广告数据分析报告范文

导语：如何才能写好一篇广告数据分析报告，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

其中一个原因可能是小企业受众非常多样化，行业范围跨越咨询，零售，食品，农业，科技等。即便在行业内，中小企业的需求也非常个性化并容易随着市场，运营，销售和财务情况而改变。

针对这点，American Express OPEN’数字营销和创新部门的副总Scott Roen在接受eMarketer采访时表示：当你细看中小企业的核心需求和挑战时，你会发现他们是时间敏感性的群体，他们不是那种整天坐在建好的大厦，呆在电脑旁的人，他们是没有围墙的，与客户和雇员在一起工作，他们天生是移动的。

小企业对笔记本电脑和智能手机的倾向性可能对B2B营销人员而言是个机会。Inc. Magazine和 Cargo发现91%的美国小企业主重视无线通信和智能手机对他们生意的重要性，这可能反映了他们每天的使用。平板电脑也被64%的受访者所看重。

篇2

据东楼所知，大数据概念在国内火爆并被各大互联网公司予以重视应该是在2012年之后，当时一本《大数据时代》作为大数据概念在国内启蒙读物并备受推崇，书中提到的一个谷歌通过大数据预测流感的案例，也让很多人第一次认识到互联网时代大数据的“威力”。

而在国内，包括阿里巴巴、百度、搜狗等拥有庞大的用户量和数据量的互联网公司，也在最近几年相继建立了大数据研究中心，通过对海量数据的分析，以及用户行为的跟踪和研究，从而能够帮助企业自身或客户在营销策略、广告投放等领域，提供更精准和可靠的方案策略。

就拿搜狗公司近日的一份《搜狗2014年第三季度汽车行业数据分析报告》来说，这份报告就是基于搜狗的4亿多用户在对汽车行业相关关键词的搜索、输入、浏览等而产生的庞大数据而分析出的报告，其中全面梳理了用户对汽车的价格、口碑、品牌等各个维度上的偏好，这无疑能够对汽车企业在进行广告投放时提供更加可视化的参考，而对比以往的广告投放方式则相对比较粗放，因为没有详细而具体的大数据支撑，参考的维度比较单一和片面。

包括阿里数据分析师的对于“胸大的女生更具消费能力”发现，同样也是基于淘宝、天猫等阿里的购物平台庞大的用户数据而得出的，而基于这些相关的数据，也能够指导各大电商卖家的广告投放和营销策略。

而随着国内各大互联网公司意识到数据的重要，并专门成立大数据分析机构，组织大量的工程师进行数据挖掘，大数据能力会成为各大互联网公司的必备能力，而对于大数据的运用也必将成为常态。

大数据时代：整合营销应该如何做？

另一方面，大数据时代的全面来临，不仅仅是让企业广告投放更加精准，我们的生活、工作、思维、商业乃至管理都会发生改变，甚至也影响到互联网行业的方方面面，包括网络营销。

比如，我们常常使用整合营销手段也需要升级和改变。之前，我们为了达到营销效果最大化，只是简单的对各个渠道的资源进行整合，通过规模化宣传来扩大营销效应。而在大数据时代，对于网络整合营销的玩法则不再只是营销资源的叠加，而更多的是对各类渠道进行科学而又预见性的整合和使用，而这其中对于平台和渠道各方对于大数据的融合和互通就很重要。

篇3

随着现代信息技术日渐融入人们的日常生活，人们每时每刻的行为都被数据记录和保存下来，人类产生的数据正在以指数级成倍增长。谷歌、百度、腾讯、阿里巴巴等电商企业在大数据资源的占有方面拥有天然的优势，其不仅在公司内部拥有大量累积的数据量，还能通过股权购买等形式获取企业外部的大数据。大数据被普遍视为未来经济发展的“石油”，电商企业作为新时期经济发展的新型驱动力，理应重视大数据的挖掘和盈利问题。借助大数据的挖掘和利用，电商企业的营销方式和盈利模式能够获得转型升级。因此，在大数据时代，研究电商企业的大数据营销困境及其优化策略具有重要的意义。

1 大数据营销的基本特征

大数据能够解决企业发展的趋势和方向问题，运用大数据思维看待企业的发展，能够为企业经营决策提供参考和辅助。大数据营销是企业决策的重要组成部分，通过对大数据的采集和分析，针对性识别客户，根据客户特点作出企业营销决策，从而帮助企业实现利润最大化增长。因此，大数据营销具备颠覆传统营销模式的潜质，与传统营销模式截然不同，大数据营销具备以下三点基本特征。

1.1 重视从海量数据中挖掘相关性

从字面上理解，大数据与普通数据不同，有量上的规模限制，达到一定量级的数据才会凸显其商业价值。传统营销模式只注重局部样本的抽样调查，抽样调查的误差、滞后性等缺陷和不足需要依靠后期的加权等方式予以弥补，传统营销调查的主观性色彩浓厚，精准性程度不够。

