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

相关文章

• 网上的超市们
• 两个电子商务网络营销讲座的日程
• 网络营销数据解读（六）——自顶向下，逐步求精
• 咖啡，Case，万圣节，派代年会

上周六做的讲座。

在Web Analytics Wednesday讲怎样用数据来驱动营销。

第一次尝试这种风格的PPT……

营销最关心的问题：ROI（投资回报率）

问题的一半很好回答——投资就是我花了多少钱，多少人，多少时间。

另一半的问题，有三个：

• 怎样监控和衡量效果？
• 效果好，要找到好的原因，保证下次更好！（如果找不到原因，其实就没法保证下次还能好）
• 效果不好，要找到不好的原因，保证下次更好！（找到根源，才能解决问题）

基本上，我们要解决的就是这三个基本问题。

最基本的网络营销是怎样的？

乱搞，瞎投，碰运气……

最常见的网络营销呢？

首先会看印象数，理论上代表广告被看过多少次。

实际上：

• 首先，它不一定代表被看到了多少次
• 其次，你不一定能拿到这个数据
• 最后，你拿到的很未必是真的

然后我们会看点击，理论上代表有多少感兴趣的用户来到了我们网站。

实际上

• 这个数据不一定是真的
• 就算是真的，点击和点击之间质量差别很大，不能说点击多就好（例子参看前面的网络营销效果分析系列文章）

所以，基本上……

有了这些数据之后，我们还是凭感觉。

事实上……哪怕把下面所有事情做完，很多东西还是得凭感觉，呵呵。很多时候还得凭关系。

所以，我们会搞出“精准”营销。

我们说我们可以精准的探知广告的实际效果，查到它实际产生了多少转化——对于电子商务公司来说就是订单。

效果 = 转化？

• 效果不仅仅是转化，光看转化会误导。（例子参看前面的网络营销效果分析系列文章）
• 特别对于小公司、新公司，小规模营销来说，转化数据会很小，用来比较效果在统计意义上没有价值。一边带来6个转化，另一边带来10个，很可能只是样本误差而已。

不考虑这些，精准也未必准。

所以我们要考虑完整的效果（加入辅助指标），长期的效果（加入长期监控指标）。（例子参看前面的网络营销效果分析系列文章）。最极端的两个假设的例子：

• 同时在两家做广告，都带来10万个点击，1千个订单，但是A网站来的人当中9万个订阅了我们的促销邮件——1. 他们对我们有兴趣；2. 我们日后还可以不花钱对他们做营销。B网站来的人当中只有1个人定了邮件。
• 同时在网购论坛和新浪财经论坛做“秒杀”广告，都带来10万个点击，1千个订单，但是网购论坛的客户都精明得很，买完这次就回到论坛关注看还有哪家会做“秒杀”，等着下一次大促销；财经论坛的人脑子里面都是股票，没空想这种几块钱小便宜，所以之后还是常常回来买东西——少麻烦。如果不看长期效果的话，会以为两边的ROI是一样的。

这样就搞定了？

没有，先把问号放心里。

说了三个例子，今后会写在系列文章里，这里不详述了。

• 购物车挽回营销（根据WA信息，看谁放弃了购物车就跟进营销）
• 客户关系管理营销（根据WA信息，侦测流失客户，给他们电话和邮件）
• 广告网络Re-Targeting（传漾做的一号店例子，根据WA信息，看哪些客户是“可能被转化的”，然后在网络上重新给这些人看广告）（Full Disclosure: I am currently providing some consulting to them）

这几个例子都很炫，网站分析不仅仅能够用来衡量效果，而且能够驱动营销。

但是，这几个例子（根据我的描述）当中都有个问题：

我们衡量的，是“在我们XX行动之后，顾客做了YY行为”，但是我们的结论是“我们的XX行为导致了客户的YY行为”，把时间顺序关系弄成了因果关系。

按CRM的例子来说，如果我通过客服给1000个可能流失的（算法参看电子商务客户关系管理模型）用户打电话，其中100个回来买东西了，每人买了200块钱，是不是说这个系统为我赚了20000销售额？

