Mars Opinion

本文的更新版本请参看怎样监控和评估网络营销的效果

作者

MarsOcean

出处

www.MarsOpinion.com

　　

既然决定做网络营销战术家，那么就继续絮絮叨叨一些战术方法……

　　　

比如怎样去评判一次网络营销活动（Campaign）的效果。

　　

被人批评过每次写东西都预设太多前提，让初看的人一头雾水——这次改正，慢慢说（所以有经验的人可以直接跳到最后去看）。

　　

假设你刚刚接触网络营销，可以选择的工具有：

• 旗帜广告（Banner）
• 文字链广告（Text）
• 搜索引擎
• 比价网
• 网站联盟
• Newsletter
• ……

　　

不论对于哪种形式的广告来说，其实本质上就要考评两件事情：

• 我要付出多少（为了讨论简单，这里假定付出的都是钱）
• 我能得到什么好处

　　

所以可能会经过下面这些过程：

　　

1. 无分析

最开始，什么都不知道，所以只是和Agent谈判，听他说得天花乱坠，然后根据自己的判断（例如“感觉上pconline挺有名气的”，“DC频道和我们相机促销吻合”，“他们说他们面向年轻人，和我们差不多”……）就做了购买决定，购买后也不知道实际效果（毕竟不是P&G，做完还有钱调查效果）。

并不能说这种情况很糟糕（做平媒不也这样么……如果没人帮你调查效果的话），只是似乎没有发挥网络的功能。

　　

2. 简单分析

对于网络广告，最简单的分析有两个：

• 有多少人看了广告（Impression），然后计算CPM（千人印象成本） = 成本/多少人次看过这个广告
• 有多少人点了广告（Click），然后计算CPC（单次点击成本）= 成本/多少人次点过这个广告

所以这时候可能会考虑怎么去得到上面两个数据，最简单的方法就是把广告文件放在自己可监控的地方，每被提取一次记录一下，被点击也记录（可以么，没这么做过，听说的）。

还有记录点击的方法就是在landing page后面加监控代码，例如我为我的blog在yahoo上做广告，那么我会告诉yahoo说你把广告链接到http://www.marsopinion.com?CMP=BAC-Yahoo ，黑体字那部分就是监控代码（只是意思一下，不要当真……），当用户到达www.marsopinion.com的时候，页面自动分析之后有没有带CMP参数，如果有的话就去解析这个参数是什么（这里发现是BAC-Yahoo，表示Yahoo），于是在后台给Yahoo这个Campain的click数加一。

　　

这里牵涉到一个相关的问题就是作弊。不少网站会制造（直接用技术手段制造这个广告被点了很多次的假象）或者引导（例如你买的DC频道首页，但是他把你广告也放在成人游戏频道，以造成点击量大的假象）点击，让你的CPM和CPC计算不准。

所以你应该再加入一些机制去过滤掉那些假的click，例如同一IP多次点击只算一次，点击波动超过一定成都就自动把波峰滤掉之类……

　　

不论如何，你现在已经不是睁眼瞎了，至少有了几个数据可以参考了。

3. 考虑转化问题

你做广告吸引流量过来，往往是为了其他的目的服务的。

例如想让他注册你的newsletter？

注册成你的会员？

或者从你这里买个什么东西？

　　

所以，达成特定目标（转化——conversion）也是很重要的。

比如你是卖东西的，你在Yahoo和MSN同时做广告，每边10000块钱。

Yahoo带来10000个click，0个订单。

MSN带来200个click，20个订单，你从这20个订单里赚到20000块钱。

这时候你说你会觉得哪个广告比较好？

所以说光看CPC之类数据是不够的，还得考虑转化的问题。

以最常见的电子商务网站的conversion为例，转化就有两个不同的意思

• 注册成会员
• 下定单购物

　　

那么这个时候，你就不能只去看广告带来的流量了，还得看有没有带来订单。最傻的实现方法当然就是在客户来到网站的时候看有没有CMP参数（第二阶段就要实现的），然后呢——

把这个参数存下来（例如存到session里面）……等客户注册或者结帐的时候，偷偷去看之前有没有存下过CMP参数（如果有的话就代表是广告带来的），如果有的话就把相应campaign的conversion数加1。

　

最后比较不同campaign带来的conversion得多少，就可以自己真实目的达到了多少。

　　

细化一些来说的话，在成本的基础上，除了分析注册（CPA）和下单（CPO）之外，你还可以把订单金额（COS），甚至订单利润都考虑进去，进行更全面的ROI考评。

　　

4. 追溯历史效果

刚刚说的计算CPA、CPO、COS的方法其实是有问题的。

为什么呢？

因为用户在点击广告来到你的网站之后，并不一定会马上发生动作（例如下单），他很有可能先把你记下来，过了几天再来。

可是按照我们之前的实现方式，他过几天再来，我们并不会记录是那个广告的功劳（实际上是的）。

　　

所以需要修正上个阶段的设计。用户通过广告来了我们网站之后，并不是仅仅把CMP信息存储在session里（用户离开网站后，session会清空），而应该储存在用户本机上（例如cookies）。举例来说，用户第一次通过BAC-Yahoo这个CMP到了我们网站，我们就放了一个小文件放在他机器上，里面写着BAC-Yahoo。下次他再来（比如是直接过来的，而不是通过广告）的时候我们就直接跑去看那个文件，发现里面写着Yahoo，于是大呼一声“小样，别以为绕道走我就不知道你从哪里来的！”，还是把这个功劳记在Yahoo Campaign的账上。

经过这样修正之后，算法就更科学了（否则CPO应该会只有真是数据的20%左右——数据仅供参考，网站情况不同数据会有很大不同）

　　

5. 细化，再细化！

目前我们要分析的参数有：

CPC，CPA，CPO，COS（省略掉几个了）

　　

