最近在和一些公司讨论加入他们团队的可能性，常常会聊到Marketing（抱歉用英文来描述，总觉得“营销”并不是我要表达的意思）在一家公司的定位和职责问题。平心而论，大部分公司还是把Marketing简单理解成广告投放管理和优化（MarsOpinion.com上写的网络营销数据解读系列文章也确实在着重写这个方面），可实际上Marketing，尤其是对于新兴公司来说，要承担的责任要大很多。

首先，从字面上看，Marketing是Market（市场）的ing形式，所以理解市场很自然是Marketing的首要工作。类比战争，广告投放就是率领军队朝着目标冲锋，或者指挥弓箭团向某个方向齐射，都是战术层的东西。不是说不重要，而是这一切应该发生在在勘察地形和刺探敌情之后。没有对大环境的把握，冲锋就是胡跑，射箭就是胡发，马再快箭再利也是胡闹。自然，营销的第一步就是理解市场，确切的说，是理解3C——顾客（Consumer），自己（Company），和竞争（Competition）。要了解顾客是谁，什么特点，想要什么，什么趋势；要了解自己公司想要达成什么大目标，有什么资源支持，有什么特殊背景；还要了解主要竞争对手是谁，他们的策略是什么、做法是什么，竞争形势的发展变化会是怎样。在大部分没有独立用户研究和竞争情报部门的公司，这些信息的监控、采集和分析也是Marketing分内的工作，而且是基础性的工作。在此之上，才能开始进行下一步，也就是营销战略的制定。

营销战略最主要其实是定位的问题，对应到战争中可以看成是行兵布阵。定位要回答的主要是这样几个问题：我们的目标消费者是谁？他们的需求是什么？我们是是什么？为什么我们能更好地满足消费者需求？让消费者相信的理由是什么？教科书上的方法一般是STP，先做市场细分（Segmentation），把消费者按照各种标准（例如教育程度、收入等社会信息，年龄、地域等人口学信息，逛什么店、看什么电视等行为信息，学生、新母亲等生命阶段信息……）把市场切成一块一块；然后做目标市场选择（Targeting），选一块看起来最诱人而且最适合自己的市场作为目标；最后再根据目标市场的特定需求定位（Positioning）自己，例如目标市场是年轻女性，我们可能就会强调说自己产品多么健康多么低热量。如果目标市场是小朋友，我们可能会着重描述自己的口味和“酷”。类比一下，我们想吸引猫，就把自己打造得（定位）像一条鱼，我们想吸引狗，就把自己打造得像一根骨头。怎么分市场蛋糕，怎么选蛋糕，向哪个方向打造公司，也都是Marketing要考虑的。

让事情更复杂的是，真实世界里STP还不是这么用的。一般流程是决策者根据公司的目标和既有资源直接开始拍脑袋（或者经过非常有限的调研）做定位和选择市场（资源充分的话，开始的目标市场会定得比较宽泛）。在执行过程中积累数据和经验，发现有些细分市场反响比较好，有些毫无动静，这时才开始认真思考这些细分市场的差异，开始把资源向反响好的细分市场转移。与此同时，也才真正开始分析说那些反响好的细分市场偏爱我们产品的原因是什么，通过深入理解消费者去找到可供自己定位的点。这个过程中，对于市场反应的分析，对消费者的洞察，对机会的把握，也都是Marketing的职责。举个虚构的例子，一家公司代工过国外高级品牌时装，很可能直接拍脑袋说我们要自己做高级时装，目标是都市高收入白领，直接定位（Positioning）和选择目标市场（Targeting）。投入市场后市场反应平平，这时Marketing需要分析市场找到公司的增长点。例如通过分析发现男式衬衣产品线卖得相对OK，重复购买率非常高，而且购买者都是非常年轻刚入职场的小白领（远非“高收入白领“）。做深入调研之后，发现小白领喜欢我们的衣服并不是因为我们宣传的款式色彩，而是因为“这家的衬衣用洗衣机洗了出来不皱”。那么公司接下来可以（不是一定）考虑的方向就是主打年轻白领，主卖基本款职业装，卖点主推“机洗不皱”。正如这个例子，Marketing不仅是一开始画草图做规划，而且要包办寻宝过程中的探路侦查方向指引，通过逐步深入的理解市场来帮助公司找到长期获利的方向。

