ROI衡量电子商务营销的不足 如何设定ROI

申请免费试用、咨询电话：400-8352-114

【本文谈些什么】

1.ROI衡量电子商务线上营销的不足；

2.如果ROI不是越高越好，那么ROI能够承受的最低限度是什么；

3.如果毛利永远是负数，如何依据投资金额设定ROI；

4.三种通向线上营销成功的途径。

【前言】（本文由NetConcepts的CEO Allen特邀而作。）

在所有与电子商务有关的KPI中，没有谁比ROI更惊心动魄的了。

2012年的春天，我应邀在北京和厦门做关于“传统品牌商的电商化”相关话题的演讲，结束之后，在我准备冲向机场的时候，有一些朋友围住了我，他们感谢关于我对提升转化率所做的论述，同时“质问”我ROI似乎不仅仅只是能够通过增加转化率就能提高的。

“当然不是……”我答到，“……但ROI真的很重要吗？”

提问者略微迟疑了一下，但很肯定的回答我：“老板要求我们的，我也没办法。”

哦，又一个身陷囹圄的可怜家伙。

【正文】

大家都承认，对ROI的影响取决于三个重要的方面，流量本身的质量、流量的价格以及与网站内容（用户将要消费的内容）的匹配程度。后者极大程度上影响了转化率。

按照这个逻辑，毫无疑问，百度的“品牌专区”具有最好的ROI。人们在百度中搜索你的网站名称然后链接到你的网站上，极有可能具有明确且强烈的动机，流量本身的质量和匹配程度毋庸置疑，而品牌专区的价格——道义上它应该是免费的，不过现在收费，尽管如此，单位流量的价格相对其他媒介渠道仍然算是便宜的。

这似乎是常识。我记得百度品牌专区有甚至能够超过50：1（return：investment）的ROI（如无特殊说明，本文中return以商品销售金额计，而不按照利润计；investment仅指流量购买的费用。作者注）。

但常识有时候很可怕，我总是近乎偏执地想要打开常识的黑箱。

狂热追逐ROI如同饮鸩止渴

当我遇到这样的问题，我会觉得有些发愁——“Sidney，什么样的KPI是最好的衡量我们营销效果的？”这个问题往往必然引出我的反问：“你觉得你们目前营销上存在的最大的问题是什么？”

一个组织的正常运转，与人体的正常运转十分类似，我们很难用某一个单一的指标去说明身体的健康状况，同样，一个组织的情况，也无法用某一个单一的指标去衡量。

ROI很重要，但不是唯一重要。另一个常识告诉我们，当一个网站获得的流量增加到某一个临界值之后，流量与网站内容的总体匹配程度必然会降低，在这之后，ROI也会随着流量的增加而必然降低。

这不难理解。例如我有一个销售旅游产品的网站，极端情况下，当我把所有对旅游感兴趣的流量全部网罗之后，仍然继续引入流量的话，购买流量的花费（investment）会继续增加，但回报（return）则不会再继续增加（新增流量都是对我不感兴趣的），因此ROI肯定会降低。

一般情况是，我们购买流量的操作倾向于先购买更精准（与我们的网站最匹配的目标受众）的流量，然后在逐步扩展到那些次精准的流量，在这个过程中，ROI肯定是逐步降低的。这也是很多电子商务常走的路——先把钱投在效果营销（performance marketing）上，其次，如果资金充足，才会考虑做更烧钱的品牌营销（branding）。

既然如此，如果我们需要维持更高的ROI，流量本身的选择必须极为审慎，并且流量数量必然收到限制。如果我们狂热的追求ROI，我们并非不能实现，选择那些最属于你的流量——百度品牌专区和品牌词、与你有合作关系的返利网站或是发给那些忠诚的老客户newsletter。只是，这么做的结果是你必须承受流量增长缓慢甚至倒退，收入同时降低的危险。

