就像冰寒的文章所说，现在中国电子商务市场里玩家越来越多、越来越大，流量越来越贵，所以提高运营效率、提高转化率变得越来越重要。

战略层的东西以后再说，具体战术上，除了我之前写得比较多的网络营销效果评估优化（网络营销数据解读系列文章）和用户体验上的转化率优化（刚开了个头，网站转化率优化框架（一））之外，还有一个就是可以优化的领域就是商品销售规划（话说Merchandising怎么翻译比较合理？）。

可以把商品销售规划理解为传统零售中的货架优化管理，研究怎样通过改变商品的陈列和不同类别货架的摆放来获得更多的销售。虽然我们做电子商务的一天到晚吹嘘说我们有无限大的货架，可是这”无限大“只是针对搜索型的顾客有意义——他可以在无限大的商品列表里搜寻。对于很多用通过页面导航来寻找商品的顾客、和那些仅仅是随便来逛逛点点的顾客来说，他们所接触到的目录页（首页，类别页面，促销专题页面……相当于传统零售里的货架）数目是有限的（比如平均浏览7个目录页，远远小于”无限大“）。这就使得我们也面临着类似于传统零售的问题——顾客会看7个货架，每个货架上只能摆20个商品，我们一共只有140次激发消费者购物欲望的机会，我们要把这些宝贵的机会给哪些商品，要把哪些商品放到热门的货架上呢？

在做商品销售规划之前，我们考虑的漏斗都是从网站整体出发，大致类似这样：

流量 –> 商品页流量 –> 放入购物车 –> 注册/登录 –> 信息填写 –> 完成订单

这个思路对于我们优化营销活动和网站体验是有价值的，我们考虑的思路是：既然我们有一定量（T）的流量，我们要找到方法保证这些流量顺利的流到漏斗底部变成销售。优化的逻辑有两条，一条是优化流量本身质量（营销优化）——通过提高流量质量来增加最终的转化；另一条是网站体验优化（例如C = R x (V + M) – (F + A) + U – D框架），通过减少中间步骤的损耗来增加转化率，前面文章都提到过。

再细化考虑一下，其实我们得到的不是“流量”，而是“注意力”或者说“展示机会”，而我们要做的是把给定量的“注意力”和“展示机会”转化成销售。给定流量规模，假设（这个假设是不对的，这里只是为了解说方便。以后会展开说怎么影响这个变量）平均浏览页面数不变，其实也就限定了我们能够展示的内容数量是给定的（同上，只是为了解说方便），我们能够展示到访客眼前的商品数量也是给定的。例如100个顾客，每个顾客看7个目录页，每个目录页展示20个产品在顾客面前，140个产品出现在每个顾客面前，我们一共有14000个展示产品的机会。更一般来说，假设我们的流量是T， 浏览目录页数目是C，平均每页展示商品数量L，我们网站总的来说可以得到的商品展示次数是V = T x C x L。

我们要做的事情就是把握V个机会（每展示给消费者一个商品就是一个机会），尽量把它们转化成订单。对于那些强烈依赖付费流量的公司尤其如此，如果你花了M元钱带来的流量产生V次商品展示，每次展示其实都花掉了你M/V元钱，如果商品不好，没法把展示转化为最终销售的话，你展示这个商品就入不敷出亏钱。举例来说，我们花100万，带来100万流量，每个流量看5个目录页面，平均每个页面显示20个商品，那么我们展示一个商品的成本就是1,000,000 / (1,000,000 x 5 x 20) = 1分钱。如果这个商品点击率是1%（每在目录页展示100次才被点击一次进入商品页），转化率是1%（商品页被浏览100次才产生一个转化），那么我们为这个商品每次转化需要花费的成本就是0.01元 x 100 x 100 = 100元，如果这个商品的利润不到100元，我们就是亏钱的（为了表述简单，我们暂时只关注单品的情况）。

从这个例子里，我们可以看到，如果光从商品的角度来说，有两个关键的数值决定了我们是赚钱还是亏钱，一个是商品点击率，一个是商品转化率。系统点来说，对于每个商品，我们都会有这样一个漏斗：

商品在目录页展示次数 –> 商品页流量 –> 放入购物车注册/登录 –> 信息填写 –> 完成订单

因为后面几个环节不属于商品销售规划管，所以我们可以把漏斗简化成：

商品在目录页展示次数 –> 商品页流量 –> 商品销售

其中商品销售具体定义可以由公司当期发展目标来定，可以是销售额，可以是利润，也可以就是订单数。定义好之后，从这个漏斗里可以发展出3个指标：

• 商品展示点击率 = 商品页流量 / 商品在目录页展示次数
• 商品页转化率 = 商品销售 / 商品页流量
• 商品展示转化率 = 商品销售 / 商品在目录页展示次数

得到这三个数据后，可以对公司所有商品做一个审计。一般来说，如果商品展示点击率低，表示商品本身吸引力不够或者价格显著过高（如果列表页显示商品的话），商品页转化率低表示商品页内容不够有吸引力，可能是商品描述过于简单、不符合顾客预期、或者图片不够美观。在这两个数据支持下，我们可以找到那些（或者哪类）商品和页面有问题，然后有的放矢的进行优化。

而对于商品展示转化率这个数据，最简单的办法就是将它们排序（先排除掉一些，展示次数小于一定量——例如单日100次——的商品就不用看了），将表现最差的20%拉出来查问题出在哪里，看能不能改进，能改的改，不改的就要考虑在系统中将它的展示权值降低（在目录页出现时优先级最低 + 市场部选择产品做着陆页做活动时不考虑），后续考虑商品取舍的时候，得分低的商品也应该优先被清除出货架。另外，也要把表现最好的那些商品调出来，看他们有什么共性和特点，能否将经验应用到其他商品上。

这次先简单的介绍一下商品销售规划的概念和可能的应用场景，很多细节被过度简化了，下次再详细说还有哪些因素要考虑，整个模型要怎么再完善，实际业务当中怎样使用。

• 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
• 网络营销数据解读（八）——客户族群细分（Segmentation）2-1
• 网络营销数据解读（九）——客户族群细分（Segmentation）2-2

欢迎关注我的新浪微博：http://t.sina.com.cn/marsocean。

博客上比较受关注的是网络营销数据解读系列文章，公开演讲或者去公司内部交流的时候谈得比较多的也是怎样通过营销后的数据分析来优化转化率，提升ROI之类的。其实，不仅仅是在网络营销实际执行后我们可以从数据中挖掘价值，在整个营销活动开始前，也应该看看数据，调整营销方向。

市场细分定位之类的东西以后有空再聊，假设这些问题都已经解决，下面几个问题就是我们要投多少钱广告，广告内容主要是什么方向，什么目的？

老实说，对于这几个问题，大部分公司的回答是：1. 有多少闲钱投多少广告；2. 内容——放产品，放限时抢购，广告公司说了这样性价比最好；3. 目的？赚钱或者抓新用户。这样说起来，公司性质、发展阶段什么的好像并不重要，反正都是通过特价产品吸引新顾客过来从他们身长持续赚钱。

可惜事情往往没这么简单（当然，如果我们不在乎ROI的话就简单多了）。下面四个数据应该是我们在决定营销计划前就需要清楚的：

• A: 目标顾客知道我是谁么？——目标顾客中，多大比例在听到我们品牌名称后能想起来我们是做什么的。例如提起“凡客”，顾客反应说“卖衬衣的”或者”卖衣服的“。
• F: 他们在考虑购买这类产品的时候，我是不是首选？——多大比例顾客会在考虑满足某种特定需求的时候首先想到我们的品牌？比如问“买衬衣”，“网上买衣服”，多大比例目标顾客会想到“去凡客”。
• T: 尝试购买的顾客多么？——目标顾客中多少尝试过我们的产品。
• R: 重复购买顾客多么？——目标顾客中多少是我们的忠诚顾客。

T很容易得到，从自己系统里查一下所有有过购物行为的顾客数目，除以我们的目标市场大小就是。类似的，R就是系统里购物2次或者2次以上的顾客数目除以目标市场大小。A和F比较麻烦，最理想是能够找专业的市场调研公司来帮我们做给我们数据（可惜的是大部分公司愿意浪费大钱买看得到的但是没效果的广告位，却不愿意花小钱买信息和知识避免犯错误）。退而求其次，可以让自己MKT来找200个目标顾客（200个而已，总有办法的——只是要保证样本没问题）亲自问，问比不问好——顺便还能做一下优化接触点体验，塑造品牌印象里面提到的调研。再懒的话，可以让MKT老大和CEO坐下来猜，比如“我们网站刚上线所以估计A非常低，经过过去几轮的PR宣传，覆盖的人数大约是XXXX，目标顾客中可能有0.1%知道我们。但是因为我们母公司品牌大家都知道，所以F估计比较高，占A的50%……”之类。有一个经过深思熟虑猜出来的数据比完全蒙着眼睛好。

