資料驅動的網路行銷和網站運營筆記

仲介交易 HTTP://www.aliyun.com/zixun/aggregation/6858.html">SEO診斷 淘寶客 雲主機 技術大廳

今天在籬笆網參加了上海產品經理的第二次聚會，在會上聽到「Mars Ren 任鑫」講的「資料驅動的網路行銷和網站運營」，感覺受益匪淺，當時沒有帶紙和筆，現在只能憑藉記憶來記錄一下關于《資料驅動的網路行銷和網站運營》 的一些有價值的東西。

現在很多公司或網站都在提資料驅動，資料驅動真的用好了真的是好，但如果你用錯了，那就真的是錯!

一、瞭解資料是怎麼來的，保證資料的真實性

舉一個例子，一個公司作郵件行銷，以下是他的資料：

1、共發出100萬個郵件;

2、郵件到達率99%;

3、郵件打開率19%;

4、郵件內的連結點擊率19%;

5、新使用者的比率為80%;

6、來到網站後的網站停留時間為19秒;

從這個資料上來看，通常能有幾個結論：

1、郵件到達率是非常高的，幾乎是無優化空間了;

2、郵件打開率不高，可能是郵件標題不是很吸引人;這裡有很大的優化空間;

3、郵件內的連結點擊率不高，說明郵件內容使用者不感興趣;這裡也有很大的優化空間;

4、新使用者的比例還可以;

5、在網站上停留的時間非常短，說明看到的東西使用者不喜歡，優化空間還很大;

那麼，在作這個結論前，如果你追問資料的計算方法，可能會得到完全不一樣的結論：

1、共發出100萬個郵件：

怎麼樣算是發出?從你的軟體出發出就算發出了嗎?郵寄地址是否正確?是否有幾十年都不會打開的郵箱?

那麼，追問的結果可能就是這個值被誇大;可能100萬個郵件中，只有10萬個是活躍的郵箱，如果是這樣，那麼後邊的打開率就會被遠遠的低估;可能就不用優化了;

2、郵件到達率99%：

我們繼續追問;怎麼樣是到達了?伺服器有反應了，就算到達了嗎?到達後有可能被直接送到了垃圾郵箱中，有可能連垃圾郵箱都沒有進，就被伺服器刪除了等等;

所以這個值一定要追問，最後的結果可能是這個值被算的很大，實際上不是;

3、郵件打開率19%：

郵件的打開率追蹤，通常是在郵件中加一個img，這個img實際是一個track code，這樣只要有人打開了郵件並執行了這個img的顯示，那麼track code就會算為一次打開;

而實際的情況呢?

我們知道，一些郵箱在打開時，為了安全起見，是不會顯示郵件中的圖片的，那麼就不會被統計到;還有一些情況是，我們用outlook收發郵件，這個統計代碼也不會被統計到;

所以，打開率的19%，應該是被算小了。

4、郵件內的連結點擊率19%：

連結的點擊率是跟據上來的郵件打開率算出來了，前者都算的有問題，那麼這個就更不要提了;

5、新使用者的比率為80%：

統計新使用者的方法，現在網站基本上都是在使用者來到網站後，在使用者的COOKIE中記錄一下，那麼下次再來時，先看一下使用者的COOKIE中有沒有記錄，如果有，算為老使用者，如果沒有，算為新使用者;

而實際的情況是，很多瀏覽器，有一些功能是在關閉後，直接清COOKIE，那麼在算新老使用者時就會有問題;

所以，這個80%的新使用者，是被算大了;

6、來到網站後的網站停留時間為19秒：

網站停留時間是怎麼算的?最後一個頁面的打開時間減去第一個頁面的打開時間;還可能有別的演算法;但用第一種演算法，明顯是把時間算的小了;因為最後一個頁面看的時間是沒有算進去;

所以，這個時間是被算小的;

說的到，我們再重新回頭看最開始得出的結論，是不是完全是錯的!

那麼，資料驅動就驅動到了一個錯誤的方向上面去了，所以，在資料驅動前，要十分理解這些資料是怎麼來的，以及知道這些技術的演算法等;不然，只看資料不知道怎麼來了，可能會把你領到一個錯誤的方向上去;

我記得當時的PPT上有一張圖片很形象，就是拉弓射箭，結果都射到自已人身上了;因為得到的方向就是錯的。

二、業務需要什麼樣的資料

再看一個例子，在市場投放時，一共投放了兩家網站，看資料：

A網站：

投放人民幣：100萬

買回來的使用者數：200萬

買回來的PV：4000萬

註冊使用者：10萬

成單使用者：2萬

B網站：

投放人民幣：100萬

買回來的使用者數：150萬

買回來的PV：5000萬

註冊使用者：8萬

成單使用者：2.5萬

先問一個問題，這兩家網站哪個效果好?如果我認為哪家效果好，我會把給另一家的100萬也投到這一家上邊;

這個時候，就比較為難了，一般的來說，會在投放前，先定一個目標，例如，我的投放就是要PV;如果這樣，我最後會選B網站，因為B網站的PV是最高的，同樣100萬可以買回來更多的PV;但實際比較好的作法是，有多個目標來算效果;

例如PV占1分，成單占5分，註冊占3分;然後，根據買回來的情況，算一個值出來，這樣來計算效果;

我記得當時的PPT上有一張圖片是一個骰子，及有多個面。

三、深挖資料

再看一個例子，在市場投放時，一共投放了兩家網站，看資料：

A網站：

投放人民幣：100萬

買回來的使用者數：150萬

成單使用者：2萬

B網站：

投放人民幣：100萬

買回來的使用者數：150萬

成單使用者：2萬

最後一看資料，兩個網站一樣，那麼是不是真的就要認為是一樣呢?當然不是;

這裡要深挖資料，我畫一個圖，説明理解：

如果深看這兩個網站的資料，你會發現不同，我可以舉到個方面的例子：

1、可以看訂單的金額或我們能拿到的利有多少，可能兩個網站的訂單是一樣的，但每個單的金額可能差的很多;

2、可以看的資料長一點，只看一天的情況是這樣，如果看三天的資料呢，可能情況又不同了;

3、看B網站在登陸頁流失很大，如果我們優化一下登陸頁，情況會不會大有不同呢!

所以，資料一定要深挖，看的更細一些;

以上是今天只下來感覺非常不錯的幾個點，記錄一下，也分享給大家!

文章來源：HTTP://www.zishu.cn/10/931.html