不是。

首先，我们应该通过测试来估计真实的效果数据，例如找到1000个用户后，选择其中100个不打电话。如果最后发现打电话的900个人当中90个回来买东西，没打电话的100个人当中也有8个回来买东西，其实这个系统（假设受众是1000人）贡献的增量是 1000 x 10% – 1000 x 8% = 20，贡献的销售额是4000块，如果电话加上赠券折扣成本超过了4000块的毛利，就可以考虑不要做了。

其次，我们还是要看长期效果。因为电话给客户折扣券很可能会让客户提前回来购物、消耗将来的消费能力。所以有可能的一种情况是打电话的900个人当中90个回来买东西，没打电话的100个人当中只有2个回来买东西，看起来增量不错。但是没打电话的100个人当中又有13个人在未来的3个月买了东西，而那900人种，只有45个在接下来3个月买东西——这样算起来，这个活动劳民伤财但是并没有实际效果，只是把销售提前罢了。

所以，我们要看完整、长期、真实的效果，才能对生意有一个正确的认识。

话说回来，如果投入很小的话就没必要做这么细了，量力而为。

可是，拿到效果数据又能怎么样呢？

分析？

A Campaign效果100分，B Campaign效果80分，怎么分析？

嗯……对，可以做一下比较，A比B好，所以以后多做A，少做B。

还有呢？

分析不出来了。

如果我告诉你，我的目标是”一个蓝色的立方体盒子”，而截图看到的是我们采集到的数据，我们能分析出什么？

让我们还是用“比较”这个最初级的分析方法——这个东西看起来不是蓝色的。

我们的结论呢？A. 下次不要找这家公司了；B. 下次不要用这种方法了。

有没有更深入的分析和更精准的行动方案呢？没有。

其实，实际做出来的东西是这个样子的。

如果我们看到的“数据”是这个样子，我们就可以很清晰的对每个面进行分析，然后得出行动方案说这个面需要先磨平然后涂蓝色，上面有40%的面积要涂蓝……

我们的分析可以更深入，我们的行动可以更精准。

可是，为什么真实的世界被我们缩成了一个小小的点，让我们看不清呢？

把立方体缩减一个维度，我们就看到了一个面（已经损失了很多信息，例如我们就看不到说上表面40%不是蓝色）

然后我们把另一个维度也取消掉，看到了一根线。

最后，我们把仅剩的那个维度也删掉，得到了一个点——每一步的变化都丢掉了一些信息，丢到最后我们就只有了个数字，自然没法有深入的分析。

营销数据也是这样，本来有三个维度，但是我们死命地把它压成了一个点（“A Campaign带来了N个点击，M个订单”），这样当然没法分析和优化。

所以我们要拆！

首先要把数据这个维度展开，看分布。

总数和平均数往往会误导，就好像图中几个小人的号码一样，不管你拿到总数还是平均，对他们都会有一个错误的估计。（案例见网络营销数据解读（六）——自顶向下，逐步求精）

第二步是要把“行为路径”这个维度展开。（案例见网络营销数据解读（六）——自顶向下，逐步求精）

例如两个广告，都是10万点击，1千订单，分布也一样。如果不展开行为路径就没法分析，展开后可能发现A Campaign那些没有买东西的流量都是在landing page bounce掉的，而B Campaign都是去了游戏专区转了转走掉的。那么我们对A的分析就要去看广告和landing page的一致性、landing page的行动召唤是否明显之类；对B的分析则在于看游戏专区是不是有什么问题，是不是价格贵了、产品缺货。

再一个维度就是客户族群细分（Segment），不同segment消费者行为非常不一样，混在一起数据就会变得模糊。

比如做一个新的营销活动，发现页面的各个指标都正常，觉得美工设计得还不错，但是按照新老客户segment一下再看数据，可能就发现老客户各项指标非常好（例如bounce rate 10%），新用户指标非常差（bounce rate 90%）——这样就能让人警醒说页面设计是不是有问题，老客户是因为熟悉了反正能找到，但是新用户来了都不知道应该怎么参与活动看看就走了。不论这是不是真实原因，至少拆开数据之后我们可以得到更多的信息，做出更细致的分析。（其他例子会出现在后面的系列文章里）

