文源：?云祁的數(shù)據(jù)江湖

• 基于數(shù)據(jù)打通的“全鏈路”營銷是當(dāng)下的“時髦”，應(yīng)用它的前提是什么？
• 深度營銷和運營的關(guān)鍵數(shù)據(jù)如何獲得？
• 如何利用數(shù)據(jù)進行更精準(zhǔn)的營銷投放？
• 如何利用數(shù)據(jù)優(yōu)化投放的效果？
• 如何促進消費者的轉(zhuǎn)化，以及激活留存的客戶，并不斷提高他們的忠誠度？
• 應(yīng)該采用什么樣的數(shù)據(jù)戰(zhàn)略？

宋星老師在《數(shù)據(jù)賦能：數(shù)字化營銷與運營實戰(zhàn)》中給出了以上問題的答案，最近正在讀這本書，所以項采用框架拆解方式進行記錄，一來通過梳理讀書筆記倒逼自己提升對數(shù)字化營銷的認知，二來分享給需要的小伙伴們，供相互學(xué)習(xí)交流使用。

本書圍繞數(shù)據(jù)為企業(yè)數(shù)字化營銷和業(yè)務(wù)增長賦能的兩大主線——數(shù)據(jù)驅(qū)動和數(shù)據(jù)分析展開介紹，同時輔以近幾年在中國企業(yè)界實際應(yīng)用的真實案例進行生動講解。

主要涉及的內(nèi)容有：數(shù)據(jù)的來源、獲取與接入，數(shù)字化流量運營，數(shù)據(jù)驅(qū)動的品牌、效果廣告投放，流量效果的數(shù)據(jù)分析，異常流量與作弊識別，利用數(shù)據(jù)進行流量的宏觀和微觀轉(zhuǎn)化，私域流量與消費者深度運營。

流量效果的數(shù)據(jù)分析

流量失效，滿盤皆輸。流量效果的數(shù)據(jù)分析是數(shù)字化營銷與運營最重要的部分之一。

目錄

1. 流量渠道的效果分析與優(yōu)化的工作內(nèi)容
2. 流量渠道的數(shù)據(jù)采集
3. 細分渠道的評估與分析
4. 整合渠道效果評估和歸因分析
5. 流量渠道分析的總結(jié)案例
6. 異常流量的作弊識別
7. 線上推廣對線下轉(zhuǎn)化效果的評估

一、流量渠道的效果分析與優(yōu)化的工作內(nèi)容

分析流量的效果，主要是分析對象是流量渠道，也常被稱為流量源頭。

包括內(nèi)容如下：

• 第一對流量進行標(biāo)記，以確保所有流量都是可識別的，且符合不重不漏的原則。
• 第二在流量進行準(zhǔn)確標(biāo)記的基礎(chǔ)上，對流量渠道的直接表現(xiàn)進行衡量。所謂直接表現(xiàn)，是指各個流量渠道所能直接帶來的營銷推廣的可計量效果。
• 第三是在對流量渠道的直接表現(xiàn)進行衡量之后，我們還需要對流量渠道的績效表現(xiàn)做更深入的衡量。

二、流量渠道的數(shù)據(jù)采集

收集前端+后端數(shù)據(jù)。

準(zhǔn)確地對流量渠道進行辨識，分析的顆粒度越小越好。

追蹤流量背后的用戶行為，追蹤的用戶行為越全面越好。

流量標(biāo)記的 Link Tag 方法

Link Tag 是在流量源頭（如各種廣告）的鏈出鏈接上（鏈接的URL上）加上的尾部參數(shù)，這個參數(shù)就像附著在鏈接（Link）后面的標(biāo)簽（Tag）一樣，因此得名。這些參數(shù)并不會影響鏈接的跳轉(zhuǎn)，但能標(biāo)明這個鏈接所屬的流量源。

• utm 是 Urchin Traffic Monitor 的縮寫，Google 分析的前身
• Utm_source 指廣告所處的位置，如 bilibili, toutiao
• Utm_medium 是廣告的具體形式，如圖文 tuwen，短視頻 shortvideo
• Utm_content 指展示類廣告的具體創(chuàng)意內(nèi)容
• Utm_campaign 指投放廣告的營銷活動的名稱
• Utm_term 用來標(biāo)記投放引擎所標(biāo)記的關(guān)鍵詞