这四个数据对我们营销方向有什么影响？

举几个例子大家就明白了。我可能得到的数据长成这样不同的样子：

• A=50%, F=18%, T=15%, R=12%
• A=15%, F=12%, T=9%, R=7%
• A=40%, F=30%, T=20%, R=5%
• A=60%, F=20%, T=18%, R=15%
• A=80%, F=70%, T=20%, R=15%

第一种情况，从数据看，目标顾客中间很多人都知道我们。坏消息是他们对我们没有特别深刻的印象或者喜爱，好消息则是尝试过我们的顾客很多都成为了忠诚顾客，说明我们的产品、价格和服务都还不错。在这种情况下，我们未必见得要马上大规模投广告，可以先反思一下自己的产品定位和沟通问题。从战略层来说，消费者知道我们但是对我们印象不深也没有特别喜欢，可能是因为我们定位不清楚（这个以后有空再细聊）。从战术层来说，可能是营销执行的创意不够，没有清晰而有震撼力的传递品牌定位。比如说我们卖男装，可能投了很多广告，为了让消费者容易接受，我们特地把广告设计得像凡客诚品，着陆页设计得也像凡客诚品（可能产品也像），这种情况下反复打广告很可能还是让消费者对我们的名字留下了印象（提到名字他会想起来是卖男装的），但是不深刻也不特别（只是类似于“哦，一个类似凡客的公司。“），之后要买东西也不会特地想起来。在广告不断的时候还好，广告可以成为消费者入口，他看到这家“类似于凡客”的网站，说不定会点击广告进来买。可一旦广告强度变弱，我们很快就会被消费者遗忘。这个阶段的重点其实是反思自己的定位信息的传达（假设定位本身已经做很好）。在广告和着陆页都大量描绘自己的独特之处（比如去看Masamaso的页面和产品，就和凡客的感觉很不一样），尽力给消费者留下较为深刻和特别的印象。定位很难仅仅通过”产品和限时抢购“来传达，而是要用很多的相关信息让顾客自己来产生关联性记忆和联想。比如你要欧美风高端时尚男装的感觉，不要总是写”西班牙“、”奢华“、”时尚“，而是要寻找相关联的各种信息，放在广告和着陆页里，例如希腊神庙的背景，海滩，咖啡，游艇，设计师的头像和名字，产品细节的放大描述……

第二种情况，这个看起来情况还不错。知道我们的人大多喜欢我们，喜欢我们的人大多买了，买了之后大多满意。唯一的问题是知道我们存在的人太少了。这个阶段确实可以考虑扩大广告投放，沿着之前的经验继续往下走。

第三种情况，广告不错，定位不错，也有说服顾客尝试——可是，顾客尝试后就跑了，没有转化为忠诚顾客。这个时候加大广告投放就像在给一个漏水的桶里倒牛奶一样，倒得很辛苦（买牛奶也不便宜）但是最后剩不下几滴。这时应该做的是和顾客好好聊聊看为什么不重复购买。可能的原因是产品或者服务的问题，如果是这样，就应该停下广告，先把内功练好再说。一是可以省点预算，二是避免进一步损坏自己的口碑——坏口碑会让我们将来东山再起更困难。

第四种情况，目标顾客大多知道我们，但是不会想到要买我们东西，这是个坏信号。好信号是喜欢我们的人大多会买，买了还会再买。可能是因为我们定位没有定好（或者没有传达好），只吸引到了目标顾客中的一小群。也有可能是我们的“目标顾客”定义有问题，我们的产品主要吸引的是一个利基市场，我们应该把这个市场的特点找出来，或许可以重新定义目标顾客——相应的，广告创意和媒体渠道也要更新。

第五种情况，好消息是我们的Awareness高达80%，大家都已经知道我们存在，而且都记得我们喜欢我们（F=70%），坏消息是很少人真的尝试过我们。我们的营销上可以考虑继续做广告（但是广告并不是必须——如果我们满足于现在一亩三分地的话），重点可以偏向到鼓励用户初次尝试上面。广告创意上我们的品牌名称或者Logo要明显（会增加消费者信心的），部分广告内容可以偏向于防御性的“高达99.5%的好评率和顾客满意度”、“30天无条件退款：无需理由！”，主推产品可以选择较为廉价的以降低新顾客的尝试成本，或者做数据挖掘，主推那些新顾客会购买的产品（比如虽然你是卖笔记本的，新顾客第一次往往只是买个U盘而已，你可能得考虑推U盘）。着陆页面同样主推新顾客最可能购买的产品（折扣也都放在这类产品上），设计方面尽量做得专业让人放心（而不是老客户可能喜欢的创意），另外记得把什么货到付款、支付宝、XX认证商家之类可以降低新顾客疑虑的东西都放显著一些……更理想的情况当然是做进一步的研究去查清楚消费者为什么不尝试买买看，然后有的放矢地说服他们——不过这是下一步的事情了。

总的来说，就是有钱也不一定要投广告（有时候投了也白投），要投放的话在不同情况下也要用不同的策略、不同的创意、内容和主推产品——至于具体要怎么办，要问消费者，也要自己想。营销不仅仅是买广告位谈价钱这么简单的，尤其是在我们投放规模逐渐扩大的时候，通过对消费者、对市场和对于自身情况的洞察，为整体营销战略定好方向，下面执行层才能事半功倍。

网络营销中间其实有很大一部分工作是在做网站优化，优化来优化去90%情况下都是同一个目的：提高转化率。

理论上这一块应该是用户体验设计那方面的事情，讲的应该是角色、场景、心智模型之类的东西。

可是对于很多公司来说，网站设计很未必是通过那些科学流程走出来的。一是因为对很多公司来讲还请不起很好的设计师——也未必真的相信设计师说的那一套；二是因为网站（特别是独立网页、着陆页面）定稿的权限常常分散在很多人手里，就算有个好的用户体验团队，其实他们也只能间接影响设计，未必说了算。

很多时候，网站（网页）该这样还是该那样的决策，常常是由像我们这样的非专业人士（并非专业的用户体验设计师）来做的。

为了不至于作出太昏庸的决策，我们营销人只好也学习一点UI、UE。勤勉一点的可以去看专业书找专业人士（例如白鸦）学习，偷懒一点的可以看看Persuasion Architecture（下载地址：http://www.futurenowinc.com/resources/pa.pdf）之类的小册子 ，再懒一点的，大致也要知道几个基本常识，不要犯太明显的错误。

在我被误认为用户体验专家，给不少网络公司和营销公司做过一些这方面的交流之后，发现有不少基本的转化率优化原则并没有被大家所熟知，所以基于marketingexperiments.com的一个优化公式，结合自己的经验，做了个网站转化率优化框架——Mars网站转化率优化框架？：），希望可以方便到那一小群偷懒的非专业人士，呵呵。

框架如下：

C = R x (V + M) – (F + A) + U – D

C = 转化可能性

V = 价值主张

R = 相关性

M = 动机

U = 紧迫性

F = 阻力

A = 焦虑

D = 干扰

R x (V + M) 本质上是用户感知的价值（Value）：V (Value Proposition) 说的是＂我是谁，我和别人有什么不同＂， M (Motivation) 说的是＂我很棒，我能让你得到1、2、3、4……“，R（Relevancy）表达的则是这些特点和利益与消费者需求的相关程度，投其所好则会事半功倍，反之则出力不讨好。

F + A 本质上是用户感知的成本（Cost），F (Friction) 说的是整个交互过程中给用户造成的实际的麻烦，A (Anxiety) 则是表达给用户心理上造成的负担。

在正常情况下，用户如果感知到做某件事情的价值大于做这件事情的成本（Value > Cost），他就很可能会采取行动，差值越大代表这件事情越有利可图，用户采取行动的概率也越大。但是，人类有拖延的天性，所以客户“觉得应该采取行动”很未必代表着客户就”会马上采取行动“，给用户的紧迫感 U (Urgency) 就负责促使客户将决策转化为行动，U越强，就越能抵抗客户的拖延天性，促成客户马上行动，所以U (Urgency) 前面是个加号。

最后，如果客户被过多的无关信息干扰，可能会“忘掉”自己正在进行的思路跑到别处去，从而让我们的说服努力白费，所以这个干扰 D（Distraction）前面是个负号。

之后的文章再详细解释这个框架怎么用，每个参数具体什么意思。

PS. 题外话，为什么要用“框架”这种东西？

• 框架可以让思考更全面，强制性地把所有因素都罗列一遍主要是为了防止遗漏，迫使设计者从每个角度都至少想一想。并不是说框架本身能够产生多大效益，而是说框架可以帮助设计者发挥出他本身应该有的能力。
• 框架可以帮助讨论，团队头脑风暴时常常容易跑得漫无边际，有一个框架约束可以是每个阶段的话题更集中，统一用词之后也能方便沟通和理解。
• 框架便于知识的分享和能力的训练，培养新人时，零零碎碎教他东西很难被接收，用一个框架会方便很多。他做事的时候，有一个框架可以依赖也能让他更快的掌握技能。