只专注于ROI的结果，并不能帮你做大做强，却反而让你束手束脚，失去机会。这不是正常的商业逻辑。

什么KPI更重要？

你会问我，如果ROI不是衡量营销绩效的最重要KPI，那我们该怎么衡量营销绩效？

我的一个同事曾经在一家外贸B2C电子商务公司工作，她谈到了这家公司在考核营销总监时所采用的方法：“我们的营销总监被考核的点很简单——他需要把这个月的预算都花出去，以及要达成的销售额最低限，”她强调，“把钱花出去是第一重要的——因为ROI比较难以大幅度提高，所以能够正常地把钱花出去，销售额肯定就能够达到了。”

这家公司的想法如此独特，以至于我不得不沿着这个道路认真思考——把钱花出去以购买流量然后达成最低的销售额，这实际上仍然是ROI目标的变体，不过，不同的是，他们没有那么刻意强调ROI，却强调了销售额，而用销售额减去预算花费，实际上得到了营销的毛利——他们把着眼点放在了毛利上。

电子商务的竞争环境困扰了所有的内贸电商从业者，几乎所有有头有脸的竞争者都不关注毛利，但外贸电商则不同，他们需要确保卖出商品这个行为本身是有销售利润的。

今天的内贸电商还能罔顾利润摧城拔寨吗？或许还能，但业已走向尾声。ROI的追求反映了急功近利的心态，而对利润的关注是回归商业的本源。

什么KPI更重要？取决于老板所处的境地和心态。如果VC或PE（投资者）给予疯狂的资金支持，或许毛利没有意义，ROI可能只对微观渠道优化有价值，销售额此时才是王道，以压迫竞争者，但这样的机会渐行渐远；如果事业初创，资金有限，想要细水长流稳步发展，那么ROI支配下的效果营销是有意义的；再者，如那家外贸电商一样，把电子商务看作与线下零售本质无异的靠卖货赚钱，那么你大部分的精力应该是追逐利润。

当然，事无绝对，三种情况可能互相渗透，但需衡量的标的不会变化。

这三种情况下，我们应该如何看待ROI？

各种情况下的ROI边界

或许我们需要用一点点微观经济学的知识分析这个问题。

我们有下面的假定（这些假定其实是真实的状况的抽象）。

假定一：随着流量的增加，流量花费逐步增加，并且当流量超过某个临界值后，随着流量的增加，单位流量的花费越高（边际成本升高）。

假定二：随着流量的增加，收入逐步增加，并且当流量超过某个临界值后，随着流量的增加，单位流量产生的收入将越来越低（边际收入降低）。

在此假定下，我们可以得到一个“成本-收入”曲线。

如果我们的目标是利润最大化，那么显然，我们的流量大小应该在虚线所示的位置上。在这个位置之后，流量成本的增加将会超过商品销售的收入，利润开始成为负数。

在这两个假定下，只要ROI》0，就应该继续投入营销费用。当然，这是废话，这是没有考虑到其他成本的理想状况。事实上，采购（或是生产）产品本身以及运营都需要成本，因此我们需要把这个事情考虑进入：

假定三：商品采购成本和运营成本与商品的销售额成正比。——这不是一个完全符合现实的假定，但为了简化问题，我们不多在此处过多讨论。

新的假定下，我们的曲线会发生一点点变化。如果产品和运营成本与商品销售额相比微不足道的话（例如只占商品销售额的10%），那么上面的曲线会变成下面的样子：

在这种情况下，衡量媒介支出和收入的ROI是多少呢？如下面与上图曲线相对应的数据表中红色的数据行：

这种情况下，ROI低至1.2:1都可以赚钱。

可是，对于那些“很重”的生意，情况也许不同，假如一个生意的产品和运营成本占到产品销售金额的50%，那么曲线又会发生变化。

这种情况下，ROI是2:1就可以支撑生意正常运转。如下表：

不过，接近50%的毛利对于中国的电商来说实在是太奢侈了，我们大部分的电商，因为商品过于同质化，因此毛利水平实在很低。假如一个生意的产品和运营成本占到产品销售金额的90%，那么曲线又会是什么样的呢？

