Webtou

网站分析领域的大师Avinash Kaushik提出过一个很好玩的测试——”so what?”（“那又怎么样呢？”）。

测试很简单，当你看到一堆漂亮的数据，例如

“PageView: 500,000; Visitors: 30000; New Visitors: 15000”

或者精美的报告，例如

“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%! 效果非常好！从点击来看，80%的客户都是New Visitor（新访客），而且他们给我们直接带来了30万的销售额……”

当你看到这些。

首先，你要知道这些天书到底在说什么（请参看XXXXXX，像“带来多少销售额”，或者“新访客”之类的词并不一定是你想象的那种定义）。

知道了那些数据的具体含义之后，你就应该开始进行Avinash大师的so what测试了，你可以对着给你提供数据的小弟或者agent深沉的来一句：

那又怎么样呢？

Pageview 500,000，Visitor: 30,000，那又怎么样呢？

“嗯……那代表说每个客户平均访问了17个页面。”

那又怎么样呢？

“每个客户看的页面多，说明客户粘性高，说明我们的活动很成功。”

为什么？我听不懂。

为什么17个页面就是“多”，为什么“多”代表“粘性高”，为什么“多”代表网站成功活动成功？

（agent开始冒汗想说这人神经病啊……）“呃……我们来谈谈Web2.0和Marketing3.0吧……”

（假如是比较强的agent）“对于您这个行业来说，industry benchmark是人均浏览10个页面，所以17个是挺多的。另外，因为您网站主要都是产品页面，客户浏览页面多表示他兴趣越大，而浏览信息多也使得他对您更加了解，对于您mkt信息的传递，品牌印象的生成，以至于将来销售的促进，都是有好处的……”

那又怎么样呢？

（agent昏过去了）

（假如是比较强的agent）“这个……这次campaign，和上次相比较，最大的区别有两个：第一，之前我们是在www.MarsOpinion.com上做的文字链广告，这次我们换到了www.brandmarketing.com.cn的Banner广告；第二，之前我们没有在广告中提到您公司名称，这次我们把公司名称和logo放最大。我们推测这两个变动可能是我们广告效果提升的原因。我们认为下一次我们应该投入更多的经费在第二个网站上，而且都用来购买Banner广告，同时投入10%经费去原有网站——如果同一个内容的Campaign仍然有巨大的效果差异的话，我们就能得出结论说我们应该加大在brandmarketing.com.cn上的投放，而且要用Banner而不是文字链。”

哦，谢谢。

数字只是数字，其实没有什么意义。

通过不断的追问“那又怎么样呢”，其实我们是在一步一步把简单的数字转化为对问题的洞察，直至产生可行动的方案。

本质上，对于数字，第一个问题是”WHAT”

1. 这些数字是怎么来的，真实含义是什么？

2. 这些数字对我的生意的意义是什么？

3. 这个数字说明情况是好还是坏？

了解了WHAT之后，第二个问题就是”WHY“

1. “好”数字出现的根本原因是什么？

2. “坏”数字出现的根本原因是什么？

分析出了“原因”，最后我们才能得到”HOW“——我们要怎么做，才能让数字越来越”好”？

一步一步，我们所做的事情是：

1. 搞清楚那些花花绿绿的数字，对于我们的生意来说，究竟意味着什么。

2. 然后，去分析说我们有什么可以改进的，要做什么，不要做什么，该怎么做。

只有这样，那些数字才有意义，才有价值。

假如我们财大气粗，而且我们请到了很好很专业的代理（如果您找到了的话麻烦告诉我一声），我们当然可以这样很有sense的连续追问：那又怎么样呢，那又怎么样呢，那又怎么样呢……最后得到满意的答案和行动方案。

