读者会产生新的问题讲：so what?假如我们认真学习了（或者找到了明白行的人来帮我们），我们是否就能够解读数据，同时用数据来关心我们更好的决策呢？差不多上做到目前这一步依旧不行，抱歉。下一次接着讲：如何样才能让这些数字

21、对我们的生意更有意义。网站分析领域的大师Avinash Kaushik提出过一个专门好玩的测试so what?”（“那又如何样呢？”）。测试专门简单，当你看到一堆漂亮的数据，例如“PageView: 500,000; Visitors: 30000; New Visitors: 15000”或者精美的报告，例如“我们发出去了10 million Email, deliver rate（到达率） 99.99%，unique open rate（打开率）高达19%，unique CTR（点击率）19%! 效果特不行！从点击来看，80%的客户差不多上New Visitor（新访客），而且他们给我们直

22、接带来了30万的销售额” 当你看到这些。首先，你要明白这些天书到底在讲什么（请参看XXXXXX，像“带来多少销售额”，或者“新访客”之类的词并不一定是你想象的那种定义）。明白了那些数据的具体含义之后，你就应该开始进行Avinash大师的so what测试了，你能够对着给你提供数据的小弟或者agent深沉的来一句：那又如何样呢？Pageview 500,000，Visitor: 30,000，那又如何样呢？“嗯那代表讲每个客户平均访问了17个页面。” 那又如何样呢？“每个客户看的页面多，讲明客户粘性高，讲明我们的活动专门成功。” 什么缘故？我听不明白。什么缘故17个页面确实是“多”，什么缘故“多

23、”代表“粘性高”，什么缘故“多”代表网站成功活动成功？ （agent开始冒汗想讲这人神经病啊）“呃我们来谈谈Web2.0和Marketing3.0吧”（假如是比较强的agent）“关于您那个行业来讲，industry benchmark是人均扫瞄10个页面，因此17个是挺多的。另外，因为您网站要紧差不多上产品页面，客户扫瞄页面多表示他兴趣越大，而扫瞄信息多也使得他对您更加了解，关于您mkt信息的传递，品牌印象的生成，以至于今后销售的促进，差不多上有好处的” 那又如何样呢？（假如是比较强的agent）“那个这次campaign，和上次相比较，最大的区不有两个：第一，之前我们是在www.MarsO

24、上做的文字链广告，这次我们换到了的Banner广告；第二，之前我们没有在广告中提到您公司名称，这次我们把公司名称和logo放最大。我们推测这两个变动可能是我们广告效果提升的缘故。我们认为下一次我们应该投入更多的经费在第二个网站上，而且都用来购买Banner广告，同时投入10%经费去原有网站假如同一个内容的Campaign仍然有巨大的效果差异的话，我们就能得出结论讲我们应该加大在上的投放，而且要用Banner而不是文字链。” 哦，感谢。 数字只是数字，事实上没有什么意义。通过不断的追问“那又如何样呢”，事实上我们是在一步一步把简单的数字转化为对问题的洞察，直至产生可行动的方案。 本质上，关于数字

25、，第一个问题是WHAT”1. 这些数字是如何来的，真实含义是什么？2. 这些数字对我的生意的意义是什么？3. 那个数字讲明情况是好依旧坏？ 了解了WHAT之后，第二个问题确实是WHY“1. “好”数字出现的全然缘故是什么？2. 坏数字出现的全然缘故是什么？ 分析出了“缘故”，最后我们才能得到HOW我们要如何做，才能让数字越来越好？ 一步一步，我们所做的情况是：1. 搞清晰那些花花绿绿的数字，关于我们的生意来讲，究竟意味着什么。2. 然后，去分析讲我们有什么能够改进的，要做什么，不要做什么，该如何做。只有如此，那些数字才有意义，才有价值。 假如我们财大气粗，而且我们请到了专门好专门专业的代理（假