看起来似乎无论怎么样都无法赚钱，商品每销售出去一件，就会增加一份亏损。在这种情况下，唯一的办法就是获得外部的投资——既然在流血，那就必须得有人心甘情愿的不断输血。这是2010年下半年开始到2012年的现在，大部分内贸电商的真实写照。

不过，倒是给了我们很好的启示：无论有没有外部投资，我们都可以考虑利润曲线，从而决定我们合理的ROI范围。如果无论怎样都不可能通过卖货赚钱，那么把外部投资中的合理额度也算作利润吧，这样绿色的利润曲线可以有机会成为正数，并且最终我们同样能够找到那个与0点相交的那个点，并计算ROI。下面的例子中，本来完全不应该有任何流量花费的公司，在外部投资的帮助下，可以支撑任何大于2.3:1的ROI的流量投放。

三种通向成功的途径

上面的图给了我很多启示。我们的营销，本质上是在不断改变上面曲线的过程。我们有多种可以追求的努力，体现在下面三种途径。

其一，我们可以拼命降低流量的成本，蓝色的曲线向右下方移动。不过，能把流量的成本大幅降低的高人凤毛麟角，这个不是大多数营销负责人能够左右的选项，但却是老板最为逼迫我们去做的选项。想当初为了争夺hao123的一个“破烂”位置已经是“头破血流”了，中国的流量好资源集中度这么高，想要流量价格下降，就跟让别人直接给你钱一样难以启齿。

其二，我们增加流量，只要我们的利润仍然是正数，我们就应该持续投入流量，直到边际利润为“零”时为止。这时我们所有营销人最常用的方法了，这方法好使。我们常用的方法是，在一开始购买那些高ROI的流量源，当把这些流量打尽了，再去弄那些ROI次高的，依此类推。不过，这方法其实存在着局限和隐患，这里按下不表，我们在（下）中，将专门讨论这个问题。

其三，我们还有一种方法，这个方法意义重大。如下图所示：

如果我们能想办法让在流量选择既定的情况下，收入得以提高，我们的利润自然就将提升，并且ROI会同样获益。这是百利而无一害的一招，换成我们互联网营销分析上的大白话，就是通过“修炼内功”——提升网站的转化率、增加老客的回头率等方法来促使我们能在既有流量下，获得更高的收入。

当然，我很难说上面三种途径哪种更好更有效，事实上，第一种途径和第三种途径同样有效，而第二种途径对于尚未形成流量瓶颈的中小电商来说也具有操作性。不过，一个组织对于三种方法的重视程度，却和三种方法的难易程度不一致。我总是认为，对大多数电子商务网站而言，对于流量本身的优化（第一种途径），其实要远远难于对网站和用户的优化，毕竟我们能够选择的流量渠道是有限的。但电商的总指挥们，反而常常对第一种途径提出了很高的要求，施加了远超实际的压力，却轻视甚至忽略第三种途径，乃至一些能够很轻松提升第三条路径的方法都完全不予采用，实在是非常可惜。

在上面我们强调了ROI并非是唯一值得关注的KPI，以及ROI越高并非越好。我们需要首先辨识清楚，我们到底想要什么，因为对ROI的追求绝对不是目标，而是手段。另外，对于ROI的应用，从宏观的角度上看（类似于微观经济学的研究方法），似乎更加有用。 不过，这并不意味着在微观角度上ROI没有意义，只不过我们看待ROI的方式必须要与过去不同。有何不同？这正是这个文章想要探讨的问题。为搞清楚这个问题，让我们先看看衡量流量绩效方式是如何演进的。

单一纬度的细分渠道衡量

我曾经采访过很多客户，询问他们如何衡量不同流量的绩效，大部分的回答是如下的表格。 例如，没有进行电子商务的一部分进行品牌营销的顾客，他们衡量流量绩效的表格是下面这样的（数据纯属虚构，如有雷同，纯属巧合）。

