線上行銷對線下行動效果的監測

【前言】這個問題是我們的QQ群上被最常問起的問題之一，事實上也是我的客戶經常問起的問題之一。 這是個非常複雜的問題，不在於提出問題本身，而在於解決問題的可行性一直困擾著從業者。 這篇文章，將討論線上行銷對線下行動影響的幾種類型和目前的解決方法及仍然存在的困擾。 這是這個主題的上篇，下篇請見：線上行銷對線下行動效果的監測（下）。

【正文】

今天的這個話題是一個新的挑戰，坦率說，在這個領域我所知有限，且一直抱有畏懼，但這是一個無法回避的話題，如果你要做網路行銷，你的老闆就必會問你最終帶來了什麼樣的效果。 這個效果，對於很多非直接線上交易的商業模式而言，實際上意味著受眾受到網路行銷影響而線上下所採取的行動。 這，不是單靠網站分析工具可以監測到的了。 因此，網路行銷界的實踐者們，嘗試了各種方法來試圖解決這個問題，並將在未來的數年持續探索下去。

這篇文章無法總結他們的探索，而與之前的文章類似，只是談談我的理解和實踐，希望引發大家的思考和討論。

線上行銷對線下行動產生影響效果的分類

線上行銷對線下行動產生的效果分為多種類型，按照從比較初級的影響到非常強烈的影響，可以分為四個層次，如下所示：

對產品留下印象（Awareness）對產品產生好感/潛在購買可能性（Preferences）提交購買意向、試用，或撥打諮詢/詢盤電話（Leads）產生實際線下的購買行為（Purchase）

一般而言，線上行銷（Digital Campaign）的最終目的一定是實現Purchase，但Purchase的實現有時需要較長週期，而且從Awareness到Purchase的整個環節中整個損耗很大，因此， Campaign如果能夠實現Leads或者Preferences，或者僅僅只是對消費者留下了印象（Awareness）也是不錯的。 這樣，人們對Digital Campaign效果的評價也就不僅僅限於查看最終的實際購買，而同樣關注從Awareness到Preference到Leads最終到Purchase的全過程。

Awareness的效果監測

Awareness是指受眾對廣告所宣傳品牌/商品的認知。 根據我以前在Agency負責監控digital campaign效果的經驗，Awareness的監測主要是依靠廣告曝光資料（Impression）。 但是，Impression是一個非常弱的度量（在國內，我已經很多次表示了對這個度量的「鄙視」了 :），很難帶來什麼有價值的insight，因此，我們需要一些更好的辦法。

這裡，我要特別感謝我以前的客戶，凱男和許飛，他們在這個領域提出了非常好的解決方法，也要特別感謝Tenly（鄔劍）同學，他在擴展這些方法上提出了非常好的見解。 所以，我這裡總結這些方法如下：

廣告Impression/Click數廣告推向網站的Visitor數量軟文總被閱讀數（軟文PV）/評價數/回復數產品或者品牌關鍵字搜索量的增長幅度產品或者品牌關鍵字的搜尋引擎結果的增長幅度Social Media的分享/轉發數量調研問卷直接統計口碑監測

這些方法有些容易，有些略難，但的確都是目前能夠實際實施的Awareness評價方法。 其中，廣告推向網站的visitor數量我一直比較重視，但是，由於瘋狂的作弊的存在，這個數值現在受到了嚴峻挑戰。 但是，網路行銷效果分析師不能因此而被難倒，去偽存真不就是我們的工作嗎。 因此，我們應該把這個visitor的數量改為Qualified Visitor（靠譜的visitor）的數量。 Qualified Visitor = Campaign Overall Visitor × Bounce % × Stay longer than 30sec % × Other criteria。

軟文總被閱讀數是另一個常用的評價方法，軟文對於很多廣告主而言，都是性價比比較高的方法。 總被閱讀數是指除了軟文發佈媒體上的軟文page view數量之外，以及其他所有的轉載的總的page view的數量。 不過，有意思的是，我卻建議用另外一個數量——軟文有效閱讀數 = 軟文總被閱讀數－軟文在原發佈平臺上的閱讀數量。 為什麼用這個數量呢，咳，因為媒介本身的那個資料實在是不能盡信啊，乾脆不信了。 軟文總被閱讀數怎麼統計呢？ 我自己用精確和模糊兩種方法。 精確方法，首先用百度搜索全部文章，然後點擊進入手工記錄各個轉載文章提供的統計資料（一般都提供）。 這個方法麻煩，但是能夠儘量做到精確。 模糊方法，就是在軟文中設置一個Google Analytics（或者DoubleClick等工具） 的1×1圖元的透明圖片，然後祈禱其他媒介在轉載的時候把這個圖片也一同轉過去（但是幾率比較小）， 然後根據總的文章轉載數量對統計到的轉載數量進行按比例放大。 基本上，這個方法能夠告訴你個大概，但肯定不精確。 如何添加這個透明圖片的方法請見這個文章的前幾段。