此外，传统营销模式只看到“为什么”，注重分析事物之间的因果关系，事实上，因果关系的确定非常难，调查者会根据主观经验进行推断和认定原因，导致调查的客观性不足。与之相比，大数据营销则注重调查样本的无限扩大化，试图通过用户在网站点击、消费记录、售后评价等形式和途径尽可能采集全样本数据，并通过大数据挖掘和分析工具，对全样本数据进行深度加工和处理，试图通过大数据的关联分析发现海量数据之间的相关性，进而找到企业营销的突破口和针对性。

1.2 重视营销对象的行为属性

传统营销注重营销对象的年龄、性别、职业等基本个人人口学属性，营销调查分析识别出来的营销对象群体比较模式，潜在的消费群体购买商品的可能性预测效果不强，这种基于个人基本熟悉的数据调查带来的营销效果不明显。大数据营销则注重营销对象的行为属性，在关注个人基本属性的同时，尤其注重营销对象的消费行为和消费行动，试图通过了解消费者的行动轨迹，预测其消费需求，进而调整营销策略。消费者通过电脑、手机客户端等工具购物、刷微信、刷微博、看新闻等，每天都会留下海量的行为数据，这些行为数据记录了消费者对公司产品的购买意愿、购买态度、购买周期、品牌评价等，能够清晰识别忠实消费者和潜在消费者。

1.3 重视营销效果的精准性

传统营销具有较强的模糊性，既不能精准识别潜在的消费群体，也不恩那个对既有消费者的行为数据进行分析，更不能够对消费者在线行为的变化作出研判。建立在全样本行为火速据基础上的大数据营销，能够根据用户的网络浏览记录和网友之间的互动评价来识别潜在的消费者群体，经过这些数据的分析预测潜在消费者购买产品的概率，进而针对性推送购买信息和链接广告，以达到说服购买的目的。

大数据营销对既有消费者，能够通过其评价和反馈，了解其对使用过产品的基本评价和再次购买意愿，进而改进产品，进行一对一的定制化商品推送，亚马逊即是这方面的成功典范。大数据营销能够识别不同人群的消费行为，进而将群体细分和贴标签，商家可以根据群体标签定制化推送商品。经过大数据挖掘和分析所得出的营销决策应通过微信、微博、电子邮件、私信等方式提醒消费者，以期让消费者及时了解产品变动情况。

2 电商企业大数据营销应用面临的现实困境

从大数据营销的三点基本特征可以看出，大数据营销为电商企业营销提供了前所未有的机遇。但大数据营销目前尚处于起步和探索阶段，任何一个新生事物都不可能尽善尽美、一帆风顺，电商企业的大数据营销同样面临着困境。实际上，数据并非越大越好，数据质量才是关键，精准营销预期效果很好，但是也很难做到，大数据采集容易，但数据的泄漏会对消费者的隐私造成侵害。

2.1 大数据存在虚假可能

由于大数据但是全样本的数据采集，导致数据中参杂很多不利于企业营销的干扰信息和负面信息。例如，电商平台的用户ID并不唯一，一个人可能开通了几个微博、有几个微信号和QQ号，也可能有好几个商家注册ID，这可能导致数据的重复收集；再如，部分商家强制要求购买者好评，部分网站的跟帖和评论注了水，是有意而为之，要么经过严格的后台审核方能，要么经过后台选择性删除的结果，这些人为干预都会影响大数据的真实性和客观性。外加上大数据对干扰信息的识别技术还不先进，人工识别的工作量又太大，导致大数据存在虚假的可能。因此，大数据营销需要剔除这些虚假数据，提升收集到的大数据质量。

2.2 大数据精准营销效果难达预期

精准性是大数据营销的根本特征，所有企业的营销都针对精准性做着不懈的努力。对商家而言，精准性意味着对用户的商品推介能够迅速转化成为购买率，至少能够大大提高购买的可能性。但实际上，很多消费者不习惯商家的定制化推送，甚至将商家的电子邮件和社交网络推送行为视为骚扰行为，进而产生厌烦情绪，大大影响了商家的形象。因此，大数据营销分析之后，如何柔性推送大数据营销的应用结果，是商家应该重点考虑的问题。

2.3 数据泄露威胁用户隐私

当消费者的个人特征数据和行为数据被采集起来后，数据泄露的风险也骤然增加，一旦集成的大数据遭到泄露，不仅会对商家造成经济损失，更会大量泄露公民个人隐私，严重威胁消费者的人生和财产安全。现代化过程中不断滋生着现代性风险，大数据营销为企业带来便利的同时，也给用户带来了困然。很多电商企业在未获得用户同意的基础上，私自采集和购买用户数据，用户数据被私自交易，由于很多电商企业的技术防卫措施不到位，数据很容易泄露，导致用户的生活受到干扰，财产安全受到威胁，因此，大数据营销应用中存在的个人隐私及安全也是目前关注的重点。