这两天在湖南老家，过几天要去西藏，想说去西藏前更新一篇吧，否则这里就要长草了，呵呵。

文字还没润色，西藏回来再说。里面的例子可能不是很完善，希望大家踊跃留言给我意见和建议，谢了，西藏回来后我再好好把文字完善一下。

在之前的Mars碎碎念里提起过，某天在A网买了个小东西，知道自己肯定没空去收货，所以没选货到付款，直接用支付宝把钱付掉了，想说这样子快递就能直接把包裹放前台签收就不会耽误我工作。第二天中午忽然发现手机里有个未接电话，回拨过去，结果是那家网站的自营快递在非常大声的咆哮说你为什么不接电话。因为我自己是做这行的，知道快递员跑一趟辛苦，所以还是很客气的和他说了抱歉然后说你可以把东西放前台就好了。结果他更生气，说我要等你付钱啊！我解释说我已经付过钱了，他的论点就变成了万一放前台你不认账怎么办……

放下电话，忽然想说如果我是一个很普通的消费者，对这家网站的印象会是怎样，还会不会去买东西。想想觉得有趣，就在自己微博（http://t.sina.com.cn/marsocean）上描述了一下，马上就有朋友回复说“哈，Mars，所以你觉得A网在这种最后10米的送货问题上如何重新树立形象？我当年就是因为他们快递人员的态度问题而被流失的。”过了一会儿，又有朋友发MSN消息过来说“对，上次对我也很凶，所以我再也不去那里了，建议你去B网，他们态度好多了，东西还便宜。”后一个朋友的推荐让我蛮震惊的，她不仅仅因为快递态度影响到自己的购物行为，而且还在努力把我策反到A网的竞争对手那里去。一个快递员的几句话就帮自己竞争对手网站培养了一个销售员，他们的市场部知道了应该会气死吧。

言归正传，一般来说起来，消费者主要通过三个不同的途径来形成自己对于一个品牌的印象：

• 广告：比如一天到晚看到凡客诚品的广告在各大门户上晃来晃去，看久了也会多少有点印象类似“凡客诚品好像是个牌子，蛮有钱的，到处都是广告”、“凡客诚品是卖衬衣的，衣服看着还蛮好的”、“价钱看起来蛮实惠的”。商家通过信息的灌输，显著提升了自己的知晓度，少许地提升了自己的美誉度——代价是把大把的钞票给了广告公司和媒体。
• 口碑：比如某个潜在消费者要买个数码相机，跟他朋友说“我打算去www.MarsOpinion.com买数码相机”，结果他朋友和我朋友类似，马上反对说“他们服务一塌糊涂，千万别去自己找气受，去www.MarsOcean.net网吧，他们送货又快服务又好。”对于口碑类的信息，我们的接受度会比对广告的接受度高很多，这样的口碑往往就会快速成功的在我们心里建立起“A网服务很差”的印象，非常深远的影响www.MarsOpinion.com的美誉度——相对的，例子里的口碑帮www.MarsOcean.net网提升了知晓度和美誉度。
• 体验：对于已经尝试过在这个网站购物的顾客来说，他形成和修正自己对于这个品牌印象的最主要根据会是自己的亲身体验。比如我微博上的那个朋友，他受了送货员的气，便非常深刻的形成了对于这家公司服务——或者说是整个品牌——的负面印象，而且决定再也不去买东西。这种通过亲身体会得到的印象，很难通过广告来更改，就算给他看一百遍“A网服务全球第一，员工笑脸相迎”的软文也于事无补。

再深入分析一步，就会发现，这三个途径相互之间有关系。如果购物体验不好，整个网站的宣传推广的过程和结果可能就会类似下面这幅图：

1. 首先是网店投入大量资金做广告提升自己的知晓度，让更多人知道自己，试图劝说客户尝试购物；

2. 然后，一部分顾客尝试购物，体验购物全过程，并且在这个过程中形成自己对于这家网店品牌的印象；

3. 接下来，第一批吃螃蟹的顾客中的一部分将自己的印象表述出来，影响到更多的人。如果顾客体验不好，便会难以对该网店形成正面的品牌印象（甚至于形成负面印象），正面的口碑传播会非常有限（甚至于有大量负面的口碑传播）；

4. 有限的正面口碑传播继续影响到少量潜在顾客，他们上网来尝试购物。由于体验不好，这部分顾客中的大部分没有对网站形成正面的印象，

5. 很少有客户形成足够强的正面印象，从而无法支持后续的口碑传播；

6. 越来越少人因为口碑的影响了解和喜欢网站，这一波广告攻势的效果到此为止。如果要维持销售，一方面要花钱继续做广告，另一方面说不定还要花更多的钱去扑灭负面口碑，钱砸了但是不会有持续的效果，长期来看投资回报率高不到哪里去（特别是刚在微博上看到有人在抱怨说B2C的营销成本已经翻了几番……）

而如果顾客在整个体验过程当中产生了良好的感受和印象，口碑效应就会非常明显，进入良性循环：

1. 首先是网店投入大量资金做广告提升自己的知晓度，让更多人知道自己，试图劝说客户尝试购物；

2. 然后，一部分顾客尝试购物，体验购物全过程，并且在这个过程中形成自己对于这家网店品牌的印象；

3. 接下来，第一批吃螃蟹的顾客中的一部分将自己的印象表述出来，影响到更多的人。如果顾客体验良好，便更可能对该网点形成正面的品牌印象；

4. 正面的口碑传播出去。虽然口碑传播的覆盖面未必有广告广泛，但是它的接受度会非常高，如果口碑力量足够强大，二次传播时的效果完全可以媲美甚至超过初始的广告效果，吸引到更多人来该网点购物。由于体验良好，这部分新来的顾客又会对网站形成正面、良好的印象。

5. 这些印象转化为进一步的口碑，影响到更多的人。

6. 口碑再带更多消费者来网站购物体验，而良好的体验创造出更多忠实的消费者和对于品牌的正面印象。

7. 这些印象转化为进一步的口碑，影响到更多的人。

8. ……进入良性循环，就算停止广告投放，口碑也会持续不断地吸引更多潜在消费者来体验购物。

从上面的对比当中，我们可以清晰的发现“能否通过体验给消费者创造正面的品牌印象”是决定一个品牌能否进入良性循环健康成长的关键点，可是，“通过体验给消费者创造正面的品牌印象”。这听起来不是一句废话么？谁都知道要让消费者体验越好他们就会对我么印象越好我们的口碑也就越好，可具体起来要怎么做呢？首先，我们到底希望给客户怎样的印象？物美价廉？天天平价？设计感？奢华？高品质还是时尚？其次，我们总是再说客户体验，可是我们的顾客究竟和我们（还有我们传递出的信息）接触了多少次，经历了多少环节，体验到了哪些东西？其次，这些接触点都影响了印象的形成么？还是说有些环节至关重要有些环节无所谓，所以我们可以集中资源去优化少数接触点？最后，我们到底要怎么优化？朝什么方向改进？改进到什么程度？

按照这个博客（ www.MarsOpinion.com）的老习惯，我来给出具体的分析框架和行动步骤抛砖引玉，大家可以在这个基础上做自己的方案——也欢迎把你的建议和意见以留言的形式回复在这篇文章后面。

第一步，我们——基本上需要是CMO或者CEO牵头的一个工作组——需要确定下来自己希望塑造的品牌印象到底是什么样子，在顾客脑子里面我们到底要是个什么形象，占个什么位置。关于市场细分和定位的书和文章数不胜数（实在不行可以直接去翻《定位》），这里不细说了。大部分初创公司常犯的错误是把所有褒义形容词都堆砌到一起作为自己的品牌定位，信息一堆，却没有足够资源把定位确确实实做出来并且传达出去，一直到公司倒台也不过是停留在纸上。建议要传递的信息越清晰简单明确越好，这样才能方便后续的传播。如果实在是想把形容词都堆砌在一起，建议把那一堆形容词排个序，每个词给个优先级，之后如果遇到需要权衡取舍的时候便按照优先级来做决策。

第二步，我们需要和每个部门详细沟通，勾勒出每个部门的哪些工作会和我们的顾客有接触。这个接触不仅仅包含人的接触——例如快递员交接包裹给顾客，物的接触——例如包装盒材质和包裹内填充物的类型，更包含信息的接触——例如公共关系部门和杂志沟通发布的CEO访谈稿。这个步骤主要是为了帮助工作组收集完整所有的接触点——光凭市场部几个人拍脑袋想很容易有遗漏。比如某些公司的人力资源部门也和顾客有广泛深入的接触，但是这个接触点很容易被市场部遗漏掉。举例来说，新蛋以前每年都在各大高校开宣讲会招聘管理培训生，这些宣传品、宣讲会也是和潜在顾客的接触点。虽然表面上看接触面有限，但是因为招聘是学子深度关注的领域，而新蛋的万元起薪又具备话题价值，所以最终影响面会很广，市场部应该尽早介入到招聘流程当中，确保传递出去的信息和营销战略相匹配。还有个常常被遗漏的接触点就是那些自动发送的短信和邮件，很多时候是被某个具体的同事设置好了之后内容和模板就再也没有更新过，还有些时候是更新了忘了更新回来（例如圣诞节在所有Email上加了雪花和圣诞树，但是之后没有人记得把它们去掉），我们需要和MIS详细沟通弄清楚所有的自动营销信息，每个信息定义成一个接触点。