26、如您找到了的话苦恼告诉我一声），我们因此能够如此专门有sense的连续追问：那又如何样呢，那又如何样呢，那又如何样呢最后得到中意的答案和行动方案。但是假如（几乎是一定的）我们找不到那么好的人来回答问题呢？那就只好自己来回答，或者自己来培养几个人来回答了。下面的文章再来介绍如何样来应对“那又如何样呢”。先讲笑话：有一艘太空船在宇宙中航行，突然全船听到船长的广播：大伙儿好，现在我有一个好消息和一个坏消息要通知大伙儿大伙儿开始紧张好消息是，我们现在的速度越来越快了大伙儿快乐了一下坏消息是，我们不明白自己在往哪开 专门多时候，我们确实是如此。我们会用高级的工具，做漂亮的report，出一堆的数字，大伙

27、儿看着数字多就觉得自己professional，看着数字变大就觉得团队工作出色。 开一个网站，做一个promotion，谈一个市场合作，执行一个marketing campaign，做得辛辛苦苦，看到数字（traffic, acquisition, conversion）不断变化眼花缭乱，最后出一份report讲我们搞到了多少注意力，多少注册，多少钞票销售，数字大的时候大伙儿觉得做得好，数字小 的时候觉得做得不行，对么？问个问题：有个网站，对网站架构做了重新设计后，pageview / visitor上升100%，其他数据都不变，这次重新设计是不是成功的？再问个问题：有两个marketing

28、campaign，Campaign A带来了10 million impression，100,000个visitor，2000个订单，200,000元销售；Campaign B带来了5 million impression, 80,000个visitor，1000个订单，400,000元销售。哪个Campaign比较成功？答案是不明白。因为我们不明白我们的目标是什么，在不明白目标的时候数字是没有意义的。假如你回答第一个问题”是成功的“，那么请想象一下假如那个网站是个电子产品公司的客户自助服务页面呢？网站的目标是让用户自己找到问题的答案以减 轻客服中心的压力，每个访问者访问页面增多专门未必是好

29、事可能讲明你导航更不清晰了让用户要花更多步骤才能找到想要的答案。一方面客户中意度会下降，另 一方面更多客户会放弃搜寻信息而直接拨打电话如此又增加了客服那边的压力。假如你给了第二个问题确信的答复，那么请想象一下假如我们的目标是“增加品牌曝光”时你答案是什么，目标是“促进销售”呢？目标是“增加订单量，让用户都体验一下购物”呢？目标是“增加高价值客户”呢？没有清晰定义目标的时候，我们看到的数字仅仅是数字而已。只有定义了目标，我们才明白数字对我们生意的意义。那个系列的头两篇文章（网络营销数据解读（一）情况不是你看到的那样，网络营销数据解读（二）情况不是你看到的那样）要紧都在讲讲如何正确理解数据的含义，

30、那么这篇文章将开始来介绍如何理解数字关于我们生意的意义。首先，我们要清晰定义目标。关于一个支持性的客服网站，我们的目标是让用户找到中意的答案，从而不去拨打电话。关于媒体网站，我们的目标是让用户对内容感兴趣，消费更多的内容。关于电子商务网站，我们希望客户多消费，同时持续消费。关于某一个市场活动，我们希望能增加品牌曝光，对另一个宣传活动，我们希望能拉多些新用户。这是我们的目标。听起来专门简单，明确一下自己工作的意义和目的就好了。事实上并不容易。关于专门多公司，专门多人来讲，他们事实上不是特不能明确自己工作的目的到底是什么，要做那个要做那个只是因为“之前也是如此做的“或者”业界不都在如此做么“，只是

31、为了做事而做事，而没有想清晰整件情况的意义。定义了目标之后，我们需要找到一组Metrics（指标）来衡量目标达成情况。打个比方，一个小朋友的目标是“长高”，那么他就能够选择“身高”（测量从脚底到头顶的长度）作为指标。听起来依旧专门简单。事实上并不容易，分三步来讲：第一步，了解我们监控到的数字的意义，找到合适的指标来衡量我们目的达成的效果。第二步，研究数据，将无效和虚假的部分剥离。第三步，通过测试、辅助指标计算和长期监控来分析隐性和长期效果。 第一步，找到合适的指标来衡量我们目的达成的效果。那个没有想象的那么容易。举个例子，假如你治理一家电子商务网站，你找了几个人帮你做所谓的Marketing，

