上周末又去了趟北京，和一些传统企业的童鞋们聊了聊电子商务和网络营销，感觉电子商务现在真是红得发紫啊，有点资源的都往里冲……

几件有趣的小事情：

1. 订机票

一直是去那儿（www.Qunar.com）的忠实用户，80%情况下对他们很满意。10%不满意是因为在去哪儿看到的机票未必能订到（有些小代理还得要你先定，他们再电话确认之类，浪费时间），还有10%不满意是因为有些小的机票代理付款流程让人不爽。

也是因为有这些不爽，听说淘宝开了机票区，便用淘宝和去哪儿比了下价，发现去哪儿也没什么价格优势（虽然听说淘宝收佣金比较狠），便跑去淘宝订了票，顺便把春节回家的票也订了。

阿里系真可怕。

2. 订酒店

虽然约好去朋友家投宿，但还是查了一下酒店信息以防万一（想说如果飞机晚点就直接去演讲的酒店住下，可以多睡会儿）。然后就发现协程的设计很好玩：

联系方式没有直接显示出来，而是用了个展开按钮，点击一下才让你看到。

蛮聪明的，这样就可以监控有多少人主动积极地看酒店电话号码，应该也可以用这个数据去跟酒店谈钱。只是如果不是协程这样的中介，而是自己的网站自己的生意，可能很难权衡“易用性”和“效果量化测量”的轻重吧。

3. 飞机上广告

飞机上看到大智慧（炒股软件）的广告。

想说，如果这个软件普及到一定程度，光从这样大规模的用户本身行为数据中就可以分析出大量的信息，并不需要什么天才的算法应该也能对股市有个比较准确的预测——只是这个预测数据受益人不一定是谁就是了。

4. 机场大巴广告

居然在北京机场大巴上看到了一号店（www.yihaodian.com）广告……

两个卖点，一个是送货快（当天订货，次日送达），另一个是便宜（一元疯抢——虽然其实只是对新用户的一个促销，可以用一块钱买一件特定商品），不知道广告效果怎么样。

5. PPT小人

很多人问上次我在WAW演讲PPT里的小人哪来的——网上搜来的。

我挑选了一些，压缩了一下，放在服务器上，大家有兴趣可以下载，为了防止盗链，设了个密码www.marsopinion.com。

下载地址是http://marsopinion.com/wp-content/uploads/little.rar

Popularity: 60% [?]

建议先 阅读本系列其他文章：

• 网络营销数据解读（一）——事情不是你看到的那样
• 网络营销数据解读（二）——事情不是你看到的那样
• 网络营销数据解读（三）——那又怎么样呢？
• 网络营销数据解读（四）——目标和指标
• 网络营销数据解读（五）——完善指标

（这篇文章比较基础，老鸟可以跳过了）

上次说到我们需要找到一组Metrics（指标）来衡量目标达成情况。为了达到这个目的，我们需要做的三件事情是：

• 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。
• 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，继续问问题：

• 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），我们该怎么找到数据变化的原因和应对方法？
• 假设我们已经设置好了一套完美的指标，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？如果两个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说我们接下来要怎样优化这个指标（比如conversion rate）？ 如果做A/B测试的时候发现两种结帐流程的转化率一样，我们是不是就可以随便挑一个？

本想用常用术语的，百度了一下发现官方定义和我理解不一样，为免出丑还是用通俗概念来解释，不丢术语了：）。基本上，不管学术上解决问题的方法叫什么名字，具体的思路都很类似：如果一个大问题想不清楚，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就是：自顶向下，逐步求精。

（预先警告一下：下面写的思考方法和技巧都非常基础，很可能你早就已经知道或者很熟练了）

可以采用的工具有：

1. 看分布：

基本上，凡是“总和”或者“平均”类的统计数据都会丢失掉很多重要的信息。

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——平均来说，你射击的误差是零（因为都相互抵消了），成绩和枪枪命中靶心的世界冠军一样——这显然是荒谬的结论。

网络营销当中也常常会发生类似的事情：

• 上个月平均订单金额500元/单，这个月也是500元/单，看起来平平安安不需要操心。可是实际上有可能上个月5万单都是400～600元，而这个月5万单则是2万单300元，2万单400元，5千单500元，5000单超过2500元——客户购买习惯已经发生了巨大变化，一方面客户订单在变小（可能是因为产品单价下降，采购数量减少，或者客户选择了比较便宜的替代品），另一方面出现了一些相对较大的订单（可能是中小企业采购，或者是网站扩充产品线见效了）。——光看平均值的话很容易就忽视这些潜在的变化，不能及时的做出应对。
• 两个campaign带来一样多的流量（100万流量），而且流量的Average Time on Site（假设是40秒）是一样的，看起来两边差不多。可是两边的实际流量情况可能是千差万别：campaign A带来的50万流量停留0秒（具体原因参看之前写的网络营销数据解读（二）——事情不是你看到的那样），50万停留80秒；而campaign B带来的流量20万停留0秒，60万停留10秒，20万停留170秒。首先这个数据可以帮助我们去判别流量是否异常是否可能有作弊流量，其次它告诉我们说第一个页面bounce rate比较高，第二个比较低，可能是第二个页面的设计较好，然后它告诉我们说第二个页面虽然更能吸引人点击，但是那些人都是很快点击页面然后很快就离开了，这一点很值得和campaign A进行对比再深入研究。

解决的方法还蛮简单的，就是不要只看平均数和总数，而要多看看分区段的数据。

比如看Avg Time on Site，我们可以看个平均值，就好象：

也可以去查看分区段的数据，获得更深刻的理解，就好象：

从第一个数据里我们其实很难分析出原因，更别说想出行动方案。但是第二幅图就更加直接的告诉我们说Avg Time on Site短是因为很多人停留了不到10秒就走了——bounce rate过高。再去看那些bounce rate高的流量来源，发现主要是两个：1. 朋友的大网站上的友情链接，每天都带来海量流量，但是往往点开网页就走——因为我们的网站和朋友网站内容其实不太相关，用户也并不重合；2. 因为网站的名字比较特别，和某电视剧重名，所以很多搜索电视剧的用户来了网站——一看网站并不是讨论电视剧的就走了。然后我们可以根据这两个分析来得出一些结论和行动方法，例如之后问别人要友情链接主要要看用户的重合度，而不是流量。或者说要找出网站上所有可以和该电视剧匹配的产品做个特别的landing page，把那部分敲错门的用户留下来——抛砖引玉，关键是我们要看到“平均数”后面的东西，这样才能有深入的洞察，也才能够有合理的行动方案。