这张表格可以告诉我们，某一些流量来源的效益（effectiveness）并不是特别理想，例如搜狐，而利用百度则很划算。事实上，CPA用来衡量流量绩效是一种不错的方法，它在本质上与ROI并无差异，只是这里的R（Return）变成了某一种具体的转化事件（在这个例子中是注册），而公式则是成本比上收益——不过是把ROI的收益比上成本（投资）调了一个个。

当然，有一些顾客相对更简单一些，他们可能并不会定义某一个重要的转化事件为action，这样它们连CPA都省了，只去计算一下CPV（每个流量的成本）或是看看bounce rate即可。但我不提倡这种方法，太懒惰，毕竟流量的数量只是衡量流量的一个属性，而通过某些具体行为或者转化来衡量的流量的质量，才更为重要。

如果是电子商务网站，表格则会稍微变化一下（数据纯属虚构，如有雷同，纯属巧合）：

看到这张表，大家一定豁然开朗了，嘿，这不就是我们公司用的嘛！

没错，我见过的电子商务公司中，十个有九个用这个表。 我不能说这个表有什么错，尤其是如果你有本事能做到每天都能汇总出这样的表（这个用公司内部开发的工具其实也不难），并能够通过它快速的定位出现大起大落的流量源。这样的表格其实老板们也爱不释手。

但总感觉缺少一点什么。按照这两张表的逻辑，我们必须立即停止对诸如“新浪”、“网易”、“搜狐”的流量购买，而增加百度PPC、百度SEO和百度EDM的流量。有多少电子商务网站是这么做的呢？或者，我之前的客户有多少真的停止了“新浪”之类呢？很奇怪，大家一边很痛苦地看到它们的“绩效”如此之低，但是一边还“不得不”继续维持对它们的“买进”。 “那一定是因为PR的需要！”一个声音传过来。或许是，但并不是完全如此。如果纯粹是为了PR，我们其实可以有更好的四两拨千斤的方法。它们这些CPA奇高或者ROI奇差的流量渠道，或许还有别的价值。于是我用另外一个模型去了解它们的价值。请大家接着往后看。

多维度的细分渠道衡量

这个模型并不复杂，基于下面的一个假定：

所有的流量渠道都各不一样，由于营销流程中包含价值不同的各个阶段，即Awareness（认知） –》 Interests （兴趣） –》 Preference （偏好） –》 Purchase （购买）四个阶段。各个渠道在各个阶段发挥的价值不同。在某些阶段，此流量的价值要大于彼流量，但在另一些阶段，彼流量的价值有可能大于此流量。

其实这个假定完全是“废话”。难道不是吗？如果要比最终转化的能力，新浪无论如何不可能超过百度“品牌专区”（或是品牌词的搜索），但要论及增加品牌知名度，新浪首页的最好位置做一段时间的广告，肯定比只花钱购买百度“品牌专区”更靠谱。 按照从Awareness（认知） –》 Interests （兴趣） –》 Preference （偏好） –》 Purchase （购买）的流程逻辑，某些流量渠道或许只是帮忙加强了认知或是兴趣，或者最多帮助形成了偏好，但却不足以最终实现购买，我们并不能说它们一定没有价值，而或许只是它们处于营销流程的早期阶段。这个道理很简单，我们通过某个门户上的广告初次接触某一个电子商务网站，我们大不可能就在这个网站上下单购买商品（淘宝上的商家除外，我们愿意在淘宝上初次看到一个商家就下单是因为我们对淘宝规则的熟悉和认可），但我们可能对这个网站产生兴趣，并在一段时间之后通过其他渠道（方式）再次来到这个网站。门户在帮助转化我们的营销过程中，只不过处于早期阶段，但仍然具有价值。

