：在上半部分文章中，我們強調了ROI并非是唯一值得關注的KPI，以及ROI越高并非越好。我們需要首先辨識清楚，我們到底想要什么，因為對ROI的追求絕對不是目標，而是手段。另外，對于ROI的應用，從宏觀的角度上看(類似于微觀經濟學的研究方法)，似乎更加有用。不過，這并不意味著在微觀角度上ROI沒有意義，只不過我們看待ROI的方式必須要與過去不同。有何不同？這正是這個文章想要探討的問題。為搞清楚這個問題，讓我們先看看衡量流量績效方式是如何演進的。

單一緯度的細分渠道衡量

我曾經采訪過很多客戶，詢問他們如何衡量不同流量的績效，大部分的回答是如下的表格。例如，沒有進行電子商務的一部分進行品牌營銷的顧客，他們衡量流量績效的表格是下面這樣的(數據純屬虛構，如有雷同，純屬巧合)。

這張表格可以告訴我們，某一些流量來源的效益(effectiveness)并不是特別理想，例如搜狐，而利用百度則很劃算。事實上，CPA用來衡量流量績效是一種不錯的方法，它在本質上與ROI并無差異，只是這里的R(Return)變成了某一種具體的轉化事件(在這個例子中是注冊)，而公式則是成本比上收益——不過是把ROI的收益比上成本(投資)調了一個個。

當然，有一些顧客相對更簡單一些，他們可能并不會定義某一個重要的轉化事件為action，這樣它們連CPA都省了，只去計算一下CPV(每個流量的成本)或是看看bounce rate即可。但我不提倡這種方法，太懶惰，畢竟流量的數量只是衡量流量的一個屬性，而通過某些具體行為或者轉化來衡量的流量的質量，才更為重要。

如果是電子商務網站，表格則會稍微變化一下(數據純屬虛構，如有雷同，純屬巧合)：

看到這張表，大家一定豁然開朗了，嘿，這不就是我們公司用的嘛！

沒錯，我見過的電子商務公司中，十個有九個用這個表。我不能說這個表有什么錯，尤其是如果你有本事能做到每天都能匯總出這樣的表(這個用公司內部開發的工具其實也不難)，并能夠通過它快速的定位出現大起大落的流量源。這樣的表格其實老板們也愛不釋手。

但總感覺缺少一點什么。按照這兩張表的邏輯，我們必須立即停止對諸如“新浪”、“網易”、“搜狐”的流量購買，而增加百度PPC、百度SEO和百度EDM的流量。有多少電子商務網站是這么做的呢？或者，我之前的客戶有多少真的停止了“新浪”之類呢？很奇怪，大家一邊很痛苦地看到它們的“績效”如此之低，但是一邊還“不得不”繼續維持對它們的“買進”。“那一定是因為PR的需要！”一個聲音傳過來。或許是，但并不是完全如此。如果純粹是為了PR，我們其實可以有更好的四兩撥千斤的方法。它們這些CPA奇高或者ROI奇差的流量渠道，或許還有別的價值。于是我用另外一個模型去了解它們的價值。請大家接著往后看。

多維度的細分渠道衡量

這個模型并不復雜，基于下面的一個假定：

所有的流量渠道都各不一樣，由于營銷流程中包含價值不同的各個階段，即Awareness(認知)–》Interests(興趣)–》Preference(偏好)–》Purchase(購買)四個階段。各個渠道在各個階段發揮的價值不同。在某些階段，此流量的價值要大于彼流量，但在另一些階段，彼流量的價值有可能大于此流量。