2. 拆因子，拆构成

除了分隔区段来查看数据详情之外，比较常见的方法还有拆因子和拆构成。

同样看看例子：

网站转化率下降，我们要找原因。因为”转化率“=”订单“/”流量“，所以”转化率“下降的原因很可能是”订单量下降“，”流量上升“，或者两者皆是。按照这个思路我们可能发现说主要的原因是”流量上升“而”订单量升幅不明显“，那么下面我们就可以来拆解”流量“的构成，例如拆成”直接访问流量“、”广告访问流量“和”搜索引擎访问流量“再看具体是哪部分的流量发生了变化，接下来再找原因。这时我们可能可以看到说是搜索引擎访问流量上升，那就可以再进一步分析说是付费关键词部分上升，还是自然搜索流量上升，如果是自然流量，是品牌（或者网站名相关）关键词流量上升，还是其他词带来的流量上升——假如最后发现说是非品牌类关键词带来的流量上升，那么就再找原因——市场变化（淡季旺季之类），竞争对手行动，还是自身改变。假如刚好在最近把产品页面改版过，就可以查一下是不是因为改版让搜索引擎收录变多权重变高。接下来一方面要分析说自己到底哪里做对了帮助网站SEO了（比如把页面导航栏从图片换成了文字），把经验记下来为以后改版提供参考；另一方面要分析说哪里没做好（因为新增流量但是并没有相应增加太多销售），去研究怎样让“产品页面”更具吸引力——因为对很多搜索引擎流量来说，他们对网站的第一印象是产品页面，而不是首页。

3. 拆步骤

一般来说，这一步会画个漏斗图（前面几个步骤也都会画些漂亮图来展示以示专业）

举两个例子：

第一个例子：两个campaign，带来一样多的流量，一样多的销售，是不是说明两个campaign效率差不多，我们没什么好总结好学习的？

可是，如果我们把每个campaign的流量拆细，去看每一步，就会发现不一样的地方。Campaign B虽然和Campaign A带来了等量的流量，可是这部分流量对产品更感兴趣，看完landing page之后更多的人去看了产品页面。可惜的是虽然看产品的人很多，最后转化率不高，订单数和campaign A一样。

这里面还可以再深入分析（结合之前提到的分析方法，和下一章要说的细分方法），但是光凭直觉，也可以简单的得出一些猜测来，例如两个campaign的顾客习惯不太一样，campaign B的landing page设计更好，campaign B的顾客更符合我们的目标客户描述、更懂产品——但是我们的价格没有优势……这些猜想是我们深入进行分析，得出行动方案的起点。至少，它可以帮助我们更快的累计经验，下次设计campaign的时候会更有的放矢，而不是仅仅写一个简单report说这两个campaign效果一样就结案了。（注：这是个简化的例子，实际上还可以分更多层）

第二个例子可能更常见一些，比如网站转化率下降，我们可以拆成这样的漏斗：

这样拆好之后，更能清楚地看到到底是哪一步的转化率发生了变化。有可能是访客质量下降，都bounce掉了，也可能是“购物车–>登录”流失了（如果你把运费放到购物车中计算，很可能就看到这一步流失率飙升），这样拆细之后更方便我们分析。

见过一个例子就是转化率下降，MKT查流量质量发现没问题，PM查价格竞争力也没问题——最后发现是MIS为了防止恶意注册，在登录页面加了验证码（而且那个验证码极度复杂），把“登录页面–>填写订单信息“这一步的转化给降低了。

这篇文章比较基础……说到这里前面提的两个问题应该很好答了。

老规矩，最后问个问题：如果我们有了用于衡量网络营销效果的完善的指标，从这套指标看，campaign（或者页面改版，或者其他任何东西）A在各项指标上都和campaign B相当，而且我们把指标分区段、拆细，分步骤看漏斗图都看不出什么东西，我们应该怎么做？

下次说：）

Popularity: 75% [?]

Barrier

上Economics课，教授问

How to get sustainable economic barrier?

答了这个问题

Create barriers.

因为不论你是用人才也好，用高科技也好，用好的制度也好——从理论上，纯粹理论上，你做的事情别人也可以学，将来也可以做，慢慢的大家就都没有超额利润。

只是回答完之后，忽然想起上一个教授在第一节课所说You are all here to learn how to create barriers.

呵呵，学这么多其实是为了砌墙，让市场变得不效率？

Marketing

最近在做一些品牌建设相关的工作，也在思考Marketing和Branding相关的问题。

如果只是编造概念、误导消费者、用心理学去影响购物决策的话，作为一个营销人对社会的价值在哪里？如果是想要个工作挣口饭吃，其实怎么做都无可厚非。可对于很多已经衣食无忧、甚至于生活相当优越的Marketer来说，或许可以想一下怎么样可以做一些真正有意义的事情。

最低限度，尽量不撒谎。

如果一定要撒谎，选择去给比较好的产品撒谎，把A说成A+，而不是给那些C-（比如三鹿奶粉）粉刷成A。

如果有机会，做些事情帮助客户找到他需要的东西，让他们从产品中获得更多。

至少以后有小孩问起的时候，回答起来比较舒服。

Mind Model

听了第五项修炼的作者Peter Senge一个演讲。

出乎所有人意料，他大部分的时间都在说企业社会责任，而不是怎样帮助企业盈利——事实上，他认为企业的目的并不是盈利，假设企业都是以盈利为目的只是“因为这样比较简单，比较好理解，比较好教”。

引述了一段德鲁克的话，说利润对企业就像氧气对人一样，不可或缺，但绝不是目的。

因为一直在讲企业社会责任——虽然他自己一直否认，说自己不是在说CSR，而是Survive——所以很多言辞听起来都很乐观，或者，更严重些，幼稚？

演讲最后，他说

今天我说的东西可能有一半和你们所知道的，和管理书籍所写的，和商学院教的相冲突。

可是，你们有没有想过，那些你们以为天经地义的道理，到底是像万有引力一样的真理呢，还是仅仅是一些假设，仅仅是你们的Mind Model？

嗯。

Popularity: 7% [?]