32、你跟他们讲“我要看到实际效果，打广告的目的确实是要带来销售。“听起来目的专门明确促进销售，因此在指标的选择上也就专门简单看每个campaign带来的“销售”类指标就好了。依照团队使用的工具的不同，他们的选择可能有：Same Session order Same Session Shopper Same Session Revenue Last Click order Last Click Shopper Last Click Revenue First Click order First Click Shopper First Click Revenue Liner order Liner S

33、hopper Liner Revenue 另外，他们能够选择的时刻窗可能有7天，10天，30天，或者60天。选哪几个最合适呢？一般的做法（有时候也是受到Web Analytics工具的限制）是选择30天时刻窗的Last Click Revenue。”30-day Last-click Revenue”大致上（各家WA定义不一样，有WA专家写过一些文章介绍，能够点击那个地点查看他blog）是如此取得的：消费者下单完成后进入订单确认页面（Thank you page），那个页面上有一段代码会去看该用户机器上的cookie，看该用户在之前30天有没有点击过我们投放的广告（例如发觉该用户30天内依次点

34、击 过“新浪广告”, “Smater比价网广告”和“百度关键词广告”），假如有，则找到用户最后一次点击的广告（“百度关键词”），把那个订单的功劳都算到它头上。听起来蛮合理的。关于没有选择的同学们（比如你的WA工具只给你那个选项）来讲，如此做无可厚非。然而关于有选择的人（比如你用好的工具，或者是自己设计开发WA工具），盲目选择”30-day Last-click Revenue”确实是一件专门扯的情况。 首先，什么缘故是30天的时刻窗？什么缘故不是7天，10天？什么缘故不是60天？你对广告带来的流量的依靠性多高？你的消费者看到和点击你广告的频率如何样？从看到广告到做出购买决策，是否需要长时刻的考

35、察和研究？再问一遍，什么缘故不是7天，10天？什么缘故不是60天？ 更重要的是，什么缘故你只看last click的数据？设想以下情况：一个用户在新浪看到了你周年庆的广告，点击到里面去发觉你在做特价促销，买东西全场免运费还送一堆赠品，他记下了。过了两天， 在上班的时候（_，大部分人是在上班时刻访问电子商务网站的），他想起自己要买个电饭煲，因此去比价网找产品比较价格，又看到了你家网址，点 击到里面去看了一下，决定买了，然而没有带网上支付卡因此没有直接买。晚上回家之后，他打开电脑，打开百度，输入你网站的名字（他懒得去回忆你的域名）和那款 电饭煲的名字，点击第一个链接（刚好是你的付费关键词链接），到

36、了你网站，买了产品。新浪的广告让客户了解到你，对你产生的印象，给之后的购物做了铺垫。比价网广告让客户了解到你也在销售他需要的产品，让他购买。最后，百度把客户带回来下了单。你，把功劳都算给百度？购物决策分为专门多个时期，你的广告可能在他购物决策的不同时期发挥了作用。有些类型的广告能让客户来到网站，激发他的一些需求。有些类型的广告能让消费者在明确了他的需求之后，引导客户来到网站，促成交易。还有些，介于两者之间，关心客户从一个时期到下一个时期。 假如我们只看离转化（Conversion）最近的广告，把所有功劳都归给它，就会出现专门有味的现象：在报表里面，哪些起到”促成转化“功能的广告 得到了所有的功

37、劳，ROI最漂亮，而那些起到”激发需求“或者”增进了解“功能的广告没有得到任何功劳，ROI专门难看专门自然的，在我们”优化“市场投 放的时候，就会把有限的资金向ROI高的投放方式上倾斜（按照上面那个例子，专门多marketer看到数据之后会把新浪和比价网广告停掉，把钞票都往百度 砸）。因为你选择了一个有偏见的指标，”激发需求“和”增进了解“类型的广告的作用被大大低估，他们得到的资源也越来越少，最终阻碍到那些”促成转化“的 广告的效果（在上面那个例子，假如没有前面的广告，客户是可不能去百度搜索你的）最后的结果确实是，我们越是数字导向，越是去优化我们的 marketing campaign，越是把