3 促进电商企业大数据营销的优化策略

3.1 提升大数据处理技术

数据之所存在虚假的可能，主要因为数据处理技术跟不上。针对海量的数据，电商企业应该抓紧研制大数据处理技术，尤其是数据加工处理技术。数据的加工处理是大数据营销的首要步骤，如果数据的处理技术强烈依赖于其他公司，营销的自主性就无法保证。因此，电商企业应借助自身力量加工和处理数据。例如，阿里巴巴之所以能够在大数据营销方面起带头作用，关键是其自主研发的海量数据离线处理服务ODPS能够随需扩展、处理海量数据，主要应用于数据分析、海量数据统计、数据挖掘以及商业智能等领域。因此，中小企业应借鉴阿里巴巴的成功经验，自主研发大数据分析工具，提高数据质量。

3.2 培养大数据分析师

数据本身是死的，需要人去识别和分析。大数据营销还需要有能够敏锐洞察市场需求的大数据分析师。然后，大数据分析师并不是一蹴而就，这就导致我国目前的电商行业大数据分析师极度匮乏，大数据分析师基本处于缺口状态。数据专家毕竟只是少数，聘请成本高，竞争激烈。因此，各电商企业一方面应立足自身实际，从内部挖掘具有专业背景和数据处理能力的员工进行大数据分析培训。另一方面，电商企业可以聘请外部的大数据分析师，有条件的甚至可以聘请国外的大数据分析师。当然，更为重要的是，各企业应建立常态化的大数据人才培养机制，从核心数据的分析，到数据分析的可视化，再到数据分析报告的润色，再到数据分析报告的讲解，最后到大数据分析与商业的融合等环节，都需要一支能力强、有梯队的大数据分析师队伍作为支撑。

3.3 提高精准营销的效果

电商企业的大数据营销遇到了阻力，迫切需要改变现有的商品推介模式，改善用户的厌恶情绪。具体而言，电商企业首先应注重营销的及时性，经过对消费者行为的分析后，能够在第一时间作出恰到好处的信息推送和购买方案的制定，便能迅速抢占先机，不但不会引起用户反感，还会起到立竿见影的效果。

其次，要改变反复向购买者推销其曾经购买过产品的习惯，这种推销只会让人更讨厌，电商企业可以转变推销思维，将同质推销转变为互补产品推销，从而勾起消费者的注意，创造潜在的购买需求。

最后，精准营销不能影响用户生活和工作，因此，要善于利用用户的上下班休闲时间对用户进行商品推介，提高精准营销的效果。

3.4 增强数据隐私防卫

篇4

“中甲联赛数据服务合作伙伴”。这一消息出炉后，在国内引起轩然大波，一时间让我们有一种“狼来了”的感觉。

此次，Team Twelve拿到的是未来三至五年（3+2。先签3年，如果执行情况理想可以再续约2年）中甲联赛数据服务资格。根据中国足协公布的相关规定，合作企业将针对中甲全年30轮共240场比赛为中国足协及中甲俱乐部提供数据支持，并获得相应权利。合作企业将获得“中甲联赛数据服务合作伙伴”称谓。合作企业将获得中甲联赛以下相关权利：1、获得中甲联赛实时数据和影像数据分析事业资格；2、享有数据分析报告的商业开发权；3、享有中甲联赛秩序册1P广告页。

这是中甲联赛史上首次引入数据合作方，也是中国职业联赛首次以竞标方式征集数据合作。这次竟标也吸引了国内外十家公司的激烈竞争，搜达足球通过OPTA数据纵横体育数据圈多年，创冰科技与五星体育。百事通等流媒体合作将足球数据画面立体化。Amisco是中超联赛官方数据合作方，雷达体育则在及时比分、赔率方面保持领先，领先体育已经深耕中国足球数据多年，相比之下，这家韩国公司之前从未涉及过中国足球数据领域，却在中国足协评审小组的各项评测中名列总分第一，算是爆出了―大冷门。

根据韩国媒体报道，Team Twelve Ltd.公司位于韩国首尔市江南区，执行代表为朴正善。在网上可以查询到的韩国公开资料上显示，Team Twelve Ltd.成立于2012年10月23日，是以“广告大型业”类注册的一家小型企业，企业公开分类标识为“一般法人”，代表就是朴正善。2012年10月至2013年5月间，该公司一直在进行企业培训阳广告业处理，并未涉及足球市场。

直到2013年6月，该公司以“体育市场公司”的名义与世界最大的广告与传播集团公司日本电通（Dentsu）接洽，才正式走上体育数据的正规道路。电通拥有的合作伙伴包括FIFA（国际足联）、IOC（国际奥委会）、IAAF（国际田联）、FINA（国际泳联）、OCA（亚洲奥组委评议会）、EAFF（东亚足球联盟），这也是Team Twelve之所以和日本公司合作的重要原因。根据电通公司资深人士透露，电通公司在该公司有参股。

据足球数据业内人士透露，Team Twelve拿到了日本体育数据公司Datastadium的核心技术，而该公司可以为媒体、球队、球迷提供定制版数据，涉及的体育项目主要包括棒球和足球。正是借鉴了这样的数据采集、分析、重构的技术，让Team Twelve公司可以在足球数据领域开拓市场。