建议先阅读本系列其他文章：

• 网络营销数据解读（一）——事情不是你看到的那样
• 网络营销数据解读（二）——事情不是你看到的那样
• 网络营销数据解读（三）——那又怎么样呢？
• 网络营销数据解读（四）——目标和指标

上次（网络营销数据解读（四）——目标和指标）说到定义了目标之后，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，我们拿到的数据很未必完全是真实的。你拿到10000个click，可能只有1个是真实用户的点击，拿到10万个注册用户，可能全部都是机器生成。——所以，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可以用来解决这个问题。有一个简单的原则就是：找异常。真实的数据看起来就是会比较”真实“，数据间的比例关系也会比较合理，数据在时间和地域上的曲线和分布都会比较平滑。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。

举例来说，如果我监控的是我在www.MarsOpinion.com上广告投放的click数据，有哪些可能出现“异常”的地方呢？

• 流量在时间上的分布异常：如果平时每天带来1万个click，今天忽然带来10万个，这就很让人怀疑。另一种情况，如果每天还是平均1万个很稳定，但是仔细看发现每天有5千个都是在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。如果发现流量全部被bounce，这是一种异常，如果流量完全没有bounce这也很异常；如果大部分的流量都表现出了类似的行为这也很异常——比如90%的流量都是到了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，这看起来也很假。
• 流量在地域上的异常：如果1万个click当中，9800个来自同一个IP（或者相邻的一段IP），这也很奇怪。如果从地域分析上看，一个面向北京免运费的活动，来的流量99%都是山西的，这也很莫名。
• 流量在来源上的异常：本来买的是www.MarsOpinion.com网络营销专区的广告，结果最后仔细研究发现流量中90%是从游戏专区点来的，这也很不对劲。（不同地方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“，但是其实他们那个方面流量太少，为了填数字，只好从别的热门频道——例如游戏频道、娱乐频道——导入垃圾流量充场面）

如果我们监控的不是click，而是registration呢？类似。

• 时间分布异常：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，但是所有流量都是直接到注册页面注册，没有经过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都长得很像，比较常见的是marsopinion0001@gmail.com, marsopinion0002@gmail.com, marsopinion0003@gmail.com, marsopinion0004@gmail.com, marsopinion0005@gmail.com, marsopinion0006@gmail.com…

上面只是抛砖引玉，并不能涵盖所有作弊流量的特点。但是从Marketer的角度，我们判断流量虚假的原则是确定的：流量是否显著异常。如果他能做到在数据表现上和真实流量没区别，我们确实也很难把他们抓出来。

至少，做好第一步之后，我们已经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，确切的说，很多公司还没有做到这一步就停了，呵呵。

如果你还要深入想一下的话，可能就会思考这样一个问题：数字大就是好么？带来100,000块钱订单就一定比10,000块钱订单好么？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。

因为我们虽然衡量了campaign达成指标的程度（数量），但是却没有仔细去考评达成指标的质量。就好象说我们派两个人去不同水果摊买50块钱苹果，心里面想说谁买得多就算谁能干（用“重量”做指标）。最后甲带回来20斤苹果，乙带回来10斤，于是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很难吃呢（难吃，但是并不是假苹果）？万一乙买回来的是你这辈子吃过的最好吃的苹果呢？

在这个例子里，我们本来想采用”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。对于网络营销的指标来说，我们也可以类似的引入一些辅助指标来帮助我们更好的理解那些主要指标的“质量”。

第一类的辅助指标，是当期就能拿到的、可以帮助我们衡量主要指标质量的其他指标。（好绕@__@）

比如说，我们的目标是“销售”，那么我们除了订单金额之外，还可以综合订单量，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10万块钱的销售，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；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，根据我们策略的不同，我们很可能就做出不同的判断。

如果我们的目标是“扩大客户群”，可能我们会定义Revised Revenue = Revenue*(1-Buyer Weight) + Buyer*Average Order Value*Buyer Weight，如果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，我们就可以计算出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，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！

但是反过来，如果我们当前目的是“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钱，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，比如说我们可以定义Revised Revenue = Revenue – Order*100，用这个公式来计算的话，我们又会得出结论说A网站广告效果更好一些。总而言之，我们要根据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，网站停留时间，浏览深度，和是否到达特定页面（例如公司介绍页面，产品介绍页面）也可以成为我们的辅助指标。比如我们可以定义Revised Traffic = Traffic*0.1 + 0.4*(Traffic with more than 3 pageviews）+ 0.5*(pageview of target page)，这样子，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，10万浏览超过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，5万浏览超过3个页面，6万（和前面这5万有重复）人看了产品页面，乍一看访客数量好像QQ广告更好，但是仔细考虑流量的质量，用我们设计的revised traffic分析就会发现不是这么一回事。新浪的Revised Traffic = 1,000,000 * 0.1 + 0.4 * 100,000 + 0.5 * 80,000 = 180,000，而QQ的Revised Traffic = 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！

从上面的例子可以看到，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帮助我们更好的解读数据。

除了上面所说的这些之外，还有另一类辅助指标——长期效果。

简单说，就是隔一段时间，再测量一下之前某个campaign带来的流量、客户表现如何。

还是用上面的例子，新浪广告100万Visitor，QQ广告带来120万Visitor。广告投放结束后，过一个月之后我们可以（如果你用的WA工具有这个功能，很多付费工具可以做到，GA的话看过别人这样用过——但是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”……可能我们会发现，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（说明访问频率高），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。我们可以比较有信心的得出结论说新浪的营销效果更好一些，真的给网站带来了客户，对我们有长期的正面影响。