基本上，我们知道怎样去全面、长期、真实地衡量网络营销效果，又知道怎么把数据的每个维度都展开分析，绝大部分问题就都能被解决了。

不能解决的那些，基本上就要凭经验、感觉，和那种被叫做sense的神秘物质了。

相关文章

• 两个电子商务网络营销讲座的日程
• 网络营销数据解读（六）——自顶向下，逐步求精
• 用户的声音（3）——排序、过滤选项
• 用户的声音（2）——搜索关键字

刚去一号店买东西，顺手搜索了几家国外的类似商店，截了些图，just for fun。

一号店：

我已经贡献了N百块销售额给他们了，不过每次拿到沉重的箱子的时候，心里都会由衷的感慨一句“这单估计他们又没赚到我钱”。

排版上其实看不出是个网上超市，到处都是促销和推荐（看起来和新蛋京东倒是蛮像的），内页图片大，页数多，很多被埋在十几页后的产品不知道能不能见几回天日。——我也没想明白网上超市到底应该怎么摆放产品……

一号店让我大爱的地方就是那个Ajax购物车，不管买什么，点击“直接购买”，东西就自动加到了购物车里，页面不刷新——对于每次要买几十个产品来说，这个设计真的让人觉得很舒服。

www.leshop.ch，瑞士的“一号店”，去年销售增长2000万瑞士法郎，年销售额达到1亿3千2百万瑞士法郎，4万3千个老用户贡献了90%的销售，这一年内平均每个家庭订购了价值2750瑞士法郎的商品（来源：Exciting Commerce）

这个看起来更像超市一些：）

之前看过有人说中国人比较喜欢热闹，所以首页得多点促销活动，外国人比较直接，所以首页最重要的就是搜索和分类……也不知道这种说法有没有根据。

，

www.mysupermarket.co.uk

这家很好玩，产品图片很有特点，产品本身都贴着图片底部，放在一起看起来就好像整整齐齐摆在货架上一样，蛮有趣的。

www.shopfoodex.com

这位同学用卡通导航

 www.cobornsdelivers.com

貌似是某老站复活的。

列表相当难看啊。

www.Alice.com

这家比较有趣，一开始先要你选择家里有几口人，几个大人几个小孩之类。

然后他会推荐说你可能会需要下列这些类别的产品（香皂、洗发水、卫生纸、牙膏……包罗万象），我们可以多选或者少选些。

接下来，每个我们选择的产品类别都会变成一只小鸭子（很聪明啊，看到小鸭子心情比较好，要是看到这么多个输入框想想都很有压力）：

点击小鸭子，他会问你是要去选择具体产品，还是删除这个类别。

选择产品的话，就可以在他家提供的诸多产品中选一个——除了选要什么具体产品之外，还要选说大约几个月就会需要个新的（他到时候会提醒你续订）

定好的话，产品就到了我们自己的列表里面。

一个个小鸭子都选好的话，一个家庭所需的所有日常用品基本上都齐了——而且是一劳永逸的齐了，不仅仅这次他会按时送货来，等到某样东西快用完的时候他也会自动帮你整理好订单问你要不要续订——下次就不用再挑一次，真是懒人居家必备良品啊。对于Alice来说，一次搞定将来生意、套牢用户，也很合算——这样说起来挺像我之前提到的日用消耗品的自动定期购买。

相关文章

• 增强现实技术会能解决电子商务商品尺码问题么？（二）
• BSO是必须的……
• 网络购物：衣服多大，衣服多厚？
• 最简单的B2C电子商务购物流程比较优化

抱歉，最近更新太水了一点……部分原因是因为懒散（见上图）。

另一个原因是最近在不停地看书、参加活动、和各行各业朋友聊天、参观公司、学习请教（常常挂个“咨询”的名义……），希望可以整理和充实自己的知识结构，另外也希望可以通过了解不同公司的运作来建立一套比较完整的data-driven marketing战略战术体系，特别是一套适合中国特殊环境、适合电子商务网站的一套体系架构。但愿过年时可以完成。