进入足球圈后。朴正善开始频繁接触各国足协官员，包括韩国足协官员、教练等。包括洪明甫慈善基金财团、韩国足协、韩国足球职业联盟在内纷纷被他拿下。Team Twelve也成为了洪明甫的经纪公司，和这位前韩国队主教练关系密切。

在韩国成立公司之前，朴正善曾经在中国从事过房地产生意，如今在中国联赛逐渐成为“地产联赛”的今天，这也成为他向往重返中国市场的―个重要因素。

去年11月10日在长沙举行的2015赛季中超颁奖典礼上，韩国足球职业联盟副总裁、前韩国国家队主教练许丁茂的突然到访非常令人意外，而那之后不久，朴正善就顺利拿下了中甲的独家数据服务权，或许是通过韩国足球联盟的官方身份在中国足协做了背书。

如今韩国职业足球联赛前两级K1和K2联赛完全由这家公司提供数据，并将全队分析、球员评估等数据第一时间通过韩国职业联盟官网对外，而且得到了广泛好评。正是有了这样的基础，才让他们有必胜的把握拿下中甲联赛的数据服务权。

谈起这次购买中甲数据版权的动机，朴代表对韩媒表示：“如今中国足球市场的崛起令全世界瞩目。因此我认为，如果能够进入这个市场，将会有很大的发展空间。因此我对进入这个市场有着很强的责任感。今年，我们公司成功地分析了K联赛的400场比赛，对于每一场比赛的数据分析。无论是速度还是准确度都把握得相当好，这也要得益于我在公司的这些年轻员工们。对于韩国足球联赛技术分析的成功经验，让我有了把握拿下在中国的足球数据分析市场。”

从另一个角度来说，他也希望给韩国人创造一些就业机会。“对于我个人而言，其实这次进军中国市场，也是给一些在中国谋生的优秀的韩国年轻人更多就业机会，促进韩中两国的交流，这也是我的一个主要目的。”

2015赛季的中甲联赛，延边长白山和河北华夏幸福的成功升级也离不开资金支持和明星球员的引进，这在韩国也是一个热门话题，对于韩国人来说，如今中甲联赛的热度并不比中超联赛要小。而在2016赛季，随着延边长白山引进尹比加兰和金承大两名明星球员，加上洪明甫入主浙江绿城、张外龙执教重庆力帆，下赛季的中国足球赛场将充斥着更多的“韩流”元素，这也吸引了韩国媒体和球迷的眼球。在这种背景下，朴正善也决定为韩国球员和教练提供更多的数据和技术支持，以满足日常的训练和对比赛赛后的评估。

对于中国足协来说，过去若干年即使免费送出去都没人愿意接手的中甲数据，以及每年倒贴几百万找外国公司做的中超数据，如今都有一大批公司愿意掏钱来做，世界真的变了。根据一位业内人士的说法。240场比赛，一年在人力和设备的投入上没有六七百万元根本拿不下来。加上付给足协的版权费都在百万上下，做中甲数据的投入很高，但是收回成本的可能性极低，因为门户网站不需要，中甲连视频直播都没有，要数据何用？况且中甲球队、教练和球员对此完全陌生，短期内很难有售卖空间。那么，Team Twelve为何还要做这赔本买卖呢？造福韩国教练、球员？恐怕没有这么简单。

篇5

大数据并不是一蹴而就、空穴来风的概念，在它的背后有很多趋势在推动这个概念的到来。简单地说有几个方面推动大数据的到来：

第一是数据化。我们现在有了更多的传感器去记录数据。大家最能理解和最常见的传感器就是手机。有了手机，我们就能通过技术监测知道你生活在哪个地方，有没有网络购物等个人信息。正是有了越来越多的记录数据的传感器，使得我们获得的数据一直在增长。

第二大变化是数据形态发生了变化 。我们现在有了各种各样的数据，既包括传统的结构化数据，例如门店的销售数据、后台数据等也包括互联网的各种数据。

在大数据时代，互联网用户通常作为同一个对象使用多个网络平台。我们通过对特别对象或人物的网络（性格、社交圈等）和行为（购物、评论等）的特征进行分析和挖掘，打破了孤立的个人数据特征，成功建立了以人为对象的跨越多个网络和数据平台的关系数据群，实现个人跨平台数据的打通。

正是在这样的大背景下，2011年5月，麦肯锡麦肯锡全球研究院（MGI）了一份报告――《大数据：创新、竞争和生产力的下一个新领域》，推动了工业界和学术界对大数据的关注，同年11月IBM公司在产品会上推出大数据概念。

大数据有四个特点：规模巨大；产生数据的速度非常快，我们处理它的速度也非常快；数据库的多样性；数据中潜藏价值。

我们认为大数据不是技术的变化，而是全方位理念的变化，它是基于多源异构、跨域关联的海量数据分析所产生的决策流程、商业模式以及生活方式和观念形态上的颠覆性变化的总和。