產品或者品牌關鍵字搜索量的增長幅度，這個是我青睞的方法。 使用方法簡單，用Google Insight或者Google Trends即可。 Google官方告訴我們，Google Insights和Google Trends使用相同的資料來源，但Google Insights擁有更多更全面更高級功能。

這個工具特別適宜于那些新出現的商品/品牌，例如Intel的Core i5，但是對於那些無法跟競品區分搜索關鍵字的就不適用了，例如「無痛人流」。 所以，建議一個新的digital campaign，值得喊出一個響亮好記的新名稱。

產品或者品牌關鍵字的搜尋引擎結果的增長幅度，直接在搜尋引擎中加引號搜索即可。 這個增長幅度同樣代表著人們對產品/品牌awareness的增加。

Social Media的分享/轉發數量，這個度量對進行social media marketing的digital campaign非常重要，但如何獲得這個值其實比較困難。 對於Twitter或者Facebook，其實有API開放，所以協力廠商統計軟體多如牛毛，而更高級的合作——例如2009年5月Omniture和Facebook的合作——則可以讓資料統計更深入更強大。 但在我們國家這些就成了問題，一方面，Facebook進不來，進來也是「非死不可」，Twitter就不用說了，大家致哀。 另一方面，國內最成功的新浪微博也還沒有做出什麼好的用於資料統計的API，人人網開心網也沒有。 你可以手工統計，但我更願意靜待將來。

調研問卷統計，這絕對是萬能方法，但也是最耗時，自由度最低的方法。 不僅僅對於awareness，對於Preference，也同樣適用，所以放到後面講。

口碑監測，與調研問卷統計類似，也放到後面講。

Preference的監測

Preference比Awareness要更難評估，我甚至認為，它是最難評估的。 因為它反映的是人的內心的活動。 人內心的活動可以外化為行為，但卻不可反推。 譬如說，我覺得難過，我不一定哭泣，即使我因為難過而哭泣，卻不可以說我哭泣一定是因為難過（或許是因為激動），所以用「哭泣」來反推「難過」有誤差。 同樣，Preference的評估雖然可以有一些間接通過行為（例如推薦給朋友，收藏等）來衡量的方法，但誤差很明顯。

評價Preference的相對可靠的方法，是直接發問，問受眾的內心感受，這就是調研。 也正是因為調研可以直接詢問受眾的內心感受，因此調研方法也同樣用於研究受眾的Awareness。

線上調研

調研的基本方法是將調研受眾（樣本）分為兩組，一組是Control Group（對照組），另外一組是Exposure Group（或者稱為Test Group，測試組），Control Group被通過技術方法控制不能暴露在廣告下 ，而Exposure Group則被肯定地暴露在廣告之下。

例如，AdIndex給我們介紹了最常用的線上調研的方法：

圖：這是線上調研的基本方法 （版權屬於Millward Brown公司）

上圖是線上調研的基本方法，A組被確定暴露在Campaign廣告的創意之下，而B組，則被控制肯定沒有看到廣告（控制方法是什麼？ 其實很簡單，例如在campaign發佈前就進行一次調研，那麼對照組的受眾肯定不可能看到廣告）。

如果要評價一個Campaign網站對訪問者preference的影響，同樣可以利用這個方法，只是保證對照組的受眾在對答卷前沒有訪問這個網站即可。

對於上面Campaign網站的問卷，你可以自己通過設定網站的程式來實現一部分訪問者在訪問你的網站之前就填寫問卷（對照組），而另外一部分則在離開網站的時候再填寫問卷（曝光組）。 如果你不願意自己編寫程式，國內也有協力廠商服務提供類似功能，例如MillwardBrown，或者精碩科技的AdMaster。 你也可以利用免費的4Q問卷，它也提供自訂的問卷（雖然題目數量有限）。

