衡量網(wǎng)絡(luò)營銷效果的三種方法

摘要:Engagement衡量宏觀效果的方法,是基于這樣的一種假設(shè):大量用戶看似混沌的各種行為,實(shí)際上均反映了網(wǎng)站對用戶的影響(吸引)程度。
在之前的《網(wǎng)絡(luò)營銷效果衡量的核心指標(biāo)》連載中,介紹了什么是Engagement,Engagement包含哪些指標(biāo),如何定義這些指標(biāo),以及如何通過技術(shù)方式監(jiān)測到這些指標(biāo)。這期將問題更深入,探討Engagement的適用性問題。
由于Engagement的靈活性,它至少在三個(gè)領(lǐng)域具有極高的研究價(jià)值。其一,它對于衡量總體(宏觀)效果的達(dá)成有幫助;其二,在確知流量質(zhì)量的情況下,它能衡量網(wǎng)站對用戶的影響程度(即一般我們所稱的網(wǎng)站的質(zhì)量);其三,在確知網(wǎng)站質(zhì)量的情況下,它能衡量網(wǎng)站流量的質(zhì)量。
這三個(gè)問題,幾乎就是我們進(jìn)行營銷分析的核心領(lǐng)域。我們先來看第一個(gè)問題:如何通過Engagement指標(biāo)衡量總體(宏觀)效果的達(dá)成?
Engagement衡量總體效果的三種方法
Engagement衡量宏觀效果的方法,是基于這樣的一種假設(shè):大量用戶看似混沌的各種行為,實(shí)際上均反映了網(wǎng)站對用戶的影響(吸引)程度。用戶行為的量和度越大,表明網(wǎng)站對用戶的影響越強(qiáng)烈。這么說不難理解。同樣的兩個(gè)新聞?wù)?,A站平均每個(gè)用戶訪問看10條新聞,B站只有5條,很明顯A站對用戶的吸引程度更大。Engagement本質(zhì)上即是用于描述各種用戶混沌行為,因此Engagement的數(shù)量和強(qiáng)度,與網(wǎng)站影響用戶的能力是等同的。
那么如何衡量Engagement的數(shù)量和強(qiáng)度呢?
通常有三種簡單的方法衡量宏觀Engagement。第一種方法,是觀察全局性的Engagement指標(biāo),這些指標(biāo)既可以是標(biāo)準(zhǔn)指標(biāo),也可以是自定義指標(biāo)。第二種方法,是把單個(gè)的Engagement指標(biāo)按照自定義的重要程度加權(quán)匯總起來,形成Engagement?Index加以衡量。第三種方法,則是按照用戶行為與營銷目標(biāo)之間的數(shù)學(xué)關(guān)系定義各個(gè)指標(biāo)的重要程度,然后再加權(quán)匯總成Engagement?Index。只要對用戶的行為監(jiān)測得當(dāng),三種方法操作起來都不會(huì)有什么困難。
方法一:全局性Engagement指標(biāo)的分析
第一種方法,觀察全局性的Engagement指標(biāo),最常見的便是觀察Bounce?Rate、PV/V或者Time?on?Site。關(guān)于Bounce?Rate,大家的問題最多。幾乎在所有的課堂上,當(dāng)我講解Bounce?Rate相關(guān)知識的時(shí)候,就會(huì)有同學(xué)提問:Bounce?Rate到底多高算好?我可以簡單地答復(fù),如果你的Bounce?Rate沒有超過65%,那么還真是值得慶賀。但這樣的答案并不是我喜歡的,如果京東的Bounce?Rate是65%,那么他們一定會(huì)痛苦得頓足捶胸。不過,若是在營銷活動(dòng)中,網(wǎng)站的Bounce?Rate真的高于80%,那我們該得出什么樣的結(jié)論呢?
結(jié)論A:
該死,這真是一次全然失敗的活動(dòng),流量糟透了,網(wǎng)站也稀爛。?
結(jié)論B:
網(wǎng)站是成功的,但是流量存在極大的問題。?
結(jié)論C:
流量肯定沒問題,但網(wǎng)站很糟糕。?
這三個(gè)結(jié)論,哪一個(gè)會(huì)是正確的?答案是,都有可能。不過,在具體的情況下一定只有一個(gè)可能性。我們?nèi)绾闻袛郆ounce?Rate高,到底說明了哪種情況?
我的方法很簡單——按照流量來源細(xì)分Bounce?Rate,然后判斷到底是流量出了問題,還是網(wǎng)站出了問題。解決這個(gè)問題我將引入?yún)⒄障档母拍?,即流量中可以作為參照系的?biāo)準(zhǔn)流量來源。我們都知道,網(wǎng)站流量來源多種多樣,其中質(zhì)量最好的流量是自然搜索流量(Organic)。或許你會(huì)失望,問為什么不是Direct(直接流量),原因是Direct并非真正的直接流量,而是對于這個(gè)網(wǎng)站分析工具而言所有無法判斷來歷的流量,因此Direct可能雜糅了很多流量,這些流量的質(zhì)量幾乎可以肯定不如自然搜索流量。
為什么Organic是質(zhì)量最好的?其實(shí)很簡單,Organic流量不是作弊流量,而且反映了真正的用戶訪問需要。如果一個(gè)網(wǎng)站沒有什么Organic流量,那么流量質(zhì)量第二好的流量是付費(fèi)搜索引擎流量。這兩種流量可以作為我們衡量Bounce?Rate的參照系?,F(xiàn)在,我們來觀看下面的幾種情況,又會(huì)分別得出什么結(jié)論:
情況A:
Organic流量的Bounce?Rate不錯(cuò),只有40%左右,但網(wǎng)站整體的Bounce?Rate是80%。?