DCM 或秒針這類工具提供的是營銷前端廣告投放的數(shù)據(jù)（廣告本身曝光和點擊），谷歌分析提供的則是營銷后端的數(shù)據(jù)（觸點平臺的訪問流量數(shù)據(jù)）。

搜索競價排名流量使用流量標(biāo)記

搜索引擎對用戶搜索詞進行了加密 – 用utm_term 這個字段用于關(guān)鍵詞廣告。

利用宏替換為搜索引擎競價排名廣告添加 Link Tag，尾部加{keyword}，添加的是自己投放的關(guān)鍵詞而非用戶搜索的關(guān)鍵詞。

信息流廣告用 Link Tag 做標(biāo)記

信息流廣告的策略是”人群定向+創(chuàng)意+文案+著陸頁“的不同策略的組合。

• Utm_source 信息流媒體 bilibili, toutiao
• Utm_medium 人群定向
• Utm_content 創(chuàng)意
• Utm_campaign 信息流（feedads）
• Utm_term 文案

例子：

• Utm_source=neteasenews 網(wǎng)易新聞
• Utm_medium=tier1city-takeout 一線城市|訂餐
• Utm_content=luhan 鹿晗
• Utm_campaign=infostream 信息流
• Utm_term=4 四號創(chuàng)意

App 的推廣來源問題

問題：App的推廣來源信息在流量進入應(yīng)用市場后被剪斷

方法一：Server to Server 傳輸信息

Server to Server 的傳輸信息是指媒體把點擊廣告的用戶信息，連同這個廣告的信息，一起發(fā)給做App推廣的廣告主，一旦廣告主獲得了點擊廣告的用戶的設(shè)備ID或其他識別信息，就會將其與新安裝并使用App的用戶的設(shè)備ID或其他識別信息做匹配。

方法二：Link Tag 宏替換

需要廣告商（或媒體）與第三方監(jiān)測服務(wù)商進行合作。

方法三：IP地址對應(yīng)法

方法四：預(yù)置推廣渠道

把推廣渠道固定在App安裝包中，如果有3個推廣渠道，就做3個不同的App安裝包，并確保每個推廣渠道都有寫著自己渠道信息的App上線。

流量標(biāo)記不能實現(xiàn)的地方

Link Tag 能夠發(fā)揮作用的前提有兩個：

1. 可以對流量源頭的鏈出URL進行改動（添加尾部參數(shù)）論壇或聊天工具分享的URL，搜索引擎。
2. 流量的落地環(huán)節(jié)必須能夠添加監(jiān)測腳本代碼或者SDK在自己的淘寶店鋪，微信后臺等平臺無法添加監(jiān)測代碼。

三、細分渠道的評估與分析

流量渠道的衡量指標(biāo)

我們往往用兩類指標(biāo)來分析流量渠道的價值。

第一類：流量的多少及質(zhì)量，包括流量數(shù)量、跳出率、停留時間、與網(wǎng)站或者App的互動程度等。第二類：流量的產(chǎn)出，即單純地看這個流量產(chǎn)生了多少銷售轉(zhuǎn)化或者你期望這些流量背后的用戶去完成的某件具體事情-下載，成為粉絲、推薦給他的好友等。我們還會將流量的產(chǎn)出與流程的成本結(jié)合起來計算流量的ROI（ROAS）。第三類：每個渠道背后的用戶的忠誠度。

流量渠道的產(chǎn)出分析

ROAS （Return on Advertising Spending）廣告回報比或者廣告費用效果比。

流量渠道的質(zhì)量分析

質(zhì)量的意思可能很寬泛，除了ROAS作為流量質(zhì)量指針，還包含交互度（停留時間，訪問深度，流量大?。?。

衡量流量質(zhì)量的標(biāo)準(zhǔn)指標(biāo)與 Engagement

衡量流量質(zhì)量的標(biāo)準(zhǔn)指標(biāo)是三件套，跳出率，停留時間（Time on Site）及 PageViews per

• Session（PV/V）
• Engagement并不是一個標(biāo)準(zhǔn)度量，可以被理解為是一系列體現(xiàn)交互程度度量的綜合。

跳出率（Bounce Rate）

跳出率是一個復(fù)合度量。

• 跳出率 = 流量中對網(wǎng)站無意義的Session/流量總的Session x 100%
• 為了簡單實現(xiàn)，無意義的Session被定義為：只訪問了網(wǎng)站一個頁面的Session。