最近会出来做两个演讲，周六在上海，下个周五在北京。

上海这个是WAW的活动，主要会讲一下网站分析和网络营销的实战操作，可以点击这里报名，谢谢Min和Heaven的邀请和组织。

北京这个是iResearch办的网络零售运营与管理实战培训，我会去讲一下电子商务网站的用户行为分析。

实际上不会按照网页上的大纲来讲——交完大纲之后忽然有灵感又重新建了一套表达更清楚的体系——感觉上做讲座做PPT也是逼自己整理思路的好办法，呵呵。

大家可以点击这里订阅MarsOpinion.com，这样就不用总来查看有没有更新……在我更新缓慢的时候看到老访客重复访问的数据总是觉得很有压力，呵呵。谢谢支持：）

相关文章

• Mars碎碎念
• 数据驱动的网络营销（PPT + 简述）
• 网络营销数据解读（六）——自顶向下，逐步求精
• 促销也是可以有趣的

谢谢Jason的邀请，让我这个“未来创业者”也混了进去。

唐浩夫先生的主题演讲非常高效直接（因为在座的大多是创业者，很多废话就不必讲了），不过印象最深的还是另一个VC老大的发言——“选择创业就是选择了一种生活方式。你可能以为赚到多少多少钱你就轻松了享福了，不会的。不同的阶段有不同的辛苦，你生意越做越大，你只会越来越辛苦。你选择了创业这条路，就要想清楚。”

2. Biz Cafe Simulation:

3天的商业游戏，模拟开一个咖啡店，开九周，每周都可以做各种商业决策（买咖啡豆，请人，促销，广告，工资……），最后看哪一组综合分最高（综合销售、利润、客户满意度、效率……）。

拿了第一名，做的海报居然还拿了广告大奖，小组获得巧克力一罐，红酒一瓶。

我们一直走中低价优质策略，客户满意度很高，中途被一组走高端路线的超过过一两周，但是最终我们又把冠军夺回来了。

感觉获胜的主要原因是：

• 定价合理：一开始我们定价处于中低（后期对手们纷纷降价后我们变成了中等价位），而同时选用了高质量的材料和良好的服务（因为计算过其实这方面的提高对成本影响不大），所以客户满意度会很高，给我们一开始就赢得好名声（上了报纸头条）。
• 从竞争对手的经验和教训中学习：在每一周结束后我们都会采集情报去推测每家竞争对手上一轮做了什么，结果如何（这是个很耗时的工作）。然后我们会根据他们的经历去总结规律、指导我们自己的战略——事实证明这是很有效的，节省了不少试错成本。
• 反应迅速：中途被后来者赶超，我们马上分析出了原因并开始了大刀阔斧的改革（之前都采用的保守战略），很快就返超。

作为Manager，队友给我的反馈是：

• 强项：组织团队，协调工作，综合队友的意见，分析环境和快速行动。
• 弱项：没有能强硬地处理队内争端、快速地处理少数意见（我花费了过多时间向不同意团队方向的队友解释我们这样做的原因）

3. Shanghai Night: 同学们在黄浦江上租了一条船，全部人穿上唐装、中山装和旗袍在上面疯。

（照片都来自摄影家Lue）

3. PLOGIT: HP赞助的博客聚会

刚好我在北京，就问顾迅大哥要了个邀请去Hidden City 1949晃了一圈。

李笑来，包小姐，文怡，还有瘾科技、可能吧的两位博主都去了，蛮热闹的，感觉：

• PR公司的MM们都好PP啊
• Hidden City蛮漂亮的
• 这个活动ROI估计不高——不过HP有这个心倒是蛮好的
• 很多能写的Blogger未必能说……