情況B:
Organic流量的Bounce?Rate和網(wǎng)站整體的Bounce?Rate幾乎一樣高,都高達(dá)80%。?
相信看到這兩種情況,讀者心中已經(jīng)有數(shù)了。A情況,說明網(wǎng)站對那些真正有興趣的用戶的吸引力還是不錯(cuò)的,40%的Bounce?Rate水準(zhǔn)不錯(cuò),但網(wǎng)站仍然有高達(dá)80%的Bounce?Rate,說明其他流量很可能并非你希望獲取的人群。B情況,如果連Organic流量都有極不理想的Bounce?Rate,那么說明這個(gè)網(wǎng)站真心做得差點(diǎn)意思。流量參照系給了我們一個(gè)很明確判斷到底是流量還是網(wǎng)站出問題的方法,但使用這個(gè)方法有一個(gè)前提,就是Organic的流量不能太少,如果Organic流量很少,可做替換的流量是Paid?Search。但如果沒有什么Paid?Search的流量,那就找那些你認(rèn)為質(zhì)量可靠的流量來源。不過,無論參照系流量的表現(xiàn)如何,一次營銷活動(dòng),如果整體的Bounce?Rate高于80%,就肯定不是一個(gè)特別理想的狀況,要么是流量或者網(wǎng)站存在問題,要么是存在營銷費(fèi)用的浪費(fèi)。
PV/V和Time?on?Site相對Bounce?Rate而言,更難有benchmark。不過,就我看來,幾乎可以確定一個(gè)網(wǎng)站的PV/V和Time?on?Site越高,說明營銷受眾受到網(wǎng)站影響的程度越深。過去我曾經(jīng)認(rèn)為有一些網(wǎng)站PV/V或者Time?on?Site太大是不好的,比如政府的服務(wù)類網(wǎng)站,太高的PV/V或者Time?on?Site說明了人們或許沒有找到要找的內(nèi)容。但追蹤了很多的網(wǎng)站后,我發(fā)現(xiàn)國人的耐心其實(shí)非常有限,若是一個(gè)網(wǎng)站不容易找到他們需要的內(nèi)容,即使是重要的網(wǎng)站,他們也會(huì)轉(zhuǎn)而求助于百度,而不會(huì)在這個(gè)體驗(yàn)糟糕的網(wǎng)站中瘋狂追尋。平均PV/V大于3,或者平均Time?on?Site大于2分鐘,才能說明網(wǎng)站本身對用戶有起碼的吸引力。
觀察全局性的時(shí)候,自定義的Engagement指標(biāo)在這里則更加常用。例如,在一次促銷活動(dòng)中把用戶點(diǎn)擊促銷商品的點(diǎn)擊數(shù)量(或者打開促銷商品詳情頁面的次數(shù))作為一個(gè)全局性的Engagement來看待,并將最終達(dá)成的實(shí)際數(shù)量與預(yù)先設(shè)定的目標(biāo)進(jìn)行比較,從而觀察營銷的效果是否達(dá)成。這樣的方法很快捷,但也很粗放。如果Bounce?Rate高于90%,但很幸運(yùn)的,促銷商品的點(diǎn)擊數(shù)量卻超過了預(yù)先設(shè)定目標(biāo)的兩倍,那么這次營銷活動(dòng)到底是好還是不好呢?單個(gè)看待指標(biāo),總會(huì)碰到一些讓人難受的取舍問題,而且總是難以真正照顧全面。這時(shí)我們就必須要考慮其他的新方法。
方法二:單個(gè)Engagement指標(biāo)的加權(quán)匯總
第二種方法,把單個(gè)的Engagement指標(biāo)按照自定義的重要程度加權(quán)匯總起來,彌補(bǔ)了第一種方法的部分不足,畢竟,宏觀的Engagement是由具體的一個(gè)一個(gè)的Engagement指標(biāo)綜合而成的結(jié)果。這個(gè)方法有三個(gè)步驟:首先,列出所有的Engagement的具體指標(biāo),然后根據(jù)你心目中的每個(gè)指標(biāo)的重要程度,給各個(gè)指標(biāo)指定一個(gè)權(quán)重,最后把每個(gè)指標(biāo)乘以權(quán)重,加總起來。加總起來的值,即Engagement?Index。
不同類型的營銷選用的具體指標(biāo)和權(quán)重的安排肯定不一樣。
第二種方法比第一種方法全面,但是權(quán)重的分配很主觀,而且一些常用的全局指標(biāo),比如Bounce?Rate、PV/V或者Time?on?Site,反而不能囊括進(jìn)入,不得不成為兩套并列的衡量。后者不是大問題,但是自作主張的權(quán)重分配似乎很容易被老板和客戶challenge。不過,事實(shí)上,這種方法是目前采用最多的方法,因?yàn)樗鄬唵?,而且對于一個(gè)廣告主而言,固定一些常見行為的權(quán)重值有很多好處,它很明確地指明了營銷活動(dòng)應(yīng)該努力的方向,而且也有助于campaign不同階段或者相似campaign之間的橫向比較。
