Posts Tagged “市场营销”
网络营销和Web Analytics的数据解读方法（二）——Segment (2)
by MarsOcean on March 12, 2009
呃……一阵子没写了，都快忘了前面写到哪了，呵呵。 上次（网络营销和Web Analytics的数据解读方法（二）——Segment (1)）应该是说到综合性的数据（例如：平均访问时间，平均Bounce Rate）没法全面具体反映真实情况，也没法给你行动的指导，所以我们要用到Segment。最后举例说我们可以按照客户生命周期来做Segment，并且用“新客户”和“老客户”segment举例说明了一下。 那么（终于想起来下面要怎么写了@__@），今天我来把“按照客户生命周期来Segment“做一些更进一步的介绍，然后介绍一些其他的常用Segment方法。 首先，按照客户生命周期来Segment。除了按照New Customer, Old Customer来分之外，我们还可以更具体的按照其他指标来做Segment，例如： 1. 按照客户购物次数来分： 假如我们的Transaction Report包含网站总注册用户数，本月访问量和订单量。 在Segment之前，你看到的是网站一共有1,000,000注册用户，本月访问量100,000人，本月产生10,000个订单，平均（注意这个词）每10个注册用户有一个来访问网站，平均10个访客产生一个订单（Conversion Rate 10%）。这个数据看起来很丰富，很强大，很有道理，放到Excel2007里面可以自动生成漂亮的表格，大家看到很高兴，觉得对网站又加深了理解，觉得自己懂数据了，然后该干嘛干嘛去，什么行动也不会有。 假如我们管没买过东西的叫做New Register，买过一次的叫New Customer，买过两次的叫Second-time Customer，买过N次的叫Nth Customer. 然后你去看你的transaction report，然后我们把Transaction Report按照Segment来解析一下，你可能会看到这样的数据： Accounts Visitors Purchase New Register 100,000 80,000 4,000 New Customer 700,000 10,000 4,000 Second Time (…)
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。）
怎样监控和评估网络营销的效果（七）
by MarsOcean on September 8, 2008
昨天party忘写了……@__@ 收尾，收尾。 回答一些问题算作结束： 1. 有必要追踪得这么细致么？ 不一定，建议是投入在网络营销上的经费越多，监控越细致。 不过哪怕是每个月三五万的小投放，建议也要有基本的Click和Conversion监控，或者稍微复杂些做到怎样监控和评估网络营销效果（二）中描述的水准。不同媒体，不同广告内容，不同广告位，不同时间段，给你带来的实际效果可以相差几倍，几十倍，几百倍。不监控就是盲人摸象，积累不了经验，而监控，并且根据评估结果优化后，很可能可以投入原来的80%，20%，5%就达到原有的效果，哪怕每个月只有几万块经费，也可以做出和竞争对手投入几十万一样的效果。 另一方面，有明确的量化考评体系，对于管理市场部门工作也会提供方便，能够更好的衡量工作成绩并且执行相应的奖惩。另外，由于流程本身可以科学化，对于市场人员本身的经验要求就可以相应降低，招人也会简单一些。 2. Click不靠谱，直接看Conversion就好了吧？为什么要监控“有意义的流量”？ 难说。 是的，理论上Click不靠谱，直接看Conversion最精确。但是有两个问题： 1. 对于中小型的公司来说，投放金额往往很小，而且转化率也会比较低，这样导致的结果就是最后采集到的Conversion数据很少，很难作参考。例如QQ广告给你带来3个订单，新浪带来2个——你其实很难从这个数据中得出结论说QQ广告更好。 2. 如果不深入分析，Conversion结果本身可能会误导判断（参看怎样监控和评估网络营销效果（六）），例如老客户聚集的网站很可能产生更多的Conversion，但是其实那些订单都是“本来也会来买的消费者”产生的。 所以，为了能够监控到更多的（比Conversion数据要丰富），而且有意义（比Click要有意义）的变量，我们才要找一个介于Click和Conversion之间的变量，监控那些“有意义的流量”（参看怎样监控和评估网络营销效果（二）） 3. 太复杂了，我没有技术团队，做不了，怎么办？ 我假定你完全没有广告效果监控系统，一般说起来，监控和优化投放之后你在广告上的投资回报率至少会提高一倍，你可以考虑一下这些将来可以省下来的钱是否够你请人来帮你做一个简单的监控系统。 更简单的办法是——用免费的第三方系统，例如Google Analytics，你所需要做的仅仅是： 1. 注册账号 2. 将它给你的一段代码加入你的网页页脚 就OK了，你就可以监控网站Click了（记得给媒体url时加上类似utm_campaign=XXXXX之类的监控代码，详情请查询帮助文档） 如果你还希望监控Conversion，只需要 1. 在Google Analytics里面添加一个”Goal”（目标） 2. 将你的“谢谢”页面的网址作为”Goal”的完成页面输入Google Analytics。 就OK了，现在你可以监控Conversion了。 (…)
怎样监控和评估网络营销效果（三）
by MarsOcean on September 2, 2008
