Mars Opinion

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。 (…)

Read the rest of this entry »

  传说中的碎碎念又回来了…… 44%消费者希望网站有这个功能：”显示我上次来浏览过哪些产品“。http://bit.ly/nDkw2 comScore在用力抨击根据点击后用户行为来评估网络营销效果的模型，Shor.org在用力抨击last click attribution的模型，大家都很有道理，也都有自己的利益考量在里面。http://bit.ly/2pUUMU 1800flower.com把自己页面嵌入Facebook——印象中好像也是他家尝试过嵌入CNN网站？以后电子商务前台应该会逐步碎片化。http://bit.ly/zV0Sf 1800flower.com把自己做成了个插件，可以随意嵌入其他网站。http://www.alvenda.com/merchants/1800Flowers/ Google号称说他们拿到的数据表明不同排名的关键词广告转化率没显著差别。http://bit.ly/3BAUEb 影响bannr广告效果的要素：创意 > 位置 > 大小。混杂在内容中的中小型bannr（234*60, 180*150）效果比大bannr还好。来自dynamic logic，http://trunc.it/1hiel 其次是解决问题的3个维度，“全面的看问题、本质的看问题、中长期的看问题”。虽然之前也遇到问题的去进行思考和选择，但是缺乏系统性，这3个维度给我思考问题提供一个验证的依据。比如现在的一个项目计划中，我们首先把所有的可能全部列出来，然后再回归到本源，将这些项目重新进行删减，这里面进行取舍。我认为这个由简到繁、再由繁到简的过程其实就是先全面的看待问题，然后在本质看待问题的过程。在难以取舍的时候我就会想到老师提到的“我是谁？从哪里来？到哪里去？”至于中长期的看问题，一旦你明白事情的本质了，这时候短期内你就反而不会执着于一城一地的得失了。http://www.thinktag.cn/archives/433/comment-page-1#comment-149 Personalization不妨基于所有历史信息来做，但是只用来推算战线的促销类型（例如top rated vs top sales）、风格、价格档次这些通用的属性；而recommendation则仅仅根据当前session的浏览记录来推荐，而且主要用来影响推荐产品的类别. http://www.MarsOpinion.com 英国，94%的网购用户说他们会停止在这家网站购物（或者转向竞争者），如果他们觉得这家网站服务很差；三分之一说他们最喜欢用邮件来咨询；三分之二说打客服电话总在听音乐最让他们受不了。http://trunc.it/14kzb 多想某天醒来睁开眼，发现自己坐在小学教室的课桌椅上。老师掷来的粉笔头正好打在额头上。——饭否 苹果公司为什么用咬了一口的苹果作商标？谢文给了种蛮有文化气息的解释：图灵是吃了一口含有氰化物的苹果自杀的。http://bit.ly/f3GM 价值$6.99的“免运费”往往比$10的降价更吸引消费者。http://www.getelastic.com/free-shipping-vs-discount/ Alice.com: 长期订购日用品的b2c. 1. 做长期生意；2. 定期把卫生纸啊、洗衣粉这类产品送你家；3. 给折扣，省麻烦（很多东西从超市往回拿也不方便，家里要是缺了就更不方便） trunkclub.com：视频聊天，聊完发一大箱你可能喜欢的衣服给你，不喜欢的退回——适合不想自己选衣服的宅男。 Blacksocks.com：定期给你寄黑袜子，已经卖掉1000万双。 swoopo.com：需要购买筹码才能竞拍的网站——本质上是个赌博站。 红透了的三狼啸月T-Shirt：因为搞笑评论而爆红的产品。印象中淘宝、京东之类也做过类似的尝试。 MSN十周年的Campaign: 找前100个注册用户，和注册时间内包含“10”的用户——抽奖。用户必须登录才知道自己有没有可能中奖，所以有可能能激发（可能么？）一小部分老用户登录一下？ 价值$6.99的“免运费”往往比$10的降价更吸引消费者。http://bit.ly/Ty4o5 (…)

Read the rest of this entry »

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。 (…)

Read the rest of this entry »

看到了有道购物助手，感觉是介于之前介绍过的M-Commerce和日本Amazon之间的一个东西——直接看图片介绍比较直观： 早两天想到说Mobile Shopping可能蛮适合快餐业的，去快餐店路上用手机点餐（甚至于直接用预存信用卡付款），等走到快餐店（例如KFC）的时候刚好可以取餐了。对于中午晚上高峰期，这个功能还是蛮有意义的。对于快餐店来说，点餐信息直接进系统处理，不用耗费人力和窗口来做沟通，也是方便的。 很多人把Mobile Shopping狭隘的理解为“用手机上电子商务网站买东西”，其实是过于狭隘了。Mobile Shopping至少还有其他几个特性： 1. “常常不在电脑旁”，听起来是废话……但是“不在电脑旁”常常代表两件事情：1.1 在商店购物（所以才上你网站来作比较）；1.2 在路上（所以才上你网站来消磨时间），对这两种情况的考虑都应该影响网站的设计； 2. “身份识别”，对于实名入网的用户，手机号码是可以唯一识别出用户的，而哪怕对于非实名入网用户，我们也至少可以知道他和之前下单的那个是不是同一个人，这个特性也使得Mobile Shopping购物流程可以重新优化； 3. “定位“，对于有GPS的手机（例如iPhone），完全可以结合GPS来定位用户，然后结合定位信息给出推荐（例如离用户最近的快餐店），就算是没有GPS的用户，根据信号塔应该也能做粗略定位来做推荐。

开心一下，过几天再认真更新……毕竟我现在在放假，哈哈。 （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）

