衡量网络营销效果的三种方法

        在 之 前 的 《 网 络 营 销 效 果 衡 量 的 核 心 指 标 》 连 载 中 ， 介 绍 了 什 么 是
Engagement，Engagement 包含哪些指标，如何定义这些指标，以及如何通过技术方式监测
到这些指标。这期将问题更深入，探讨

Engagement 的适用性问题。

    由于 Engagement 的灵活性，它至少在三个领域具有极高的研究价值。其一，它对于衡量
总体（宏观）效果的达成有帮助；其二，在确知流量质量的情况下，它能衡量网站对用户
的影响程度（即一般我们所称的网站的质量）；其三，在确知网站质量的情况下，它能衡
量网站流量的质量。
    这三个问题，几乎就是我们进行营销分析的核心领域。我们先来看第一个问题:如何通过
Engagement 指标衡量总体（宏观）效果的达成？
    Engagement 衡量总体效果的三种方法
    Engagement 衡量宏观效果的方法，是基于这样的一种假设：大量用户看似混沌的各种行
为，实际上均反映了网站对用户的影响（吸引）程度。用户行为的量和度越大，表明网站对
用户的影响越强烈。这么说不难理解。同样的两个新闻站，

A 站平均每个用户访问看 10 条新

闻，

B 站只有 5 条，很明显 A 站对用户的吸引程度更大。Engagement 本质上即是用于描述

各种用户混沌行为，因此

Engagement 的数量和强度，与网站影响用户的能力是等同的。

那么如何衡量

Engagement 的数量和强度呢？

    通常有三种简单的方法衡量宏观 Engagement。第一种方法，是观察全局性的 Engagement
指标，这些指标既可以是标准指标，也可以是自定义指标。第二种方法，是把单个的
Engagement 指标按照自定义的重要程度加权汇总起来，形成 Engagement Index 加以衡量。
第三种方法，则是按照用户行为与营销目标之间的数学关系定义各个指标的重要程度，然
后再加权汇总成

Engagement Index。只要对用户的行为监测得当，三种方法操作起来都不会

有什么困难。
    方法一：全局性 Engagement 指标的分析
    第一种方法，观察全局性的 Engagement 指标，最常见的便是观察 Bounce Rate、PV/V 或
者

Time  alt=""  src="data/attachment/portal/201310/23/os11340231611532.png"  width="618" 

height="322" />
    为了后面的计算关系，我们把每个 Engagement 指标都变成 1 为基准，我们可以得到一系
列比例关系，

 有了这个对应关系，我们可以很容易地给转化发生之前的所有重要事件定义

Engagement 的权重。如果我们以 1 个转化为 100 分计算，按照各个不同行为的实际值，计算
出各指标的

Engagement Index 完全轻而易举。

    第三种方法相对于第二种方法看起来更为科学一些，Google Analytics 的 Page Value 的设
置也是类似于这种方法。但这种方法并不能说是现实的完全真实的反馈，它还是存在一定的
问题。由于此方法基于所有的行为都对最终的转化有直接的贡献作用的假设而设立，但转化
必然是一个过程，在转化过程的不同阶段用户的不同行为之间其实有相互的关系（正面的
促进或者负面的干扰），而这个方法并未把这些情况涵盖在内。
    有意思的是，对于这个方法，你会发现——由于网站内部的转化也是一步一步发生的，
不同过程对最终转化的价值并不一定一样，因此似乎也完全适用于

Attribution Modeling 的

方式，采用不同的

modeling（如线性、递减或是中间高两边低）方式，对用户不同行为的赋