第三步，我们要将所有接触点整理成一张大表。从顾客购物前的各个信息接触点开始，到网站购物流程各个细节，再到购物完成后的互动，需要把所有接触点事无巨细罗列清楚。消费者会在哪里看到我们的广告？哪里看到我们的软文？哪里看到我们的用户评论？会从哪点击到我们网站来？来了之后会看到什么页面？购物路径一般是哪几条？每条的使用是否顺畅，使用中会和我们进行哪些信息交互？购物完成后是否会收到确认邮件和短信？短信内容是什么？多久会收到货物？谁会和客户当面交接？产品包装是什么样子？如果有问题是怎样联系我们？电话是否通畅？等待时的音乐是什么……这里并不是完整的列表，仅仅是抛砖引玉，每家公司都应该根据自己业务具体情况来描绘体验流程。我们不仅仅要清楚的知道顾客在哪些点上和我们有接触，而且要明确他们接触的具体的信息（人也是一种信息）是怎样的内容和形式。

第四步，我们要和顾客沟通，从他们的角度来理解各个接触点，一是确定哪些接触点确实被顾客感知到了（有可能有些我们觉得重要的接触点被顾客视而不见了），二是找出那些关键接触点给顾客的感受到底是怎样的，我们可以往哪个方向改进。有些信息可以通过简单的问卷来得到（例如在顾客注册时问问他是从哪里听说我们的，或者在顾客评论产品时询问顾客对于物流的满意度），还有一些只能通过深入访谈来得到。因为我们不仅仅是要了解客户最终的感受（满意，不满意，觉得贵，觉得便宜，觉得服务好，觉得服务不好，觉得衣服很土，觉得名字记不住……），更重要的是要了解他们产生这些印象的原因是什么，并且尽可能把这个印象的产生和具体的接触点联系起来。只有这样我们才不仅仅能够找到问题，而且还能同时找到改进的方向和方法。对于潜在顾客和新顾客，我们主要要了解他们是怎样被我们说服尝试购物的，顾客在整个购物流程中的体验有没有满足我们在吸引客户时所给客户创造的期待；对于已有顾客，我们要找出忠诚度主要来源是什么，哪些体验上的细节给了顾客那样的印象，怎样可以进一步加强这些方面；对于流失顾客，我们不仅仅要了解他们流失的原因（比如“你们服务不好”），而且要把他们的印象和某个具体接触点的具体表现联系起来（“因为你们自己的快递电话里对我很凶”），找到可以改进的地方。

抛砖引玉，下面提供一个深入访谈的问题框架。基本上这种访谈只能由非常资深的营销人来做，因为最关键的并不是简单的获取问题答案，而是从顾客的回答当中寻找洞察，引导顾客反省自己的思考过程，将印象联系到某个具体的接触点上。如果经过引导我们还是不能将顾客的印象关联到某个接触点，就可以通过询问顾客对于其他商家的印象来找到可以学习的标杆，再通过接触点的比较来发现说可能是哪个不同点造成了用户体验的不同。

第五步，综合我们自己的经验（也就是拍脑袋）和客户访谈的结果（事实、数据），我们终于可以描绘出一个完整的接触点系列：从客户听闻知晓我们的渠道，到顾客登录浏览的感受，到购物结帐的体验，再到收货开箱的经历，最后到售后服务的交互，每个接触点在这个阶段都应该已经被标识了出来。另一方面，通过和顾客的深度访谈，我们也获知了顾客对我们的印象。下面要做的就是把印象和接触点关联起来。其中一部分可以从客户访谈中直接得到（例如客户告知我们说觉得我们服务差是因为送货员对他们大吼大叫或者在线客服反应太慢），一部分需要进行对比分析后得到（例如客户就是觉得我们产品比较贵但是自己也说不出原因，同时她觉得C网的价格就比我们便宜并且举了几个C网首页促销的例子和我们对比，我们就应该深入对比首页促销这个接触点上我们和C网有哪里做的不同，可能就是这个不同引导了消费者的价格感觉——最后发现说是因为他们首页促销的产品80%是他们网站的中低端产品，而我们常常在醒目位置促销价格相对较高的新品。我们可以“有根据的猜测”说这就是造成消费者印象的原因，接着我们可以根据这个猜测把”对价格水平的印象“联系到”首页促销产品的价格水平“上去），还有一部分我们完全得靠经验来做判断（例如用户访问网站看到的页面、文字、产品图片、按钮风格，送货员着装……顾客很难自己回想起来这些细节对于他们印象形成的影响，也比较难向我们具体的比较我们和竞争对手的异同，所以往往得依靠我们自己一条条来分析，把接触点和印象（这个主要从访谈中获得）之间一个个建立起具体的联系，其中不少可能完全要依赖我们的主观判断。不论如何，这一步结束之后我们就得到了一张大表，里面包括所有的接触点（应该超过了100个），以及每个接触点对于消费者印象的影响（比如送货快慢直接影响消费者对于服务的印象）。接下来，我们要在这张表最后再加上4列：重要性，满意度，改进计划和预期改进复杂度。重要性和满意度主要是根据客户访谈结果来定，改进计划和预期改进复杂度需要和负责该接触点的部门商讨决定。重要性、满意度和复杂度满分5分，1分最低，5分最高。

举几个例子（真的只是抛砖引玉，例子太难找了，自己看过的真实例子又不能用，只能用公开的信息——哪位有更多例子麻烦留言告诉我我加进来）

1. 很多潜在顾客在来到我们网站首页后产生了”不正规、规模小“的印象，而且他们没有办法给出具体的原因解释。询问之后他们给出了几个网站，经过对比分析我们可以发现那几个网站其实规模也不大，但是他们在首页几个细节上和我们不一样。第一是他们会在首页罗列最热门的单品，并且会醒目标注”已销售8000双“之类的广告词；第二是他们会在首页右侧非常醒目的展示很多消费者评论，显得网站很有人气；最后是他们会在首页底部加上一堆有意义的没意义的图标让自己看起来很权威（如下图）。我们可以合理的猜测说这些接触点和“正规、规模大、有人气”的印象相关，然后有的放矢的去制定改进方案。

2. 已有顾客觉得我们“便宜”但是“档次不高”，要她们举几个“档次高”的例子，她们举的都是单价明显贵于我们的淘宝店，很难做比较和参考。于是给她们几家产品价格和质量类似的店问她们觉得哪家档次高，结果他们选择了淘宝的天使之城（shop217225.taobao.com，见下图），该店和我们的区别主要在于产品照片的背景。这家店很多产品图片都是店主在欧洲一边游玩一边拍摄，背景非常多样化和具有异域风情，而我们大多是室内照。我们可以把“产品图片背景”和“产品档次”这个印象联系起来。和摄影部的同事沟通了解看改进的成本是多少，如果只是需要PS背景而且工作量不大的话“预期改进复杂度”就很低（可能是2），如果PS不出那么好的效果，一定要拍外景成本会飙升的话“预期改进复杂度”就很高（可能是5）。

3. 从流失顾客那里我们得知他们对于快递员的态度很不满，我们可以把快递员的态度和顾客对于服务水准之间的印象建立一个联系。改进的方法需要和具体业务部门（仓储物流）沟通，可能的方法有：1. 招聘快递员的时候选择声音比较柔和、性格比较好的；2. 对于和客户的电话沟通以及当面交接包裹时的沟通，制定规范并对每个快递员培训；3. 改革考评系统，不仅仅按照配送的包裹数量和重量考评，而且按照顾客的满意度考评，并且把满意度的权重放大。具体采用什么方法要和业务部门深入沟通后决定。但是至少这个方向放在这里。

4. 已有顾客很诚实的告诉我们说他对我们没什么印象，我们的名字他也记得很模糊（每次都从收藏夹点过来），整个购物流程他也觉得“和别家没什么区别，差不多”。“没有印象”也是一种印象，而且这种印象往往会带来低的顾客忠诚度，而且很容易让我们陷入到和竞争对手价格战的泥潭中。如果用户可以给我们举几个“有印象”的例子让我们参考学习是最好，如果没有，我们就要完全依赖自己经验来优化整个购物体验。在体验的各个环节的信息传递过程中，不仅仅考虑信息传递的清晰、美观，而且要考虑怎样将品牌签名融入进去，在每个细节传递更多的品牌感，让顾客在“本质类似”的流程中体验到“独特”的感觉。