訪問長度與訪問深度

訪問長度：停留時間/Session總數(shù)量

訪問深度：PageView/Session

網(wǎng)站用戶行為分析工具記錄的訪問時間比訪問者訪問網(wǎng)絡(luò)的實際時間略短，因為最后一個頁面的實際瀏覽時間總是會被忽略不計。

Engagement Index 和 Engagement Rate

建立索引表Engagement Index，包含各類Engagement賦予具體的分數(shù)（Points），然后計算總分數(shù) Engagement Rate = Engagement Index/Session

流量質(zhì)量與產(chǎn)出的結(jié)合分析

考慮ROAS，過于結(jié)果導(dǎo)向?？紤]流量質(zhì)量，過于過程導(dǎo)向。Engagement ROAS 分析法

高興趣低變現(xiàn) – 第四象限

低興趣高變現(xiàn) – 第二象限

不適用于單頁推廣，PV/V 小于等于1，跳出率高達 95%/99%。除非有用戶刷新頁面。

四、整合渠道效果評估和歸因分析

歸因：一個名詞之下的多個理解

歸因的英文是 Attribution，描述的內(nèi)容是變成一個轉(zhuǎn)化（尤其是一個購買行為）是由哪些營銷推廣帶來的結(jié)果。

理想狀態(tài)下的歸因

回溯在一個人完成轉(zhuǎn)化或購買之前，所有影響他做出轉(zhuǎn)化或購買的外部因素，如互聯(lián)網(wǎng)廣告、電梯廣告、朋友的推薦、一篇軟文、商場外的廣告牌，它是全部歸因。

全面歸因的障礙：線下追蹤與個人隱私保護。

現(xiàn)實中的歸因

• 線上全域歸因，通過一個人的各種行為來間接地推斷各種營銷對他的施加影響。
• 線上局部歸因，通過一個人的部分行為來間接地推斷部分營銷對他的施加影響。

線上全域歸因可以實現(xiàn)嗎？

不太可能實現(xiàn)。接近能實現(xiàn)的機構(gòu)是運營商，但運營商客戶有限、隱私保護限制和不知道用戶在 App 行為。

線上局部歸因

單觸點歸因（Single Touchpoint Attribution, STA）

單觸點歸因（Single Touchpoint Attribution, STA）是指歸因分析只焦距在某個具體觸點上的引流情況和用戶行為，從而判斷這個觸點上發(fā)生的轉(zhuǎn)化是受了哪些引流推廣的影響而發(fā)生的。

多觸點歸因（Multiple Touchpoint Attribution, MTA）

• 單ID歸因 – 你在App上、網(wǎng)站上、小程序上用的ID是相同的，那么你在這些觸點上的單觸點歸因就可以相互串聯(lián)起來，形成多個觸點上的歸因。
• 多ID歸因 – 多個觸點上的歸因通過同一個用戶不同ID的打通進行串聯(lián)。

單觸點歸因：流量覆蓋問題

在計算轉(zhuǎn)化來源時，默認都只會認為用戶在之后點擊的搜索引擎競價排名廣告或者你的其他廣告才對這個轉(zhuǎn)化具有效力，而用戶最初的那次廣告點擊行為被覆蓋了。

一個轉(zhuǎn)化背后所有可能的努力

營銷漏斗的存在，是購買者由淺入深地品牌或產(chǎn)品交互的過程中的必然。我們在營銷漏斗的上部（營銷的早期）的認知階段的投入往往無法換取直接的轉(zhuǎn)化，但為后面的在轉(zhuǎn)化打下基礎(chǔ)。

歸因中的助攻和進球

整個營銷的鏈路常常被稱為消費者旅程。（Customer Journey）

我們在分析一個流量渠道的價值時，如果只單純地分析它的進球數(shù)據(jù)，那么很有可能會誤傷其他善于助攻的渠道，從而有可能（甚至相當(dāng)程度地）影響轉(zhuǎn)化率。

歸因：一個實際的助攻案例

某電商網(wǎng)站由 1.3% 的輔助轉(zhuǎn)化，但只有 0.32% 的直接轉(zhuǎn)化（較低）。對更適合做品牌推廣的該電商網(wǎng)站而言，這已經(jīng)非常不錯了。