對於利用問卷調研preference的方法，有兩個地方是需要特別關注的。 其一，問卷內容的設計；其二，回收有效問卷答案的數量以及由此影響的統計學意義。 這裡不敢多說，因為，我在這兩個領域都還是一個完全的newbie 。

最後，為大家展示一個問卷調研答卷統計的實際例子：

這個問卷是對網路遊戲玩家的一個調研，其統計結論分為幾個主要的部分，包括awareness、motivation（購買動機）、relevance（相關性）以及preference。 可以看到，曝光組在大部分環節都表現不錯，說明campaign對其產生了一定作用。 但比較讓人遺憾的是，sample size略少，是否能夠代表普遍受眾的情況存疑。

Preference的另外一個監測方法是利用口碑監測，這個絕對是目前前沿領域，而且也是一道挺難解的題目，尤其對咱們漢語。

口碑監測

口碑監測不如問卷調研直接，但是口碑同樣反映了受眾（主要是網友們）對品牌的awareness和preference的感受。 口碑的重要性在於，如果一個網友直接在網路空間中反映了對你的品牌/商品的關注/喜愛/憎惡，那麼他不僅可能代表相當一部分網友的意見，也可以迅猛地影響其他人的意見。 我自己的消費大量通過網路完成，而且負面口碑對我的消費影響更為重要，我相信大部分消費者都是如此。

在「Sidney的IWOM監測與分析：理解和實踐」一文中，我談及了IWOM監測的實現方法，但是實際上對於分析的所言有限，因此，會準備再開一個帖子談我對IWOM分析的理解。 這裡我想提及一點，即IWOM分析中的一個關鍵度量——調性比（sentiment ratio）。

調性比是指在關於某次Campaign的口碑中，正面口碑和負面口碑之間的比例以及正面口碑、中性口碑和負面口碑各自所占總體口碑數量的比例。 例如正面口碑有10,000條，而負面有1,000條，那麼sentiment ratio=10:1。 這個值意味著普遍受眾對你campaign商品/品牌的總體preference情況。

下圖是在2008年下半年的時候我做的關於主流Laptop品牌的sentiment ratio情況， Neg.表示Negative（負面）的數量，Neu.表示Neutral（中性）的數量，Pos.表示Positive（正面）的數量。 在那時，令我驚異的是，Lenovo竟然獲得了最高的調性比，而HP的表現則相當不佳。 一年多之後，HP的「蟑螂門」事件爆發讓它渾身是口亦不能辯，讓我覺得，當時的調性監測還是很有道理。 :)

【前言】這個問題是我們的QQ群上被最常問起的問題之一，事實上也是我的客戶經常問起的問題之一。 這是個非常複雜的問題，不在於提出問題本身，而在於解決問題的可行性一直困擾著從業者。 這篇文章，將討論線上行銷對線下行動影響的幾種類型和目前的解決方法及仍然存在的困擾。 這是這個主題的下篇，上篇請見：線上行銷對線下行動效果的監測（上）。

【正文】

上回文我們說到了線上行銷對線下行動效果影響中的兩類：awareness和preference，本回我們繼續另外兩類：Leads和Purchase。 監測這兩類比起awareness和preference的難度就要大許多了。 下面寫的，都是我所知的。 但我所知有限，也許業界還有更好的解決方法，所以希望朋友們在文後不吝賜教。

追蹤購買意向（Leads）

追蹤購買意向一般有兩種方法，一種是線上追蹤，即讓受眾在你的網上直接提交對產品的諮詢或購買意願；另外一種則是線下追蹤，即留下電話號碼讓潛在客戶致電給你。 前一種的監測屬於典型的網站分析的內容，而不是對線下行動效果的監測，因此本文不再贅述。 而後一種在本文中則顯得更為重要，不僅僅是因為它是通過線下的方式實現leads的追蹤，也是因為它是人與人之間（而不是人與機器之間）的對話，因此它存在作弊的可能性要更小（當然不排除作弊，在這個世界上一切皆有可能）， 在國內被更為廣泛的應用。

如何追蹤？

線上campaign而使潛在客戶致電給你的路徑通常如下：

潛在客戶 —> 看到廣告/網站上留下的電話 —> 撥打電話 —> 產品諮詢、提供購買意向或連絡方式

因此，如果我們能夠追蹤到受眾看到電話號碼的源頭（是看到哪一個廣告或者網站而打來的電話），以及因此帶來的效果（產品諮詢和購買），那麼無疑能夠幫我們非常好的評估這些廣告或者campaign網站的價值。