可以看看俏物俏语（www.ihush.com）的例子。他们每一张模特图片都是同一个姿势——右手食指翘起挡在嘴唇前面做出一个“嘘”的姿势，和他们的品牌“悄语”关联紧密，进一步在这种细节里给消费者强化了品牌印象。要模特摆个特定姿势并不会让我们多花钱，但是这种具有一致性的形象将在潜移默化中让我们的消费者对我们印象更深刻，何乐而不为呢？

更简单的话可以看看新蛋网（www.Newegg.com.cn）的类似的操作，例如发的优惠券叫“蛋券”，延保叫“蛋保包”，客户评分则分成“一颗蛋”、“两颗蛋”……“五颗蛋”。尽可能在用户的体验过程中多展现品牌的特别之处，给客户留下特别的品牌印象。虽然效果未必会很显著——但是相对的成本也非常低，不做白不做。

5. 顾客可能对我们产品质量有“不是很精致”的印象，但是对我们竞争对手的印象比较好。对比分析后我们发现竞争对手产品质量其实不比我们好，但是他们的包装比我们好，所以我们可能可以合理的猜测是包装盒塑造了消费者的印象。下面是凡客诚品（www.VANCL.com）的鞋子包装，它就很有特点，虽然只是一双非常廉价的鞋子，但是鞋盒非常漂亮大气，让人有惊喜：

6. 另一些例子里，顾客对于“服务水平“的印象也是由收到的包装盒塑造的。比如欧酷（www.ouku.com）也在包装上做了文章。虽然销售的是同质化的产品，但是类似“炸药包式严密包裹”这样的细节还是会给消费者不一样的体验，形成一些类似“服务好”、“认真”、“专业”、“对顾客负责”之类的印象。

7. 顾客觉得我们的产品比竞争对手贵，通过详细询问，我们发现顾客用来判断贵和便宜的方法是：第一，看首页的产品价格区间，首页显示产品越贵他们就觉得网站整体价格水平越高；第二，看页面是不是很“洋气”，页面越时尚，越多国外的元素他们觉得价格越贵；第三，如果这时他们还有兴趣的话，他们会尝试搜索自己大致知道价格的某个标杆类商品，然后以这个产品价格来判断整个网站价格水平。根据这些反馈，我们可以把“首页产品价格区间”、“首页时尚度”和“XXX产品价格”关联到“价格水平”这个印象上，并且做出相应的改进计划。（注意，这些接触点可能还和其他印象——例如“可信度”——相联系，改进时要考虑周全）

8. 客户觉得我们的服务不好，原因是和客服打电话时客服不能帮他解决问题，总是给他无用的答复然后让人啊再回拨。仔细检查发现我们考评客服的KPI里面把接听电话数作为最重要的指标，满意度只占10%的比例。所以客服会有动力尽快了解手上的案子，尽快打发走顾客，而不是尽力帮助顾客圆满的解决问题。发现这个问题之后我们可以考虑的方法是大幅加大满意度在考评中的比例（或者增加“最终解决案子”在考评中的比例）。

9. 顾客觉得“你们卖太贵了”还有“应该送赠品的”，经过仔细沟通发现是因为有我们的授权零售店在把我们的产品摆在一堆廉价产品一起销售。更糟糕的是，他们常常把我们的产品和别人的产品捆绑在一起做成“大礼包”，而且又没有详细的说明文字和图片来体现我们产品的质量要高于其他。更进一步，在某些销售不好的单品上面，他们不是退货给我们，而是把它们做成了销售其他产品的赠品（更糟的是活动页面上我们的产品显得一点也没有质感，感觉就是免费搭配的小东西），消费者看到后久而久之就觉得我们是个廉价的牌子，产品也就是能做做赠品。这里就要和渠道管理部门好好沟通一下了。

10. 顾客觉得”以后再也不买你们家玩具“，具体问原因发现是因为我们玩具是用硬塑料包装，而且没有简易的开启方法，一定要用剪刀剪开。小朋友吵着一定要自己开包装结果把自己手割破了。因为包装问题产生了坏的体验——而不是因为购物流程或者玩具本身。可能的改进计划包括改进包装方法，具体的复杂度需要和上游厂商沟通后确定。

11. 流失客户对我们感觉不好，觉得我们发货速度太慢，有时候甚至与“慢得可怕”以至于让他们取消了订单。我们可以先从内部数据出发看我们是否真的送货太慢——如果是的话得满满优化内部流程把速度做上去。如果发现不是内部流程的问题，那么就可以进一步追查细节。原因还可能是因为我们的KPI考评当中把“24小时内发货”当作了仓库的重要考评指标，而在旺季时仓库会很难达标（从而被扣奖金）。仓库对付这个考评方法的对策就是“如果一个包裹已经24小时没发货了，那么就把它丢到一边，优先级放最低，先处理那些可以24小时发货的包裹再说”，这样就导致部分包裹会停留非常长的时间也没有出货，让顾客生气。如果是这个原因，我们的优化就要从改进内部的考评体系出发。另外，如果我们发现我们的送货速度其实已经和竞争对手相当，但是顾客就是认为我们比竞争对手慢，我们就要努力在细节里向顾客强化时间观念，让他更清楚的理解他仅仅等了多久就收到了货。可以的方法可以学习易迅（www.icson.com），在首页就醒目的告知消费者你今晚下单明天就能拿到货（不管消费者下不下单都可以强化“送货快“这个印象），也可以考虑在订单处理完毕、抓货完毕、发货时各发给客户一条短信，让客户过两个小时就收到一条信息更新，让他产生速度感（当然，另一方面可能会烦到顾客）。

上面10个例子只是随便找的，每家情况不一样，具体的接触点和碰到的问题也很未必一样。

在定下来接触点和每个接触点的改进方案和复杂度之后，最后一步，我们可以计算每个改进计划的优先级 = 2 X 重要性 – 满意度 – 预期改进复杂度（当然我们也可以给这些指标不同的权重）。从高优先级的项目开始，我们要和接触点的负责部门沟通（大部分的工作会是市场部和网站管理部的，那就更要落实到人）确定改善计划可行性、目标（和目标达成的衡量标准）和时间表。按照时间表，项目组监督所有项目进度，确保大部分的（尤其是高优先级的）项目顺利的实施，而不是大家开个会感叹一下“原来消费者想法这么诡异”就结束了。

好了，终于写完了，我去西藏玩去了。欢迎留言～～～:)

写了这么久，发现包括的内容越来越广了，下次修改的时候打算把题目改成“数据驱动的电子商务运营和网络营销”：）

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
• 网络营销数据解读（八）——客户族群细分（Segmentation）2-1

上次列了一些案例给大家讨论，这次来公布答案——答案的意思并不是说“这些案例就是一定得用这些方法来解决”，而是用案例来说明这些概念和方法可能可以用在什么方面：）。大家不用拘泥于这些案例的细节，呵呵，反正都是我瞎编的。

没有仔细去研究理论，完全从实践出发的话，我所用过的客户族群细分的方法主要有三种：

• 按照客户属性细分：根据客户”是谁“来划分族群，例如把客户分成”男客户“、”女客户“
• 按照客户行为来细分：根据客户上网行为来细分，例如把客户分成”浏览服装专区的客户“和”浏览数码专区的客户“。很多时候”根据客户行为“和”根据客户属性“这两者会混在一起，比如一个客户的行为是”每个月都来买一次东西而且只买最贵的“，可能我们就会在数据库里给他标记上”有钱人”，之后“有钱人”就成了这个客户的属性之一。
• 按照最终结果来细分：其实是“按照客户行为来细分”的一种，但是它适用性非常广，而且用起来非常方便，所以单独拿出来讲一下。

再次建议先看一下网络营销数据解读（八）——客户族群细分（Segmentation）2-1，自己思考一下那些例子再看这篇文章，因为：

• 只有自己思考过才能记得住，光是看看很容易产生“显然是这样啊，太弱智了“的感想，然后看完就忘了。
• 数据驱动的电子商务和网络营销是非常年轻的概念，没有谁是所谓专家（我也在不断学习），我说的东西也只是一家之言，我相信这里的读者里有很多都有非常深厚的经验，如果能够从自己经验出发思考一下那些例子，分享一下自己的想法的话，对我和对其他读者都是很好的学习资源：）

回到那些例子，我们一个个来聊。

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。

之前已经说过不能光看“平均数”，这里不再细说了。

从Segment角度来说，我们可以把用户按照浏览行为来细分为“家电组”、“笔记本组”、“女装组”和“百货组”（相互重合，没有关系），然后再去看每个组的访问周期、停留时间、转化率、订单金额。可能会发现“笔记本组”的访问周期是每天一次（但是只维持一个月）、每次平均停留3分钟（可能只是查一下价格），转化率0.05%，平均订单金额5000；而“日用百货组”的访问周期是每两周一次，平均每次停留半小时，转化率4%，平均订单金额120。