方向定好，目标定好，下面才能谈具体实施。首先，要细化目标，一方面是要根据时间段来细化，制定阶段性目标。另一方面，是要将目标本身细化，直到可以和具体的业务工作关联，这样才能便于工作的安排和考核。例如“毛利”这个目标可以细化成“销售额”和“毛利率”，而“销售额”又能细化成“订单量”和“平均订单金额”，“订单量”又能细化成“老顾客订单”和“新顾客订单”，“新顾客订单”又能细化成”新访客数量”和“新访客转化率”……这样层层递进下去，直到可以将小目标和某个具体的Marketing职能挂钩。最后绝大部分的小目标都可以和下面这六项职能做好关联：营销推广，商品销售规划，顾客关系管理，接触点体验管理，网站功能管理，和网站内容管理。前四项都是纯粹的Marketing职能，后两项也和Marketing联系紧密（网站本身是品牌定位塑造的重要渠道，一定要符合大的战略）。从中可以看到，在执行层，营销推广是一个重要组成部分，但是也绝不是全部。而且，具体执行层面的营销推广，从媒体渠道选择到创意实施，也都是在定位的大框架下进行的。例如想要高端形象，就不允许营销推广负责人一天到晚在外面喊“最低价”和”超低折扣”，哪怕写着这些字样的广告短期的回报率更高。例如定位中的差异点选的是“送货超快”，大部分营销创意就要围绕“快”来做（下次写具体怎么“围绕”），而不能今天说质量优异，明天说款式时尚。在资源有限的情况下，只有长期、一致地根据战略定位来执行具体的营销推广，才能逐渐在顾客心智中占据一席之地，有效的营销顾客认知和行为。

具体的职能描述和目标关联太复杂，以后有机会再在www.MarsOpinion.com上分享。总的来说，Marketing首先应该从理解市场出发，从战略定位开始，这样才能让战术层的努力发挥应有的价值，而不是“一群人非常努力地演悲剧”。

无觅猜您也喜欢：
基于市场洞察的营销战略方向	怎样监控和评估网络营销效果（四）	怎样监控和评估网络营销效果（六）	怎样监控和评估网络营销效果（三）
无觅

注：文章中公式在2010年12月9日修正过。

身边其他行业的朋友总是很不能理解网上为什么可以卖衣服卖鞋子，理由是“电子商务只能做标准产品吧，我就不会在网上买衣服，不合身怎么办呢”。这个理由听起来非常理性，因为“不合身概率大”，所以“很可能会不合身，浪费钱”，所以“我不会在网上买衣服”。既然如此理性，我们就更理性的用数学来聊一聊。

我们先考虑不能退货的情况。假如一件外套价值500元（假设一般来说线下同样质量的衣服是500元），顾客心中认为外套这个种类不合身的概率是30%，消费者拿到货如果不合身不能退货也没法用其他渠道处理掉（简单起见，我们认为不合身就代表衣服完全没有价值，收益为0）。在这种情况下，消费者预期的收益是(500 – price）x 70% + (-price) x 30% = 350 – price。所以如果消费者理性的话，线上售价只要低于350元（提供7折），他就应该在线上买（预期收益大于等于零）。更一般的情况，假设商品价值为V，拿到货后不满意概率为D，网上标价为P，P低于V x (1-D)就有吸引力。这也部分解释了为什么初期网购服饰大多是廉价的款式，因为很多人对于网购心存疑虑，心理预期的不满意概率（D）值很高，所以V x (1-D)就很小，价格就上不去。

然后，让我们考虑可以退货的情况。感谢国家，感谢支付宝，在淘宝买东西不满意是可以退货的，在大多数成熟B2C上买了东西不满意也是可以退的。还是拿那个外套做例子，另外加一个假设就是退货的物流费用买家承担，为10元，那么在这种情况下消费者预期收益变成了(500 – price) x 70% + (– 10)*30% = 347 – 0.7*price，当price <=347/0.7 = 495.7元的时候，消费者的预期收益就大于零。这个价格基本上和市场价持平，对于理性的消费者，商家只需要稍微提供一点折扣（比如九五折），消费者就应该在网上购买。这也解释了为什么商家越来越看重自己服务的名声，也开始提供越来越好的退货条款。虽然要承担一定的损失（包括对付欺诈行为），可是顾客愿意付的价格会显著提高。在这个时候，我们的公式也变成了P <=(Vx(1-D)-SxD)  / D。S代表退货时顾客需要负担的的物流费用。

如果到这里你还没有晕的话，我们可以继续。对于很多人来说，退货不仅仅是花送货费的问题，而是个“麻烦”的问题。还要把东西装回去，写上地址，叫快递来拿货……想想就很烦。这个“烦”对于用户来说也是成本。不同用户对于这个“烦”的定价是不一样的，对于稍微富裕一点但是工作繁忙的人来说，他宁可承担200块钱损失也懒得烦这么一下。而对于生活比较悠闲，而且不觉得退个货有什么麻烦的的人来说，这个“烦”可能也就价值一两块钱。假设某个用户对于“烦”的定价是20元，那预期收益的公式就变成了(500 – price) x 70% + (– 10 – 20)*30% = 341 – 0.7*price，件外套价格P一定要小于等于341/0.7 = 471元，顾客才会考虑；假设另一个用户对于“烦”的定价是200元，那件外套价格P一定要小于等于(0.7 * 500 – 0.3 * (200+10)) / 0.7= 410元；综合起来说，P <=(Vx(1-D)-(S+A)xD)  / D，A代表顾客退货时的心理成本。