可是如果（几乎是一定的……）我们找不到那么好的人来回答问题呢？……那就只好自己来回答，或者自己来培养几个人来回答了。

怎样才能系统和科学的解读网络营销数据。

今天我们可以来讨论一个最基础，而且看起来很简单的问题：我们真的知道报告里的原始数据的含义么？

给一个简单的测试（这次后面是有答案的:p）：

举例来说，如果您看到一份Marketing Agent给您的报告，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……”

您对这番话的理解是不是：

• 到达率99.99%，那么有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邮件的客户都点击了。
• 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更了解我了。
• 1.9 million访客，他们平均在我网站逗留了19秒——时间太短了，我们应该想想办法。

如果您觉得4条都是错的——恭喜您不用花时间看下去了。

如果您觉得4条里面有对的，说明您可能对某些网络营销数据还可以多了解一些：

1. New Visitor代表的不是“新用户”、“新顾客”或者“新访客”，它代表的是您的监控工具跟您说“来的这个人我之前没见过”——每次有人访问网站，监控工具就会往那个人机器里留个痕迹（cookie）以便以后相认，下次他再来，系统察看他机器，发现有这个痕迹，就觉得“这人我见过”然后把它归入“老访客 ”，而如果找不到这个痕迹，就会认为他是新访客。所以，当您的老访客换了一台机器，系统也会把他当作一个新访客；当您的老访客有意无意清空了痕迹（cookie），系统还是会把他当作新访客……总而言之，80%的New Visitor不代表有80%的人从来没来过你网站，这个数据需要打个折扣——具体要根据您网站特点具体情况具体分析。

2. Open Rate不代表有百分之多少的人打开了您的邮件，它代表的是“有多少人的邮箱下载了您的监控图片”——系统很难知道用户到底有没有看邮件，所以大部分系统会采用一个诡异的方式来侦测：他们在每个邮件里面加一张只有一个像素大小的小图片，然后用你的email有没有去下载使用这张图片来判断你有没有打开这封信。所以，如果您的email默认不显示图片（比如gmail对于陌生邮件就都不显示图片），系统就会认为这封邮件没有被打开过。所以unique open rate = 19%常常代表有超过19%的用户打开过邮件（看没看就不知道了……），这个数据可能是25%，那么就不是每个打开过邮件的人都点击了邮件。

3. Deliver Rate不代表有多少客户“收到”了你的邮件，它常常只代表这些客户的邮件服务器“没有把你的邮件退回来”，这封邮件命运难测，有可能是就此消失掉了（客户没有收到），也可能是直接进了客户的垃圾邮件箱，过了几天被自动清除了。99.99%也是要打一个折扣的。

4. ATOS，这个解释起来更加的复杂……对常见的监控系统来说，它是不知道访客具体在网站上停留了多久的。为了计算您在网站的停留时间，它会在您打开第N个页面时去看一下表（比如09:30:22），然后在您打开第N+1个页面时再看一下（比如09:30:50），然后它拿两个时间相减，得到您在第N个页面上停留时间（比如28秒）——说到这里您应该已经发现问题：它没法知道您在最后一个页面停留了多长时间。对于市场营销来说（特别是针对新用户的 campaign），这个问题更严重——因为很多人点击广告，来到landing page，然后就走了，这些人一共就只访问了一个页面！系统拿不到第二个页面打开的时间信息，所以有可能会把这些人在网站的停留时间都算作0秒，那么您得到的所谓“平均停留时间19秒”其实是个非常扭曲的数据，并不能代表真实情况（数据偏小）。举例来说，我在自己的 blog（www.MarsOpinion.com）上安装了Google Analytics，它监控的用户访问时间如下图，可以看到ATOS是3:11秒：