除了可以用”浏览“行为（这个可以用GA的Advanced Segmentation实现，其他高级工具例如Omniture, Coremetirs或者WebTrends也都有很简单的工具可以帮你做这样的细分；刚看了传漾（Disclosure: 和作者有合作关系）新系统的Demo，他们也提供自定义的Segment功能）来做细分之外，我们也可以用“购买品类”来细分，例如分成“家电采购者”、“笔记本采购者”……这里面不变的一点是“根据用户活动所在产品品类来细分”，因为每个品类都有自己的特点，逛或者买某个品类产品的用户也有自己的特点，这些特点只有按照品类把客户区隔开之后才能看清楚，而只有看清楚之后我们才能开始考虑说有没有可能用这些数据来做进一步的优化。

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。

首先可以考虑的是把“付费流量”和“免费流量”分开来看，付费流量就是我们需要花钱的流量，包括硬广告、搜索引擎关键词、网站联盟广告等等，而免费流量则包括直接输入网址访问、自然搜索流量和免费的交换链接流量等等。这个例子里面，可能我们看到SONY笔记本产品访问流量有一半是付费的，而Lenovo只有10%是付费的，而最终的转化里SONY有60%是付费流量产生的，而Lenovo只有8%，这时我们要考虑的就是：为了创造这些流量和转化，我们分别花了多少钱，赚了多少（钱和用户），然后再比较。如果SONY700万销售额只有30万毛利，但是花掉了25万市场经费，而Lenovo产生了30万毛利，只花掉5万市场经费，或许我们的结论会有不同。哪怕外部的投放差不多，内部的资源（例如首页Banner、主推活动里的Featured Iteam位置……）分配不均也可能是销售不平衡的原因，如果不细分看的话可能会得出不够成熟的结论。

这其实是个很常见的现象：我们在考评绩效的时候，常常没有能够将其他支持部门对相应绩效的支持成本合理的算进来。比如说我们考评产品经理绩效，可能就没有把他们每个人所消耗的营销资源算上，也可能没有把相应的仓储成本算上（有些货很容易签收和发货，有些很麻烦——例如要记录每个盒子SN号或者需要特别储存环境），还可能没有把对应的RMA费用算上（比如一个产品卖很好，但是卖100个有20个坏掉，18个用户退换货），以后有机会写数据驱动的电子商务运营的时候再详细说。

另外可以考虑的是竞争情报，我们在运营电子商务的时候，眼睛不能光盯着自己的一亩三分地光看每天卖了多少东西，还得看看周遭的局势。具体的做法如果有机会在这个系列的后面几篇再说，大家可以点击这里订阅www.MarsOpinion.com，这样就不用总来看有没有更新。在我长时间不更新又看到流量上涨的时候总是觉得很愧疚，呵呵。言归正传，这里我们先不说外部的信息采集，光从内部数据出发，我们怎么能够知道市场的波动呢？正如读者所说，可能是因为SONY推出了新款，所以大家关注SONY，所以它才卖得好，跟产品经理没什么关系。比较粗略的，我们可以根据浏览行为来细分，看这个月浏览两个品类的消费者数量有没有重大变化，例如如果SONY产品线浏览量翻了一番，Lenovo没变，我们可以合理猜测说可能有些大的市场波动影响了最终的销量。更精准一些。更进一步，如果我们发现说”SONY浏览组“的转化率比”Lenovo浏览组“的转化率还低的话，甚至可以怀疑说是不是SONY的产品经理没做好，没能把天上掉下来的流量转化成订单。这个做法的优点是简单易行，缺点是很粗略（SONY产品经理可以说正是因为他辛勤工作，才让大家愿意浏览他的产品）。复杂一点，我们可以根据站内搜索的关键词来分组，有条件的就做语义分析细分，没有条件的就简单的把品牌关键词和最热门的3款产品关键词拼到一起做一个组，然后从中看用户对于不同产品线的兴趣是不是有了重大变化。更复杂更合理的，当时是根据站外关键词来做同样的事情。

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。

在做CRM的时候，一定不要吃大锅饭把整个网站所有用户往里丢。不同产品类别的消费者行为特征完全不同，放一起分析往往会得到扭曲的结论。这个例子里，那所谓15%的高价值用户很可能就是买家电和笔记本的用户，最终的关系维护里可能会把买女装的用户完全忽略掉——虽然她们可能是更有价值的用户。根据购物品类来细分一下流量对于分析很有帮助。

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。

对于网站设计和Landing Page设计来说，最常用的还是按照新老客户分组看效果，看老用户使用是不是顺畅、转化率是否下降厉害（就算是，我们可能心里面也会有一丝期待说这个只是暂时的，等他们习惯就好了），看新用户使用起来是否比之前的新用户要顺利，转化率是否改变（如果一段时间后新版转化还是低，我们就很难找到理由说情况会变好）。

做到更细呢？还可以根据用户对网站的使用习惯来分组，例如将用户分成“搜索组”（来网站总是用站内搜索找东西），“导航组”（总是用目录导航），“闲逛组”（总是点击首页产品），“促销组”（总是点击广告），然后分开看每个组在新旧版下的表现，这样细分之后可能会发现说”新版整体超过旧版，但是因为搜索框不够明显，对于搜索组的同学们来说转化率反倒下降了“，于是我们可以不仅仅得出结论说”新版更好“，而且能够找到进一步改进的方向——”试试看放大了搜索框的新版是不是更好“。更好的是，这样子往往可以为公司（和实际执行的员工）积累下更多的知识财富，我们不仅仅知道了这次应该用什么版式，而且可以记录下来说”XXX样式的搜索框会对搜索组用户产生XXX的影响”、“XXX的目录可以对导航组的用户产生XXX的影响”……以后再做的时候就能有一个更好的基础。

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？

这个例子还真是纯粹瞎编出来演示理论的，呵呵。

还有一种分割用户的方法就是按照访问时间来分组，比如我觉得我的网站用户都是白领，我觉得她们的网上行为模式可能和她们的上班模式有关，所以我把用户分成“工作日访问者“和”周末访问者“去仔细看数据，发现果然有不同，周末访问者大多会随机看5-15个页面，然后有1%左右买东西，而工作日访问者的行为模式则更为复杂。我们可以再把他们细分成”9:00 – 18:00访问者“（如果还要细分，也可以考虑把中午休息时间再分一两个小时出来）和”工作日晚间访客“，如果我们发现说””9:00 – 18:00访问者“就是“会浏览14个产品页面，然后什么也不买”的那群，而”工作日晚间访客“就是“接搜索产品名称，然后马上购物”的那群，我们就能够更容易对这些奇特的访问行为提出自己的假说：”她们都是在上班时浏览网站，瞎逛，看到好看的记下来，晚上下单“（这个假说是不是正确还需要实践检验，但是至少我们有了一些基础），基于此，我们可以考虑的事情有：白天时是不是要放更多促销引导的活动？网站上的”收藏夹“功能是不是要加强？按钮要不要做更大？”最近浏览过的商品“列表是不是要在晚上显示更大？……很多东西可以想。

看到这里，大家可能会想说”神啊，我怎么要想到还要用时间来分Segment啊，你又没提示的“。很多时候确实就是这样，数据乱七八糟，我们也不知道要怎么分组才能看清它们，所以能做的几件事情是：1. 加深对业务的理解，多和一些员工聊天，多和消费者聊天；2. 多试，积累经验；3. 正如这篇文章最开始所说，我们还有一招：根据结果来细分。

比如我们就把客户根据观察到的结果分成4组，分别取名字叫“观光客”、“猎人”、“访客”和“游客“（名字瞎取的），然后我们去各个报告里面看这四组人的表现，最后发现在每周访问时间这个报表上（根据周一、周二……周日来组织信息）”访客“的行为轨迹和其他三组显著不一样，我们就知道说等会儿可以试试看说把用户分成“工作日访问者“和”周末访问者“去仔细看数据；然后我们再看每日访问时间这个报表（根据时间——每个小时——来组织数据），发现剩下3组人在访问时间的模式上有明显的差异，由此我们可以合理猜测说之所以有这几组不同的访问模式，是因为他们来自在不同时间点的访问，然后我们可以很自然的想说我们应该根据访问时间来划分用户族群看数据，然后根据这些数据来推测可能的原因、找到可能的优化点。

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。

在想说如果我很仔细的说应该怎么管理SEM会不会被专业的同学们笑，呵呵。好像有蛮多专业的SEMer也在看www.MarsOpinion.com。

就我个人对于电子商务的搜索引擎营销的了解来说，有两类的词表现是完全不一样的，第一是“品牌词”，第二是“产品词”。品牌词就是和你网站品牌、名字、网址相关的词，例如凡客诚品的品牌词可能就包括“VANCL”、“凡客”、“凡客诚品”和“凡客衬衣”，搜索这些关键词的一群人已经知道了我们的品牌，而且他们明确的表示了要来我们网站的意愿，只是不知道要怎么来而已。另一群人，搜索的则可能是”男士衬衣“、”白色男士牛津纺衬衣包快递“、或者”松下相机LX3“，他们知道自己大致需要什么产品，但是并不一定有要来我们网站购买的意愿，只是随机被搜索结果带到我们网站而已。