曝光歸因和點擊歸因

• 計入轉(zhuǎn)化前歷經(jīng)的所有廣告為曝光歸因（View Attribution）
• 計入必須點擊相應(yīng)的頁面叫作點擊歸因（Click Attribution)
• 支持點擊歸因的工具主要是網(wǎng)站用戶行為分析工具，如谷歌分析、Adobe Analytics
• 支持曝光歸因的工具主要是廣告監(jiān)播和效果分析工具，如 Double Click Campaign Manager，Admonitor。

作者更青睞點擊歸因。因為點擊歸因是消費者興趣的展現(xiàn)，代表著某種確定性的心理變化，而曝光歸因夸大了流量渠道的助攻價值，因為很多流量渠道并沒有給消費者帶來心理上的變化。

歸因的時效性

對于歸因，我們必須限定一個時間，因為無限回溯的助攻不符合常理。

更詳細的歸因關(guān)系 —— 歸因路徑

在研究流量渠道之間的助攻時，我們也關(guān)系誰給誰提供了助攻，因為這有助于我們指定新的流量渠道策略。

歸因模型

首次互動歸因模型（First Touch Attribution）

模型就是把營銷全部功勞全部分配給第一次為網(wǎng)站帶來訪客的流量渠道。所有歸因都是基于單個觸點，因此自然會高估單個流量渠道的影響力。

這樣會過分強調(diào)驅(qū)動用戶認知的、位于轉(zhuǎn)化漏斗最頂端的流量渠道。

適用于在新品牌或者新產(chǎn)品的推廣上，以衡量廣告的用戶最初的影響，因為最初的影響對新品牌或者新產(chǎn)品更加重要。

線索轉(zhuǎn)化互動歸因模型（Lead Conversion Touch Attribution）

模型是指如果轉(zhuǎn)化中有銷售線索，那么回溯帶來銷售線索的那個流量渠道，并且把所有的轉(zhuǎn)化功勞都劃分給這個流量渠道。

過分強調(diào)了營銷活動在整個用戶轉(zhuǎn)化過程中的作用。只用在需要獲取業(yè)務(wù)線索的業(yè)態(tài)上，如To B 行業(yè)、教育行業(yè)、金融行業(yè)。

末次互動歸因模型（Last Touch Attribution）

最容易測量的歸因模型，也是各個工具計算轉(zhuǎn)化的默認模型。

末次非直接流量互動歸因模型（Last Non-direct Touch Attribution）

排除了直接流量因為一直接流量具體是哪個渠道帶來的原因不明，二直接流量體現(xiàn)了公司的品牌力。

線性歸因模型

將權(quán)重劃分給用戶轉(zhuǎn)化過程中的每個觸點，優(yōu)點是簡單，缺點是無法正確衡量各個流量渠道的不同影響。

間衰減歸因模型

把功勞劃分給最接近轉(zhuǎn)化的觸點，觸點越接近轉(zhuǎn)化，對轉(zhuǎn)化的影響力越大。

U型歸因模型

谷歌也稱其為基于位置的歸因模型，它強調(diào)兩個關(guān)鍵觸點的重要性：第一次把新用戶帶來的首次互動流量渠道和最后轉(zhuǎn)化的流量渠道。問題是它是機械的，或許中間渠道做了更大的貢獻。

W型歸因模型

全路徑（Z型）歸因模型

只適用于為已有銷售機會服務(wù)的營銷組織。

自定義歸因模型與智能歸因模型

是需要數(shù)據(jù)科學(xué)家針對你的購物流程建立的自定義或算法模型，該模型能夠最佳匹配用戶轉(zhuǎn)化的過程。

該模型在建立、維護和使用上都最困難和最耗時的歸因模型，但它能夠最精確地評估各流量渠道對用戶過程的影響效果。

流量渠道分析的總結(jié)案例

一般而言，在行業(yè)內(nèi)除非強調(diào)是歸因轉(zhuǎn)化率，或者歸因收入、歸因ROAS等，否則都默認是末次交互轉(zhuǎn)化率。

分析原則：

• 原則一：細分。打開 Display 黑箱查看其內(nèi)部的諸多廣告就是細分。
• 原則二：從大處著手。在細分后，查看流量多的流量渠道，因為這些流量渠道的花費大。當(dāng)然。如果可能，那么你可以徑直查看花費大的流量渠道表現(xiàn)。
• 原則三：進行 Engagement-ROAS 分析，發(fā)現(xiàn)有提升機會的流量渠道。
• 原則四：對 ROAS 表現(xiàn)不好的流量渠道，進行歸因助攻分析。