怎么样判断这价值？这就是萦绕我心头很久的问题，很长时间以来，我使用下面的方法。这个方法基于另外一个假定：

如果某些渠道能够带来营销流程中的早期价值，那么一定能够通过流量背后的用户的某些行为表现出来。这些行为体现了对你的网站内容的兴趣。

这个假定是另外一个“废话”。对你网站感兴趣，总该点击下链接，多看几个网页，逗留个几分钟吧。这些行为被我们称为engagement。Engagement似乎不仅仅是适龄女青年喜欢的词。（如果你想了解engagement是什么，点这里。） 有时候，为了简单起见，我们把engagement归结为三个度量：page view/visit，time on site和bounce rate。这样我们衡量一个流量渠道价值的维度就拓宽为ROI（或者CPA）和Engagement的结合。如下图（气泡大小为流量多少，作者注）：

上图的engagement做了百分制的数学换算，选择了bounce rate，non-bounced time on site以及non-bounced PV/Visit作为度量，以较为全面的衡量bounce和非bounce的情况。这里不再多详细解释，如果大家想要了解如何换算，请在文末的留言框内给我留言——如果需求量大，我就就此再写一篇小文。

有更高engagement的流量来源一般都有更好的ROI，这不奇怪。不过，对于分析师而言，那些意外出现的异类（outliers）才让人加倍兴奋。比如，我们看到那些高engagement得分却低ROI的（图中标注的天涯社区和新浪汽车频道），它们显示出处于营销早期阶段价值的特征。而如果我们还能对比它们带来的新流量的比例，我们或许更能确认这一点。另一方面，处于右下角的“美丽说”，从那里过来的流量似乎对你的网站早已轻车熟路，处于营销流程的最末阶段，它的流量恐怕都是“老油条”了。

流量的新旧比例情况证实了我们的观点：

增加的engagement纬度拓宽了我们对流量的认识。如果只以ROI为标准，那么天涯社区和新浪汽车频道必须排除在购买流量的范围之内，但有了engagement，再加上用新旧访问者的比例做参考，我们知道这些流量是有价值的。 只是，我还是不能那么清楚的说明，它们到底有多大的价值，engagement不是钱，它很难被monetize（即转化为实际的金钱价值），因此做到这一步，我们只能说，我们知道它好，但到底多好，我们也说不清。

唉……我讨厌该死的模糊性。

兴趣阅读：我归纳的营销阶段、各阶段宜采用的流量，以及用什么方法衡量这些流量。

流量渠道间的相互作用

时间终于到了2010年，这一年我加入了Adobe的Omniture业务，Omniture也在这一年猛力推销他们的Marketing Channels Report。这个report的作用与今天GA的Multi-Channel Report是一样的，用于帮助我们了解流量渠道之间的关系。这个报告的出现，让我情不自禁的欢呼了一下，我觉得多年来悬而未决的“模糊性”问题终于有望解决了！

如果我们做一段时间第一线的营销，我们就会知道，我们不是在跟流量打交道，而是在跟人打交道。我们买流量的本质，实际上就是在“买人”。所谓一个流量很有效，实际上是这些流量背后的用户与我们营销的目的非常吻合而已。明白了这一点，我们就知道，过去那种把各个渠道分开进行衡量的想法是不对头的。原因无他，人们上网不是固守在一个网站上，而是东游西逛，因此人们很容易受到各种营销渠道的共同影响。 在课堂上，我总是举这个例子：

我想买一台打印机，于是我在Google上搜索了一下，发现了一个打印机，并且点击Google的链接进入了销售这个打印机的网站，但我没有下单。过了几天，我看到新浪上在做这个打印机的广告，于是我点击了这个广告，发现我再一次来到了这个网站，但我依然没有下单。 又过了几天，我收到了一封来自这个网站的EDM，告诉我这个打印机正在促销，于是我又点击了邮件中的链接到了这个网站上，我还是没下单。 只到两天后，我意识到再不买这个打印机促销活动就要过去了，于是我在百度搜索这个网站的名字，然后终于进入网站下单购买了这个打印机。