所以，我们可以做的第一件事情就是按照”品牌词“和”非品牌词“来细分流量，绝大部分时候品牌词本来就应该有高很多的转化率——因为用户已经有意愿来你这里买东西，基本信任已经存在，只要找到东西价钱OK基本上就会买。在这个例子里，如果发现说SEM付费关键词中品牌词组的比例大幅度提高，可能就能解释为什么ROI提高了。如果网站本身已经比较大，SEO也不错，搜索品牌关键词的时候本来也会有大量的自然搜索结果出现在最前面，而且也没有竞争对手恶意购买你的品牌词，这时候哦大量购买品牌关键词只是把原来不要钱的流量变成要钱的流量，让公司亏钱而已。用我的博客举例来说，在这个SEM经理帮我管理之前，每天搜索“Mars电子商务”和”Mars Opinion“来到我博客的人有20000个（不用钱的），其中20%会订阅www.MarsOpinion.com，另外我自己会买一些类似”数据驱动的精准营销“、”数据驱动的电子商务运营“这类词，花费大约是每天2万块，每天给我带来2000个新的订阅（也就是我所需要的转化），ROI是”10块钱买个订阅读者”。他来了之后，把我的2万块钱全部花在买”Mars电子商务“、”Mars Opinion“这些词上面，给我带来22000个流量和4400个订阅，与此同时，这些词的自然搜索流量降到2000（因为付费的链接排在更前面）、自然带来的订阅降到200，而像”数据驱动的精准营销“、”数据驱动的电子商务运营“这些词，因为没有买关键词，所以带来的订阅量变成了0。从SEM ROI的角度看，ROI从”10块钱买个订阅读者”大幅提高到了”4.5块钱买个订阅读者“，但是对于我博客，作为一个整体来说，我花的钱没有变（都是2万），但是我总的新订阅数，从6000（ = 4000 + 2000）个下降到了4600 （= 4400 + 200）个，他的”优化“给我带来的是亏损。——这个例子可以表明，根据“品牌词”和“非品牌词“细分流量可以让我们加深对于SEM效果的理解。

如果还要更细化，其实”产品词“还得再细分成”产品品牌词“、”品类词“、”产品词“、”购物词“等，搜索每一种词的用户都处于购物决策的不同阶段，需要为它们设计不同的目标和指标来衡量效果，这里就不细讲了，对于绝大部分公司应该还没必要做这么细。

另外，在上一篇网络营销数据解读（八）——客户族群细分（Segmentation）2-1的留言里，Teamilk99提出了一个很好的观点：我们不能光看ROI，还得看Return的量。把一部分表现低于平均值的关键词去掉就能很简单的提高ROI，可是这却未必符合公司利益。完全从公司利益角度出发，只要投放关键词的边际收益大于边际成本，就还是应该继续的。

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。

还是根据客户对应的产品品类来分，不细说了（题外话：上一篇网络营销数据解读（八）——客户族群细分（Segmentation）2-1的留言里Sucirst对于CRM的接触点有一个比较详细的介绍，建议去看一下）。

说点和具体案例无关的，如果要做客户细分——特别适用于客户关系管理的话，最好要专业的人用高级的数据挖掘工具来做，这样考虑比较全面。如果一定要自己拍脑袋想模型（这是我经常做的事情@__@），提醒一下说要先把数据过滤一遍，把极端数据先滤掉再做。比如你卖画，平时每天1000幅，其中总有一两个大客户（他们是从你这里进货然后再零售的）每单就买两三百幅，他们不论被放到哪个族群里都会显著的影响那个族群的数据（更可怕的情况是，他们非常显著地影响了数据，但是还让你看不出来——举个纯假设性的极端例子，你10000个客户，5000男，5000女，男的里面有2个是B2B大客户，每人买了250张画，女性那里没有大客户，其中500人每人买了一张。没过滤outlier的话看到的“男客户“族群和”女客户“族群的转化率数据是一样的，看起来也很合理，不会引起警觉），所以建议把他们单独挑出来研究。

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。

如果网站获取新用户的方式方法比较多样和豪迈的话，我们可以把用户的注册来源当作用户的一种属性。举例来说，如果是20万主动注册，30万通过流氓软件骗来，10万通过联名注册从论坛得到，40万通过“注册有奖”活动从网站联盟来，10万通过垃圾邮件骗进来，这几组人表现很可能截然不同（主动注册的一般是有意向买东西的，其他就未必了，被骗来的说不定还下过决心说永远不来买东西），不分开看数据是看不清的。这几组人混在数据会很模糊，根据注册来源分组来看会清除很多。还有些时候，需要细化到具体的Campaign，例如”和网购论坛的联合推广活动”和“新浪广告Banner”这两个来源虽然都可以算是Marketing，但是带来的用户后续表现也会有很大差异，能够细分观察可以帮助我们挖掘更多信息，而且这个数据的积累也是衡量长期效果指标的前提（参考网络营销数据解读（五）——完善指标）。 

用用户属性来细分流量还可以用在别的方面，比如说根据访客的IP来分Segment，看看南方访客北方访客行为有没有什么区别，有没有什么变化趋势，说不定可以通过数据发现自己电信网通有一边的网速不行让客户都跑了。划分公司本地访客和外地访客可以看看公司地域影响力的变化。在公司拓展市场的时候（例如像一号店在北京机场巴士上做广告，或者新蛋刚去北京），把自己目标城市的流量分开来看也更能了解状况。

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？

还是用老办法，从结果出发来做细分，比如把流量分成“购物组”、“注册组”和“观光组”，然后反过去看其他报表。看流量来源报表，来查看“购物组”和“注册组”主要是哪些媒体带来的；看内容报表，比较“购物组”和“观光组”在浏览的产品类别上有没有显著差别；看具体的点击轨迹，比较这三组人到达landing page之后分别做了些什么……总的来说就是，把所有报表都用这三组人过滤一下，看他们在结果数据上有没有什么显著差别，如果有，则再研究是不是因为这个差别导致的后续效果的差别。比如说发现“购物组”和“注册组”中访问了“女装”这个类别的比例，显著高于”观光组“中访问过女装类别的比例，我们就可能可以提出两个假说：1. 女性用户对我们更有价值，我们应该多拉这一类的流量；2. 我们女装这个类别做得非常好，能够将流量转化下来，我们应该增加这个品类的曝光。这些结论是否正确还需要进一步考证，但是这是一个很好的起点。换一个例子，我们去比较点击轨迹，发现”购物组“到达landing page之后大多点击了产品图片直接进入了产品类别或者具体产品页面，而“观光组”中间超过50%点击了“点此参加活动”这个按钮。这样的话我们可以开始猜测说我们辛苦设计的那个所谓”活动“（比如说是个竞猜之类）到底对我们起了正面还是负面的效果，自己去点点那个按钮看会发生什么事情，首先看是不是流程上出了问题（我还见过点击“参加活动”这个按钮结果无限循环回到原页面的），如果没问题，再从活动设计的角度反省说它是不是起到了降低转化的作用。

个人很喜欢这个细分方法，本质上它就是根据结果把流量分成“好人”和“坏人”，然后一路比较“好人”和“坏人”从接触到最后转化或离开这整个过程中所经历过的事情有没有什么显著的不同，如果有，则进一步深入去考虑说这些不同点是否就是造成他们一些是“好人”一些是”坏人“的原因，再想办法优化这些经历，尽可能增加”好人“这个族群。

有什么其他的好想法么？打开这篇文章留言吧：）

（嗯，这个系列文章还没完……，觉得写完可以改改出书了，反正都写了这么多字了，呵呵）

终于写到这里了，之前写过《网络营销和Web Analytics的数据解读方法》系列也就是写到这里发现前面结构没搭好所以重写这个系列的。

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

这个系列已经写了六篇文章，基本的思路是：

首先，我们得了解有哪些监控数据可以用，各自代表什么意思（它们未必是字面上的意思）。

然后，我们应该思考我们网站的目标是什么，应该制定一套怎样的指标才能更好、更全面的衡量效果（长期效果、隐性效果）。

有了好的指标来衡量效果之后，我们只是得到了数据，必须学会一些简单的分析方法来分析数据、找出问题的根源，制定合理的行动方案来优化效果。

今天的主题其实是上一篇的延伸，我们继续来看还可以怎样来深入分析数据。

老规矩，先拍脑袋问几个问题，建议先想一下留言说一下再往下看，我个人的经验很有局限，如果能够大家贡献一些智慧的话这个讨论会更有趣：）

• 两个营销活动（外网广告配合内网活动页面）landing Page各自有100,000流量，A活动页面bounce rate 80%，转化率2%，B活动页面bounce rate 75%，转化率3%，所以B活动较好（页面设计，促销内容，产品选择……），对么？
• 两个营销活动（外网广告配合内网活动页面）landing page，bounce rate和转化率都相等（平均数相等，分布也一模一样），说明这两个Landing Page在“抓住流量”、“转化流量”方面能力差不多，我们没法从中积累什么经验。对么？
• 结帐流程改版前转化率是3.1%，改版后调到了2.9%，我们应该改回去，对么？
• 我们顾客的购物频率是一个月买一次，所以当一个顾客两个月没有来买东西的时候我们应该给他们发Reactivation Email，对么？
• 最近网站的转化率从3.4%下降到了3.1%，所有分析方法都用了，找不到原因，怎么办？ 我该把所有产品经理叫过来开会，让他们想办法提高产品的吸引力了，对么？