大数据的创新

整个大数据在商业中的创新体现在数据的外部化。也就是我们如何把自己的业务数据拿出去给别人用或者怎么样把别人的数据拿进来自己用？

一个门店、一个品牌的生存都不能仅仅依靠自己的数据。当下基于互联网基础的社交媒体、论坛、电子商务及移动电子商务数据给我们提供了很多可能的资源。我从不同角度，简单阐释一下这个问题。

如果从大的角度来谈化妆品行业的整体发展趋势及哪些品类会成为消费者期盼的商品，互联网就给了我们很好的答案。

在10年前，中国还没有男士护肤的概念和市场，但是到今天男士护肤品已经是一个很大的市场。如果我们回溯到十年前，互联网的论坛讨论就是男士护肤市场起步的端倪。因为有一些消费者由于和欧美国家的接触，他们比化妆品市场从业人员更敏感，他们首先发现了男士护肤市场的商机与需求。所以通过大数据的检测你可能会遇到行业可能的机会。

从小的角度来看，大数据的运用，我在一个城市开店，我只想知道什么样的东西受消费者的喜爱，未来的市场变化趋势是怎样的？这个时候电子商务和移动电子商务的数据就给了我们很好的答案。

我们可以通过分布式网络爬虫技术，直接爬取互联网数据。当你覆盖足够多的电子商务平台，你就很容易知道哪类产品、哪类品牌甚至某个单品在哪个城市的销售状况。我甚至可以通过精准的计算技术，更好的了解我们商业合作与竞争的利益。

如果再深一层，面对一个个体，我应该给哪些人推送精准营销或者说一个产品面世后它在互联网的美誉度是怎么样的，有没有可能出现重大安全问题，需要产品方做怎样的调整，这些东西都不是我们自身的数据能解决的而是需要外部的数据辅助我们做决策。

举几个非化妆品行业的例子。搜索网站谷歌通过人们在网上的搜索记录完成流感的预测。谷歌每天都会收到来自全球超过30亿条的各种搜索指令，如此庞大的数据资源足以支撑和帮助它预测流感的传染程度。

我们要注意到大数据运用的创新之处。谷歌不是通过疾控中心和医院的数据来预测传染病，它是通过搜索指令的数据资源来预测传染病的流行程度。也就是说谷歌在用自身业务产生的数据，拿出去解决其他地方的重大问题。

再举一个非常典型的例子，告诉大家我们的数据要流动起来，才能发挥更大的价值。

国家电网每年会两个指数一个是重工业用电指数，一个是轻工业用电指数，这两个指数是整个中国工业制造业的晴雨表。如果将国家电网的数据和用水的数据结合起来，这些数据产生更大的价值。如果把用水和用电的数据结合运用到个人住户，则可以给公安部门维护社会稳定起到积极作用。

公安部门可以通过异常的用水及用电数据判断哪些住宅是传销聚集地。因为传销三、四十个人挤在一个小房子里，用水量是超过正常范围的。

同时，用水用电数据为国家安全委员会维护稳定和反恐有重大意义。我们国家有一些被列入黑名单的，这些人一旦发生了不正常的移动或者居住地用水用电发生异常，公安部门需要第一时间实地走访，掌握情况。

此外，用水用电的数据是所有银行为中小企业发放贷款的重要依据。众所周知，中小企业的财报数据都不太真实，银行在为他们做风险评估的时候，基本不看财报，而是看企业的用水用电数据以及交管委的摄像头记录的货车进出数据，判断企业的整体规模及信贷风险。

所以，我再次强调大数据创新的核心是怎么样把自己的数据拿出去支持其他行业以及如何用其他行业的数据支持自己做决策。

大数据的商业实践

将大数据用于品牌商业分析的时候，有三点和以前不一样：

第一，我们所有的分析都是全样的数据而不是抽样的数据。从某种意义上讲，世界上没有全样数据，我们所能掌握的都只是部分，但从另一个意义上讲，我们团队能够监控到大量的电子商务及手机移动终端的数据。这些数据不再与以前做数据分析时，到某几家店，通过某几个产品的试用和观察得出的数据一样。因此大数据时代的数据分析报告，比以前更细、更高速、更高准确率

第二，大数据的分析包括很多非结构化的数据。做移动电子商务的人会知道， 我们除了关注日常销售、生产等结构化的数据之外，还会非常看重商品在社交媒体上的影响力如何，品牌的粉丝影响力如何。所以每一件商品的美誉度如何以及在论坛上遭遇的舆情危机等都可以通过非结构化的数据分析获得认识。

第三，我们所有的数据都是关联的数据。我们要打通一个用户、 一款产品在不同社交媒体上的购买行为、浏览行为及被收藏被评价行为，从而获得更全面的认知，同时发现产品从A平台到B平台的商业机会。

我建议有条件的品牌商及经营者要实现外部数据的战略储备。我们团队的数据其实来自两方面：一个是自有数据的积累，二是公开数据的爬取。现在的这些数据对于我们将来做扩展包括趋势分析、竞争品牌的分析及了解用户做精准营销等意义重大。

