Indochino.com，基于中国丰富人力资源的正装定制
by MarsOcean on February 26, 2009
www.Indochino.com 应该是很平常的定制正装retailer: 你选样式，选料子，给尺寸，然后他们按照你的要求手工缝制你要的衣服以保证合身，然后国际快递寄给你。 式样还OK。 料子，如果不放心，可以让他们寄sample过来让你看。 尺寸，有简单系统来指导你怎么样自己量尺寸，很方便。 物流OK，两周送到，成本不会太高。 合身——如果不合身，提供免费的修改和退货选择。如果合身，系统会自动记住你的尺寸，下次就可以更方便了。 按照他们自己的说法，是比工厂生产的品牌正装合身，但是又比高档定制正装便宜很多： 仔细看一下地址，会发现总部虽然在加拿大，但是出货是在中国上海，中山南路。 下面是退货地址： Global Headquarter Addresses: *Use the address easiest to ship to. ATTN: Returns and Refunds Indochino Suite 411 1581-H Hillside Avenue Victoria BC V8T 2C1 Canada Or ATTN: Returns and (…)
次贷危机通俗动画讲解
by MarsOcean on February 24, 2009
休息，休息一下
by MarsOcean on February 23, 2009
1. 关于Amazon的Prime Membership，There are some interesting data from compete blog: Amazon’s December traffic surged 20% year-over-year, outpacing Target.com and Walmart.com’s respective 16% and 15% growth Amazon visitors logged an average of 4.5 visits to the site throughout the month of (…)
盐湖城归来：Omniture Summit 09
by MarsOcean on February 21, 2009
去盐湖城参加了Omniture Summit 09。 规模让人很震撼，应该有大约2000 online marketing professionals与会，会场安排在Salt Lake Palace Center，主会场的音乐、灯光和8块大投影让人感觉在听演唱会，晚上都安排了Party，周五还安排整天滑雪之类——可惜要工作没空参加。只是从安排来反推的话每个人身上成本都很夸张，这个Summit应该要花掉几百万美金（和他们聊天，非官方消息号称说花了5M），在目前这种经济环境下，感觉相当大手笔。另一方面，能够有2000人与会，而且从闲聊中发现对方大部分都具有基本的Data Driven Marketing的sense（大多能至少能和你聊两句Segment或者Test，比较深入的一些关于Marketing Channel Attribution的session也会坐满听众），会觉得这一块美国还是领先很远。 各个Session的内容都不够深入，对于有基本概念想要深入了解，或者更多运用Web Analytics的公司会有帮助，但是对已经有比较深的了解，想要解决特定问题的公司来说，各个session都非常肤浅。以Email Marketing为例，会场上主流的Case Study还是在说Abandoned Cart Recovery，而且都只是漂亮话，对于随之而来的问题解决方案很少。 听了WPP CEO和Forrester Research CEO的演讲。都说到之后公司成功的唯一出路，就是将创造力和科技结合，市场和科技结合。——深得我心啊，呵呵。自己之后的Career Path也是想走在Marketing和Technology的交界处：）。 大会抽奖是一台Smart小车（漆成了Omniture标志性的绿色），车子就放在会议中心很显眼的地方。所以每次约人见面（难得都去了一个城市，所以约了一堆短会）都是约说在那个“little green car”那里见面。会议第一天，可以参与抽奖的Survey问卷上居然没有填名字的地方，就看到Omniture CEO上台说抱歉我们的"Win a great car”活动改名成了“win a great car but we do not know (…)
网络营销和Web Analytics的数据解读方法（二）——Segment (1)
by MarsOcean on February 15, 2009