还没晕？好，接着来。一般说起来，网购除了给消费者商品之外，还有两点常常被顾客看重，一是方便，二是随时随地瞎逛的乐趣。而相应的，也有很多消费者很看重线下逛街的乐趣。假如对上面一段中第一个消费者（叫他小A吧）来说，方便价值20元，网上瞎逛的乐趣价值50元，而线下逛街乐趣100元的话，在网上买那件衣服的预期收益就变成了(500-price) x 70%  + (– 10 – 20)*30% + 20 + 50 – 100；假如他是个宅男，不喜欢逛街，则方便价值20元，网上瞎逛的乐趣价值10元，而线下逛街乐趣0元的话，在网上买那件衣服的价值就变成了(500-price) x 70%  + (– 10 – 20)*30% + 20 + 10 – 0 。我们的公式也变成了P <=(Vx(1-D)-(S+A)xD + C + LH – OH)  / D，其中C表示方便，LH表示顾客所认为的在线购物乐趣，OH表示顾客所认为的线下购物乐趣。

公式拿到，所以基本上我们要做的是：

• V：要在线上让顾客感知到商品的价值，这个话题太大，不展开讲了。
• D：尽量让顾客觉得不满意的风险很小。对于衣服来说可以提供详细的尺码表供用户参考，也可以提供几个不同身形的模特试衣照片给顾客看，还可以用我在未来电子商务的现在进行时里提到的那些科技来帮助顾客选择商品，降低风险。
• S：不要把让顾客支付物流费用当作是减少退货的手段。如果毛利允许而且恶意退货不严重，可以考虑报销顾客的退货快递费（顾客可以在下次购物时得到相应金额抵扣）。
• A：尽量减少顾客的麻烦，例如提供已经写好回邮地址的快递单，顾客只需要把商品放到盒子里，把快递单粘到盒子上就好了。或者像某些高端服饰网站那样，允许你拿到货之后试穿让送货员等，如果不合适可以当场退给他。
• C + LH -FH：尽量target到那些看重方便更甚于逛街乐趣的族群，他们更容易转化。

还有什么么？还有。

我刚刚在举例子的时候一直在强调说不同类型的顾客，对各个指标的看重程度也会不同，所以导致他们心理价位不一样。另一方面，同一个顾客，也可能在不同的时间有着不同的判断。最典型的例子就是D，有可能顾客第一次购物时心理预期是“说不定有五成概率买回来的外套不合身”或者“说不定有五成概率买回来的鞋子不合脚”，可是试过一两次之后，他慢慢就了解了自己适合什么尺码，之后购买的时候信心就会越来越足，D可能就会从50%降到20%。

假设我们是做高端男装生意，顾客都比较忙比较有钱，他们觉得自己退货麻烦程度相当于190元，而他们觉得线上的方便和购物快感价值20元和30元，线下购物快乐价值50元，则他们的在第一次购物时P <=(Vx(1-D)-(S+A)xD + C + LH – OH)  / DP = (500 x 50% + (– 10 – 190)*50% + 20 + 30 – 50) / 0.5 =  300元。后续购物时P <= 500 x 80% + (– 10 – 190)*20% + 20 + 30 – 50 = 450元。

当顾客已经买过一次东西之后，他的D值大幅降低，这时公司便在竞争中处于更优势的位置：当竞争对手价格为370元，而我们为440元时，因为顾客对我们的D值更低，所以顾客还是会选择我们。如果成本是300元，竞争对手的毛利为70元，而我们则有140元，比他们高接100%！高出的毛利也可以使我们有能力做更好的营销和服务，吸引和保有更多的顾客。

获取这个竞争优势的关键则除了通过各种营销手段降低顾客尝试成本之外，更重要的是加强产品的标准化、保持一致性，这样才能让顾客可以通过尝试来降低D值。比如我们卖鞋，如果我们自己牌子的鞋可以保证你这次穿40码合脚下次穿别样款式40码十有八九还是合脚，我们就可以通过消费者体验来积累优势。反之，如果我们自己不能将尺码标准化，顾客这次买40合适下次不合适，D值就不会降低，顾客对我们的价值预期就不会升高，我们就不能获得竞争优势。

无觅猜您也喜欢：
为什么说用户评论是有价值的？	怎样监控和评估网络营销效果（三）	用户的声音（3）——排序、过滤选项	网络营销和Web Analytics的数据解读方法（一）——Metrics
无觅