方法三:轉(zhuǎn)化關(guān)系核定下的Engagement指標(biāo)的加權(quán)匯總
第三種方法,對第二種方法做了一些改進(jìn),它基于這樣一個(gè)思想:在營銷活動(dòng)中,用戶看似混沌的各種行為,實(shí)際上與最終達(dá)成(如轉(zhuǎn)化)的終極目標(biāo)有相當(dāng)確定的比例關(guān)系。盡管對各類營銷活動(dòng)以及各個(gè)網(wǎng)站而言,這些比例關(guān)系并無相同的值,但對于一個(gè)確定的活動(dòng)或網(wǎng)站,這些比例卻相對穩(wěn)定。
例如,對于很多電子商務(wù)網(wǎng)站而言,除非是品類結(jié)構(gòu)發(fā)生大的變動(dòng),否則它們的“購物車到實(shí)際購買之間的轉(zhuǎn)化概率”是比較穩(wěn)定的,比如在40%的基準(zhǔn)上左右浮動(dòng)。那些不需要銷售商品的品牌推廣營銷,其實(shí)也適用這種關(guān)系,因?yàn)檫@些營銷幾乎都以明確希望用戶采取行動(dòng)(例如申請?jiān)囉?、分享給朋友等)作為最終目的,這些具體的行動(dòng)與電子商務(wù)網(wǎng)站的購買行為其實(shí)并無本質(zhì)的差別?,F(xiàn)在,我們假設(shè)一個(gè)電子商務(wù)網(wǎng)站有如下的轉(zhuǎn)化規(guī)律:每100個(gè)新注冊用戶會(huì)產(chǎn)生4個(gè)訂單;每100個(gè)IPV會(huì)產(chǎn)生(對應(yīng))18個(gè)訂單;每100次把商品放入購物車會(huì)產(chǎn)生20個(gè)訂單……我們可以得到下面的一個(gè)表格(表1)。
為了后面的計(jì)算關(guān)系,我們把每個(gè)Engagement指標(biāo)都變成1為基準(zhǔn),我們可以得到一系列比例關(guān)系,?有了這個(gè)對應(yīng)關(guān)系,我們可以很容易地給轉(zhuǎn)化發(fā)生之前的所有重要事件定義Engagement的權(quán)重。如果我們以1個(gè)轉(zhuǎn)化為100分計(jì)算,按照各個(gè)不同行為的實(shí)際值,計(jì)算出各指標(biāo)的Engagement?Index完全輕而易舉(表2)。
第三種方法相對于第二種方法看起來更為科學(xué)一些,Google?Analytics的Page?Value的設(shè)置也是類似于這種方法。但這種方法并不能說是現(xiàn)實(shí)的完全真實(shí)的反饋,它還是存在一定的問題。由于此方法基于所有的行為都對最終的轉(zhuǎn)化有直接的貢獻(xiàn)作用的假設(shè)而設(shè)立,但轉(zhuǎn)化必然是一個(gè)過程,在轉(zhuǎn)化過程的不同階段用戶的不同行為之間其實(shí)有相互的關(guān)系(正面的促進(jìn)或者負(fù)面的干擾),而這個(gè)方法并未把這些情況涵蓋在內(nèi)。
有意思的是,對于這個(gè)方法,你會(huì)發(fā)現(xiàn)——由于網(wǎng)站內(nèi)部的轉(zhuǎn)化也是一步一步發(fā)生的,不同過程對最終轉(zhuǎn)化的價(jià)值并不一定一樣,因此似乎也完全適用于Attribution?Modeling的方式,采用不同的modeling(如線性、遞減或是中間高兩邊低)方式,對用戶不同行為的賦權(quán)值也就不一樣,你完全也可以采用Attribution?Modeling模型的思想根據(jù)實(shí)際情況去為不同的Engagement指標(biāo)賦權(quán),這樣可以更接近于你期望的業(yè)務(wù)實(shí)際。不過操作難度看起來相當(dāng)不樂觀。
盡管三種方法都并非100%對用戶的Engagement真實(shí)程度再現(xiàn)(可是完全再現(xiàn)真實(shí)只是理想狀態(tài)),但對于我們期望的定量化的Engagement卻是很有幫助的。對于一次營銷campaign,利用這些方法能夠告訴我們從過程的角度看,是否它沿著我們預(yù)期的路線在前進(jìn)。
作者:宋星;via:鈦媒體
- 目前還沒評論,等你發(fā)揮!