38、资源投给那些看起来ROI高的campaign，我们整体的ROI就越差。专门讽刺，不是么？ 现在，你是否觉得，为了评价”制造销售“那个目标，除了30-day last click revenue我们应该也看看不的指标？比如讲同时看30-day first click revenue和liner revenue. 30-day first click将把功劳算给30天内客户点击的第一个campaign，而liner将把功劳平均算给客户在30天内点击过的所有campaign。假如你的投放金额较大（那么就更需要精细治理），是否应该将campaign分组，有些组用那个指标衡量（例如用first clic

39、k衡量门户网站banner），有些组用那个衡量（比如用last click衡量比价网广告），还有些用liner的数据？或者，你觉得能够3个数据都看，弄个公式来计算（给每种数据一个权值）？这些差不多上能够的，关键是清晰的了解我们抓取到的数据含义，结合目标来选择最合适你生意的一套指标。上次（网络营销数据解读（四）目标和指标）讲到定义了目标之后，我们需要找到一组Metrics（指标）来衡量目标达成情况。找合适的Metrics要分三步走：第一步，了解我们监控到的数字的意义，找到合适的指标来衡量我们目的达成的效果。第二步，研究数据，将无效和虚假的部分剥离。第三步，通过测试、辅助指标计算和长期监控来分析隐

40、性和长期效果。网络营销数据解读（四）目标和指标里对第一步进行了简单的介绍，今天我们来讨论第二步和第三步。 首先，我们要研究数据，将无效和虚假的部分剥离。因为监控工具的不完美，人工操作的失误，或者合作方有意无意的作弊，我们拿到的数据专门未必完全是真实的。你拿到10000个click，可能只有1个是真有用户的点击，拿到10万个注册用户，可能全部差不多上机器生成。因此，我们必须要有一个筛选过滤的过程。因为作弊方法太多，我也没有想到有什么系统性的方法能够用来解决那个问题。有一个简单的原则确实是：找异常。真实的数据看起来确实是会比较”真实“，数 据间的比例关系也会比较合理，数据在时刻和地域上的曲线和分布

41、都会比较平滑。反过来，作弊的流量有可能会考虑不周，从而在某方面做得太过分而显出异常来。举例来讲，假如我监控的是我在www.MarsO上广告投放的click数据，有哪些可能出现“异常”的地点呢？流量在时刻上的分布异常：假如平常每天带来1万个click，今天突然带来10万个，这就专门让人怀疑。另一种情况，假如每天依旧平均1万个专门稳定，然而认真看发觉每天有5千个差不多上在8点5分到8点10分这五分钟过来的，这也是一种异常。 流量在行为上的异常：正常情况下，通过广告带来的大部分的流量应该会直接离开网站（bounce），剩下的那些流量会行为各异，有些人看多几个页 面，有些人看少几个。假如发觉流量全部被

42、bounce，这是一种异常，假如流量完全没有bounce这也专门异常；假如大部分的流量都表现出了类似的行为这 也专门异常比如90%的流量差不多上到了landing page点击了页面顶部一个不起眼的链接，在下一个页面停留了0秒，又点击了页面顶部一个不起眼的链接，然后离开站，这看起来也专门假。 流量在地域上的异常：假如1万个click当中，9800个来自同一个IP（或者相邻的一段IP），这也专门惊奇。假如从地域分析上看，一个面向北京免运费的活动，来的流量99%差不多上山西的，这也专门莫名。 流量在来源上的异常：本来买的是www.MarsO网 络营销专区的广告，结果最后认真研究发觉流量中90%是从

43、游戏专区点来的，这也专门不对劲。（不同地点的流量价值是不一样的，可能他们在卖你广告的时候宣传 的是”我们的受众刚好是你的目标客户，重合度高，效果好“，然而事实上他们那个方面流量太少，为了填数字，只好从不的热门频道例如游戏频道、娱乐频道 导入垃圾流量充场面） 假如我们监控的不是click，而是registration呢？类似。时刻分布异常：前一个月每天才5个注册，结算前一天来了10000个注册。 行为异常：广告链接到landing page，然而所有流量差不多上直接到注册页面注册，没有通过landing page。 地域异常：都来自同一个IP段 其他异常：所有注册用户都没有填写具体信息；或者所有