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
• 网络营销数据解读（六）——自顶向下，逐步求精
• 网络营销数据解读（七）——客户族群细分（Segmentation）1

上次说到可以根据客户的生命周期来分segment，可以帮我们更好的理解数据做决策。

除了客户生命周期之外，其实还有无数的指标都可以用来做客户细分。下面这些例子就都能用客户细分的思想来分析出有用的结论（Actionable Insight），大家不妨试试看来做一下这些案例，留言说一说你的分析思路，大家多交流：）。

先说明两件事情：

1. 为了便于讲解和理解，案例都很简化、极端化，具体内容请不要当真：），主要是介绍一个思路。

2. 大部分案例用www.MarsOpinion.com网络营销数据解读系列文章前面介绍过的思路和工具也能解决……为了便于讨论，请都从segment的思路出来来考虑这些问题：）

案例一

网站销售4个大类的产品：家电，笔记本，日韩时尚女装（中低端），日用百货（卫生纸、零食……），用户平均访问周期是一周一次，停留时间为5分钟，转化率0.8%，平均订单金额340元。我们可以做什么？

案例二

网站销售笔记本，SONY笔记本最近越卖越好，上个月卖了700万销售额，比上个月猛增20%，而Lenovo只卖了400万，比上个月还下降了5%。应该考虑给负责SONY笔记本的产品经理发奖金，顺便把心里面把管Lenovo那条线的那个家伙画个叉，以后有机会就干掉他。这样推理正确么？

案例三

网站销售4个大类的产品：家电，笔记本，日韩时尚女装（中低端），日用百货（卫生纸、零食……），我们做了一个详细分析，发现我们60%的订单是15%的顾客产生的，我们一定要把这部分客户服务好。在这里我们的市场部根据客户价值（过去一年购物金额）把客户按分成了5组：VIP顾客，高价值顾客，平均顾客，待发掘顾客和低价值顾客。以后我们的客户关系维护重点要放在VIP和高价值客户上，客服接到他们电话也要提供更周到的服务。这样的逻辑对么？

案例四

新设计了一整套网站页面和购物流程，搞了个比较贵的付费工具来随机挑选顾客展示给他看不同版本的页面，10%看新版，90%看旧版，结果发现新版的转化率比旧版高0.04%，鉴于消费者对新版还不熟悉，我们认为消费者熟悉之后新版数据会更好——也就是说新版应该完胜旧版，我们应该马上把旧版替换掉。这样的结论对么？

案例五

分析数据时发现我们有四种很典型的访客行为，一种会浏览14个产品页面，然后什么也不买另一种则直接搜索产品名称，然后马上购物；第三种会随机看5-15个页面，其中多个页面被反复访问，然后购物；最后一种是浏览5-15个页面，然后什么也不买。为什么会这样呢？

案例六

新来了一个SEM Manager，上手一个半月就把搜索引擎的ROI提高了12%，人才啊。是这样么？

案例七

网站用户平均访问频率是一个月一次，50%访问大约1个月1次，30%大约每周一次，15%大约两个月一次，5%会超过两个月都不来访问。这样算起来，顾客如果两个月没有来访问的话，就有95%的可能性是要流失了。为了挽回这部分流失客户，我们应该在侦测到客户停止访问两个月时让客服打电话给客户嘘寒问暖，顺便送一个折扣券给他。这样做真的合算么？

案例八

我们网站有100万注册并登陆过超过一次的会员，10万每周都登陆一次、每个月买一件东西；30万每个月登陆一次，每3个月买次东西；30万只登陆过2次，没买过东西；最后30万里面，10万每年登陆但是1年才买一次，20万每半年登陆一次但是至今没有买过东西。我们在做lead acquisition的时候，可以粗略估算说我们抓到的新顾客有10%的可能性会每月买东西，有30%可能性每3个月买一次，有10%可能性1年买一次。这样的推理正确么？

案例九

新建网站，站外做了很多广告，站内做了很多促销活动，发现来访的人当中5%注册了帐号，1%注册完了还马上买了东西。怎样才能让他们更多的注册，注册完买更多东西呢？

现在就留言吧：）

无觅猜您也喜欢：
网络营销数据解读（七）——客户族群细分（Segmentation）1	网络营销数据解读（九）——客户族群细分（Segmentation）2-2	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
无觅

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：）

无觅猜您也喜欢：
网络营销数据解读（五）——完善指标	网络营销数据解读（九）——客户族群细分（Segmentation）2-2	网络营销数据解读（七）——客户族群细分（Segmentation）1	网络营销和Web Analytics的数据解读方法（二）——Segment (1)
无觅