其實這個假定完全是“廢話”。難道不是嗎？如果要比最終轉化的能力，新浪無論如何不可能超過百度“品牌專區”(或是品牌詞的搜索)，但要論及增加品牌知名度，新浪首頁的最好位置做一段時間的廣告，肯定比只花錢購買百度“品牌專區”更靠譜。按照從Awareness(認知)–》Interests(興趣)–》Preference(偏好)–》Purchase(購買)的流程邏輯，某些流量渠道或許只是幫忙加強了認知或是興趣，或者最多幫助形成了偏好，但卻不足以最終實現購買，我們并不能說它們一定沒有價值，而或許只是它們處于營銷流程的早期階段。這個道理很簡單，我們通過某個門戶上的廣告初次接觸某一個電子商務網站，我們大不可能就在這個網站上下單購買商品(淘寶上的商家除外，我們愿意在淘寶上初次看到一個商家就下單是因為我們對淘寶規則的熟悉和認可)，但我們可能對這個網站產生興趣，并在一段時間之后通過其他渠道(方式)再次來到這個網站。門戶在幫助轉化我們的營銷過程中，只不過處于早期階段，但仍然具有價值。

怎么樣判斷這價值？這就是縈繞我心頭很久的問題，很長時間以來，我使用下面的方法。這個方法基于另外一個假定：

如果某些渠道能夠帶來營銷流程中的早期價值，那么一定能夠通過流量背后的用戶的某些行為表現出來。這些行為體現了對你的網站內容的興趣。

這個假定是另外一個“廢話”。對你網站感興趣，總該點擊下鏈接，多看幾個網頁，逗留個幾分鐘吧。這些行為被我們稱為engagement。Engagement似乎不僅僅是適齡女青年喜歡的詞。(如果你想了解engagement是什么，點這里。)有時候，為了簡單起見，我們把engagement歸結為三個度量：page view/visit，time on site和bounce rate。這樣我們衡量一個流量渠道價值的維度就拓寬為ROI(或者CPA)和Engagement的結合。如下圖(氣泡大小為流量多少，作者注)：

上圖的engagement做了百分制的數學換算，選擇了bounce rate，non-bounced time on site以及non-bounced PV/Visit作為度量，以較為全面的衡量bounce和非bounce的情況。這里不再多詳細解釋，如果大家想要了解如何換算，請在文末的留言框內給我留言——如果需求量大，我就就此再寫一篇小文。

有更高engagement的流量來源一般都有更好的ROI，這不奇怪。不過，對于分析師而言，那些意外出現的異類(outliers)才讓人加倍興奮。比如，我們看到那些高engagement得分卻低ROI的(圖中標注的天涯社區和新浪汽車頻道)，它們顯示出處于營銷早期階段價值的特征。而如果我們還能對比它們帶來的新流量的比例，我們或許更能確認這一點。另一方面，處于右下角的“美麗說”，從那里過來的流量似乎對你的網站早已輕車熟路，處于營銷流程的最末階段，它的流量恐怕都是“老油條”了。

流量的新舊比例情況證實了我們的觀點：

增加的engagement緯度拓寬了我們對流量的認識。如果只以ROI為標準，那么天涯社區和新浪汽車頻道必須排除在購買流量的范圍之內，但有了engagement，再加上用新舊訪問者的比例做參考，我們知道這些流量是有價值的。只是，我還是不能那么清楚的說明，它們到底有多大的價值，engagement不是錢，它很難被monetize(即轉化為實際的金錢價值)，因此做到這一步，我們只能說，我們知道它好，但到底多好，我們也說不清。

興趣閱讀：我歸納的營銷階段、各階段宜采用的流量，以及用什么方法衡量這些流量。

流量渠道間的相互作用

時間終于到了2010年，這一年我加入了Adobe的Omniture業務，Omniture也在這一年猛力推銷他們的Marketing Channels Report。這個report的作用與今天GA的Multi-Channel Report是一樣的，用于幫助我們了解流量渠道之間的關系。這個報告的出現，讓我情不自禁的歡呼了一下，我覺得多年來懸而未決的“模糊性”問題終于有望解決了！

如果我們做一段時間第一線的營銷，我們就會知道，我們不是在跟流量打交道，而是在跟人打交道。我們買流量的本質，實際上就是在“買人”。所謂一個流量很有效，實際上是這些流量背后的用戶與我們營銷的目的非常吻合而已。明白了這一點，我們就知道，過去那種把各個渠道分開進行衡量的想法是不對頭的。原因無他，人們上網不是固守在一個網站上，而是東游西逛，因此人們很容易受到各種營銷渠道的共同影響。在課堂上，我總是舉這個例子：