再举两个非常类似的例子，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，这样很容易在初期看到很好的效果——比如每天注册10000个，我们觉得获取每个新用户的价值高于200块钱，所以当论坛问我们要20块钱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，应该也是真的，于是挺高兴。但是，当我们在一个月后再查数据的时候，发现只有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这个数据的200倍！这样算起来，论坛那些新用户的价值只有我们平时自然增长新用户的1/200，也就是价值1块钱/个，20块钱一个买来实在是很亏。为什么会这样呢？一种可能是我们的合作方在作弊——做得很高明，我们没有看出来，但是他再怎么做也很难想到说还要在活动结束后继续来作弊模拟让这些“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”完全就是被论坛积分和小礼品吸引来注册的，他们只是根据论坛的指示填了个表格提交而已，根本没有花心思了解我们网站是干嘛的，自然之后也不会来访问——这就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，我们可以给出”买100减30“的折扣券，仅供合作方带来的新注册用户使用。因为我们要求很严格：1. 只有从合作方过来的流量才能通过注册得到折扣券；2. 只有当用户真的买东西之后我们才需要付出折扣券的成本。所以听起来是只赚不赔的生意——如果通过这个合作得到了10万个新用户，5万个买了东西，大家心里面都会很开心，MKT也可以交一份漂亮的报告给老板来论证自己做得多好。只是，如果很不识相的在一个月后再查一下数据，或许会发现这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%。为什么会有这个差距呢？你仔细在网上搜索之后可能会发现所有的网购论坛上都已经贴出了帖子说”www.MarsOpinoin.com在送钱，买100送30，通过这里重新注册个帐号就好！”，然后无数的老用户（一般来说，这种帖子最能吸引已经在marsopinion.com购物过，相信这个网站的用户）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，买完之后就把这个帐号丢了。这个Campaign划不划得来我们可以再讨论，但是它的效果并不如想象中好是一定的。

我们可以看到，辅助指标不仅仅可以帮助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，回顾一下，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、辅助指标计算和长期监控来分析隐性和长期效果。

经过这些步骤，我们已经建立起来了一套合理的metrics（文中只是给了提示和方向，真的要建一套符合自己公司特点的metrics还是需要很多精力深入分析的，没有通用公式:)）

而且这套体系应该已经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）……预计会要写到（十）去，呵呵。接着往下看，可能你会发现这篇文章里的结论其实也还大有探讨的余地，呵呵。

I will be back.

PS.

• 为什么要搞这么麻烦？嗯……这样才能用更少的钱达到更好的效果，不同水平的Online Marketer去执行类似的Campaign，真实效果差10倍是很正常的事情。哪怕你只投入100万么通过分析数据，积累经验，优化方法就有可能帮你省90万，看在钱的面子上多看看数据何乐不为？ （之前也写过一篇为什么要深入解析“网站分析”数据？)
• 真的要搞这么麻烦么？不一定，看你投放规模，如果本身就没有花多少钱在网络营销方面，其实也没必要太认真分析，简单监控一下就OK了。”优化“这种事情常常是边际效益递减的，只有上规模的公司才有必要做到非常细致深入的研究和优化。

Popularity: 36% [?]

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。

Popularity: 2% [?]

周五的Black Friday和周一的Cyber Monday都是在欢快的气氛中度过的，做事的时候，开一整个RealTime Monitor在一个LCD上看销量上涨，感觉还是蛮好玩的。

从数据看起来，好像大环境并没有真的好起来，只是我们自己做比较好罢了。

根据comScore，Ecommerce销售并没有很理想的成长。Black Friday的销售从去年的$531 million增加到今年的$534 million，几乎没变化。而整个Holiday Season的销售（截止到28号）比去年更是下降了4%!

根据某同学分享的数据，Brick and mortar的Black Friday销售比去年也不过涨了3个点。根据乱看discount数据产生的直觉，今年各家的毛利比去年恐怕还要降。另外，根据Business Week的数据，今年的的post-thanksgiving购物人群比去年还多了25 million！去年147 million，今年172 million——而今年的销售并没有显著的上升，只能解释成每个人的购买力都显著下降了。

刚看到的关于Cyber Monday的数据，应该也是网络零售商的Traffic大量上升，销售额和去年相比却没有什么增长。以今天看到的新闻来看，有无数的网络零售商昨天都因为traffic过大或者其它问题挂掉了。

Popularity: 1% [?]

被Blog读者来信提醒，才知道这篇《怎样监控和评估网络营销的效果》已经发表在了某营销杂志某期（怪不得有一阵子direct load增加很多）——把文章给他们之后就再没有消息，传说中的样刊和稿费都还没看到:S，也就忘了这件事情。

文章是之前的怎样监控和评估网络营销的效果系列文章的汇总，修改的部分不超过10%，建议之前看过的朋友们直接跳过。

===== 正文的分割线 ====

和传统媒体相比，网络营销的优美之处就在于效果的评估可以更全面、及时和精准。在中国互联网的特定环境里，应该怎样去采集和分析数据，合理地评价一个网络营销Campaign的效果呢？

一般而言，我们关注的数据有三个：

• 印象 Impression
• 点击 Click
• 转化 Conversion

首先是Impression——印象。

理论上，Impression代表你的广告展现在受众面前的次数，这个数字常常由三个渠道得到：

• 媒体或者广告代理自己告诉你
• 媒体或者广告公司请第三方公司告诉你
• 你把广告材料给第三方平台，仅仅把读取代码给媒体，最后第三方平台给你报告。

第一种方法并不能完全相信，媒体数据往往含有水分，大门户可能稍好，中小型门户的数据几乎完全可以无视；第二种数据看上去比较公正，但是也未必可靠；第三种，数据也未必精准（不过比线下广告还是要好一些），首先你的广告被读取了一次不代表它被看到了一次（例如它在第二屏，而读者没有翻页），其次你的广告被读取了一次，并不代表它真的出现在了你希望的位置出现了一次（如果要作弊的话，完全可以用程序自动读取你的广告）。

所以，基本上可以说在中国互联网，Impression这个数据可参考性不高（当然，如果你目的是单纯的品宣，大网站和第三方提供的数据还是可以放到最终报告里去的），不用太当真，真实效果还得看Click和Conversion。