44、注册用户都叫类似名字；或者所有注册用户的注册email都长得专门像，比较常见的是marsopinion0001, marsopinion0002, marsopinion0003, marsopinion0004, marsopinion0005, marsopinion0006 上面只是抛砖引玉，并不能涵盖所有作弊流量的特点。然而从Marketer的角度，我们推断流量虚假的原则是确定的：流量是否显著异常。假如他能做到在数据表现上和真实流量没区不，我们确实也专门难把他们抓出来。 至少，做好第一步之后，我们差不多把那些比较傻的作弊数据给排除掉了。一般的公司上做到这一步就停下来了嗯，确切的讲，专门

45、多公司还没有做到这一步就停了，呵呵。 假如你还要深入想一下的话，可能就会考虑如此一个问题：数字大确实是好么？带来100,000块钞票订单就一定比10,000块钞票订单好么？难道带来1000个新用户就一定比带来500个好么？难道1000个访客就比900个访客要有价值么？不一定。因为我们尽管衡量了campaign达成指标的程度（数量），然而却没有认真去考评达成指标的质量。就仿佛讲我们派两个人去不同水果摊买50块钞票苹果，内心面想讲谁买得多就算谁能干（用“重量”做指标）。最后甲带回来10斤苹果，乙带回来20斤，因此我们认为甲更能干一些。细细想想，是不是觉得 有点怪？万一甲带回来的苹果专门难吃呢（难吃

46、，然而并不是假苹果）？万一乙买回来的是你这辈子吃过的最好吃的苹果呢？在那个例子里，我们本来想采纳”苹果的重量“来衡量两个人的能干程度，后来又加入了”口味“来辅助评判。关于网络营销的指标来讲，我们也能够类似的引入一些辅助指标来关心我们更好的理解那些要紧指标的“质量”。 第一类的辅助指标，是当期就能拿到的、能够关心我们衡量要紧指标质量的其他指标。（好绕_）比如讲，我们的目标是“销售”，那么我们除了订单金额之外，还能够综合订单量，平均订单金额，购物顾客数量和利润一起来看。假设A网站广告带来了10万块钞票的销售，B网站广告带来8万块。A网站的订单数量是500，来自500名不同的客户，平均订单金额200

47、；而B网站 的订单数是800，来自800名不同的客户，平均订单金额100这时候，依照我们策略的不同，我们专门可能就做出不同的推断。假如我们的目标是“扩大客户群”，可能我们会定义Revised Revenue = Revenue*(1-Buyer Weight) + Buyer*Average order Value*Buyer Weight，假如我们网站的平均订单金额是250，而我们给“购物客户数量”的权重是50%的话，我们就能够计算出A网站广告带来的的Revised Revenue = 100,000*0.5 + 500*250*0.5 = 50,000 + 62,500 = 112,500

48、，而B网站广告带来的Revised Revenue = 80,000*0.5 + 800*250*0.5 = 40,000 + 100,000 = 140,000，两相比较，B网站的广告效果比A网站广告效果更好！然而反过来，假如我们当前目的是“盈利”（比如我们是做service的，服务每个订单的成本类似比如100块，单个订单买少了我们亏钞票，买的 越多我们越赚），而且订单的利润数据并不能从WA中得到，我们可能就要用Revised Revenue来简单的估算一下，比如讲我们能够定义Revised Revenue = Revenue order*100，用那个公式来计算的话，我们又会得出结论讲A网

49、站广告效果更好一些。总而言之，我们要依照战略目标来调整自己的Metrics中指标 的定义，以便于让他更精准的反映”目标达成情况“。 再举个例子，比如我们要做个Campaign，目的是给网站带流量，那么，网站停留时刻，扫瞄深度，和是否到达特定页面（例如公司介绍页面，产品介 绍页面）也能够成为我们的辅助指标。比如我们能够定义Revised Traffic = Traffic*0.1 + 0.4*(Traffic with more than 3 pageviews）+ 0.5*(pageview of target page)，如此子，那些给我们带来高质量流量（来了之后在我们网站东逛西逛，或者对我