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。

本文是《网络营销数据解读》系列（这个系列前面N篇文章会和之前博文内容有重叠）的第四篇，前面几篇在这里：

• 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？

先说笑话：

有一艘太空船在宇宙中航行，忽然全船听到船长的广播：

大家好，现在我有一个好消息和一个坏消息要通知大家

大家开始紧张……

好消息是，我们现在的速度越来越快了

大家高兴了一下

坏消息是，我们不知道自己在往哪开

很多时候，我们就是这样。

我们会用高级的工具，做漂亮的report，出一堆的数字，大家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说我们搞到了多少注意力，多少注册，多少钱销售，数字大的时候大家觉得做得好，数字小的时候觉得做得不好，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 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？

  ======== MarsOpinion.com 分隔线 ==========

答案是不知道。

因为我们不知道我们的目标是什么，在不知道目标的时候数字是没有意义的。

如果你回答第一个问题”是成功的“，那么请想象一下如果这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很未必是好事——可能说明你导航更不清楚了让用户要花更多步骤才能找到想要的答案。一方面客户满意度会下降，另一方面更多客户会放弃搜寻信息而直接拨打电话——这样又增加了客服那边的压力。

如果你给了第二个问题肯定的答复，那么请想象一下如果我们的目标是“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？

没有清楚定义目标的时候，我们看到的数字仅仅是数字而已。只有定义了目标，我们才知道数字对我们生意的意义。这个系列的头两篇文章（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）主要都在讲说如何正确理解数据的含义，那么这篇文章将开始来介绍如何理解数字对于我们生意的意义。

首先，我们要清楚定义目标。

对于一个支持性的客服网站，我们的目标是让用户找到满意的答案，从而不去拨打电话。

对于媒体网站，我们的目标是让用户对内容感兴趣，消费更多的内容。

对于电子商务网站，我们希望客户多消费，并且持续消费。

对于某一个市场活动，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。

听起来很简单，明确一下自己工作的意义和目的就好了。

其实并不容易。对于很多公司，很多人来说，他们其实不是非常能明确自己工作的目的到底是什么，要做这个要做那个只是因为“之前也是这样做的“或者”业界不都在这样做么“，只是为了做事而做事，而没有想清楚整件事情的意义。

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”，那么他就可以选择“身高”（测量从脚底到头顶的长度）作为指标。

听起来还是很简单。

其实并不容易，分三步来说：

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。

这个……没有想象的那么容易。

举个例子，假如你管理一家电子商务网站，你找了几个人帮你做所谓的Marketing，你跟他们说“我要看到实际效果，打广告的目的就是要带来销售。“

听起来目的很明确——促进销售，所以在指标的选择上也就很简单——看每个campaign带来的“销售”类指标就好了。根据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 Shopper
• Liner Revenue

另外，他们可以选择的时间窗可能有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天时间窗的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，可以点击这里查看他blog）是这样取得的：

消费者下单完成后进入订单确认页面（Thank you page），这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（例如发现该用户30天内依次点击过“新浪广告”, “Smater比价网广告”和“百度关键词广告”），如果有，则找到用户最后一次点击的广告（“百度关键词”），把这个订单的功劳都算到它头上。

听起来蛮合理的。

对于没有选择的同学们（比如你的WA工具只给你这个选项）来说，这样做无可厚非。但是对于有选择的人（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”就是一件很扯的事情。

首先，为什么是30天的时间窗？

为什么不是7天，10天？为什么不是60天？

你对广告带来的流量的依赖性多高？你的消费者看到和点击你广告的频率怎样？从看到广告到做出购买决策，是否需要长时间的考察和研究？……

再问一遍，为什么不是7天，10天？为什么不是60天？

更重要的是，为什么你只看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，点击进去发现你在做特价促销，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间访问电子商务网站的……），他想起自己要买个电饭煲，于是去比价网找产品比较价格，又看到了你家网址，点击进去看了一下，决定买了，但是没有带网上支付卡所以没有直接买。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？

购物决策分为很多个阶段，你的广告可能在他购物决策的不同阶段发挥了作用。

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，帮助客户从一个阶段到下一个阶段。

如果我们只看离转化（Conversion）最近的广告，把所有功劳都归给它，就会出现很有趣的现象：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很难看——很自然的，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，很多marketer看到数据之后会把新浪和比价网广告停掉，把钱都往百度砸）。

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，最终影响到那些”促成转化“的广告的效果（在上面那个例子，如果没有前面的广告，客户是不会去百度搜索你的）——最后的结果就是，我们越是数字导向，越是去优化我们的marketing campaign，越是把资源投给那些看起来ROI高的campaign，我们整体的ROI就越差。很讽刺，不是么？

现在，你是否觉得，为了评价”创造销售“这个目标，除了30-day last click revenue我们应该也看看别的指标？比如说同时看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。