Click是什么？理论上指的是多少人点击了你的广告。

一般的监控方法是：安装Web Analytics服务（例如Omniture, WebsideStory，免费的Google Analytics，或者自己开发一个），然后给自己的landing page的网址编码，编码后再给媒体，媒体每次有点击过来就都会被分别记录下来。举例来说，我要宣传www.MarsOpinion.com（我的blog，下文中都会以它为例子），在新浪和QQ都买了广告，那么我会让新浪的广告链接链接到http://www.marsopinion.com/index.php?CMP=SinaBanner，而QQ的广告链接到http://www.marsopinion.com/index.php?CMP=QQTextLink，这样后台程序就会自动根据CMP参数的不同，将进入的流量分别计算到新浪和QQ两个Campaign上。

但是，实际上问题会更复杂——基本上，国内互联网的点击作弊是非常普遍的事情。点击不仅仅可以完全造假（程序自动点击，或者人肉点击），而且可以更隐蔽的“造真”（用垃圾流量替代——比如你买的是汽车频道，但是实际上你的广告同时出现在了成人频道）。就以前的经验而言，假点击甚至于可以超过真实点击数十倍之多。

道高一尺，魔高一丈，要想把“真实的流量”过滤出来实在是难于登天。所以其实可以换一个角度考虑问题：我不要过滤“真实的流量”，我要过滤出“有价值的流量”。什么是有价值呢？消费者表达出的兴趣越浓厚，就越有价值。对电子商务网站来说，一个客户进来之后连续看了30几个产品页面，当然就比另一个来了就走的客户有价值（不管他是真是假）；对一个营销活动的landing page来说，看过了活动规则页面的流量就比只来过landing page的有价值。总的来说，浏览的深度和时间越长，代表受众对你的内容越感兴趣，这个流量越有价值。

从这个思路出发，就可以做出更有效的过滤：

• 只计算浏览深度大于N的click，比如N=1，有1000个IP点击了我在新浪的广告，他们都来到了http://www.marsopinion.com/index.php?CMP=SinaBanner，其中30个人另外再点击到了我某篇文章页面，其他970个人马上离开了，那么系统就只记录30；如果从QQ那边有200个IP过来，但是有40个人点击了下一个页面，那么我会认为QQ的效果比新浪要好。
• 只计算浏览时间大于T的click
• 只计算到达过特定页面（非Conversion页面）的click，例如电子商务网站可以把广告都链接到自己的promotion landing page，但是规定只有当流量浏览过具体产品页面时才算数

这样过滤出“有价值的流量”，得到的数据比较真实，参考价值比单纯的点击数Click要更高。

如果要更进一步去定义“有价值”的话，一般就是直接看Conversion了。

转化，对于不同的Campaign来说，转化的定义也会不一样。可能是注册了你的网站会员，下载你的软件，或者是输入邮件地址订阅你的Newsletter——总的来说，就是完成了特定的行为。对于电子商务公司来说，这个特定行为往往是：注册成为用户，或者下定单。

在监控方面，“完成特定的行为”往往被表达成“到达了特定的页面”。比如下完订单之后，会弹出一个”谢谢您的订单……”之类的页面，当这个页面每被调用一次，就代表一个特定行为的完成。而监控的实现，往往也是通过这个被监控页面的代码来抓取数据得到的。

回到前面那个新浪和QQ广告的例子，点击新浪广告的网民都会来到http://www.marsopinion.com/index.php?CMP=SinaBanner这个页面，而点击QQ广告的网民都会来到http://www.marsopinion.com/index.php?CMP=QQTextLink（其实是同一个页面，最后带的监控参数不同），这时监控代码会在用户的session（可以理解为在用户机器上写了一个小文件，记录用户当前状态，用户关闭浏览器这个小文件就没了）里记录下具体的参数值，对于新浪来的click，就会记录一个“CMP=SinaBanner”在那里，而当这个顾客看了无数产品，最终下定单买东西之后，会弹出上文中提到的那个“谢谢”页面，这个页面里也含有监控代码，它做的事情是：

• 检查你的session，看里面有没有CMP这个参数的值（注：你当然可以不用CMP这个名字，例如Google Analytics好像用的就是utm_campaign）
• 如果有，则把这个订单归功于那个CMP参数所代表的Campaign上——例如看到CMP=SinaBanner，就在后台的SinaBanner这个Campaign的Order数上加一，另外再把当前订单的金额抓取出来，加在SinaBanner这个Campaign的Revenue一项上。

这样子，广告对于你最终目标的促进就能够被量化考评，例如最后发现新浪带来了50个订单，1000元销售，而QQ带来了20个订单，800元销售的话，就可以知道新浪促销效果更好。

可是，如果客户不是马上下单呢？如果他看到了QQ上的广告，点击来到我的网站，看上了一款相机——但是，他等到第二天再直接打开浏览器输入我的网址www.MarsOpinion.com（后面没有任何参数），然后直接下单呢？

一般用cookie解决，通俗点说cookie就是你的监控系统留在来访者机器上的小文件，里面记录着过各类你想记录的信息，下次他再来的时候，系统会检查文件，这样也就可以把这个人认出来。

还是用上次那个例子，张三点击了新浪广告，来到了http://www.marsopinion.com/index.php?CMP=SinaBanner这个页面，而李四点击QQ广告来到http://www.marsopinion.com/index.php?CMP=QQTextLink，这时监控代码会在张三的机器上写一个小文件，里面写“CMP=SinnaBanner”，李四的机器上也留一个，里面写“CMP=QQTextLink”。

张三李四看到网站，逛了一逛之后各自回家。过了几天，张三忽然想起自己要买个数码相机送人，想起来上次好像在www.MarsOpinion.com上看到过这个产品，于是重新打开网站，搜索数码相机，选了一个2000块的，然后付钱结帐——来到了“谢谢”页面。

这个页面上的监控代码开始检查张三的机器里有没有自己以前留的cookie，发现有，打开一看里面写的是“CMP=SinaBanner”，于是把这笔帐算到SinaBanner上，给这个Campaign加上一个order和2000块的revenue。