我想買一臺打印機，于是我在Google上搜索了一下，發現了一個打印機，并且點擊Google的鏈接進入了銷售這個打印機的網站，但我沒有下單。過了幾天，我看到新浪上在做這個打印機的廣告，于是我點擊了這個廣告，發現我再一次來到了這個網站，但我依然沒有下單。又過了幾天，我收到了一封來自這個網站的EDM，告訴我這個打印機正在促銷，于是我又點擊了郵件中的鏈接到了這個網站上，我還是沒下單。只到兩天后，我意識到再不買這個打印機促銷活動就要過去了，于是我在百度搜索這個網站的名字，然后終于進入網站下單購買了這個打印機。

現在，問題來了，我在這個網站上的這次轉化，是由哪個流量渠道做出的貢獻？或者如果它們都有貢獻，那么哪一個貢獻更大呢？

這個例子是一個很極端的例子，我知道很多人不會像我這樣這么無聊地等待這么久才買一個打印機，但是類似這樣的情況——例如，我看到了這個商品的廣告，而且進入了網站了解了這個商品，但沒有下單，但我隔天下定決心購買這個商品，然后再通過百度找到了這個網站后下單的情況——是否普遍存在呢？如果這種情況是普遍的，那么至少解決了我前面的部分的問題——那些有著很不錯engagement但ROI水平寥寥的流量渠道，它們也許正如上面例子中的Google，橫幅Banner和EDM一樣，最終做了某些其他渠道的嫁衣(例如上面圖中的Baidu)——因為之前我們統計渠道轉化貢獻上，都只統計最后一個渠道(Last interaction)的作用。如果這種情況是普遍的，恰恰證明這些流量實際上是有價值的。

Google Analytics的Multi-Channel Funnels Report給了我們很好的答案。如果你打開這個報告，選擇第一個子報告——“Overview”，你能看到在所有實現的轉化中，跨越了多個渠道的轉化占總的轉化的多少比例。通過這個報告，我發現，每個網站的情況是不一樣的，有的網站普遍存在著一個轉化跨越多個渠道的情況，但有的網站則沒有什么渠道之間的相互聯系。

上圖是某個境外電商網站的情況，餅圖的相互重疊程度告訴我們：超過一半的轉化都存在多個流量渠道共同干預的情況——這個網站的同一個訪問者通過不同流量渠道進入網站的情況很常見。

另外一個網站(上圖)，餅圖的重疊程度非常有趣——它們幾乎沒有什么重疊。這說明這個網站的用戶基本只通過固定流量渠道類型進入網站。

因此，我覺得下面的結論很重要：對某一些網站而言，為這個網站的轉化做出貢獻的流量渠道之間沒有太多的關聯，這時利用單一渠道的衡量方式是可靠的。但對另外一些網站，它們的最終轉化很大程度上受到多個流量渠道的影響，因此我們對于這些流量價值的認定——ROI也好，還是帶來的轉化也好，都不能以單一渠道分立地去衡量，而應該將渠道間相互的作用考慮進去。因此，在我們衡量流量的績效之前，我們首先應該了解這些流量之間到底有無關聯，以及關聯程度如何。這顛覆了我們過去直接著手分析一個一個具體流量的“經典方法”。如下圖所示：

過去的方法：

現在的方法(后面幾步我得暫時隱藏)：

我們對于流量渠道的“世界觀”至此需要發生一些變化了。不過，就算我們知道了流量渠道之間是存在相互關聯的，那又能怎么樣呢？——接著看。

助攻與得分，流量價值高估與低估

如果流量之間確定存在相當的相互作用，那么我們面對的ROI分析將完全不同以往。以往，那些不能直接產生訂單轉化的流量，我們會難以直接認定它們的價值，但是今天，我們或許能夠打開這個黑箱。既然GA能夠告訴我們帶來轉化的流量之間的相互“重疊”的程度，那么它應該再往前多走一步，告訴我們這些流量之間的關系到底是怎么樣的。在這一點上GA的Multi-Channel Report沒有讓我們失望，Multi-Channel Funnels Report下面的多個子報告就是用來幫助我們解決這些問題。例如，Assisted Conversions報告告訴了我們一個流量渠道作為“助攻”或是“得分”的情況各有多少。這是一個很有意思的報告，它幫助GA第一次區分了流量的直接轉化價值(得分)和幫助別人獲得轉化的價值(助攻)。在上面的那個例子中，助攻的渠道是Google、門戶上的Banner和EDM，而得分者則是百度。如下圖所示。