前面两篇文章（网络营销和Web Analytics的数据解读方法（一）——Metrics(1)和网络营销和Web Analytics的数据解读方法（一）——Metrics (2)）说到，就算你定好了一个看上去很美的Metrics，我们还是不一定能得知我们的市场活动、SEO优化，关键词广告到底产生了多少效果。为什么呢？ 用我自己Blog（www.MarsOpinion.com）来举例子。假设说我的目的是要让更多的人来看我的Blog并且订阅它，那么我的Metrics可能可以设置为： Visits（多少人来看过），越高越好 Bounce Rate（多少人来看了一眼就走了），越低越好 订阅数（多少人来看了之后进入了订阅页面），越高越好 下面我用这个Metris来评判自己的网站： www.MarsOpinion.com上个月每天访问量是一万二（数字纯属YY，不要当真），这个月每天访问量是一万一，访问量下降，说明要么我的文章质量下降，要么我最近文章过于深入细节，过于针对小众读者——总之，就是没有以前吸引人。 www.MarsOpinion.com上个月Bounce Rate是80%（10个人里面有8个只看了一个页面就离开），这个月82%，所以对于来到网站的人来说，文章吸引力下降。可能因为最近这个系列对行业经验和知识要求较高，让读者比较不愿意看下去。如果我还想要扩大博客影响力，应该写得更通俗易懂一些。或者讨论一些更水的话题。 www.MarsOpinion.com上个月新增订阅数2500人，这个月3000人，这个数据好——可能是因为讨论网络广告网络营销具体战术方法的文章太少，所以不小心进来的读者看到有具体讨论，不管看不看得懂都订阅，爽！ 我这些判断正确么？（先不要往下翻） （好吧，你已经往下翻了@__@） 前面两条基本不对。 最简单的反证是：如果我上个月流量中70%是老访客，30%是新访客，而这个月看流量，发现90%是老访客，10%是新访客，那我的两个推测就都是错误的。1. 老访客访问量上升，说明不一定是文章的问题。新访客数量下降更可能是外部链接或者搜索引擎收录的问题，需要再进一步细查；2. 如果这个月老访客增加了那么多，就很好理解为什么Bounce Rate变高——老用户已经看过前面文章了，当然是看完最新更新就走了，同样和文章不一定相关。 为什么会出现误判？因为综合性的数据（总数和平均数）都不能够全面和具体地反映真实情况。举例来说，如果有个服装厂得到数据说美国3亿人平均身高是1米，所以准备按照1米的身高来设计衣服打入美国市场，我们觉得是否make sense呢？如果这样做没有道理，为什么用平均的bounce rate来衡量一个网站（网页）对客户的粘性我们觉得是有道理的呢？：） 基本上，我们会用Segment来解决这个问题——把用户分成不同的Segment，然后再看每个Segment的表现，这样才能真正深入的了解情况。比较常见的Segment方式有： 按照顾客生命周期来分Segment 1. 分析数据时，将新老客户分开查看。 就好像之前那个例子： “A页面的Bounce Rate（有多少比例的访客看过这个页面马上离开）是80%，B页面的Bounce Rate是90%；Web Analytics显示，A页面最终产生了400个订单，B页面只有200个。A页面活动较为吸引人，或者页面设计较好。” 如果我们把客户按照新客户、老客户分成两个segment，再看数据，很可能会发现： A页面新客户占30%，新客户Bounce Rate 95%，产生了3个订单；老客户占70%，Bounce Rate 74%，产生了397个订单。 (…)
人品啊
by MarsOcean on February 14, 2009
Day 1: 看到朋友Blog上在说某top web analytics公司开始在北京上海做Training，每个人两天要一万多人民币。顿时想说要好好和该公司沟通多学一点好回国培训别人骗吃骗喝。 Day 2: 收到大巫同学来信，内含该公司峰会free pass一张——这也太巧了吧！ 下周去盐湖城参观学习去^__^
网络营销和Web Analytics的数据解读方法（一）——Metrics (2)
by MarsOcean on February 8, 2009
上次说到两个问题： 首先，指标的达成是一个数字（例如100 million impression），但是数字和数字间还有一个质量的区别（例如在你目标客户群中展示一亿次，对你的意义要显著大于在非目标客户群中展现一亿次）。 其次，你的监控工具本身就有非常多的局限性，让它不能充分反应事实，它告诉你带来了1000万销售，其实很可能是1500万，也可能是500万——很多东西没有被监控到，也很难被直接监控到（这里不说细节了，参看我之前写的怎样监控和评估网络营销的效果和网络广告真实效果），例如消费者查看点击广告后过了一个月再来购物，例如你的广告打动了消费者，让他们在很久以后的下一次购物会想起你来，这些深远的影响都是Web Analytics工具难以直接监控和反应的。 