在了解用户的时候，我们需要进行全面了解。我们不仅要了解他的购买浏览记录，还要了解他的时间和空间轨迹等。我们给很多品牌商做过服务，你对同一个对象在不同时间点给他推送广告的打开率可以相差10几倍。此外，了解一个用户的行为轨迹，也能让你做到精准的广告投放和店铺选址。

很多人在运用大数据营销的时候，会步入逻辑结构的误区。一般我们理解的大数据营销是产品经理会通过思考去想像，我的产品适合什么层次的消费者，而企业的老总会思考我的产品选择哪个明星做代言。有了这些想法之后，品牌才会根据媒体、销售渠道及电子商务数据找到它们想要的的代言人。这样的大数据营销在逻辑上是不正确的，因为他太强烈的依赖于产品经理对产品的定位。

而正确的大数据营销是首先找到自己产品和竞争产品的已有用户以及对这些产品表达过兴趣、发表过评价的几万人甚至是几十万人。然后在通过分析这几十万人从事的职业、感兴趣的电视节目、关注的明星、日常浏览哪些论坛的数据结论，选择与品牌形象及消费定位匹配的代言人，进行点对点的精准营销。

在这样的设计流程中， 产品经理和企业决策者的重要性体现在他们凭借敏锐的直觉，，将适合消费者使用的产品设计出来。一件产品问世，就像一个小孩出生，他已经是活生生的生命个体，父母已经无法再改变他。在这种情况下，父母对他的理解， 都比不上他在成长过程中自身生命力的勃发。许多父母会希望小孩子做各种事情，为小孩贴上标签。但真正成功的父母，总是会从小孩的成长过程中看到惊喜。 同样的每一件产品有了自己的生命力，它在面对市场的时候会遇到各种评价，我们利用这些大数据的分析能比产品经理更多知道一件产品它真正的目标用户在哪里，它他真正需要的广告投放在哪里。

在这么一套新的逻辑框架支持下，给大家举一个化妆品行业的例子。欧莱雅集团有一款价值千余元的超声波洁面仪。当时这一款产品的产品经理找到我们，给我们提出的是针对20岁至40岁的白领女性的产品定位。超声波洁面仪的产品在电子商务渠道上有很多同类型的品牌，我们通过数据分析得出二三线城市的中小学老师的职业群体是被他们忽略掉的群体。

中小学老师每天接触大量的粉笔灰尘，因此她们对洁面仪器的关注最活跃、使用频次也最高。当我们把这个现象告诉欧莱雅的产品经理时，他们一下子就明白了这个道理。

篇6

如果说网络流量的高低决定了网站的当前价值，那么网络流量统计分析的准确度则可能决定网站的未来潜力。因为通过对某网站的网络流量进行统计和分析可以得到非常丰富的信息，比如，网站的访问者来自哪里、他们遵循什么样的访问路线、哪个网页最受欢迎等，这些对于一个网站的设计和优化都是非常重要的，当然，其前提是统计和分析是准确和科学的。

由于网络流量统计分析事关网站的生存和发展大计，所以，网站管理者对于网络流量分析越来越重视。有需求就会有市场，随着互联网的繁荣，一个围绕网络流量统计分析的市场就此形成，并逐步形成了一个产业，这些公司不仅提供流量统计以及相应的分析报告，还能提供更为专业和全面的数据分析，比如为特点网站提供网站优化的咨询服务、提供网站内广告效果分析服务等。

“互联网流量统计分析是一种新兴的业务，尽管已经存在一段时间了，但是直到最近一两年才逐渐为人们所熟知。从事这项服务的公司大多数也是新兴的公司。” 联网时代（北京）科技有限公司（以下简称CNZZ）执行总裁张志强告诉记者。这些公司中比较活跃的有来自中国的CNZZ、好耶，和来自国外的WebTrend等。

据张志强介绍，这项业务的需求首先来自于中小网站。因为网站需要了解来访者是来自友情链接还是搜索引擎、来访者点击哪个网页最多、能停留多长时间等，这些对于优化网站的布置、是否投放广告以及如何投放广告都非常重要。然而中小网站通常不具有开发此类功能的能力，所以会使用这种流量统计服务。 另外，也有一些大公司出于成本上的考虑愿意把这些工作交给更专业的公司。

由独立的第三方提供流量统计服务，还有一个好处是可以比较公正地网站的流量信息，帮助广告客户决定广告的投放。在有“眼球”经济之称的互联网上，流量可能决定一个网站的生死，独立第三方的数据可以为广告主提供一个相对客观的评判标准。

实际上，网络流量统计不仅可以用来指导网站的设计和规划，它还可以提供更为丰富的其他信息。比如，从CNZZ提供的一个网络流量统计分析结果，就可以感受到眼下这场金融风暴的威力: 汽车类奢侈品网站的点击率呈明显下降，而电子商务和游戏网站的点击率上升势头明显，C2C网上购物类网站的访问量上升最为显著。