现在，问题来了，我在这个网站上的这次转化，是由哪个流量渠道做出的贡献？或者如果它们都有贡献，那么哪一个贡献更大呢？

这个例子是一个很极端的例子，我知道很多人不会像我这样这么无聊地等待这么久才买一个打印机，但是类似这样的情况——例如，我看到了这个商品的广告，而且进入了网站了解了这个商品，但没有下单，但我隔天下定决心购买这个商品，然后再通过百度找到了这个网站后下单的情况——是否普遍存在呢？ 如果这种情况是普遍的，那么至少解决了我前面的部分的问题——那些有着很不错engagement但ROI水平寥寥的流量渠道，它们也许正如上面例子中的Google，横幅Banner和EDM一样，最终做了某些其他渠道的嫁衣（例如上面图中的Baidu）——因为之前我们统计渠道转化贡献上，都只统计最后一个渠道（Last interaction）的作用。如果这种情况是普遍的，恰恰证明这些流量实际上是有价值的。

Google Analytics的Multi-Channel Funnels Report给了我们很好的答案。如果你打开这个报告，选择第一个子报告——“Overview”，你能看到在所有实现的转化中，跨越了多个渠道的转化占总的转化的多少比例。 通过这个报告，我发现，每个网站的情况是不一样的，有的网站普遍存在着一个转化跨越多个渠道的情况，但有的网站则没有什么渠道之间的相互联系。

上图是某个境外电商网站的情况，饼图的相互重叠程度告诉我们：超过一半的转化都存在多个流量渠道共同干预的情况——这个网站的同一个访问者通过不同流量渠道进入网站的情况很常见。

另外一个网站（上图），饼图的重叠程度非常有趣——它们几乎没有什么重叠。这说明这个网站的用户基本只通过固定流量渠道类型进入网站。

因此，我觉得下面的结论很重要： 对某一些网站而言，为这个网站的转化做出贡献的流量渠道之间没有太多的关联，这时利用单一渠道的衡量方式是可靠的。但对另外一些网站，它们的最终转化很大程度上受到多个流量渠道的影响，因此我们对于这些流量价值的认定——ROI也好，还是带来的转化也好，都不能以单一渠道分立地去衡量，而应该将渠道间相互的作用考虑进去。 因此，在我们衡量流量的绩效之前，我们首先应该了解这些流量之间到底有无关联，以及关联程度如何。这颠覆了我们过去直接着手分析一个一个具体流量的“经典方法”。如下图所示：

过去的方法：

现在的方法（后面几步我得暂时隐藏）：

我们对于流量渠道的“世界观”至此需要发生一些变化了。不过，就算我们知道了流量渠道之间是存在相互关联的，那又能怎么样呢？——接着看。

助攻与得分，流量价值高估与低估

<!--[if !vml]-->

如果流量之间确定存在相当的相互作用，那么我们面对的ROI分析将完全不同以往。以往，那些不能直接产生订单转化的流量，我们会难以直接认定它们的价值，但是今天，我们或许能够打开这个黑箱。 既然GA能够告诉我们带来转化的流量之间的相互“重叠”的程度，那么它应该再往前多走一步，告诉我们这些流量之间的关系到底是怎么样的。 在这一点上GA的Multi-Channel Report没有让我们失望，Multi-Channel Funnels Report下面的多个子报告就是用来帮助我们解决这些问题。 例如，Assisted Conversions报告告诉了我们一个流量渠道作为“助攻”或是“得分”的情况各有多少。这是一个很有意思的报告，它帮助GA第一次区分了流量的直接转化价值（得分）和帮助别人获得转化的价值（助攻）。在上面的那个例子中，助攻的渠道是Google、门户上的Banner和EDM，而得分者则是百度。如下图所示。

Assisted Conversions报告用数据来表述上面的情况，Assisted这个词的英语就是“助攻”的意思。例如下面的例子：

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！