只是，你觉不觉得，click和click之间是不同的？order和order之间是不同的？

吸引了一个新客户来网站的click，和让老用户又来了一次，是不是价值不一样？

让新用户下一个订单，第一次尝试你这个网站，是不是价值和老用户的订单也不一样？

　　

好吧，所以你应该把新用户，老用户（又分活跃用户和沉默用户）做的事情分开再考虑（或者直接赋予不同的权值）。

　　

之前写过对于B2C Media Function KPI的思考（http://www.marsopinion.com/?p=226），里面思路也可以参考（把流量信息也再细化分析之类）。

　　

好吧，现在我们到哪里了？

• 我们可以监控广告效果，甚至于长期效果
• 我们对不同的conversion，conversion的不同形态，赋予不同的权值

根据上面的信息，我们就可以建立自己的metrics来分析评价一个campaign的好坏了。

　　

6. 不要只看着conversion边上那一块！

上面的metrics还是有问题的，发现没有？

　　

嗯，先说废话……

有个傻子吃烧饼，吃了一个，两个，三个，四个……都还不饱。

吃完第七个，饱了。

于是抱头痛哭——早知道只吃第七个烧饼就好了呀！

嗯……重新说一遍。

有个市场营销专员做网络营销方案，他投放了Yahoo Banner广告，indoor Newsletter，pricegrabber.com（shopping comparison engine）和Google Adwords。

有个消费者过来，首先看了Banner上闪亮的iPod，想起来要买，于是点进去看了一下（这时候cookie里面记录的是Yahoo）

然后他离开了（毕竟也要几百块钱呢，再想想看），回家收到了Newsletter，看到有iPod促销，于是点到促销页面看了一下（这时cookie里面记录的是newsletter），发现没有特别优惠，就走了。

接下来他去比价网查询别家有没有卖更便宜，结果发现你家价格最好，于是点过来（现在cookie里面记录的是pricegrabber）

最后他调查CPO，发现pricegrabber的CPO最高，订单都是他带来的，其他的不带来订单，于是觉得——“以后打广告，只投shopping comparison engine就好了”。

　　

故事讲完了。

这个故事告诉小朋友们，我们不仅仅要紧盯着“直接导致conversion”的campaign，也应该给于一路上施加影响的campaign应有的注意。

　　

所以呢？怎么做呢？

嗯……我可以提供一个思路。

　

首先我们要记录用户每一次的访问信息（把Yahoo –> newsletter –> PriceGrabber之类数据都记录下来）。

然后我们要给每个conversion（根据阶段六里面说的分类，例如第一次访问，普通访问，注册，第一次下单，普通下单等）赋予一定的分数，例如100分。

那么我们可以记录到这样一个历史轨迹（E代表External Campaign，I代表Internal Conversion，不同数字代表不同类型）：

E1, E4, E9, E1, I2, E2, E9, E1, E2, E7, I2, E4, E9, E2, I1……

　　

根据I来分隔区段，我们可以得到

• E1, E4, E9, E1, I2
• E2, E9, E1, E2, E7, I2
• E4, E9, E2, I1

这样三段。

　　

在第一段中，E1, E4, E9, E1对于产生I2这个结果都起到了作用（看看上面那个例子），如果只把功劳给E1未免太不公平，所以不妨把I2所携带的100分分给它们四个，越靠近I2的分到越多，例如

• E1: 10
• E4: 20
• E9: 30
• E1: 40

或者狠一点：

• E1: 1
• E4: 5
• E9: 10
• E1: 84

或者把它做成时间的函数，把En离目标I的时间记为Tn，不管平方立方怎么算，反正找个合理的公式把这个趋势表达出来就好了（懒得写了。。。还得画函数）

　　

假如说I2代表下定单（order），E1代表yahoo banner，E4代表newsletter，E9代表搜索引擎，E1代表PriceGrabber，我们用第二种算法就可以给PriceGrabber加上84分order points，给google加上10分……

　　

把各种conversion都考虑一遍之后，我们可以发现一整套对于各个campaign的综合评分，例如pricegrabber可能得分是：click points 8884; acquisition points: 12344; order points: 94422……而yahoo得分可能是：click points 7884; acquisition points: 23414; order points: 3492……

每个campaign发挥的不同作用才能被看出来。（根据这个思路应该很容易想出优化版来）

　　

7. 不断优化

其实还没完……（怎么还没写完，我写了快两个小时了，累死了）

　　

你想要优化的话，总还是有空间的。

就像上一阶段里说的，有些campaign适合直接促进conversion，有些则是间接施加影响。

其实还有一类叫做“适合激发”。

上一个阶段的例子里面，banner ad就是激发购物欲望的那个campaign，但是我们的算法中并没给他多少credit。

你一定能够想到办法把他加进去：）……例如把points分成两类，然后把那个积分函数反过来用于这种points就搞定了，呵呵。

　　

内部各种行为现在还仅仅是根据第一次，第N次来分，其实还可以根据用户具体特征来分，可以根据属性（例如男女，地域），也可以根据行为（例如浏览过很多DC，或是浏览过很多特价产品……），这样又可以做出不同的metrics。

　　

外部的话，现在我们紧紧记录了那些点击到我们的那些网站信息，而消费者在网上瞎逛时候的信息（例如他中间去MarsOpinion.com看了一下某blogger的意见之类）是没有的，如果能够把这部分信息也加入到E的分析当中，就更完美了（已经有公司提供类似的服务了）。

　　

还有很多。

只是有个原则，Keep it simple and stupid。

并不是说一定要做到哪个阶段，做到一定程度，觉得适合了，也就好了：）

（今天太累了，还得做《一周碎碎念》，所以先发草稿，改天有空再改……语句不通顺之处请见谅）