如果你的投放金额较大（那么就更需要精细管理），是否应该将campaign分组，有些组用这个指标衡量（例如用first click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，你觉得可以3个数据都看，弄个公式来计算（给每种数据一个权值）？

这些都是可以的，关键是——清楚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。

（FT，怎么写了这么长才写到这里。。。再分一篇文章出来好了，改天接着续）

怎么用它呢？常见的做法是：1. 鼓励消费者follow公司的twitter或者公司代言人（创始人）的twitter；2. 每天看哪些tweets提到了公司名品牌名，借此了解消费者心声。

Buy.com最近的Campaign颇可借鉴：

1. 要顾客Follow Buy.com的Twitter

2. Buy.com会在Twitter上发布一个又一个的问题

3. 每个问题的答案都是一个产品，你要跑去Buy.com的产品页面，那里会有另一个问题

4. 找到所有问题答案之后，你要跑去Buy.com的Facebook Wall上写下所有答案

5. 最先写出所有答案的同学拿大奖

出现的问题都是类似”Buy.com有卖一种手机，它有16G内存……“或者”苹果的广告中出现了某款产品，目前Buy.com售价最低……”。

和别家的“请Follow我们的Twitter” Campaign相比，Buy.com得到更多：

1. 参与者真的得留意Buy.com的Twitter，得看着它

2. 参与者会更了解Buy.com（它卖什么，服务怎样，价格怎样……）

3. 参与者被引导到了产品页面，参与者发布的答案也会再次将其他观众引导到产品页面

话说我想起很久很久很久很久以前，也曾经和张同学在国内的社区做过类似的campaign，呵呵。

和某网购论坛合作，活动内容是：

1. 论坛网友可以随意到我当时任职的公司选择产品，并且将产品发布在论坛上说“我想要XXXXXX，因为……，它在MarsOpinion.com的link是http://marsopinion.com?id=123”

2. 想要同一款产品的同学们可以通过顶帖子让那个产品帖子最热

3. 被讨论最热、被最多人“想要”的产品，会安排以1元价格起拍进行拍卖，只有论坛注册用户有权竞拍。

这样活动的好处是：

1. 让参与活动的人不仅仅是参与了一个“营销活动”，而是让他们真的去宣传的网站搜索产品，找有没有他喜欢的东西，体验搜索和购物

2. 让网友拉网友来参加活动，顶起帖子。

3. 让这个活动留下更多的痕迹。

就现在的眼光看活动蛮粗糙的，不过当时感觉还不错：）

（转载请注明作者Mars，出处http://www.MarsOpinion.com）

以前设想过一个系统，消费者在购物后发表评论就可以获得积分奖励——进一步，如果他将他的真实购物体验发表在自己的blog或者论坛上，就可以得到更多积分。举例来说，我在Amazon买了一个LX3，如果我写了一个产品评论（“LX3蛮好的”)，那么我将得到5个积分，如果我点击“我也想把这个评论发表在开心，校内……”，系统会自动生成“我刚在Amazon买了个LX3。LX3蛮好的“并且转向到用户的开心网、校内网页面更新信息，更新完之后再给我15个积分；如果我点击”我把评论发在我blog/论坛”上了，系统就会要求我提交包含这个评论的url，客服拿到url后审核，如果满足规定，则再给我15个积分……

很麻烦，对吧。

其实无非就是要真是消费者帮忙口碑营销一下：1. 告诉他的朋友们他们在我们这里买过东西；2. 告诉他的朋友们他的购物体验不错。

所以想过变通的一次性版本，借个“周年庆”之类的活动开始来玩花样：

1. 取个好听而且特别的活动名字，例如……想不出来，暂时以”MarsOpinion.com周年庆“代替

2. 温情一下，跟顾客说谢谢，然后说我们是一起一路走过来的，希望顾客能跟我们多多分享他们和我们的故事（之前的购物体验），所谓“见证我们一路走来”之类……温情之外给些激励，例如凡合格的留言都给积分，外加选出各项大奖（例如“最忠实客户”，“最帅顾客”……每天从已有留言中选个有噱头的发点奖……不难的，给了激励之后，后面自然会有人心领神会写一些有特点的东西出来的）。

3. 做到前两步，已经收集了很多故事了，下一步是怎么把这些口碑散播出去。一方面我们可以自己采集好的评论然后狂发软文，或者编辑一些搞笑评论然后去论坛炒作；另一方面，可以在活动规则里和顾客说“如果您把您的留言同时也发布在了您的blog，论坛或者社群里，而且文中包含了我们的秘密口令”MarsOpinion.com的网络购物经历”（假设这是个很好听而且特别的字符串，而且还是个链接），您将额外获得50到10000个积分！“鼓励顾客把他们的经历分享出来。