可是，線下的電話和線上的廣告/網站是兩個不同的系統，如何做才能讓它們產生關聯？

還記得我之前的文章嗎：Direct Traffic真的是直接流量嗎？ 如何辨識真正流量來源？ 在這個文章中我們提到：

利用多個首頁或多個功能變數名稱

在某些情況下，你的網站不是靠網站推廣，而是靠線下推廣，或者是靠互聯網自發的引用和朋友推薦等。 這時你已經不再可能為每個源頭都做好標記，我們該怎麼辨別那些自發的流量？

一個好的方法是利用多個首頁或者功能變數名稱來標識。 例如，如果我要做我的網站的線下推廣，我會呼籲那些看到我線下廣告的朋友通過功能變數名稱「www.wac.cn」來訪問我的網站(www.chinawebanalytics.cn)，你會發現這兩個URL是不同的。 如果我有多個線下推廣的管道，比如電視，雜誌以及樓宇廣告，我會分別給他們不同的功能變數名稱：「www.wac.cn/1; www.wac.cn/2; www.wac.cn/3」來招呼他們——這樣儘管我在網站分析工具中的traffic source報告中不能細分他們，但我可以通過top landing page報告來細分他們，儘管不一定是100%純淨， 但是已經能夠做到相當精確的細分了。 這種方法，不但能夠幫我們打開Direct Traffic的黑盒子，也是説明我們間接衡量線下推廣的一個好方法。

下面這個笑話讓我們知道這種方法其實還有很多好用處：

一個追資訊洩漏的方法

剛看到的一個追資訊洩漏的方法，適合廣泛推廣：註冊網站我有個習慣，要求寫真名的時候，註冊Sina我就填袁新浪，註冊Yahoo我就叫袁雅虎，註冊Baidu我就寫袁百度，註冊Google我就改袁谷歌，報稅就叫袁穗收。 今天接到個電話，問：是袁建設小姐嗎？ 我知道，建行把我的個人資料賣掉了......

同樣的，如果我們能夠給不同的廣告和網站上刊登的電話分配不同的號碼，那麼，我們就能夠知道這個電話是顧客看到哪個廣告而帶來的。 但是問題是 ，我們可能要為一次campaign設置非常多的號碼！！ 能做到嗎？

國內有一個提供相關服務的公司，稱為「離線通」，完全遵循這一思想。

離線通

離線通是一個目前填補線上廣告和線下電話聯動空白的產品，是一個非常理想的追蹤由線上campaign帶來銷售leads的工具。

這個工具利用了電信部門提供的中繼線，每條中繼線能夠支援1,000個電話，因此理論上能夠為客戶的一次campaign活動提供數千個不同的電話號碼，每個電話號碼可以分配到每一個campaign的廣告或者不同的網頁上， 以使每個廣告都能和一個唯一的電話號碼一一對應。 這使監測不同廣告究竟帶來了多少電話，以及帶來的這些電話的品質成為可能。

在這個思路基礎之上，這個產品主要實現了兩個功能：其一是能夠全面監測到客戶電話打入的數量，並由此帶來的leads和purchase；其二，則是監測電話的來源，並據此評估行銷活動的效率（ROI）和效果（轉化， conversion）。 因此可以定位它為一個線上線下聯動的網路行銷監測工具。

我提交了試用，得到下圖這個工具的dashboard：

介面本身模仿了Google的方式，能夠顯示撥打電話資料的趨勢和平均時長等，與call center能夠提供的資料相仿。

呼叫來源報告則是更有意義的報告，它顯示了電話都是從哪些管道而來的。 我認為，這是這個工具的亮點，似乎更適合放在離線通的dashboard中直接顯示出來。

搜索行銷似乎也支援，但是我沒有進行嘗試，所以所有的呼叫資料都是「0」。 但這個功能本身對於進行搜索行銷的廣告主相當具有意義。

另外，這個工具也提供了ROI分析，即投入的廣告和最終的產出。 這個工具似能支援線上行銷本身的成本，例如對搜索行銷CPC的記錄（但沒有了解具體是什麼原理，不知道是否要做專門的上傳），而通過自己的設定，也能夠定義每個電話的價值幾何，這個功能與Google Analytics中自己設定達成每個goal所代表的貨幣價值是類似的。 雖然不能夠直接捕捉到每個電話帶來的purchase的價值，但是自訂的方式仍然有意義，原因在於通過估算後的每個電話的平均價值回報，能夠近似代表它們帶來的實際收入，畢竟生意是你自己的，你一定能夠清楚每個電話背後意味著多少錢。 下圖是ROI資料介面。