然后是Conversion。 转化，对于不同的Campaign来说，转化的定义也会不一样。可能是下载你提供的免费白皮书，可能是输入邮件地址订阅你的Newsletter，可能是在线提交了一个加盟申请——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，请保存好您的订单号……”之类的页面，当这个页面被调用，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（记录用户当前状态的一个东东，可以理解为在用户机器上写了一个小文件，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，你不仅可以知道新浪促销效果更好，而且可以知道QQ带来的客户平均订单金额更高。 只是还有一个问题，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，他想晚上回家好好再研究一下，所以马上没有下单，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？下次说，呵呵。 注1：本文为科普，为了便于理解，所以只介绍最简单的技术实现，而且具体技术细节介绍和教科书定义可能不太一样。 注2：当然你也可以直接使用现成的第三方服务而不去了解实现细节——不过我认为如果你要了解自己运行的Campaign的真实情况，对于数据逻辑的理解是必要的。 注3：如果你只是想安装一个免费软件简单地监控流量和转化，你可以跳过我的所有文章，注册Google Analytics帐号，按照要求将代码嵌入你的网页，另外将你的“谢谢”页面在Google Analytics里面设置成一个Goal，一切就搞定了：）
怎样监控和评估网络营销效果（二）
by MarsOcean on September 1, 2008
然后是Click。 理论上的定义：多少人点击了你的广告。 实际的定义，你的广告的目标链接被请求了多少次。 一般的监控方法是：安装Web Analytics服务（例如Omniture, WebsideStory，或者免费的Google Analytics，或者自己开发一个），然后给自己的landing page url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，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click概念已经被做烂掉了，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www.MarsOpinion.com的汽车频道，但是实际上你的广告同时出现在了某流氓软件弹窗里，以及www.MarsOpinion.com的成人游戏频道，并且使用了误导性的广告词）。你只需要简单过滤一下，就会发现你手头的流量大多是假的。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（特别是在那些流量便宜的网站），而且中型的媒体网站也会有作弊的行为。 常常会使用的过滤方法，没有哪个是万能药，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？消费者表达出了对你的兴趣（但是又不要求一定要Conversion），就是有价值。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Event的landing page来说，看过了FAQ页面和活动规则页面的流量就比只来过landing page的有价值。基本上来说，浏览的深度和时间越长，代表受众对你的内容越感兴趣，也可以说是他更可能是你的目标受众，短则相反。 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 或者干脆更狠，直接看进入的流量带来的pageview（除开landing page以外看过多少页面），而不是单纯比较click。假如新浪广告过来了1000人，每人除了landing page之外看了2个页面，QQ来了1500人，每人除了landing page之外看了1个页面，那么就是新浪广告来得有效pageview较多。 这些做法都需要额外的程序开发。如果需要节省成本的话，似乎也有更简单的方法，等说完Conversion一起说。
怎样监控和评估网络营销效果（一）
by MarsOcean on September 1, 2008
（同样……为了发在别的地方，把文字稍稍变正经了一点） 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、及时和精确。在中国互联网的特定环境里，应该怎样去采集和分析数据，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。 理论上的定义：你的广告展现在受众面前的次数。 实际的定义：一个虚无缥缈的数字。 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。 第一种方法并不靠谱，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；第二种我不是非常清楚，但是就最近不同的门户根据不同的第三方数据支持都得出了自己是奥运第一门户的结论，那些监控公司的数据也未必可靠；第三种，不清楚国内是否有这样操作的——如果有的话，这个数据也是很难理解的，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）。 基本上，如果是品牌宣传，Impression这个数据还是可以用一下的（毕竟线下广告更难精准的监控），而且第三方提供的数据或者大门户提供的数据也应该可以老板交差了。如果不是单纯的品牌宣传，还有一些更加直接的目的，那么Impression供参考就好了，不用当真，还得看Click和Conversion。
联想X300的广告：Everything else is just hot air.