两大收获是：

• 和顾迅大哥，还有Gossip Marketer北京堂的同学们吃了个饭
• 顾迅大哥所说的“Marketing从大规模定量分析转向小规模、高频次定性分析”（后来回答观众提问时他是拿“小规模、极少量样本的定性深入洞察”和“大规模、统计学意义上的简单数据分析”做例子），觉得对我这种统计数据狂很有警示意义。

5. 电子商务创新发展高峰论坛

因为白天还有事，所以基本上是早上进去听了1个小时 + 晚上过去掺和到嘉宾里蹭了顿饭。

感受：

• 电子商务确实比以前火了……有美国时认识的VC发来短信问我是不是也在会场，出门聊天才发现连这种传统VC也开始关注电子商务了。（想起前两天陪老邢去一个演讲，他讲电子商务，下面也全是VC……）
• 做成点事情都不容易啊，晚上吃饭就被某师兄（才发现原来不少电商老大也在CEIBS读过书）批评是“在抗日战争最紧张时候躲去欧洲读书”，然后听说XX连续三个月在凌晨两点后下班回家，XX每天工作16个小时……惭愧ing.

6. 萝卜和回声同学的婚礼。

下面是他们（两个人都好上镜啊）拍的MV，把两个人爱情故事拍了一遍，太佩服他们了……

（FF下播放可能有问题，IE就好了）

随机文章

• The Apprentice S6-10（《学徒》第六季第十集）
• 生命如此短暂，掌握工具却要如此长久
• 巧克力进行曲
• Plastic Jungle，Gift Card交易平台

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. 分区段：

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：）

相关文章

• 网络营销数据解读（五）——完善指标
• 网络营销数据解读（四）——目标和指标
• 用户的声音（3）——排序、过滤选项
• 用户的声音（2）——搜索关键字

抱歉很久没更新，最近比想象中忙。考完试，连续三天做开咖啡厅的Simulation（偶们组得了冠军，哈哈），又开始接一些咨询和培训的活，还参加了2个Business Competition…

早两天在传漾科技讨论他们新的产品设计，忽然想起自己之前对于这一类广告网络的设想：

第一步，广告公司无非是个分销商，大量买进广告位或者Impression，然后打包卖出去。

第二步，广告公司开始帮客户做分析，做创意，做优化，做咨询。

第三步，广告公司进一步统整信息，将访客后续行为都监控到，帮助客户计算真实的广告投放ROI（至少自以为监控到了ROI），帮忙做分析，做优化。

第四步 ，帮助单个公司做广告内容优化，比如Retargeting（链接里是Wikipedia的解释）。之前在美国，有公司做的是在客户网站加代码并且索要一些折扣券，如果客户将产品放入购物车但是又没有购买，他接着再去逛其他网站，网站上刚好有他家广告网络的banner的话，那个banner会自动展示该客户的logo + 他之前放入购物车的产品 + 折扣券代码。比如我去了Amazon，把一个iPod放入购物车又没买，然后我去Businessweek，有可能就会看到中间有个Banner上面写着”Amazon iPod大促销，输入MarsOpinion.com免运费“。我自己操作过的版本要更复杂，可以设计更复杂的推荐规则，可是要用到高级的WA和ESP来合作。传漾有自己一套很好玩的Retargeting规则，不过不知道需不需要保密:S…(full disclosure: 我正在给他们的新产品提供咨询）

第五步，综合从所有广告主那里采集的信息，结合其他渠道（例如购买的第三方数据）拿到的用户信息，绘制每个用户的profile，跟踪记录用户的行为信息，然后做适合的广告位、适合的广告内容的推断——在合适的时间，展示合适的广告内容给正确的人。比如我在Guilt买了很多很贵的衣服，而且总是对衣服的banner视而不见，他可能就会给我看Newegg的高档相机banner而且不给我coupon。