下圖這個介面是對每個電話價值的自訂。

我認為這個工具最大的意義在於解決了呼叫來源的問題，這也是線上行銷對線下行動效果監測的核心障礙所在。

其他購買意向的監測

除了電話詢問，購買意向也可能表現為線上下的門店進行詢問，或是郵寄購買意向表等。 這些提交leads的方式在資訊化的今天，慢慢走向邊緣，但仍然沒有絕跡。

對於這些購買意向的監測，並不是沒有辦法，最常用的方法是提供網路的優惠碼（coupon code），並根據不同的coupon code來定位線上行銷的真正來源。 不過，資訊線上上和線下的轉化過程中，會出現模糊和丟失。 因此，這個方法可用，但不准確。

關於leads的監測，我已知的方法就是上面這些，歡迎朋友們提供更好的方法。

購買（purchase）追蹤

最後，終於到了我們行銷活動最希望看到的結果——購買。 做了無數的行銷，最後產品沒人買，絕對是杯具。 不要告訴我最大的茶几是960萬平方公里，我相信只要有購買，你的生意天天都是洗具。 但，如何追蹤purchase是真正來源你做線上行銷的結果，而不是因為顧客受到了其他因素的影響呢？

這是最根本的問題，也是整個環節中最困難的議題。 有3個可用方法。

利用coupon code利用購買後調查（survey）利用協力廠商追蹤

Coupon Code

Coupon Code的作用與上面的電話追蹤的方法非常類似，你可以為你的不同的campaign/廣告/網站提供不同的coupon code，而顧客拿這個code去線下購買，能夠得到優惠。 這樣，就能夠知道哪些線上來源更能夠促進銷售。

但是問題在於，消費者並不都會記錄coupon code（這畢竟是一個麻煩）；另外提供優惠也許是一項代價不菲的成本。

Survey

請銷售終端幫你統計訪問者是通過什麼管道發現你的商品並最終購買是一個常用方法，但效果只能說差強人意。 畢竟人們購買完商品之後，還有別的事情，他們一般沒有耐心，因此最好你還是能夠提供一定的優惠或者折扣。 而且，銷售終端的執行能力也參差不齊難以管理。 你需要有強有力的執行保障。 但，這的確是一個常被採用的方法。

另外一種survey就是在購買後給客戶發送email或者電話的方式survey。 對於大宗商品合適，對於小件商品，既是成本，也是對顧客的打擾。

兩種survey要克服的最後一個敵人是樣本量不足。 你很難收到數以萬計的回復，因此對於問卷的設計更需要精心。

協力廠商追蹤

協力廠商追蹤是我最感驚訝的方法，但的確有這個方法，並且據說就在北京有公司能提供服務！ 思想是，在你進行一次網路行銷（campaign）前，就事先抽取大概50~200個合作受眾（partner audience），事先不告訴他們任何關於你的背景和產品的資訊。 然後協力廠商公司會在你做campaign的過程和之後的一段時間內跟蹤這些合作受眾的消費行為。

這個方法實在是——太強大了！ 我所說的強大，是指他們真的需要有很好的執行、合作以及記錄（監測），這真的是一個大工程！ 這個方法能做到什麼程度？ 達到了什麼效果？ 我不知道。 如果有了解這個方法及這個公司的朋友，請一定要跟我聯繫，我的email是sxwuda##gmail.com（改##為@）。

方法總結

最後，我們總結一下線上行銷對線下行動效果監測的方法，如下：

好了，這個系列寫到這裡就告結束了。 我希望大家能多提提自己看到的，或者只是思路。 因為這個博客，我有分享，所以也得到了很多朋友的分享和指正。 比如，之前有朋友指正說control group不是「控制組」，而應該翻譯成「對照組」；還有朋友指出我在統計學上「一塌糊塗」，我完全接受，而且正在努力彌補 ；還有朋友告訴我SAS工具實際上也提供網站分析的模型和功能。 我都受益匪淺！ 希望大家知無不言言無不盡，感謝大家！

最後一個通知：我們所有的QQ群都已經滿了。 我會在一周內逐漸清理僵屍使用者和不活躍使用者，請朋友們稍後再試。 謝謝！

來源：HTTP://www.chinawebanalytics.cn/online-campaign-influence-offline-part-ii/