4. 怎么采集和查实呢？用搜索引擎吧，以活动结束当天10点的百度为准（活动规则里就写清楚最后会用这个方法统计），将搜索“MarsOpinion.com的网络购物经历”这个关键词的前XXXX个结果页面存下来，根据人力情况来看前XXX条，选出其中XX条作为获奖者。这样子消费者就不仅仅是在你网站上和你泪眼相对怀旧，而是真的把他们的购物经历分享给了更多的人——当前他们的朋友就会看到，而以后呢，那些搜索“MarsOpinion.com 购物经历”的同学们也会看到的。

（转载请注明作者Mars，出处http://www.MarsOpinion.com）

其实还是麻烦，要是能完全系统搞定就好了。

顺着这个思路想的话，想深入了最后很容易汇总到两条路上：1. 网站联盟平台；2. 传销。话说我现在给别人设计的系统其实也都有上面这些例子的影子（再综合网站联盟和传销的思想），呵呵。

想结尾的时候忽然想到之前DH一种促销方法，觉得也是可以参考的：

1. 你买了他家东西之后，他会给你一个coupon code，例如是”MARSGENIUS”

2. 你可以自己决定这个coupon code价值，从0元到90元不等，例如N元

3. 你可以自己去发布这个coupon code，比如在自己blog上说“我买了DH主机，真好用啊，这里还有个coupon，你买的时候输入”MARSGENIUS”就可以便宜N块钱哦！“

4. 别人用了你的coupon，你将得到90-N元。你用掉的促销资源越少，你得到的回报就越多。

这也是一个不错的激励系统啊：）

这篇貌似写得蛮乱的……抱歉，以后有空再整理文字吧。

(06.13 updates: 看到一个活动http://www.newegg.com.cn/xdv/CommonSale.aspx?SysNo=492&cm_sp=insitebulliten-_-OrderShow-_-Sophia, 要顾客去blog或者bbs上晒单，呵呵，蛮有趣的，我以前也这样想过，系统里面接口都开发好了．．．）

（本文大部分素材来自Mediapost.com）

JetBlue去年的一封营销邮件，内容是“我们首席财务官不在！——耶，我们可以乱降价了！快下单吧，赶在他回来之前（8月6号他就回来了:(）”

Urban Outfitters发了另一封信，标题是“别说我们什么也没为你做过！”，里面是memorial day促销。

Moosejaw有个促销活动：购物就送两个浴帽。他们的文案是这样写的”白送两个浴帽，一个给你，另一个给你想一起洗澡的她“（Two free shoer caps with any purchase, one for you & one for someone you want to shower with），然后旁边配一个火辣MM在洗澡的图片，呵呵。

Barneys New York’s会给订阅他们Email的顾客发一封欢迎邮件（这个谁都会做），不过邮件的图片用的是一个满头烫发卷的女士，内容是”继续卷头发吧，没关系“（意思是强调网购的好处：您不用出门，更不用打扮）

大家在看自己的Web Analytics Report，或者看Agent给的Marketing Report时，或许常常看到这样一些词：

• New Visitor（新访客）
• Deliver Rate（到达率）
• Open Rate（打开率？——谁能告诉我有没有标准中文翻译？）
• Sales（销售额）
• Average Time on Site（平均访问时间）

举例来说，如果你看到一份Marketing Agent给你的报告，里面说“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，说明设计很棒! 效果非常好！从点击来看，80%的客户都是New Visitor（新访客），说明我们这次活动对于抓取新用户是很成功的。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（平均访问时间）只有19秒，我们下次应该进一步优化网站……总的来说我们的营销活动还是成功的，投入只有20万美金，但是追踪到了200万美金的销售额，ROI 1000%！”

你对这番话的理解是不是：

• 9.999 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——这样想起来应该打开的客户都点击了。
• 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了解了我
• 1.9 million访客，他们平均在我网站逗留了19秒——时间太短了，我们应该优化
• 产生了200万美金销售额，我的毛利率是20%，所以我利润有40万，花了20万而已，划算！更别说这些销售额中间32万是新客户产生的，纯赚啊。

有什么问题么？

假如，你去打靶玩。

子弹1块钱一颗，但是当你打中靶子的话会有奖金，打中几环就奖励你几块钱。

比较奇怪的规则是：你的眼睛会被蒙上，然后让你原地转三圈，你看不到靶子在哪，连方向也没有。

更奇怪的是，奖金不会直接给你，而是会3年后再公布。

第一种人，拿着枪就乱打。

砰砰砰，子弹打出去，你也不知道打到没（直到游戏结束），你也不知道下一枪应该打高一点还是打低一点。

你说他会打到靶子的机会大，还是打到空气的机会大？赚钱还是亏钱？

如果赚钱的话——运气这么好的话——可能去买六合彩更快一点。

第二种人，会花几块钱买“经验”，找一个所谓“有经验的高人”来帮你打。

“有经验的高人”会告诉你很漂亮的理论，然后很professional地拿起枪，朝着某个方向非常镇定地——砰砰砰。

然后他会告诉你，他朝那个方向打枪的原因是根据XXX理论和他多年的敏锐嗅觉——他闻到那个方向的靶子上的油漆味道了。因为你闻不到，所以你也不知道他是在忽悠你还是真有本事。最后你只好找“有名的”的“高手”，因为“闻到靶子油漆味”这个能力实在不好衡量，所以只好看名气来——但是麻烦是：名气越大，“经验”越丰富，问你要的钱就越多。