如果我只看那些“只访问了一个页面”（对于blog来说，很多人只是上来看最新更新，bounce rate很高）的访客，会发现ATOS居然是0秒：

而我如果看“访问超过一个页面”的访客，这个数据又变成了惊人的9:46！是第一个数据的3倍！

现在，您是不是觉得这些“一目了然”的数据其实并不是那么清楚？

如果我们对那些数字代表什么含义都不清楚的话，解读又从何说起呢？

再来一个非常常见（无数家EMail Solution咨询公司都有类似的Case Study）的例子看能不能让您更晕：

1. www.MarsOpinion.com（我的blog，鉴于不注明出处的转载越来越多，不得以都用自己blog做例子，把链接放到文章里面）的Shopping Cart Abandonment Rate为70%，100个人把东西放到购物车里，只有30人完成订单结了帐，有70个人本来想买东西最终放弃了！

2. 我们为www.MarsOpinion.com设计了一系列高科技人性化无以伦比的高级Campaign——去掉形容词之后你会发现Campaign的本质是给这些Abandoned Cart的Customer发一封Email，内含“You forgot something in your cart“的提醒，以及一些incentives，例如折扣券。

3. 这个Campaign非常成功，AS Email的open rate比普通commercial email提高300%，CTR提高400%，转化率提高100%! 本来已经放弃购物的消费者收到了信，有10%的人通过点击这封Email再次来到了网站购物！所以我们可以推算出Abandonment Rate从70%下降到了63%！最终消费客户会增加23%! MarsOpinion.com年销售额2亿美金，所以我们预计这个这个Campaign可以帮助他们成长4600万美金！鉴于我们这个Solution 只卖200万，ROI高达2300%!

4. 为了体现我们的专业，我们做了A/B Testing：我们发现在客户放弃购物24小时后马上发Email，转化率比在3天后再发这封信要高87%！另外，我们发现，放一个coupon在邮件里，转化率会提高47%！——我们经过精密计算，发现额外的销售和利润足以cover折扣券的成本。经过严谨的测试，我们决定……。

您觉得这个论证有问题么？问题在哪？

========== 我是分隔线 ==========

这个Case问题很多，但是最根本的——也是在其他Case中最流行的——就是计算Marketing Contribution的方式。

因为Web Analytics的完善，网络营销常常能够取得比传统营销方式更完整全面的反馈信息，就好像读者留言所说“我们应该看实际效果，看带来了多少销售，带来了多少利润！”。

关键是：我们监控到的“带来XXXXXX”实际的含义是什么？Campaign创造的效果么？1000个人点击广告，300个人买东西，真的代表这个Marketing Channel为公司“带来”了1000个Visit和300个订单么？

不是的，我们监控的效果，那些数据，只能表明有“多少效果可能是由XX Campaign带来”，更具体地说，是“有多少人在点击了广告后的某一段时间内下了订单买了东西“，而不是“XX Campaign产生了这些订单”。你监控到这个campaign“带来”了300张订单，只能说明这个广告在购物过程中可能起到了作用，但并不能说这个广告创造了300个订单——有可能300个人里面有299个原本就会来买：）

回到上面那个例子，Shopping Cart Abandonment Rate为70%其实并不能代表有70%的潜在客户放弃了购买。产生Abandonment的原因有无穷多，从技术上来说，很多Web Analytics Tool会把在一个Session“有加入购物车行为，但是没有结帐行为”就当成一个Abandonment，这样的话，客户离开电脑两个小时再下订单，也会被算作Abandon了一次；从业务上来看，很多人用购物车来代替Wish List进行购物比较，这些人在实际购物前都会被计算很多次Abandonment，另外还有很多人仅仅是决定过一会儿再买（例如回家看看另一张信用卡卡号），这些人也会被系统认为“放弃了购物”。了解了这个词的真实含义之后，我们至少可以知道一点——“其实这些人中间有很多本来就会回来买东西的”。假设这些人中间9.5%的人本来就会回来购物好了，那么其实所谓的“本来已经放弃购物的消费者收到了信，有10%的人通过点击这封Email再次来到了网站购物！”只是给网站多挽回了0.5%的客人而已，所谓的“这个 Campaign可以帮助他们成长4600万美金！”自然也就变成了增长230万美金。

