上次(请先点击这里查看《事情不是你看到的那样——网络营销数据解读(一)》
)出了10道题问大家说结论是否一定正确,很多朋友也很捧场地回答了问题。
基本上,10道题的结论都有问题。下面我分几篇文章来介绍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
。
今天就到这里,谢谢捧场:)
分享到:
相关推荐
以下是对《网络营销》学术资源的详细解读,旨在为学习者提供丰富的学习路径和参考资料。 一、书目资源 1. 授课教材: - 《网络营销与推广——理论、策略和实践》:这本书可能涵盖网络营销的基本理论、策略制定...
《从网红经济解读电商直播营销模式——以淘宝直播为例》 在当今的互联网时代,电商直播营销模式已经成为了商业领域的一大热点。这种模式借助于网红经济的崛起,将传统零售业与社交媒体、在线视频等技术手段相结合,...
本文将从数据挖掘在银行零售营销中的应用、技术支撑体系建设、智能营销的柔性团队建设、以及数据分析模型的选择和应用等几个方面,详细解读中国光大银行如何夯实数据挖掘能力,赋能智能营销。 首先,中国光大银行在...
【调研报告】“掌上世界——手游用户行为特征识别分析和营销策略探究”是一份深入研究移动游戏行业的专业文档,其主要围绕手游用户的消费习惯、游戏行为、偏好特征以及有效的市场推广策略进行深入剖析。这份报告结合...
《2020年高科技行业内容营销白皮书》是由致趣百川解读的行业研究报告,专注于探讨在科技高速发展的背景下,如何通过有效的内容营销策略来提升品牌影响力、吸引潜在客户并驱动业务增长。这份中英双语版的报告为我们...
在当今的商业环境中,"新零售"这一概念正在引领零售业的变革。新零售,顾名思义,是将传统的零售模式与...《参考资料-走进零售新时代——深度解读新零售》这一资料,无疑为我们提供了深入了解这一变革趋势的宝贵资源。
隐私数据报告——隐私安全计算平台翼数坊的落地应用实践主要涵盖了如何在保障个人隐私的同时进行数据的有效利用和分析。这一领域是当前信息技术发展的重要趋势,特别是在大数据、人工智能和云计算等技术快速发展的...
通过对压缩包文件"(三大数据时代下的新媒体精准营销研究——以新浪微博为例.zip"中的核心内容解读,我们可以挖掘出一系列关键知识点。 首先,我们要理解什么是新媒体。新媒体是指利用数字技术、网络技术进行内容...
以上21种低成本营销策略涵盖了网络营销的多个层面,企业可以根据自身情况灵活选择和组合应用,以最小的成本实现最大化的市场效益。实施这些策略需要持续的努力和创新,但它们无疑为企业开启了通向成功的大门。
一、网络在线营销与消费体验提升 网络在线营销在中国生活美容服务业中的重要性日益凸显,已成为提升消费体验的关键手段之一。报告指出,随着互联网技术的普及与应用,生活美容服务业的线上化率逐渐提升,尤其在2020...
8.1.3 传统企业是做电商化还是网络营销化 261 8.1.4 企业的营销选择和战略部署 262 8.2 消费者行为探究到营销型网站建设 263 8.2.1 客户消费行为流程分解 263 8.2.2 打开从搜索到购买的黑匣子 264 8.2.3 从消费者...
在这篇文档中,所包含的知识点主要聚焦于中小网商在面对商品推荐系统冷启动问题时的解决方案,具体涉及了数据挖掘技术、社会网络分析方法以及如何将这些技术应用于解决个性化推荐机制中存在的冷启动问题。...
随着互联网的普及,网络营销、社交媒体营销等新兴领域正在迅速发展。课程如《数字营销策略》、《社交媒体营销实践》应纳入课程体系,让学生了解并熟悉在线营销的各种工具和平台,提升他们在数字化环境下的营销能力。...
不过,从标题《百度-教亦有方,营销有术——百度平台K12人群洞察报告-2020.7-40页.pdf》和描述《行业报告》中可以推断,该文件应为一份关于百度平台针对K12(即幼儿园至12年级)学生人群的市场洞察报告,形成于2020...
《数据解读鸿星尔克事件背后的商业逻辑》 鸿星尔克事件,作为一个近年来在中国社交媒体上引起广泛关注的商业现象,其背后蕴含的商业逻辑值得深入探讨。本文将通过数据分析,揭示这一事件背后的市场策略、品牌影响力...
《营销主导型跨境电商生态体系构建——以考拉海购为例》这篇文章主要探讨了在当前全球化背景下,如何构建以营销为核心驱动力的跨境电子商务生态系统,并通过考拉海购这一实际案例进行深入剖析。以下是对该主题的详细...
首先,报告标题《2021-2025年中国金属成形机床行业调研及网络营销战略研究报告》指向了两个核心内容:对中国金属成形机床行业进行深入调研分析,并在这一基础上制定网络营销战略。这意味着报告将涵盖行业现状、发展...
通过收集、分析消费者购买行为、口味偏好、社交网络上的讨论等数据,企业能够更精准地了解市场需求,从而制定更有效的营销策略。例如,根据用户的搜索关键词,企业可以推出符合消费者口味的新产品或定制化服务。 ...
【互联网金融事件营销新媒体网络营销推广案】主要涵盖了2017年的营销回顾、市场背景分析以及2018年的传播策略。以下是对这些内容的详细解读: 1. **2017年营销回顾**: - 融e购:在2017年,融e购平台的商品种类...
这个压缩包包含了一系列的数据,能够帮助用户深入理解音乐流媒体平台——网易云音乐的用户行为、偏好以及平台运营等方面的知识。 首先,我们要理解“数据集”的概念。在信息技术领域,数据集是指一组具有某种关联性...