Assisted Conversions報告用數據來表述上面的情況，Assisted這個詞的英語就是“助攻”的意思。例如下面的例子：

Assisted Conversions那一列說明了渠道助攻別人(也包括自己)取得轉化的次數，而Last Interaction Conversions則意味著自己直接產生轉化(得分)的次數。很高的助攻/得分比(紅色框標注的那些)，意味著這些渠道更為“無私”。相反，也有一些渠道的助攻/得分比比1還要低，這說明這些渠道有更大的幾率作為轉化的最后得分手，它們是營銷價值過程中的“收網渠道”。一個渠道，如果它善于收網，它是有價值的；另一個渠道，如果它很能助攻，它也是有價值的。不過，我們害怕的，是我們看不到這些助攻，乃至讓這些渠道的價值被無情低估。現在，我們看一個真實的例子：

這是某一個流量渠道在網站上的表現，流量約是50，000。可以注意到，這個流量在網站上的相關engagement指標(PV/V，time on site，bounce rate)都相當不錯。不過，如果僅僅只是計算它作為“得分手”(Last Interactive Conversions)的貢獻，那么只是帶來了158個轉化，轉化率不超過0.3%，非常不理想，與它如此強勢的engagement簡直無法匹配。但是，它的“助攻”(Assisted Conversions)成績單是643，助攻轉化率是1.3%，與網站的整體轉化率相差無幾。拿到這個數據，我在想，如果老板們只在乎最后的臨門一腳，那么恐怕哈維(Xavi，西班牙國腳，以助攻能力著稱，作者注)這樣不會頭球或者因涅斯塔這樣速度不快或者甚至連貝克漢姆可能都沒有上場機會！僅僅只是用最后的ROI來評判流量的效果，我們會低估多少本來有用的流量！

因此，這是為什么我們在上篇所說的，第二種“成功途徑”的最大問題。在這個途徑中，我們首先把那些ROI最高的流量一網打盡，然后再去找ROI次高的流量，然后再去找ROI略低一些的流量，以此類推，但當我們發現了原來那些高ROI流量和低ROI流量(均以Last Interaction Conversions計算)之間其實是有千絲萬縷聯系的時候，第二種成功途徑就完全不適用了。

這或許是為什么，我們有時拿掉那些看似“無關痛癢”卻花費不菲的流量，以為自己“省到了”，卻驚奇的發現收入也奇怪的下降了的原因。

這個故事如果只是講到這里就結束了，你一定會覺得少了一點什么。既然我們已經知道了某一個流量更善于“助攻”，而另外一些流量可能更善于利用別的流量的“助攻”，那么如果你有好奇心，你一定會問，這個流量助攻給了誰？另一些流量，又是由誰助攻而得分的？

保持好奇心，它推動世界的進步。

Attribution Modeling還是Case by Case(具體問題具體分析)？

我一直以來與大家有同樣的好奇心，過去我們看不到助攻的時候，我真的很想知道為什么一個流量有如此好的engagement，卻只有可憐的轉化。現在，我的好奇心是——那些善于助攻的流量，把它們的助攻送給了誰去得分？那些善于得分的流量，又是由誰助攻的？哈維助攻給了梅西還是佩德羅，還是他的國家隊隊友托雷斯？好在GA至少還能幫我們滿足這點小小的好奇心。