異常流量的作弊識別

異常流量與作弊流量本身毫無價值， 對營銷與運營毫無效果。

由于品牌類營銷缺乏短期的，明確的，可量化的結(jié)果，因此品牌類營銷領(lǐng)域成為流量作弊的“重災(zāi)區(qū)”。

反作弊的價值不在于杜絕作弊，而在于增加作弊的成本，使作弊的收益小于正常營銷或運營的收益，甚至使作弊的成本大于作弊的收益。

流量作弊情況嚴重嗎？

如果作弊之后的獲利空間（利差空間）更大，那么效果作弊也是完全可能存在的。

搜索營銷的作弊情況較少， 目的是打擊競爭對手，讓競爭對手更多地浪費營銷費用。

展示類廣告的作弊情況較多，主要是 Banner 廣告。視頻前的貼片廣告作弊較少。

常見的作弊方法

利用偽裝（Cloaking）

同一個頁面，對機器展示一個內(nèi)容，對真實的人展示另外一個內(nèi)容。

利用機器創(chuàng)造虛假流量

利用機器創(chuàng)造的虛假流量被稱為Bot流量，添加一些讓流量計數(shù)增加的代碼而創(chuàng)造的。

隱藏式廣告在頁面中嵌入1像素x1像素的透明GIF圖像。

“肉雞” 是終端設(shè)備被黑客遠程控制，但這些流量具有非常趨同的行為特征。

“群控” 是控制自己的終端設(shè)備，多用 PC 模擬手機，只能是安卓，蘋果需要靠買終端設(shè)備。

利用 “人肉” 創(chuàng)造虛假流量

人工刷量往往不僅刷流量，還必須刷很多廣告主追求的效果數(shù)據(jù)。

也存在于搜索引擎競價排名的惡意點擊。

激勵性任務(wù)。

流量劫持

將A渠道的流量修改為B渠道，從而將本來屬于A渠道的轉(zhuǎn)化功勞記在B渠道上。

一是在互聯(lián)網(wǎng)較為底層的數(shù)據(jù)傳輸上進行修改。

二是在受眾的客戶端進行流量劫持。

作弊流量的流量特征

利用機器創(chuàng)造虛假流量

其他

識別作弊流量

技術(shù)方法與邏輯方法相結(jié)合

技術(shù)方法

黑名單庫 -> 特征庫 -> 監(jiān)督機器學(xué)習(xí)

邏輯方法：通過不合理常識的數(shù)據(jù)識別作弊流量

廣告端

• 點擊率過大（視頻前貼片 0.1%，信息流1%，搜索引擎競價10%）
• 點擊頻次高（超過1.1）
• 曝光頻次（超過10）
• 設(shè)備ID或者IP分布（部分號段擠占大量展示和點擊）

落地端（流量進入企業(yè)的私域觸點之后的環(huán)節(jié)）

• 跳出率太高 – 95%（流量的價值很低）
• 跳出率太低 – 5% （很難在正常的流量中產(chǎn)生）
• Engagement Index 與 ROAS 不匹配
• 與正常情況不相符的轉(zhuǎn)化率
• 訪問長度和深度的矛盾（短時間內(nèi)，有較大的訪問頁數(shù)）
• 大量符合一定規(guī)律的注冊電話號碼（如連號的號段）或者注冊用戶名與郵箱
• 流量數(shù)量和 Engagement Index 的矛盾

邏輯方法：通過不合理的 Engagement Index 識別作弊流量

線上推廣對線下轉(zhuǎn)化效果的評估

難點：線上推廣觸達的受眾和線下的購買者之間很難實現(xiàn)類似于數(shù)字世界中的ID匹配，于是線上推廣與線下之間的聯(lián)系實際在屋里層面上被中斷了。

追蹤購買意向

• 讓潛在客戶主動留下電話號碼
• 為每個廣告分配不同的電話號碼
• 在訪客進入網(wǎng)站時分配訪客ID

追蹤線上推廣帶來的線下銷售

• 創(chuàng)造唯一推廣渠道的產(chǎn)品
• 優(yōu)惠券
• 購物調(diào)研
• 區(qū)隔對比：通過在不同地域進行選擇性的投放，以與沒有投放的區(qū)域進行比較。