而且，你三年后才知道自己这笔钱花得值不值得。

第三种人，会花几块钱购买另外一种服务——“初级监控”，让打靶场的人给你反馈。

反馈的内容是什么呢？你打每一枪，都有人喊“中了”或者“没中”。

那么这样的人往往会得到如下的结果：

砰——没中

砰——没中

砰——没中

砰——没中

……

砰——中了

砰——没中

砰——中了

砰——没中

砰——中了

砰——中了

砰——中了

……

打着打着也就越来越准，心里也有底气。

第四种人，会找人来“深入分析”，这个可能要花上几十块钱。

“深入分析”和“初级监控”唯一的区别是——它告诉你你打了几环，而且告诉你下一枪应该往哪个方向偏一点。

砰——没中，向左30度

砰——没中，向上10度

……

砰——1环，向上10度

砰——2环，向上8度，向右3度

……

砰——9环，向左2度

砰——8环，向右3度，向上1度

砰——10环！

砰——9环，向上1度

……

如果你有Marketing Campaign，但是你又没有经验、又没有监控——你就是第一种人。

如果你想说你可以请“好的人”来搞定这件事情，但是你和这个“好的人”其实不懂数据监控和分析，你其实就是在依赖这个“好的人”“闻出靶子油漆味”的能力。这就是第二种。他说的话都很有道理（而且他有可能确实有能力闻出油漆味——只是你永远没法验证），如果刚好市场好，他做了campaign刚好你网站起飞了，你可能就会认为他强，否则你可能认为他骗你……

那些曾经被多次认为“强”的人就会成为业界的明星，你可能就要花上每个月N万来供着，因为历史证明他好像真的可以闻到靶子的油漆味道，传说中真的有效果。

如果你找人安装了Web Analytics工具，然后找了个懂监控的Marketer帮你做，就是第三种。你情的人不需要很有名或者很有经验，会按照效果数据优化投放方式和媒体就好了——A网站广告CPO 1000块，B网站 10块， C网站10000块（相信我，不同网站间效果就是可以差这么多），下次就多投A，少投B。这样工作方法比较简单，对人员素质经验要求没那么高，所以你给的工资也会稍微省一点，可能N千就够了。

假如你的竞争对手是第一种，他每个月投500万在A网站，500万在B网站（因为他不知道到底哪个产生了效果），他根本不知道世界上有C网站；而你投放600万块在B网站。你Marketing Campaign比你竞争对手多带来95000个订单，而你的市场费用则比他省了400万，花个一万多块请人其实是很合算的事情。

假如你的竞争对手是第二种呢……我也不知道，如果他真的找到了正确的人，或许他们可以做得和你一样好；如果找到的是个大忽悠，他们做到的实际效果可能比第一种人乱做更糟——更惨的是，没有一定时间的累积，其实是很难看出来自己高薪找的高人到底是哪种的……

如果你找到了自称会闻油漆味道的人（自称有Market Sense的Marketer）帮你，然后他又会深入的监控、分析Marketing数据，然后主动对网站、流程、Marketing Campaign做出优化，那就是第四种。这样的人也很贵，可能最贵——但是好处是他做没做好很好衡量，如果是忽悠的话你可以更快的开掉他。

假如你的竞争对手是第三种人，他会把所有市场经费投放在B网站上。而你很可能把市场经费都投在C网站上。因为深入分析后真实情况可能是：1. B网站100%客户都是老客户，他们只是每次下单前都会去这个返点站点击一下广告而已；而C网站100%是还不熟悉你和你竞争对手的新客户；2. C网站的客户，虽然点击你广告之后不下单，但是50%都注册了你的会员，之后1年内会陆续收到12封你的促销邮件，这些会员中25%又会购物！最后算下来可能CPO只要1块钱！（对于online marketing的局限性详细说明请参见我之前写的怎样监控和评估网络营销的效果）。这样的话，当你竞争对手投放600万的时候，你只需要投60万就好了，省下来540万，足够招到好的人了。

综上所述，简单讲就是：解析“网站分析”数据会让你花比竞争对手更少的钱，取得比他们更好的效果。