所有点击过广告的张三李四，在结账之后都会照此办理被系统检查之前是否点击过广告，点击过哪个广告，然后把他们的订单算作相对应的那个Marketing Campaign头上。定期一比，发现SinaBanner带来了200个订单，10000块钱的销售，QQTextlink带来了1000个订单，20000块钱销售，就可以量化的考评哪个渠道更有效了。

可是，如果消费者点过不止一个广告呢？

一般的做法是：不管。你先点了QQ的广告，我就在你机器里留个文件写着QQ，然后你点了新浪广告，我就在那个文件里写Sina，把“QQ”两个字覆盖掉——最后导致转化的那个Campaign得到所有的功劳（注：事实上，这种程度的监控对于绝大部分公司来说已经足够了）。这样其实很像一个笑话里面的主角：说有一个人，肚子极饿，看到市集上有卖大饼的，赶紧扑过去。付钱，买了一个，不饱；再买一个，吃下，还不饱……直到第七个大饼下肚，才顿时觉得通体舒泰——饱了。此人看看空空的口袋，忽然放声大哭——早知道只吃第七个大饼就好了呀，何必浪费前六个的钱呢。

前文所述的监控逻辑和故事里的逻辑很类似——前面Campaign做的铺垫全部不算，只看最后吃饱那一刹那手上抓的是第几个饼，就把功劳全算它的。

不同类型的广告，其实往往在营销消费者行为当中发挥不一样的作用，有的作用是激发兴趣，有的是维护关系保持熟悉度，有些则是促进转化，如果只看“促进转化”这一块的话，很可能会导致有偏差的判断。举例来说，很可能是你在门户上的广告“超低价Thinkpad“吸引了消费者注意力，让他第一次来到你网站，并且记住了你。但是这好歹是几千块钱的东西，所以他又去比价网比较了一下价格，比较之后决定在你这里买东西，却一时没找到信用卡……等几天之后在另一条牛仔裤口袋找到了信用卡，却又把你网址忘了，于是在百度输入印象中的名字，看到第一条就是你购买的关键词链接，于是点击进了你网站买了Thinkpad。

这个消费者从前到后，一共受到了三个不同的Campaign的影响，分别是门户广告，比价网，和搜索引擎。如果按照一般的算法，都会把功劳算给搜索引擎关键词。最极端的境况是，假如90%消费者都是这样做（注：仅仅是个假设的例子），你就会发现搜索引擎关键词的性价比最高，每花1块钱可以带来10块钱销量，而门户网站和比价网的花1块钱只能带来5毛钱，你就会得出结论说——“搜索引擎是最有效的营销手段”，然后开始“优化渠道”，慢慢把预算都往搜索引擎上放，而不再投放门户广告和比价网广告，接下来，就发现很奇怪的搜索引擎来的流量变小了，转化率也变差了，怎么优化关键词也没有好转……按照这样优化下去有可能越优化效果越差。

所以，最好是能够将用户在某一段时间（一般是30天）点击过的Campaign全部记录在顾客机器里，等他下单的时候，系统把cookie里面留的信息全部抓取出来，比如对于我们例子里的用户，抓到的信息就会是

• 2008/09/09 9:00AM：CMP = YahooBanner
• 2008/09/09 11:30AM：CMP = SmarterComparison
• 2008/09/14 9:00PM：CMP = BaiduKeywords

根据这些信息，怎样来将最后的销售（假设是9000块的一个订单）功劳分给不同的Campaign呢？方法很多，对于不同网站来说，可以自己设计适合自己的方法，这里提供最简单的几种抛砖引玉：

1. 定义一个Activated Sales，表示某个Campaign激发消费者访问购物的效果，根据这个定义，YahooBanner这个Campaign的Activated Sales将增加9000元，算作它的功劳；

2. 定义一个Converted Sales，表示某个Campaign促进消费者直接转化（Conversion）的能力，根据这个定义，BaiduKeywords这个Campaign的Converted Sales将增加9000元，算作它的功劳；

3. 定义一个Normal Sales，表示这个Campaign在消费者整个购物决策过程中有没有起到作用，根据这个定义，YahooBanner，BaiduKeywords，和SmareterComparison三个Campaign各分到3000元。

后来将report分开，便能更全面的考评不同的Campaign到底有没有效果，起到了哪方面的效果，避免上文中吃大饼的同学的错误。另外，在了解了不同Campaign在消费者决策过程中的具体作用之后，也能对业务起到更细致的指导：比如最近网站疯狂打折转化率高，可能你会想把经费偏向于那些Activated Sales高的Campaign以吸引多人来看；或者比如你的网站已经做到”地球人都知道“，可能你会想把钱多花一些在Converted Sales高的Campaign上……总之，这样考评之后，信息更全面，也更细致，能够对决策起到更大的帮助。

这样是不是够了呢？（注：对于一般网络营销而言，其实已经足够了）

不论是哪种Sales，是不是数字大就一定比数字小要更好呢？

是不是比较数字大小，就能够合理有效的优化营销渠道和方法呢？

如果要更进一步细化，还有哪几个方向呢？

第一个可以考虑的是——把新老客户带来的销量（或者订单量）加以不同的权值。

如果一个客户，已经来过www.MarsOpinion.com注册过你的会员，留下邮箱提过问题，或者订阅过的newsletter——总之已经知道你了——的客户，他这次购买真的是因为看到广告么？还是因为他本来就要来买东西？

不知道。

但是至少我们知道，他“不看广告也会来买”的概率要大于那些点击广告刚刚注册并买东西的新用户，所以可以考虑在新老用户的转化上，加上不同的权值。例如在老用户的销售额上乘以50%（假设你认为他有50%的概率是本来就要买东西）再进行比较。这样的话，假如QQ带来的10000块销售额，全是老用户，新浪广告带来8000块销售，全是新用户，就可以得到10000 X 50% < 8000，就可以知道新浪广告比较有效。

如果不区分新老客户进行考评的话，销售数据往往会让你对营销渠道的效果产生错误的估计：因为转化一个新客户，比让老客户再次来购物要困难很多，所以那些已有很多老客户的（常常也就是合作时间较长那些）网站、论坛往往会给你带来数倍于其他网站的转化率，光比较数据的话，很容易把所有新进行尝试（老客户较少）的网站统统优化没了，从而削弱营销在“获取新用户”上的作用。