by MarsOcean on June 5, 2008
联想X300的广告。 最后一句话是：Everything else is just hot air. 一是开Apple MacBook Air的玩笑， 二是吸引像我一样无聊的人转发广告帮他做病毒营销……
Collaborative Filtering——电子商务商品推荐算法科普
by MarsOcean on April 20, 2008
Collaborative Filtering 简单说就是，找到和你喜好类似的那群人，看他们买了什么你还没买的东西，推荐给你。 简化举例来说，你买了哈利波特，羽泉的CD，新宋……他会去找其他买了类似产品的同学们：A, B, C。然后他看到A和B都还买了《九州》，就会推荐你《九州》；你买了《沉默的大多数》，买了《黄金时代》，买了《黑铁时代》，系统去找到了其他买这些书的同学们：D, E, F，发现这三位同学都买了《白银时代》，于是把这本书推荐给你。 详细来讲（当然其实还是省略大量实现上的细节），假设www.MarsOpinion.com（我的博客:P）有M个客户，N种产品，就把每个客户当成一个N维的项量，客户见的相似度可以用这两个项量的COS计算： 找到和你“相似”的那些消费者之后，就可以给其他商品打分了，越多和你相似的消费者买了商品X，说明商品X越可能吸引你，所以可以以“有多少和你相似的消费者购买了这个商品”作为这个商品的分数。举例来说：和你相似的消费者中，80个买了《青铜时代》，《白银时代》，70个买了《失乐园》，那么《青铜时代》和《白银时代》分数就是80，《失乐园》分数就是70，要推荐的话就应该先推荐《青铜时代》、《白银时代》，再推荐《失乐园》。 这里还有两点需要考虑，第一是不要推荐客户已经购买的东西，例如如果你已经购买过《青铜时代》，就应该只给你推荐《白银时代》（至少对于书是这样，对于重复购买的消费品再议）。 第二就是要降低那些畅销产品的权重：举例来说，买哈利波特的人动辄百万计，因为你和别人都买了哈利波特而向你推荐他所购买的商品，其实没有什么意义；相反，如果你买了本《MarsOpinion.com电子商务推荐算法》，这本书一共就4个人买过，另外三个人都买了《MarsOpinion.com鬼扯全集》，那么你很可能也会喜欢那本书。因为越大众化的爱好，越难代表一个人的特质（从而没有办法通过这个特质去寻找类似的人），而越小众的爱好，相对能更加说明者个人某方面强烈的偏好。——基本上，解决这个问题的方法很多，有一种就是在设置项量时，将值设置为该产品销量的倒数。例如你买了《哈利波特》（假设有100万人买了它），那么代表你的那个项量的《哈利波特》那个值就是百万分之一；而你如果买了《MarsOpinion.com电子商务推荐算法》，那么你相对应的那个值就是四分之一。 整个算法的复杂度是O(MN)，但是因为每个客户购买的商品数量都很有限（远远小于N），所以复杂度很可能降为O(M+N)，可是如果产品数量巨大的话，这个复杂度仍然是很可怕的，而相关的降低复杂度的算法（例如限制取样的客户样本大小或者商品样本大小）都会显著影响推荐结果的精度。
为什么说用户评论是有价值的？
by MarsOcean on March 31, 2008
好吧，下面是一些相关报告和数据： According to E-consultancy and Bazaarvoice, “Social Commerce Report 2007″, effect of Customer-Generated ratings and Reviews on Select web site metrics in the past year according to online retailers in the UK, the US and Europe, Jun-July 2007 (% of (…)
电子商务，怎样管理负面评论？
by MarsOcean on March 31, 2008
自己以前给公司的CS做过很大一张评论管理规范，描述各种可能出现的产品评论（以及例子），然后列出相应的处理步骤（每天审核几次评论、时间点，什么评论要回复、怎么回复，什么评论该删掉，什么评论需要先获得用户同意再删，什么时候用Email，什么时候用电话……诸如此类）。 其中比较难办的，并不是那些粗口、比价之类，而是“负面评论”——那些客客气气、公公道道说产品这不行那不好的评论。 如何对待和管理针对产品的负面评论？ 一般的做法是： 删掉（客服方面会多很多麻烦） 懒得管他 用看似公平合理的方式让负面评论得到更少的展示机会 自我安慰（其实很有道理） 有负面评论可以增强评论的公信力； 负面评论可以帮助消费者了解产品缺点，减少他们买了又退货的可能。 现在想想，“负面评论”其实大部分时候是有他的道理在的，最聪明的做法并不应该是把评论埋起来不让人看，而应该是是——把负面评论的重点从“这个产品不好”转移到“另一个产品更好”上。 抛砖引玉： 用系统分析，写了负面评论的同学最后买了哪款同类产品，把它们罗列在评论边上。 用系统分析，评论中还提到了哪些产品，把这些产品罗列在评论边上（Amazon就这么做的）。 在消费者写评论时，如果评分小于等于2分，则自动多生成一个输入框，写“您觉得哪款产品更好呢？”。然后把这些信息综合到一个新的区域：“不喜欢这款产品的用户们认为下列产品更好：”，把这个区域放在评论区下面，给那些看了负面评论打消了购买念头的同学们看（他们这时候本来就很想看替代的选择），挽救一下销量。（来源：GetElastic） 第一条想到过，因为需要MIS资源较多，所以让路给其他事情了； 第二条、第三条还蛮简单的，为什么我当时就没想到呢？#___#