之后的A/B Testing其实就更扯了（这也是业界真实的案例，而且这个A/B Testing的结论还被多家援引，成为了所谓Best Practice的论据）。假设我们说说的那9.5%的回头客会分散在Abandonment一小时后到30天后完成购物（时间越靠近 Abandonment，购物概率越大），你在24小时后发信当然效果比3天后发信“效果好”，不是因为你能产生更多订单，而是因为你能把更多的原本会发生的订单效果计算到自己头上。因为发了Coupon之后Conversion Rate升高就说要发Coupon也是很扯的说法。真要算，Coupon成本要计算进去，而且这个成本不应该和所有使用了Coupon的订单去比（因为其中大部分是本来就会购物的），而是应该和增量去比。假设我们所说的是10%的Coupon，那么成本就是4600*10%=460万美金，而按照前文所述的实际销售增量才230万美金，就算你毛利率50%，也还是亏损几百万。何况，插入Coupon之后可能会引发一系列连锁反应——例如让消费者找到规律，之后要买什么东西就Abandon一个Shopping Cart然后等Coupon来了再买之类，之后亏损会更大。

========== 我还是分隔线 ==========

综合第一个例子，如果我们不够了解New Visitor, Deliver Rate, Open Rate, ATOS，Abandonment Rate, Sales Attribution的真实含义，而只是望文生义想当然的话，我们很可能就会作出错误的判断。更糟的是，还有很多的名次定义比文中描述的这些更复杂和混乱。

所以我的建议是：

1. 如果您是购买企业级的、付费的产品（例如Omniture），请在签合同时的时候顺便把training hours也买了，然后列张表把你关心的各个指标的具体定义问清楚（不同vendor的定义还不一样@__@），不要想当然。

2. 如果使用免费的产品——例如Google Analytics，请仔细阅读文档，或者招一个愿意阅读文档深入了解工具的人。

3. 找专业人士咨询。——至于你找的人是否专业，你可以用本文中的例子去问他看他的结论，呵呵。有些人会把文中的话说一遍之后告诉你其他更深入的信息（例如你用的工具其实是可以查ATOS的，只是误差有60秒之类；或者告诉你其他方法获得inbox deliver rate之类），另一些“网络营销专家”可能就会直接转话题开始和你谈概念谈人生谈理想，呵呵。

4. 如果实在找不到人，至少心里面要知道“不能望文生义，这些词未必是他们表面的意思”，给自己留有余地。

========== 我还是分隔线 ============

看到这里，可能有几个读者会产生新的问题说：so what?

假如我们认真学习了（或者找到了懂行的人来帮我们），我们是否就能够解读数据，并且用数据来帮助我们更好的决策呢？

基本上……做到目前这一步还是不行，抱歉。

下一次接着说：怎样才能让这些数字对我们的生意更有意义。

如果您对以下问题的回答都是＂不一定＂，而且您可以说出＂不一定＂的原因……这个系列之后的文章请直接跳过，不用浪费时间看了：）

1. 假如我们给Brandmarketing.com.cn（假设它是电子商务网站）在QQ和新浪上花同样的钱投放了广告，QQ广告一天展示了 5,000,000次，带来了50,000个访客，200个订单，新浪广告一天展示了4,000,000次，带来60,000个访客，300个订单。您觉得我们是否应该减少在QQ的投放，加大在新浪的投放？

2. 假如新浪广告的Impression, Click和Order都是QQ广告的5倍，是否说明了新浪的投放ROI更高?