進入“Top Conversion Paths”報告，然后在Primary Dimension中選擇Source/Medium Path報告，你能看到很細節的細分流量的助攻和得分情況。在上面的例子中，新浪的某個廣告和百度之間發生了很多關聯。我分析了這些關聯，與廣告的創意很有關系，“sina / yuleyouceqingtianzhu 1/2”這個廣告的創意很好的突出了這個網站的品牌，從而讓人們在百度中還能繼續搜索。但有趣的是，新浪上的另外一個廣告，也就是它的隊友沒有與其他媒介發生什么關聯，研究創意后可以看到，它強調了具體商品的促銷信息，但沒有提及自己網站的品牌。很抱歉因為商業保密的原因，我不能把創意截圖表現出來。但是這樣的思路卻可以告訴我們媒介之間到底有什么關系以及什么可能的原因促成了這樣的關系。這在過去是很難想像的。上面的助攻和助攻的路徑，是目前業界最熱烈討論的領域，即Attribution Modeling(貢獻模式)問題。貢獻模式的研究，是用來幫助我們通過某種固定的算法，求得各個流量渠道在助攻中的價值。Attribution Modeling有多種常見的計算模式，都非常容易理解。

Last Touch Credit：助攻路徑的最后一個(得分手)具有最大的價值，之前都不計算價值；

First Touch Credit：助攻路徑的第一個(First Interaction，前面例子中的Google)具有最大的價值，之后的都不計算價值；

Linear：平均分配價值；

Time Decay：第一個具有最大的價值，然后之后的依次遞減；

Position Based：第一個和最后一個價值最大，越到中間的價值越小。

這些算法都是為了幫我們更容易計算媒介的價值，但是，我覺得這樣精確(但并不是描述事實的準確，請看這篇文章對精確和準確的討論)的計算只對考評營銷各個細分部門的業績很有意義，或者幫助我們得到一個“或許真實”的媒介渠道ROI以更容易地給我們的流量vendor(供應商)結賬，但卻很難幫助我們進行有效的分析。如果我們真的想要分析和優化，我還是建議case by case，打開我上面給大家展示的報告，做篩選，做細分，去看看我們真正關心的細分流量以及它們之間發生了什么。

你會問——如果你不用一個固定的模型去做計算，那怎么知道到底誰更有價值呢？提出這個問題本身，其實還是沒有跳出過去的老思維。對于流量價值的認定，過去，我們必須確立誰比誰更有價值；但現在，我們發現流量的價值，很可能是因為它們在一起時才能真正體現出來的。我們不能再孤立地衡量一個個流量的ROI，而應該用更為整體的眼光看待它們。孤立的流量有價值嗎？我不知道，因為它們本來就不是孤立的。

最后，該是把現在分析流量的新思路全部揭開的時候了。

結語

營銷過程價值路徑幫助我們以新的眼界衡量流量的價值，以ROI為綱的方法在這些新的更符合現實情況的模型下看起來成為相當幼稚可笑。ROI的罪與罰，其實ROI本無罪，但若把ROI作為唯一的真理則肯定將會受到懲罰。不過，我們線上效果營銷的認識仍然處于相對基礎的情況下，很多問題仍然很難搞清楚，例如，流量間相互的關系(即上面講的營銷轉化的流量路徑)對GA而言，必須依賴于用戶對于流量入口的點擊(例如對于廣告的點擊)，但真實的情況是，有時候我們并不點擊這個廣告，只是看到了這個廣告，便產生了很深的印象，乃至于之后我們會在搜索引擎中搜索你印象中感興趣的東西。但可惜，Impression我們目前仍然沒有真正革命性的技術去打開這個黑箱(盡管很多人號稱他們可以)，或者依賴于技術去解決impression的問題本身這種想法也許就是錯誤的。因為，廣告的“顯示”絕不等同于“人們的印象”，而印象這種心理層面上的東西，不是我們利用cookie就能說的清楚的。

另一個巨大的挑戰是跨平臺的追蹤，目前還難以把一個用戶從Internet/PC端到移動端(pad，手機等)轉移的路徑精確地記錄下來。但人們使用移動設備越來越多了，我們如果無法準確描述這個過程，我們又怎么能更好地分析和優化呢？無論如何，我們的今天強于昨天，未來總是會更加美好。去好奇，去嘗試吧！(來源：網站分析在中國CWA作者：宋星）