那么我们要做的就是： 1. 完善metrics，不仅仅衡量指标完成的数量，还有质量 2. 想办法去衡量那些Web Analytics工具直接监控不到的数据 第一条相对而言好做到一点，衡量目标达成的质量，可能有三种不同途径： 1. 用外部数据支持：还是用那个品宣的例子，我们可以用第三方的数据来检查QQ和新浪投放页面的访客构成（年龄、教育程度、上网习惯……），看和我们的目标客户重合度有多高，用这个方法来衡量Impression的质量。 2. 用后续数据跟踪：还是用之前那个例子“你在QQ和新浪上花同样的钱投放了广告，QQ一天带来了50000个访客，在你网站注册了300个新帐户，新浪一天带来60000个访客，400个注册了新帐户，所以新浪的投放性价比更高。”在这种情况下，我们可以不仅仅看广告直接带来了多少新用户，而且可以继续跟踪这些用户在注册后的表现来判断注册质量。可能新浪是把你广告放到了论坛里，然后坛主号召网友注册的，注册时信息也没有填写完整，之后这些人也几乎再也没来过你的网站；而QQ带来的新注册量虽少，可能大部分人都每个月回来看一次，成为了你忠实客户。通过后续数据跟踪，我们能够更清楚我们之前目标达成的质量。 3. 综合其他数据一起分析：假如我们的目标是促进销售，那么同时看Order和AOV和Buyer三个指标，就比只看Sales指标要来得全面。可能两个Campaign都给你带来了400万销售，但是其中一个是由4000个订单组成，由3000个不同客户下单，每张订单金额是1000元，另一个；另一个则是由100张订单组成，由10个客户下单，每张订单金额是40000元。根据你实际业务的不同，这两种销量对于你的意义也是不一样的。或者，一边带来的销售毛利率是10%，另一方是1%，对你的意义很可能也是不同的。 用上述3种方法，我们可以更好的理解手中的数据。 那么，对于第二个问题，我们怎样去得到那些Web Analytics工具衡量不到的数据呢？例如消费者看过你网站之后，过两个月再来，怎样把后来的销售也归因到之前这个Campaign呢？怎样来衡量一个Campaign，一个Optimization Project的深远影响呢？ 比较常见的有两种方法： 1. 客户调研，设计问卷来询问目前活跃的客户，哪些mkt campaign在他们成为活跃用户的过程中起到过重要作用。这样做的好处是可以从真实的消费者那里了解信息，缺点是数据很容易扭曲（一是样本可能不够有代表性，二是消费者自己也很未必清楚到底哪个广告、哪个网站改版细节影响了他的决策）。 2. 用辅助数据近似推导。有些数据我们没法直接观测和得到，但是我们可以用手中其他数据去推导。例如我们的目标是“促进销售”，我们手中拿到的数据可能会有Impression，Qualified Traffic, Engagement，Acquisition, Order, Margin, AOV, Subscription……用Order和AOV我们可以得到所谓的“这个campaign带来了多少销售”的数据，但是这个监控是非常短期的和不全面的，比如我们比较难接监控有多少眼下没有下单的人在之后会下单，怎么办呢？我们可以用其他数据来推导。 举例来说，新浪带来了40万销售，QQ带来了30万，这是直接监控到的。另外我们监控到新浪带来了40000注册用户还没有下单，QQ带来了5万注册用户也还没有下单——假设我们的attribution window是30天，而我们分析自己用户行为数据得知有70%新注册用户会在注册后30天内购物，10%的新注册用户会在注册30天到365天内购物，平均购物500元，我们可以把注册量乘以*10%*500作为这个campaign可能带来的远期销售额，这样的话，新浪带来的销售就是400,000 (…)
环（一）
by MarsOcean on February 8, 2009
想象有一个两维的生物（一只扁平的蚂蚁），在一张白纸上爬。 它没有办法理解三维的东西，只可能理解三维世界在两维世界的投影（我们在那张纸上的影子，或者说世界在那张纸上的切片）。 它朝着同一个方向爬。 我们把纸（蚂蚁生活的二维空间）在三维空间里卷成一个环形，蚂蚁沿着环形朝着同一个方向爬了半天之后发现自己来到了原点，在二维空间和三维空间中，它回到了出发时同样的状态（在第四维——时间的维度上当然已经不同）。 想象有一个三维的生物（我们），在三维世界里行走。 我们没有办法理解四维的东西，只能看到四维在我们生活上的投影切片，我们看到的永远是我们自身在某个特定时间点的时间切片，而无法将时间这个维度连贯起来用理性去理解它的存在。 我们走啊走啊。 有一个生活在更高维度（例如五维空间）的人，把我们生活的三维空间在四维空间里卷成一个环形，我们沿着沿着环形朝着同一个方向（时光机没造出来之前也只能沿着这个方向）爬了半天之后发现自己来到了原点，在三维和四维空间中回到了出发时同样的状态——同样的地点，同样的时间。