采访中张志强坦言，尽管在流量统计分析市场，已经有Google以31亿美元现金收购DoubleClick，和国内的网络广告提供商好耶被分众传媒以7000万美元现金和价值1.55亿美元的分众传媒普通股的代价收购等成功案例，但作为一个新兴市场，大多数公司的业务模式还处于探索过程中。

篇7

市场部职能认识如下：

1、 对产品负责

分析行业态势及竞争格局，了解竞争对手。结合公司战略目标、各区域市场的品牌成熟度，整合及合理配置销售资源，制定关于产品的年度或季度的推广策略。

从市场（消费者）的角度进行产品卖点分析，从产品自身中提炼产品优势，通过培训、产品知识手册等工具，将产品卖点、优势传播给销售人员，完成各类终端宣传工具及各媒体广告，将产品卖点传播给消费者；组织或参与学术会议，进行项目性研究，不断丰富产品卖点。

VI管理职能，让公司的产品形象、广告诉求、终端宣传形成统一的风格及形象。

2、 对市场负责

深入的市场调研，制定合理有效的促销方案，终端宣传方案；为区域市场

的拓展提供指导性意见；及时发现区域市场的营销重点，提供必要的产品支持、宣传支持和活动支持。

3、 对老板负责

了解区域市场的销售状况，并明确销量变化的原因，产品是在经销商仓库

、销售终端还是二批的仓库；竞争对手的销售状况、有那些大的举措，及时发现销售过程中由于产品本身（质量、价格等）、销售政策（提成、返点等）、品牌推广（促销活动、终端宣传、广告卖点等）引发的问题，并提供销售分析报告和市场分析报告。

市场部用80%工作精力完成常规工作，产品分析、组织产品知识培训、设计产品包装及宣传工具、拍摄广告片、组织学术会议、销售数据分析、行业及消费者研究、审批监控促销活动等，用20%的工作精力制定年度产品策略、协助区域市场进行宣传及推广活动。

企业刚刚建立可能没有销售总监、市场总监、广告部等职能部门及职务，市场部更多精力是在进行整个公司的管理制度和销售政策设定，包括产品价格、薪资政策、经销商政策、渠道管理等。

市场部分为体力型和智慧型，体力型市场部相对其它职能部门相对弱势，疲于配合和完成基础性工作，充其量是个弹药库，不能参与和影响企业的战略决策，在战术上起着配合和支持的职能，大多数企业市场部处于这种层面。

智慧型市场部更多倾向于对企业和产品发展有一个明确宏观的思路，其它职能部门可以不明晰，但市场部必须明确三个问题：

在那里？

五年、三年之后的目标、本年度、本季度、本月度的目标是什么，我们目前占领整个市场多大的市场份额，占领该产品品类多大的市场份额，我们的企业后续品种需要向横向还是纵向拓展，知晓、了解、认同、购买过我们产品的消费者各占多少比例，消费者满意度如何，经销商满意度如何，产品周期处于那个发展阶段……

产品已近是亿元单位的品种，通过渠道管理和促销活动等“术”的发挥，在全国大盘子基础上销量会有所提升，但要想走的更远、走的更高就必须比对手更努力，更了解市场、更了解消费者、有更清晰、更明确的目标和方法。

去那里？

我们的销售目标（任务）是多少，我们的利润目标是多少，我们在行业之中想要扮演什么角色，是跟随还是领导，是扩大市场份额还是提高品类份额……

这个问题关系企业资源配置、人员配置、价格体系、产品定位、广告资源、促销活动、销售渠道及方法等等。

怎么去？

没有投入就没有产出，没有付出就没有回报，没有舍就没有得。但企业资源是有限的，如何整合资源达成目标，是提升产品力（增加促销和广告投入、改包装、降低价格等），还是增强渠道力（加强经销商管理、提升返点等），还是增强销售力（对销售人员培训、提高提成标准）。方法是没有错的，如何合理使用、合理分配就是一门艺术。

篇8

2013年10月，多款类似的智能医疗健康设备纷纷上市，其中包括移动医疗健康公司康康血压旗下的康康血压计、北京瑞智和康科技公司推出的快乐妈咪胎语仪等产品。不止是这些新鲜出炉的移动设备，很多软件厂商也陆续推出了自己的硬件产品。移动阅读公司华阅数码旗下的木木健康推出了MUMU血压计，将旗下“读览天下”中有关高血压的内容导入MUMU。专注女性生理周期的大姨吗也携手智能数字健康公司PICOOC推出了一款智能健康体重仪Latin，以实现对女性健康数据的精准管理（附表）。

在新产品纷纷面市之前，这些“移动家庭医生”的生产商早已吸引了资本的眼球。大姨吗的数百万元A轮融资来自天使投资人蔡文胜，此后的B轮投资由红杉资本和贝塔斯曼共同出资千万美元。康康血压也斩获了个人天使投资者400万元的投资（附表）。