50、们感兴趣看了我们公司介绍产品介绍）的营销渠道会更容易脱颖而出。比如新浪广告带来了100万visitor，10万扫瞄超过3个页面，8万（和前面这10万人有重复）人看了产品页面，同时QQ广告带来120万 visitor，5万扫瞄超过3个页面，6万（和前面这5万有重复）人看了产品页面，乍一看访客数量看起来QQ广告更好，然而认真考虑流量的质量，用我们设 计的revised traffic分析就会发觉不是这么一回事。新浪的Revised Traffic = 1,000,000 * 0.1 + 0.4 * 100,000 + 0.5 * 80,000 = 180,000，而QQ的Revised Traff

51、ic = 1,200,000 * 0.1 + 0.4 * 50,000 + 0.5 * 60,000 = 150,000，新浪广告的效果更好一些！从上面的例子能够看到，我们的目标不同，就会导致我们对”质量“理解的不同，也就会需要选用不同的辅助指标来关心我们更好的解读数据。 除了上面所讲的这些之外，还有另一类辅助指标长期效果。简单讲，确实是隔一段时刻，再测量一下之前某个campaign带来的流量、客户表现如何。依旧用上面的例子，新浪广告100万Visitor，QQ广告带来120万Visitor。广告投放结束后，过一个月之后我们能够（假如你用的WA 工具有那个功能，专门多付费工具能够做到，GA的话

52、看过不人如此用过然而我自己没有亲手操作过）再看看这些人的表现，例如“多少人在广告投放期过后还来 过我们网站”，“多少人在最近7天来过网站”，“多少人在投放期过后买过东西”可能我们会发觉，新浪的100万Visitor当中有10万在广告停了 以后又来了网站，5万在过去7天内来过（讲明访问频率高），1万买了东西；而QQ的120万人当中只有8万又来了网站，4万在过去7天内来过，7千买了东 西。我们能够比较有信心的得出结论讲新浪的营销效果更好一些，确实给网站带来了客户，对我们有长期的正面阻碍。再举两个特不类似的例子，第一个，假设我们在和一堆论坛搞活动吸引论坛的网站来你网站注册，注册就送论坛积分和小礼品，

53、如此专门容易在初期看到专门好的 效果比如每天注册10000个，我们觉得猎取每个新用户的价值高于200块钞票，因此当论坛问我们要20块钞票一个注册的时候我们觉得还蛮公道的。在结算 时看看数据，觉得注册量看起来也没什么异常，应该也是确实，因此挺快乐。然而，当我们在一个月后再查数据的时候，发觉只有0.1%的“新用户”在活动结束 后来访问过网站，0.01%的人7天内访问过，0.001%的人有购物行为而自然增长的“真实新用户”，各方面数据表现应该至少是那个数据的200 倍！如此算起来，论坛那些新用户的价值只有我们平常自然增长新用户的1/200，也确实是价值1块钞票/个，20块钞票一个买来实在是专门亏。什

54、么缘故会如此呢？一 种可能是我们的合作方在作弊做得专门高超，我们没有看出来，然而他再如何做也专门难想到讲还要在活动结束后接着来作弊模拟让这些“新用户”去访问网站，所 以这时候被我们抓到。另一种可能是那些“新用户”完全确实是被论坛积分和小礼品吸引来注册的，他们只是依照论坛的指示填了个表格提交而已，全然没有花心思了 解我们网站是干嘛的，自然之后也可不能来访问这确实是规则设定的问题了。另一个例子，假如我们和某非竞争的大网站做用户交换，为了吸引客户，我们能够给出”买100减30“的折扣券，仅供合作方带来的新注册用户使用。因 为我们要求专门严格：1. 只有从合作方过来的流量才能通过注册得到折扣券；2.

