ROI衡量电子商务营销的不足 如何设定ROI(6)

Assisted Conversions那一列说明了渠道助攻别人（也包括自己）取得转化的次数，而Last Interaction Conversions则意味着自己直接产生转化（得分）的次数。很高的助攻/得分比（红色框标注的那些），意味着这些渠道更为“无私”。相反，也有一些渠道的助攻/得分比比1还要低，这说明这些渠道有更大的几率作为转化的最后得分手，它们是营销价值过程中的“收网渠道”。一个渠道，如果它善于收网，它是有价值的；另一个渠道，如果它很能助攻，它也是有价值的。不过，我们害怕的，是我们看不到这些助攻，乃至让这些渠道的价值被无情低估。 现在，我们看一个真实的例子：

这是某一个流量渠道在网站上的表现，流量约是50，000。可以注意到，这个流量在网站上的相关engagement指标（PV/V，time on site，bounce rate）都相当不错。不过，如果仅仅只是计算它作为“得分手”（Last Interactive Conversions）的贡献，那么只是带来了158个转化，转化率不超过0.3%，非常不理想，与它如此强势的engagement简直无法匹配。但是，它的“助攻”（Assisted Conversions）成绩单是643，助攻转化率是1.3%，与网站的整体转化率相差无几。 拿到这个数据，我在想，如果老板们只在乎最后的临门一脚，那么恐怕哈维（Xavi，西班牙国脚，以助攻能力著称，作者注）这样不会头球或者因涅斯塔这样速度不快或者甚至连贝克汉姆可能都没有上场机会！仅仅只是用最后的ROI来评判流量的效果，我们会低估多少本来有用的流量！

因此，这是为什么我们在上篇所说的，第二种“成功途径”的最大问题。在这个途径中，我们首先把那些ROI最高的流量一网打尽，然后再去找ROI次高的流量，然后再去找ROI略低一些的流量，以此类推，但当我们发现了原来那些高ROI流量和低ROI流量（均以Last Interaction Conversions计算）之间其实是有千丝万缕联系的时候，第二种成功途径就完全不适用了。

这或许是为什么，我们有时拿掉那些看似“无关痛痒”却花费不菲的流量，以为自己“省到了”，却惊奇的发现收入也奇怪的下降了的原因。

这个故事如果只是讲到这里就结束了，你一定会觉得少了一点什么。既然我们已经知道了某一个流量更善于“助攻”，而另外一些流量可能更善于利用别的流量的“助攻”，那么如果你有好奇心，你一定会问，这个流量助攻给了谁？另一些流量，又是由谁助攻而得分的？

保持好奇心，它推动世界的进步。

Attribution Modeling还是Case by Case（具体问题具体分析）？

我一直以来与大家有同样的好奇心，过去我们看不到助攻的时候，我真的很想知道为什么一个流量有如此好的engagement，却只有可怜的转化。 现在，我的好奇心是——那些善于助攻的流量，把它们的助攻送给了谁去得分？那些善于得分的流量，又是由谁助攻的？哈维助攻给了梅西还是佩德罗，还是他的国家队队友托雷斯？ 好在GA至少还能帮我们满足这点小小的好奇心。

进入“Top Conversion Paths”报告，然后在Primary Dimension中选择Source/Medium Path报告，你能看到很细节的细分流量的助攻和得分情况。在上面的例子中，新浪的某个广告和百度之间发生了很多关联。我分析了这些关联，与广告的创意很有关系，“sina / yuleyouceqingtianzhu 1/2”这个广告的创意很好的突出了这个网站的品牌，从而让人们在百度中还能继续搜索。但有趣的是，新浪上的另外一个广告，也就是它的队友没有与其他媒介发生什么关联，研究创意后可以看到，它强调了具体商品的促销信息，但没有提及自己网站的品牌。很抱歉因为商业保密的原因，我不能把创意截图表现出来。但是这样的思路却可以告诉我们媒介之间到底有什么关系以及什么可能的原因促成了这样的关系。 这在过去是很难想像的。 上面的助攻和助攻的路径，是目前业界最热烈讨论的领域，即Attribution Modeling（贡献模式）问题。贡献模式的研究，是用来帮助我们通过某种固定的算法，求得各个流量渠道在助攻中的价值。 Attribution Modeling有多种常见的计算模式，都非常容易理解。

Last Touch Credit：助攻路径的最后一个（得分手）具有最大的价值，之前都不计算价值；

First Touch Credit：助攻路径的第一个（First Interaction，前面例子中的Google）具有最大的价值，之后的都不计算价值；

Linear：平均分配价值；

Time Decay：第一个具有最大的价值，然后之后的依次递减；

Position Based：第一个和最后一个价值最大，越到中间的价值越小。

这些算法都是为了帮我们更容易计算媒介的价值，但是，我觉得这样精确（但并不是描述事实的准确，请看这篇文章对精确和准确的讨论）的计算只对考评营销各个细分部门的业绩很有意义，或者帮助我们得到一个“或许真实”的媒介渠道ROI以更容易地给我们的流量vendor（供应商）结账，但却很难帮助我们进行有效的分析。 如果我们真的想要分析和优化，我还是建议case by case，打开我上面给大家展示的报告，做筛选，做细分，去看看我们真正关心的细分流量以及它们之间发生了什么。

你会问——如果你不用一个固定的模型去做计算，那怎么知道到底谁更有价值呢？ 提出这个问题本身，其实还是没有跳出过去的老思维。对于流量价值的认定，过去，我们必须确立谁比谁更有价值；但现在，我们发现流量的价值，很可能是因为它们在一起时才能真正体现出来的。我们不能再孤立地衡量一个个流量的ROI，而应该用更为整体的眼光看待它们。孤立的流量有价值吗？我不知道，因为它们本来就不是孤立的。

最后，该是把现在分析流量的新思路全部揭开的时候了。

结语

营销过程价值路径帮助我们以新的眼界衡量流量的价值，以ROI为纲的方法在这些新的更符合现实情况的模型下看起来成为相当幼稚可笑。ROI的罪与罚，其实ROI本无罪，但若把ROI作为唯一的真理则肯定将会受到惩罚。 不过，我们线上效果营销的认识仍然处于相对基础的情况下，很多问题仍然很难搞清楚，例如，流量间相互的关系（即上面讲的营销转化的流量路径）对GA而言，必须依赖于用户对于流量入口的点击（例如对于广告的点击），但真实的情况是，有时候我们并不点击这个广告，只是看到了这个广告，便产生了很深的印象，乃至于之后我们会在搜索引擎中搜索你印象中感兴趣的东西。但可惜，Impression我们目前仍然没有真正革命性的技术去打开这个黑箱（尽管很多人号称他们可以），或者依赖于技术去解决impression的问题本身这种想法也许就是错误的。因为，广告的“显示”绝不等同于“人们的印象”，而印象这种心理层面上的东西，不是我们利用cookie就能说的清楚的。

另一个巨大的挑战是跨平台的追踪，目前还难以把一个用户从Internet/PC端到移动端（pad，手机等）转移的路径精确地记录下来。但人们使用移动设备越来越多了，我们如果无法准确描述这个过程，我们又怎么能更好地分析和优化呢？ 无论如何，我们的今天强于昨天，未来总是会更加美好。去好奇，去尝试吧！