第二个可以考虑的是——在后台系统里，将销售转化为相应的利润。

为什么呢？因为你最终目的是盈利，而销售额未必能正确反应获利能力。

举例来说，QQ给你带来了10个新客户，每人买了一台一万块的特价笔记本，每台你赚了1000块，一共赚了10000块；新浪给你带来了10个新客户，每人买了一台一万块的XX限量珍藏笔记本，每台你赚了1000块，一共赚了10000块。哪个渠道对你更有效呢？

第三个可以考虑的就是——追踪长期效果。

有些Campaign带来的客户来买了一次就走了；另一些呢，可能则成为了你忠实客户，之后一直在你这里买东西，哪种比较重要呢？

举例来说，你在网购折扣论坛做广告，很可能转化率就比在新浪做广告转化率高，因为网购折扣论坛的参与者大多已经是成熟网民并且已经有网购经验，而新浪的读者却未必，所以很可能得出结论说购物论坛广告效果更好。可是呢，因为购物论坛的消费者都比较熟练和精明，他们知道的替代网站较多，对其他网站打折促销也更关注，所以很可能在你促销期结束就再也不来了；而新浪的读者，因为对网购没有那么熟悉，你可能成为了他们所信任的为数不多的几个商家之一，他们以后一直会在这里购物。新浪广告可能带来的直接销售不多，但是带来的客户终身价值要高很多——如果你不监控长期效果，是发现不了的。

所以，可以考虑在客户下单时，看看这个客户第一次注册购物时是被什么广告带来的，给那个Campaian的功劳簿上记上一笔。

综上所述，通过监控“有意义的流量”和“转化”能够更真实有效的考评网络营销的实际效果。量化的效果考评可以极大的方便营销方法、渠道的优化，逐渐让你获得更好的投资回报率。

但是，最后也要在重申一下，网络营销效果评估并不是越细越好，过多的细化下去反到会让数据模糊，难以指导决策——而且，细化监控往往意味着监控系统开发难度成倍的增加。量力而为，适度就好。

Popularity: 16% [?]

在这边工作下来，有些时候会很疑惑美国为什么会比中国有钱。

外国同事都很可爱，但是不得不承认他们大多以enjoy life为生活主旨，并不会像中国同事那样去认真拼命，平时讨论问题也只是会有一些很基本的idea，不见得比中国同事有更深入的经验和洞察。而和外面的公司沟通之后，一是发现这边sales都比较懒，送上门的生意都有些爱理不理的意思，绝对没有国内的sales积极；而所谓的专业人员，如果深入聊下去，常常也会发现他们也只懂得非常浅的一层，其中不少还是错的。

如果大家都是这样的状态，为什么美国会比中国有钱呢？

经济上的数据我了解不多，不拿出来班门弄斧，纯粹做智力推理想一想可能性。

（转载请注明出处：http://www.MarsOpinion.com）　

第一种可能是：美国聪明又拼命的人其实很多，只是我没看到。

可能的情况是聪明能干又勤快的人都集中在了硅谷这类地方，他们创造了巨大的价值（比如发明电脑和互联网——这样我才能写blog:www.MarsOpinion.com），然后这些价值让身边（同一国）的人都受了益。

想象中美各有10个人，本来都在笨笨地干活（比如种玉米），每个人每年可以生产价值100块钱的玉米。突然有一个美国人发明了“特效肥料”，使用后可以让你每年生产价值200块玉米。每份肥料对于人类的价值是100块，成本是10块，售价是80块。中国人没办法也要买“特效肥料”，于是每年向美国支付800块买肥料，然后生产出2000块钱的玉米；美国人呢，9个人一共花720块钱买肥料，生产1800块钱玉米，1个人种玉米之余坐在那里收钱，坐收1520块钱。这时美国总体上有2800块钱，中国只有1200块钱。

然后，政府通过税收等手段将那个唯一的有钱人手中的1320块钱收了上去分发给了其他9个人，所以那9个人每人就有了200-80+1320/9 = 267块。这时每个美国人就很奇怪地变得比中国人有钱了。接着，那个有钱人开始保暖思淫欲，想找人帮自己做家务缝补衣服什么的，他必须要出价高于种玉米的回报才能请到人，所以他出500块一年来找女佣（反正有钱，所以给的工资也高），女佣的收入便可以马上高于平均水平，所以女佣家里面也可以开始有闲钱给更穷的人来帮自己家干活，这样子最高端那一个人创造的财富中的一部分将流向下层，让社会普遍更富裕起来（一般均衡？），最后最有钱那个人享受到的是1000块钱+几个女佣的服务；而其他人平均每人从流出来的财富中又分到了111块，每人手里有了378块，比中国人的120块多了200%！（上面算错了，下面重新算——9.19.2008更新）然后，政府通过税收等手段将那个唯一的有钱人手中的720块钱收了上去分发给了其他9个人，所以那9个人每人就有了200-80+720/9 = 200块。这时每个美国人就很奇怪地变得比中国人有钱了。接着，那个有钱人开始保暖思淫欲，想找人帮自己做家务缝补衣服什么的，他必须要出价高于种玉米的回报才能请到人，所以他出450块一年来找女佣（反正有钱，所以给的工资也高），女佣的收入便可以马上高于平均水平，所以女佣家里面也可以开始有闲钱给更穷的人来帮自己家干活，这样子最高端那一个人创造的财富中的一部分将流向下层，让社会普遍更富裕起来（一般均衡？），最后最有钱那个人享受到的是350块钱+几个女佣的服务；而其他人平均每人从流出来的财富中又分到了50块，每人手里有了250块，比中国人的120块多了超过100%！

这时，他们开始Enjoy life，不认真种玉米了，每天打麻将，玉米产量实际下降，从200块一年下降到180，他们收入降到230——还是比中国有钱：（

这可能是一种美国比中国有钱的可能解释？

我高中是在湖南理科实验班读的，同学里面很多天才，可是一个班里面四十多个人现在有超过10个在美国各个大学读博士做研究。这些有可能创造出“特效肥料”的同学们就这样都流向了美国，将来他们创造出的超级价值又会慢慢的流向美国社会，让美国更加富裕，感觉蛮奇怪的。