55、只有当用户确实买东西之后我们才需要付出折扣券的成本。因此听起来是只赚不赔的生意假如通过那个合作得到了10万个新用户，5万个买了东西，大伙儿内心 面都会专门快乐，MKT也能够交一份漂亮的报告给老总来论证自己做得多好。只是，假如专门不识相的在一个月后再查一下数据，或许会发觉这5万个”购物新用户“ 中只有1%再次访问过网站，而正常数据应该是至少10%。什么缘故会有那个差距呢？你认真在网上搜索之后可能会发觉所有的网购论坛上都差不多贴出了帖子讲 ”www.MarsO在送钞票，买100送30，通过那个地点重新注册个帐号就好！”，然后许多的老用户（一般来讲，这种帖子最能吸引差不多 在购物过，相信那个网站的用

56、户）点击链接重新注册了个帐号（这次用的是自己不常用的那个email，或者新弄了一个 email来注册）拿了折扣券买了自己本来要买的东西，买完之后就把那个帐号丢了。那个Campaign划不划得来我们能够再讨论，然而它的效果并不如想 象中好是一定的。我们能够看到，辅助指标不仅仅能够关心我们更精准的衡量网络营销效果，衡量它在“达成目标”方面的真实作用，而且还能够在一定程度上更全面和精准地过滤作弊数据，一举两得。 OK，回忆一下，要找到合适的Metrics，我们需要：第一步，了解我们监控到的数字的意义，找到合适的指标来衡量我们目的达成的效果。第二步，研究数据，将无效和虚假的部分剥离。第三步，通过测试、

57、辅助指标计算和长期监控来分析隐性和长期效果。通过这些步骤，我们差不多建立起来了一套合理的metrics（文中只是给了提示和方向，确实要建一套符合自己公司特点的metrics依旧需要专门多精力深入分析的，没有通用公式:)）而且这套体系应该差不多比大多数公司目前使用的要更全面一些了。开香槟庆祝吧。 只是预告一下，过一阵子（取决于我的勤勉程度_）还会有网络营销数据解读（六）和网络营销数据解读（七）可能会要写到（十）去，呵呵。接着往下看，可能你会发觉这篇文章里的结论事实上也还大有探讨的余地，呵呵。PS.什么缘故要搞这么苦恼？嗯如此才能用更少的钞票达到更好的效果，不同水平的Online Marketer

58、去执行类似的Campaign，真实效果差10倍是专门正常的情况。哪怕你只投入100万么通过分析数据，积存经验，优化方法就有可能帮你 省90万，看在钞票的面子上多看看数据何乐不为？ （之前也写过一篇什么缘故要深入解析“网站分析”数据？) 确实要搞这么苦恼么？不一定，看你投放规模，假如本身就没有花多少钞票在网络营销方面，事实上也没必要太认真分析，简单监控一下就OK了。”优化“这种情况常常是边际效益递减的，只有上规模的公司才有必要做到特不细致深入的研究和优化。上次讲到我们需要找到一组Metrics（指标）来衡量目标达成情况。为了达到那个目的，我们需要做的三件情况是：，找到合适的指标来衡量我们目的达成

59、的效果。研究数据，将无效和虚假的部分剥离。通过测试、辅助指标计算和长期监控来分析隐性和长期效果。好吧，回归我一向的风格，接着问问题：假设网站（或者某个营销活动）的某个指标发生变化（例如在显著下降），我们该如何找到数据变化的缘故和应对方法？假设我们差不多设置好了， 通过监控得知campaign A在所有指标上都等同于campaign B，我们是不是就没法分析哪个campaign比较好？假如两个campaign不是完全相等，而是在某一个指标上相等（比如两个广告的 conversion rate一模一样），我们是否就没法分析讲我们接下来要如何样优化那个指标（比如conversion rate）？ 假

60、如做A/B测试的时候发觉两种结帐流程的转化率一样，我们是不是就能够随便挑一个？本想用常用术语的，百度了一下发觉官方定义和我理解不一样，为免出丑依旧用通俗概念来解释，不丢术语了：）。差不多上，不管学术上解决问题的方法叫什 么名字，具体的思路都专门类似：假如一个大问题想不清晰，就把它拆成更好理解的小问题。借用一个程序设计领域的概念确实是：自顶向下，逐步求精。能够采纳的工具有：1. 看分布：差不多上，凡是“总和”或者“平均”类的统计数据都会丢失掉专门多重要的信息。例如你打靶，第一枪向左偏了5米，第二枪向右偏了5米，第三枪向上偏了5米，第四抢向下偏了5米平均来讲，你射击的误差是零（因为都相互抵消了），