第六步，自动优化，我之前提到的eCPM和Google的竞价排名机制其实也有自动优化在里面。本质上说就是让广告自动去找到合适的位置，以合适的形式展示。比较粗略的模式可以是这样：首先建一个模型，给每种广告都赋予一些属性，然后人工安排广告位做优化。做一阵子之后系统对数据进行学习，做一个粗略的总结（什么样的广告应该放什么地方，以什么形式），然后系统开始自己尝试、自己优化：比如VANCL要投广告，它就自动放到它计算认为合适的网站banner上实验（占用那个banner位置1/n的时间），如果发现ROI（如果定义ROI是order / cost）高于那个banner位其他广告，则延长VANCL在这个广告位的展示时间，否则减少，这样子可以实现效果最优化。而在一切结束之后，系统又学习到了更多了关于“男装应该往哪些网站投放”的信息，下次别家来投的时候，它第一次实验的对象就会更精准一些。

第七步，好吧……这一步估计要等我写完《网络营销效果解读》才能说清楚（好吧，我一定尽快写……）。简单讲，在我写完那一系列文章之后，基本上会发现通过网站自身的WA数据分析来衡量网络营销效果，虽然说很有用，但是还是远远不够的。最不够的地方就是很难衡量营销和最终效果之间的因果关系——我们衡量的往往是事情发生的先后次序关系（例如先点击了广告，然后买了东西，所以我们认为广告影响了购物），但是时间顺序关系并不代表其中的因果联系。所以我的设想是将来的广告网络应该来承担这个责任：广告网络了解大部分观众的信息，在特定网站上，给其中一些观众展示过特定广告，给另一些相同属性（例如同是VANCL顾客）顾客没有展示过，这两组数据就可以用来对比计算Impression –> Sale的具体因果关系——扩大到整个网络上，丰富的比对信息应该可以套用数学模型来计算出每个广告位，每个创意，对于每个具体网站产生的具体影响，然后用这个“真实效果”反过来进行第六步的自动优化。

好吧，走到最后一步要5年还是10年呢？

相关文章

• 数据驱动的网络营销（PPT + 简述）
• 两个电子商务网络营销讲座的日程
• 网络营销数据解读（六）——自顶向下，逐步求精
• Mars碎碎念

赶MKT Plan赶通宵，上床的时候天都亮了，睡一个半小时还得去上课……感觉那叫一个凄凉啊。之后就恶性循环不断在赶活，没一天清闲的，每天都靠咖啡在撑：（，真的是case after case, quiz after case, paper after quiz, case after paper, case after case…

——话虽这样说，可实际上还是花了不少时间在到处晃。

共青森林公园春游：

下面依次是带老外参观上海（话说我还是第一次在晚上看到新的这栋金融大厦），万圣节Cosplay，我雕的南瓜头，万圣节第二天晚上放的孔明灯……写完这么多让我觉得前面那句“最近有点辛苦”有点假了……

另外参加了派代电子商务年会，和VeryLs同学一起主持了“电子商务如何有效推广”这个环节，聊到最后台上四个老大都得出结论说“营销最重要的还是要做数据分析”，深得我心啊，哈哈。

下面是视频（会场非常巨大，问题是现场音响效果非常糟糕，回音很重，如果话筒没有拿好的话，台下常常听不清台上嘉宾说话，所以我常常在嘉宾说完之后罗哩叭嗦再把他们说的再总结一遍说一遍）：第一段，第二段，第三段

第一次做这种主持，自己听一遍还蛮汗的（寒一下，刚发现自己过程中还把一个公司名字念错了）。场下和各家电商聊天，比较有普遍性的一个反馈是：“你看起来比博客上照片老多了”……好吧，改天我换个成熟点的近照@__@

中国电子商务产业还在起步的阶段，这样一个年会把500家电商聚集到一起，大家聊一聊，认识一下，沟通一下，觉得对于整个行业的发展应该会有蛮大帮助。

又是水文一片……争取下下周（study week）认真更新，欢迎点击这里订阅blog，这样就不用每次来这里看有没有更新了：）

相关文章

• 京城归来
• 网上的超市们
• 两个电子商务网络营销讲座的日程
• 网络营销数据解读（六）——自顶向下，逐步求精

前一阵子一直在看认知决策和社会心理学的东西，很多时候都在考虑人的非理性决策。最近开始重新学经济学（不得不说CEIBS经济学教授都很强啊），重新回到理性人假设里面，把以前的阅读积累重新捡起来系统化，觉得还蛮有趣的。

