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%，那么他們一定會痛苦得頓足捶胸。不過，若是在營銷活動中，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，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障档母拍睿戳髁恐锌梢宰鳛閰⒄障档臉?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）?；蛟S你會失望，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。現(xiàn)在，我們來觀看下面的幾種情況，又會分別得出什么結(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，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，他們也會轉(zhuǎn)而求助于百度，而不會在這個(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，那么這次營銷活動到底是好還是不好呢？單個(gè)看待指標(biāo)，總會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，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。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（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。現(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)新注冊用戶會產(chǎn)生4個(gè)訂單；每100個(gè)IPV會產(chǎn)生（對應(yīng)）18個(gè)訂單；每100次把商品放入購物車會產(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)。

河南億恩科技股份有限公司(mszdt.com)始創(chuàng)于2000年，專注服務(wù)器托管租用，是國家工信部認(rèn)定的綜合電信服務(wù)運(yùn)營商。億恩為近五十萬的用戶提供服務(wù)器托管、服務(wù)器租用、機(jī)柜租用、云服務(wù)器、網(wǎng)站建設(shè)、網(wǎng)站托管等網(wǎng)絡(luò)基礎(chǔ)服務(wù)，另有網(wǎng)總管、名片俠網(wǎng)絡(luò)推廣服務(wù)，使得客戶不斷的獲得更大的收益。
服務(wù)器/云主機(jī) 24小時(shí)售后服務(wù)電話：0371-60135900
虛擬主機(jī)/智能建站 24小時(shí)售后服務(wù)電話：0371-55621053
網(wǎng)絡(luò)版權(quán)侵權(quán)舉報(bào)電話：0371-60135995
服務(wù)熱線：0371-60135900