============ www.MarsOpinion.com ============

Segmentation（客户族群细分？）可以帮助我们回答上面这些问题。就好象之前所说的平均数没法准确的传递整体的具体情况一样，每个用户族群（Segment）的行为方式特点都不同，把他们一锅粥丢到一起然后看整体的数据往往会让我们一头雾水，没有办法深入的了解实际情况。在WAW的讲座时我重点讲了这个概念，但是事后还是很多朋友问我要“具体的例子”，所以今天尽量用举例子的方法来介绍这个概念的实际应用。

最常见是根据客户的生命周期来分Segmentation，而其中最最简单的操作方法就是把用户分成“新客户”和“老客户”。

一般情况下，我们可以认为“老客户”（在本次到访前完成过某个特定行为的用户，例如可以定义成“买过东西的用户”、“注册过的用户”或者“访问过的用户”）相对来说对网站更熟悉（反过来说就是对变化可能更敏感，更需要时间适应）、更信任（否则不会一来再来）、操作更熟练、对界面引导依赖比较低，比较容易被转化；而“新客户”则对网站较为陌生、对界面引导依赖比较重，转化率也相对较低。

案例一：

两个营销活动（外网广告配合内网活动页面）landing Page各自有100,000流量，A活动页面bounce rate 80%，转化率2%，B活动页面bounce rate 75%，转化率3%，所以B活动较好（页面设计，促销内容，产品选择……），对么？

我们把用户分成“新客户”、“老客户”两个segment再分别看数据，发现第一个活动流量中有90%是新客户，新客户的bounce rate 82%，转化率1.8%，而第二个活动流量中只有10%的新客户，他们的bounce rate也是82%，转化率1.8%；而对于老客户来说呢，在两个活动中bounce rate和转化率也都是一样的——两个活动之所以表现不同，仅仅是因为他们流量的构成不同，对于同种流量来说他们“把客户留住”和“转化客户”的能力都差不多，“B活动更好”这个说法是站不住脚的，不是么？

案例二

新浪上的广告促销带来500,000访问，5000订单，网易上的广告促销带来500,000访问，5000订单，看起来一样，我们没有什么可以做的，没法做什么优化（不能说“下次把钱都给XXX，让YYY去死吧”），也没法积累经验（不能说“XXX活动看来更有吸引力，YYY活动可以去死了。”）。对么？

很多marketer懂得的唯一“分析工具”就是“比较数字大小”，当数字大小相等的时候就觉得里面已经没有了分析的余地和优化的空间，

老办法，我们分开看新老客户的情况（对于使用GA的朋友，可以试试看GA的Advanced Segmentation功能），发现新浪带来了400,000新用户访问，4000个新用户订单，网易带来了200,000个新用户访问，2000个新用户订单（可以通过简单运算得知网易带来了更多老客户访问和订单），这样一个简单的划分就可以给我们带来非常丰富的数据：

• 如果两个营销活动创意一样，我们可以有一个初步结论说新浪那个广告位面对的新用户更多，而网易的面向老客户更多。之后如果要抓新用户可以多考虑新浪那个位置，如果想做老用户维护可能网易那个位置比较好。——对于大部分公司来说，抓取新用户的成本要比维护老用户高，换句话说，能搞来一个新用户更不容易，所以一般情况下可以说新浪那个广告位更有价值一些。
• 如果两个营销活动创意不一样，我们就可以积累到更多关于活动形式、活动产品的经验。比如如果是京东商城，可能发现第一个促销Banner和促销页面主推的产品都是DVD盘，优盘，MP4，GPS，而后一个则是专门针对显示器、键盘、鼠标的促销。这样子我们可以有一个初步的结论（记录下来，和之前的经验放在一起相互印证）说如果要抓新用户我们的促销活动主打应该多用优盘MP4。

用上这么简单的一个Segment，我们从活动中积累的经验就会多很多。

案例三

结帐流程改版后，发现转化率从3.04%掉到了2.90%，怎么也找不到问题，怎么办。是不是可以得出结论说新版的流程不好用，让我们改回原样？

老办法，分别看一下新老客户的表现情况，发现老版的结账流程对于老顾客的转化率是3.2%，对新顾客的转化率是2.71%；新版结账流成对老顾客转化率是3.03%，对新顾客的转化率是2.89%。

在这样细分查看了数据之后，我们很难有确切的结论，但是至少可以提出一个和“老版更好”不一样的假说：新版更好。因为：1. 对老客户来说，新版老版表现差不多。新版比老板转化率低0.17%，这个数字在统计意义上未必显著。另外，对老用户来说，适应新的界面需要一段时间（哪怕是更好的界面，在引入的初期很可能也会让老客户有些不习惯从而导致转化率下降），所以就算0.17%在统计意义上显著，我们也不能根据这这么一个数字就说新版不行，还得观察一段时间再说；2. 对新客户来说，新版的转化率要更高。新客户（因为WA监控方面的的局限，他们未必都是没有来过网站的用户，但是我们可以认为他们作为一个整体来说对于网站的熟悉程度远低于“老客户”）不管在以前还是现在都是需要熟悉和学习界面的一群人，界面帮助转化了更多的新用户往往更能说明改版的成功。

案例四

为了同一个活动，我们设计了两个不同的Landing Page（因为要在上面放不同的媒体logo），分别在两个媒体上做广告导流量上来。为了测试不同的版型对于Bounce Rate的影响，我们特地把两个页面做得不太一样，第一个的“参加活动”按钮是黄色的，非常大，第二个的按钮是橘黄色，比较小，但是放在了更显著的位置上。经过测试，第一个页面的Bounce Rate是80%，第二个页面的Bounce Rate是77%。是不是说第二个页面设计更好？按钮摆放位置比按钮颜色更重要？

如果我们分开看新老客户这两个segment，一种可能的结果是我们发现对于第一个页面，新客户的bounce rate是85%，老客户bounce rate是78%；对第二个页面，新客户的bounce rate是90%，老客户bounce rate是76%（第二个页面流量中新用户比例比第一个要小）。

如果数据真的是这样，我们就得反思最开始的结论。对于老客户来说，点击广告来到活动页面，一是更容易找到call to action的指示（已经熟悉了我们的设计风格），二是就算找不到，他也很可能点击首页或者目录导航页去看看是不是有别的他想要的东西在促销，这样说起来bounce rate会比新用户低，而且和call to action做得好不好相关性相对较小。如果这种说法成立，我们在判断页面设计好坏的时候更多的应该用新用户这个segment的表现来作为依据，换句话说，第一个页面设计似乎更好一些。

如果说第一个页面的设计较为合理，那么为什么它对于老用户的bounce rate反倒会比第二个页面高呢？可能的解释是：1. 2%的差别可能在统计意义上不显著——第二个页面运气好多让人点了两下罢了，本质上78%和76%是差不多的；2. 活动本身对于老用户并没有吸引力，比方说最近一号店的“一元疯抢”活动对老顾客吸引力就很有限（因为只给新用户优惠），或者是因为产品促销幅度不大，对于老用户来说，看了一眼就知道以后还会有更好的（“什么，才9折，上周才搞过8折的！”），所以看一眼就跑了。

这里的分析只是抛砖引玉，关键是我们要学会分segment来看数据、深入分析，这样才可能得出真正有意义的洞察和行动方案。

其实，按照新老客户的划分Segment只是最基本的（说实话，也是最有效果的，呵呵），这里面还有很多做细的空间。

比方说可以按照用户的生命周期来分（详情参看粗糙却方便的客户关系管理模型），把用户分成“新用户”、“首次购物顾客”、“重复购物顾客”、“流失顾客”……这样子细分的好处是可以积累更细致的数据和经验，缺点是数据会变得更加的复杂、不直观，而且对于实际操作的Markter的要求会变高，所以一般情况下比较少用（感兴趣的话，网络营销和Web Analytics的数据解读方法（二）——Segment (2)里有个简单的例子）。

写到这里觉得这篇文章实在太长了，改天再接着往下写其他的segmentation方法：）

欢迎大家多留言讨论，我这里只是一家之言，大家讨论集思广益往往能有更好的点子出来：）

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。

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：）

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？