Bid

很多人说Google的竞价排名系统很公道，因为”如果你出价最高，它并不会收你你bid的价钱，而是只收你比第二名多一分钱的价钱——比如你出2块，别人出1块，那么最终它只会收你1块钱一分钱一个点击，不多收。“

想象有一个拍卖场，卖家要想办法把东西拍出高价。

假如是大家同时出价，价高者得，而你对于这个东西的估价是10块钱，你会出多少钱竞投？（假设最小单位是一块钱）

理性的选择应该是<=9块——每个人都会出一个比自己估值低至少1块钱的价格（否则白拍了），最终买家获得的收益是：最高估值减去至少一元。

假如我们用类似Google的规则呢？大家同时出价，价高者得，但是价高者只需要付出比第二高价高一元的价格就可以获拍。你对这个东西的估价还是10块钱，现在你出多少？

很多人会出10块钱，因为想着反正我只需要实际付出比第二名多一块钱就好了，反正不会吃亏的。

买家最终得到多少？

Empty Chairs

如果你在街角开了个咖啡店，咖啡卖5块一杯。

听说有人要在附近再开一家店，你打算怎么办？

A. 挂一块招牌，上书“你来开店我就跟你丫死磕”

B. 降价，降到3块钱一杯，摆明车马说我就要打价格战，现在我独享所有顾客，3块钱一杯水我也赚不了几毛钱，到时候你一开张我们两家分顾客大家更没钱赚——行动版的“你来开店我就跟你丫死磕”。

……

万一对方不信邪呢？

他觉得，如果他来开店，把生米煮成熟饭，你到时候也不会一直只卖3块钱一杯的——那样大家都会亏死，你还是会涨价涨到四五块，这样他也有钱赚了。

所以，他还是说要开店。

……

怎么让他信呢？

自己查书去……

Price Match

假如有两家店卖类似的东西，附近的消费者基本上只能到这两家买。

顾客都对价格敏感，所以哪家降价哪家销量就起来。

但是如果两家都降价，就是价格战，两家都亏钱。

如果两家都不降价，两家都可以多赚点。

所以，如果你是一家的老板，你要怎么做呢？

你要和另一家好好谈，说我们大家都不要降价啊。

但是另一家可能不听，还是偷偷降——多获得一些消费者。

你急了，说“你降价我就跟你丫死磕，你降多少我降多少，大不了都亏本！“

对方怕了，不降价了，两家都赚钱。

把”你降价我就跟你丫死磕“换成文明用语，就变成了类似”如果您在XX店看到他们价钱比我们更低，我们将返还差价给您“——是不是很耳熟？

本来是个好玩的工具，可以用来避免价格战。

不过在现在这种大家都想要份额不要利润的疯狂年代，Price Match变成了价格战工具了。

Favorate Customers

既然”如果您在XX店看到他们价钱比我们更低，我们将返还差价给您“ = “你降价我就跟你丫死磕，你降多少我降多少，大不了都亏本！“，那么，“我们将为每一个老客户提供黄金账户优惠，如果其他客户从我们业务员那里得到了任何其他优惠条件，黄金账户的老客户都将自动获得等价的优惠”是什么意思呢？

意思是“我不会让我的业务员通过降价来抢单子——这样我会必须把优惠给所有人，成本超高——所以你也把价格线守住吧，我们都多赚点。”

哈哈。

随机文章

• 舟行
• 妖精
• 服装B2C招聘技术经理和市场经理
• 判断题

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。

相关文章

• 流水帐
• The Apprentice S6-10（《学徒》第六季第十集）
• The Apprentice S609（《学徒》第六季第九集）
• The Apprentice S608（《学徒》第六季第八集）