网络营销和Web Analytics的数据解读方法（一）——Metrics
by MarsOcean on February 7, 2009
（写得很乱，以后有时间会整理更新。很抱歉里面有很多中英文混杂——因为我不确定很多词的中文翻译，保险起见术语还是使用英文较多） 对判断题一文，很多回复都很有道理，有些提到的东西我也没有想到。 其实说来说去，其实在说一件事情：怎样去解读网络营销和Web Analytics的数据，把data转化为insight（洞察？），只有这样，才能有针对性的做出优化。 具体要怎么做这个转化，可能每个人都有自己的经验和标准。我来介绍3个单词——Metrics，Segment和Funnel，或许在更了解它们之后，我们都能更好的解读数据，做出更合理的决策。 Metrics 简单说就是用来衡量目标达成情况的一系列的指标。 做任何事情（做一个mkt campaign，做一个网站活动、网站优化，或者做一个mkt channel mix的优化）之前，应该都会有自己的计划和目标。最开始的目标可能是“让更多人知道我们”，“我们需要冲销量”或者“网站流量太小，我们要在尽快拉升流量”，“网站都是老用户在买东西，我们要mkt拉更多新用户进来，这样才能达到年度的成长目标”。 有了目标，大致也会分配资源，最简单就是给你一笔市场经费去做mkt campaign或者优化网站，希望达成最后的效果。而这时候“目标”可以再进一步被明确，变成类似“带来10000个新用户，成本控制在20万以内”，或者“用30万经费带来尽可能多的订单”和”让1亿人看到过我们的Logo”，或者更模糊“用100万经费，3个月后让网站每天访客比目前增加30000人”。 可以看出来，本质上由于你的目的不同，选择的Metric就会不一样，对于同一个Campaign的数据评价也就会不一样。例如你的目的假如是品牌推广，那么广告在目标人群的展示次数（Impression）就更重要，带来的订单少并不是个问题。从这个意义上来说，判断题一文中各个例子都无法判断对错，因为我们并不知道目标是什么，从而也就没有合理的评判标准。就好像其中一个例子“你在QQ和新浪上花同样的钱投放了广告，QQ一天带来了50000个访客，20个订单，新浪一天带来60000个访客，30个订单，所以新浪的投放性价比更高。”，如果我的目标是品牌宣传，而QQ给我的Impression多一倍，如果我们用Impression作为衡量标准，QQ就并不比新浪要差。 这样听上去蛮合理的。 那么我们就会碰到下一个问题，用Impression来作为衡量“品牌宣传”效果的指标是否合理？或者以此类推，用广告带入的销售额来作为“帮助拉升销量”的指标是否合理，用广告带入的注册量“作为扩展用户群”的效果衡量标准是否合理…… 听上去还是很合理，而且我相信绝大部分公司也是这样做的。 这样子得到的数据和判断并不准确。 首先，指标的达成是一个数字（例如100 million impression），但是数字和数字间还有一个质量的区别（例如在你目标客户群中展示一亿次，对你的意义要显著大于在非目标客户群中展现一亿次）。 其次，你的监控工具本身就有非常多的局限性，让它不能充分反应事实，它告诉你带来了1000万销售，其实很可能是1500万，也可能是500万——很多东西没有被监控到，也很难被直接监控到（这里不说细节了，参看我之前写的怎样监控和评估网络营销的效果和网络广告真实效果）。 那么，现在我们面对的问题变成了：应该选用怎样的Metrics才能合理、全面的衡量我们的目标达成情况呢？我们要读那些数据，怎样读呢？ 过两天接着说……（建议点击这里用阅读器订阅MarsOpinion.com的更新内容，这样就不用登录www.MarsOpinion.com来查看更新了，谢谢。）
蓝天白云
by MarsOcean on February 7, 2009
睡到12点半，起床吃面，饭桌上开始讨论既然天晴（LA居然能连下两天大雨！）了，去哪玩。 吃完饭开始写博客，大叔发过来一个mitbbs的链接，是他们周日的出游规划帖——“我们就按他们路线走吧”。回了一句“好”，心想要去五六个地方怎么也是明天出去了，于是安心的一边写blog一边研究那几个景点……15分钟后，豆子来敲门——“出发了！”@___@ 今天？现在都两点了！ 于是就去了Point Vicente Light House, Wayfarers Chapel（玻璃教堂），Angels Gate Park & Point Fermin Park和Cabrillo Beach。 上周末去的Queen Marry和Dog Beach，感觉就没有今天风景好。 感觉上，已经习惯了开车时能够看到地平线和蓝天白云，习惯了上班时开下山看到远处的雪山，也习惯了周末出去兜风到处乱跑。想着将来终究还是要回国去发展的，那时候，应该会蛮怀念这一切吧。