但是换一个角度想，如果他们留在中国，就平时的沟通来看，目前他们所在的方向很多在国内根本毫无环境，不仅仅缺少必要的经费和实验器材支持，而且缺乏公正合理的体系，很可能在国内就研究不出来“超级肥料”了，这样子对于所有国家都是损失（前面的例子中，其实中国也从“超级肥料”中受益了200块，只是没有美国多）。

所以感觉，如果贫富差距确实是这种原因造成的，如果不能想出办法留住那些有可能制造“超级肥料”的人，差距永远只会扩大，哪怕老百姓再辛苦再努力。

（转载请注明出处：http://www.MarsOpinion.com）

还有一种可能，就是美国人确实不勤奋，但是整个系统运行损耗较少，所以整体产出比较高。

常常感觉在这边做事情比较简单，因为老外感觉上都比较简单。

中国很多勤奋和聪明可能都在内耗中消耗掉了，另外，由于一些原因，资源并不能真的到最能发挥其价值的人手里，导致整体产出不够。

举例来说，假设中美都有100个人，10个行政人员，10个商人，10个天才科学家——如果用来研究改进“超级肥料”，每年可以创造1000块价值，10个运输的，50个普通种地的——种的东西不同，但是每年产出都是100块，10个天才农民——一样的资源条件下，可以产出500块。

例子里面中美人数一样，实际上中国人数更多，所以竞争往往更激烈，为了生存，中国很多时候会被迫开始恶性的竞争或者作弊（例如广告里的虚假点击），假设种地的同学们面临一样的情况，大家都争相杀价以获得商人的购买，最后开始作弊掺假，中国科学家里面5个受农民雇用开始研究怎样做假，5个受商人雇用开始研究怎样，而美国科学家10个都在研究肥料，这里就产生了10,000块钱的差距。

然后，市场机制在美国发挥作用，10个天才农民慢慢汇聚了更多的资源（从普通农民那里抢的），得到了原来30个人份的资源，创造了500*30=15,000的价值，总体上美国就创造了15,000 + 30*100 = 18,000，而中国由于体系的原因，资源流动不畅，甚至于由于腐败、行政干预、垄断等原因让资源从天才农民流向普通农民，整体表现没有得到提高，仍然是50*100 + 10*500 = 10,000块，这里就又产生了10,000的差距。

这时，美国人均产出是280元，中国是100元，差距已经拉开。

接下来，美国每人交出28元，一共2800元来赡养行政人员；中国每人交出20元，一共2000元来赡养行政人员。

再接下来，中国商人10人和部分农民20人再每人拿出50元，一共1500元，打点各关各卡。

此时，光比较民间的话，美国平均收入252元，中国7500/90 = 83元。

如果这种纯粹逻辑瞎猜的推理正确的话……

（转载请注明出处：http://www.MarsOpinion.com）

最后一种可能，美国人既不聪明，也不勤奋，他们有钱是因为他们一直有钱。

复杂的金融操作不谈——我也不会，光说种地和买东西。

这里先假设美国没有任何的特殊优势，没有天才，也没有更好的市场系统。

有什么呢？钱。

假设美国有10个人，每个人兜兜里有1000块钱；中国100个人，每个人兜兜里有100块，大家都在种地，每年每人都种出了100个水果。

因为大家都有了超级肥料，所以突然有一天，东西吃不完了，大家都在自己国内市场买卖，美国人兜兜里钱多，所以苹果吃两个，梨子吃两个，每天换着吃也不心疼。中国本来钱少，所以舍不得买，所以东西卖不出去。

怎么办呢，卖美国人吧，他们有钱买。

于是中国人拼命种水果，卖一块钱一个……美国人呢，开个小船来中国随便看看，说“来，一块钱一个水果，我给你送到美国去。”然后美国人带了300个水果回国，给货运公司2块钱，广告人员2块钱，商店店员2块钱，自己再赚3块钱，就按照10块钱一个水果把那些水果卖掉了。

虽然每个美国人都要吃10块钱1个的贵水果，可是他们同时作为“货运公司”，“广告人员”和“商店人员”赚到了自己的薪水，所以口袋里还是有1000块左右的钱。作为国家来说，美国只为一个水果支付了1块钱，所以平均到每个人头上，买一个水果 支付的钱 – 作为参与人员赚到的钱 还是只有1元。所以平均来说一个人吃完一个水果之后兜兜里还是有999块。

然后，部分美国人开始做果酱，一个水果做一罐果酱，很合理的设计了20%多一点的微薄利润——可是因为他买到的水果是10块钱一个，人工费2块（和货运公司职员一样），所以他果酱卖15块一罐。

这些果酱在国内流通的时候并不产生额外的价值。可是，这时候中国有100个人开始有钱了，所以开始有了果酱的需求，他们希望购买美国果酱，因为

• 看起来美国是个更有钱的地方，品牌显得更有品位（用iPod感觉比用爱国者mp3要有品位），东西更高级
• 国内因为大家没钱，所以恶性竞争导致果酱质量下滑（比如三鹿奶粉），对国货质量不太放心

这100个人每人支付20块钱（15块出厂价，2块钱给美国船运公司，3块钱给中国渠道）买了一罐果酱。

这时，两国经济状况是：

• 美国市场上有1300个水果，中国市场上有9700个水果，美国人均吃到了130个水果，中国人均吃到了97个水果
• 美国人均兜兜里有 (1000*10 – 300*1 + (20-3)*100)/10 = 1140元
• 中国人均兜兜里有 (100*100 + 300*1 + 3*100 – 20*100)/100 = 86元

很奇怪的事情发生了，中国人辛辛苦苦种了水果，卖给了美国人，最后美国人吃到了更多的水果，同时兜兜里钱还变多了。

而且，似乎你再辛辛苦苦种水果，这个差距也很难赶上。

（转载请注明出处：http://www.MarsOpinion.com）

我已经很久没有看经济学方面的东西，很多术语也不懂。

只是这样子，从最傻最基本的假设例子推导出一些可能性，想想觉得还蛮难过的。

Popularity: 4% [?]