某公司为香港独资服装企业，数年来一直从事欧美日名牌服裴的生产。产品以高档无缝边针织服装为主，技术门槛很高，目前国内市场没有同类产品。2009年下半年，公司决定以互联网为平台，开始推广和销售自有品牌产品。 目前，该项目正处于团队建设阶段，希望能够邀请到有能力和抱负的朋友加入： 1） 技术经理 职责： · 开发，升级和维护B2C网站系统。可以在开源的程序上进行二次开发，在常见的B2C网站系统上增加一些特别的功能（例如图形化导航，虚拟试衣间等），并对整个网站系统软硬件进行维护 · 将B2C网站系统和其他配套系统（客服电话系统，仓储系统，ERP等）整合在一起 · 如必要，需负责开发或修改客服电话管理程序等配套系统，以使其适应电子商务业务 要求： · 2年以上网站系统开发经验， · 熟悉电子商务产业 · 精通.NET / SQL或者其他网站开发所需语言、工具 · 有电子商务网站开发经验者优先 · 有网站界面设计优化（UE）经验者优先 · 有作品展示者优先   2） 市场营运经理 职责： · 网络营销：制定市场预算和计划，负责广告投放，邮件营销，SEM，网站联盟营销等所有网络相关市场营销活动 · 口碑营销：设计活动，通过博客，论坛和SNS来推广品牌，获取新消费者 · 网站分析：监控网站流量和营销活动效果，优化网站和市场投放方法 · 客户分析：监控顾客行为数据，整理汇总并且给出行动建议，保持老客户活跃度 要求： · (…)

Read the rest of this entry »

除了前面两篇（用户的声音（1）——调研；用户的声音（2）——搜索关键字）里介绍的通过调研和搜索关键词了解用户之外，我们还可以通过过滤框来了解这个客户看重产品的哪个方面，了解之后可以用更有针对性的内容去影响她。（转载请注明出处：www.MarsOpinion.com） 比如比较常见的一种过滤选项是“按XXXX排序”，比如这些： 一般来说，可能的选择有： 按照价格排序（从低到高，从高到低） 按照销量排序 按照新旧排序 按照用户评分排序 按照用户评论数量排序 按照名称排序 按照折扣幅度排序   消费者选择不同的排序条件，等同于他跟你说： 按照价格排序（从低到高，从高到低）：我对价格敏感，要便宜的（如果是选择“价格从高到低”可能代表他要高端货——也可能代表你的产品归类可能有问题，例如把相机电池和相机放在了同一个目录，消费者为了找到相机只好用“价格从高到低”来排序） 按照销量排序：我很想随大流，如果你告诉我说一款产品是“热销的”，我就更容易去购买它。 按照新旧排序：我要“新品”，请给我推销最新款的产品。 按照用户评分排序 or 按照用户评论数量排序：我很在意其他用户的看法，向我推销“top rated products”是最有效的，在促销广告中出现产品评分和其他用户的评价节选对我也有效。 按照名称排序：随便推荐吧。 按照折扣幅度排序：给我折扣，给我deal! 请推荐给我“本周特价”和“疯狂促销”。   既然他都这么说了，我们自然要有所变化： 如果有能力根据用户信息来动态展示内容，不妨在网站上做更有针对性的推荐（抛砖：例如现在首页都是“今日特价”，那么对于用了很多“根据用户评分排序”的客户，我们可以展示“今日热评”；首页旁边可以根据用户类型来决定到底要展示“热销榜”还是“最新用户评论”还是“新品推荐”）。 动态生成email campaign，根据用户偏好，设置规则以最有效的方式推送促销信息。比如给评论敏感型的消费者的Email就突出表现产品评论和评分，给价格敏感的消费者就主推特价。相应的邮件标题也可以投其所好地修改以获得更高的open rate。 ……动态展示一切可以动态展示的东西@__@，如果成本可以接受   除此之外， 选择“按照用户评分排序”的客户，更可能接受在线客服的交谈邀请，并接受他们的宣传（这个想法引用自www.getelastic.com） 如果很多客户在某个category呈现出了非常特别的排序习惯，可以深入研究一下我们是否可以根据这个信息进一步优化这个category的营销方式。例如发现MP3目录下大家全用“价格”排序，而书籍目录下都用“用户评论数量“排序，我们就可以在这两个目录的根页面采用不同类型的促销活动和结构，MP3目录下着重强调低价产品，并且给出各种促销，而书籍目录下主要给热评产品推荐，以及把新的用户评论放到更显眼的位置。（转载请注明出处：www.MarsOpinion.com）   另外，除了排序之外，很多过滤工具也是可以透露出用户到底对哪类产品感兴趣的，例如： 用户在筛选过程中会一步步清晰表明他要的产品规格、质地、价格是什么，他对哪个品牌更感兴趣…… 美国目前很常见的做法是侦测客户访问产品的类别，然后推送相应的促销（例如你去Amazon看了一天的玩具，第二天很可能就收到玩具的促销邮件——这种玩法已经有了很成熟的solution可以用），但是还是常常会出现“推荐的东西完全不是用户想要的”的情况，如果能够结合客户在过滤、排序条件中表达的信息，或许可以把这种campaign做更精致一些。 Anyway, 本文和之前两篇科普文的主旨相同：用户的行为会告诉我们他们想要什么，而了解“他们想要什么”可以更好的帮助我们满足客户需求，达成交易。（这个系列文章只是介绍一些简单的方法和规则，真的要做好的话，还是要靠成熟的产品推荐算法和好的数据挖掘团队的）。