3. 假如QQ一天带来了50000个访客，30000个浏览了超过3个页面，新浪一天带来60000个访客，40000个浏览了超过3个页面，是否说明新浪流量更匹配？

4. 假如QQ一天带来了50000个访客，在您网站注册了300个新帐户，新浪一天带来60000个访客，400个注册了新帐户，所以新浪的投放性价比更高？

5. 您原来的SEM Manager离职，来了个新的，他来了之后关键字广告ROI大为提升，其他数据不变，CPO（平均订单成本）从20块下降到18块，我们应该表扬他吗？

6. 品牌宣传活动，您有两个landing page，A页面的Bounce Rate（有多少比例的访客看过这个页面马上离开）是80%，B页面的Bounce Rate是90%；Web Analytics显示，A页面最终产生了400个订单，B页面只有200个。我们认为A页面活动较为吸引人，或者页面设计较好，对么？

7. 您有一个网站，访问量很大，而且您做了监控，发现应该大多是真实的流量——但是，转化率很低（如果是e-commerce，就是成交量小，如果是别的，可能是下载量小、注册量小），结论是您的网站内容不够吸引人，对么？

8. 您发现您顾客的平均购买周期是30天，所以您认为每10天来一次的客户是超级忠实客户，而已经60天没来的客户可能是流失客户，需要用之前那篇粗糙却方便的客户关系管理模型来挽回这些客户，您觉得这个思路合理么？

9. 假如我们的网站上个月每天访问量是2万，这个月每天访问量1万5，说明我们网站出了什么问题，对客户吸引力下降了，对么？

10. 我们打算在网站上安装在线客服，当客户访问网站一定时间后还没有convert（下单、注册、下载你的电子书，试玩你的游戏），就弹出在线客服窗口来和客户沟通。因为Web Analytics告诉我们说所有客户的平均停留时间是100秒，所以我们决定在100秒时弹出这个窗口，您觉得这样做合理么？

病毒性营销并非真的以传播病毒的方式开展营销，而是通过用户的口碑宣传网络，信息像病毒一样传播和扩散，利用快速复制的方式传向数以千计、数以百万计的受众，建立在有意于用户基础之上的营销模式。
病毒性营销的经典范例是Hotmail.com。Hotmail是世界上最大的免费电子邮件服务提供商，在创建之后的1年半时间里，就吸引了1200万注册用户，而且还在以每天超过15万新用户的速度发展，令人不可思议的是，在网站创建的12个月内，Hotmail只花费很少的营销费用，还不到其直接竞争者的3%。Hotmail 之所以爆炸式的发展，就是由于利用了”病毒性营销”的巨大效力。病毒性营销的成功案例还包括Amazon、ICQ、eGroups等国际著名网络公司。

病毒性营销并没有固定的模式，其基础是提供有价值的免费服务、吸引人的免费信息等，并且这些服务和信息是容易通过互联网用户自动传播的。从病毒性营销信息载体的性质进行划分，常见的病毒性营销形式主要包括下面四类：

（1）通讯服务类：提供免费通讯工具，形成用户圈，这个圈子自动扩大形成规模，如ICQ、免费Email等；

（2）优惠服务类：转发在线优惠卷、转发商品信息短信等；

（3）实用功能型：免费实用软件、免费在线查询（域名查询、邮政编码查询、手机号码属地查询、IP属地查询等）、在线评价等；

（4）免费信息类：适合转发和下载的情感故事、幽默故事、贺卡、FLASH、视频、电子书、流行歌曲下载等。
其中国内的卓越亚马逊的联盟形式，给用户提供销售佣金的方式，还有近期比较火，而且拿到风投的开心网,都应该可以算做病毒性营销的方式。

最初我们对网络营销的方式有：搜索引擎营销、电子邮件营销、即时通讯营销、BBS营销、病毒式营销，我们在一些课程里看到的也是这些，但是随着互联网的日新月异，新的网络营销方式也随之而行，博客营销、播客营销、RSS营销、SN营销、创意广告营销、口碑营销、体验营销、趣味营销、知识营销、整合营销、事件营销。

所以现在网络营销的方式应该包括如下：

网络营销是借助一切被目标用户认可的网络应用服务平台开展的引导用户关注的行为或活动，目的是促进产品在线销售及扩大品牌影响力

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。