市场研究机构ABI预测，到2017年，全球健康与健身类可穿戴设备市场的规模有望达到1.7亿台。全球移动通讯系统协会（GSMA）2012年报告显示，5年内，全球移动医疗服务应用将为移动运营商带来115亿美元收入，而信息平台提供商、医疗设备厂商和内容与应用提供商，将分别获得24亿美元、66亿美元和26亿美元收入。同时，艾媒咨询报告指出，预计到2017年，中国移动医疗市场规模将达到125.3亿元。

软硬结合解决变现难题

单靠App是否可以满足用户的健康需求？春雨医生等纯App主要是通过用户自查、系统给出答案和网上咨询医生的方式让用户了解自己的身体状况，实现足不出户“看医生”的愿望，不足之处在于患者的自述有时不够全面，而且属于“事后补救型”措施，无法“防患于未然”，在疾病发作前得到警示。

移动医疗设备可以弥补App的不足，不仅可以量化反映身体情况，还可以提早获知身体发出的一些警示信息。康康血压计对用户的相关数据进行长期的追踪检测，数据会被传至云端进行分析并形成电子病历，由此提炼出的医学诊断模型，可以和云端模型比较，从而预测用户的健康状况。大姨吗旗下Latin除了可以测量体重外，还可以监测脂肪含量、水分含量、肌肉量、骨量、基础代谢率等多项身体健康指标。这些数据在采集后会被上传至大姨吗App中，并进行汇总展示和健康分析，随后据此向用户提供分析报告和健康建议，指导用户通过积极的生活方式改善身体健康。

推出硬件产品，也是软件企业进行商业化的一种尝试。大姨吗创始人柴可接受《新财富》专访时表示，之所以选择推出硬件产品Latin，是为了解决企业变现难的问题，移动互联网应用虽然获取用户容易，但变现一直是个难题；而传统生产和设计公司拥有工业设计师和材料工程师，缺乏的是大量的用户窗口，正好可以优劣互补。

柴可透露，Latin定价会“比较高”，而大姨吗和PICOOC也会根据双方在产品开发中投入的各项成本进行收入分成。在大姨吗和PICOOC的合作中，大姨吗主要提供用户窗口、用户定位以及录入数据时的软件接口，硬件研发由PICOOC负责，生产则外包。通过推出硬件，大姨吗可以获得更多个人难以记录的体征数据，也有利于增加用户黏性。PICOOC则可以借助大姨吗已经形成的影响力，直接切入其所面对的女性目标消费群中。

大数据+线下医生

当用户积累到一定程度，这些公司还可以从大数据中分析预测用户的健康情况。投资公司 Khosla Ventures创始人预计，大数据分析技术可以取代 80% 的医生，未来10年，智能手机的发展和硬件开发成本的降低将改变健康保健领域，大数据分析技术将使医药行业获得巨大飞跃。

在国外，一些公司已经着手利用大数据分析来改善用户健康。行为健康分析初创公司Ginger通过手机App来收集短信、通话和位置数据，当判断出现行为异常时，它就会提醒用户。例如，抑郁症的早期阶段往往涉及人们通信方式的改变，Ginger中的Daily Data就可以发现这种变化。帮助女性怀孕的应用Glow则希望通过收集大量关于女性月经周期、、饮食、情绪等方面的数据，来告诉女性什么时候适合怀孕，而且能及时提醒女性自查是否存在子宫内膜异位等早期问题。Ginger获得了650万美元的A轮风投，Glow也已获得600万美元的投资。

在国内，大数据也可以帮助企业改善产品。柴可举例说，不同地区和年龄段的女性，周期习惯是不一样的，例如，广东地区女性的初潮时间比北方要早很多。通过收集更多用户数据，大姨吗可以更加深入了解用户，改善生理期的算法，从而更为精准地预测用户的生理期。

为了解答用户提问，移动健康公司往往还需要连接线下的医生团队，从而提高用户体验。康康血压签约了多位医生，对于发现问题的用户，会由签约医生在24小时内回复其提问，并给出相关建议，如运动指导、饮食指导和用药指导，为用户远程诊断。不过，整合线下并不是件容易的事情。胎监仪生产商广州贝护佳从2013年6月开始线下推广，到8月也只谈到了4家医院参与，积累产检记录4000余条。大姨吗也计划扩大技术团队和专业妇科从业人员，解答用户提出的健康问题。

硬收入+软收入

对于移动健康设备商家来说，收入主要来自两个方面，一是设备带来的“硬收入”，二是App应用带来的“软收入”。硬件收入又分为一次性出售和租用两种形式。血压计、体重秤等较为常用的设备多是采用出售的形式，而对于胎监仪等一些只在某个特殊阶段才使用的设备，则主要采用出租的方式。

广州贝护佳采用的就是按产检次数收费的模式。其远程胎监仪在医院现有的胎监仪基础上增加了远程无线通信技术，可以将监测数据传送到后台服务器，方便医生通过浏览器查询并对孕妇数据进行评分操作，将医嘱信息及时发送给孕妇。对于用户支付的使用费，公司也会分成给医院和医生，提高后者参与和推广的积极性。贝护佳每次产检费用高达150元，不过可以免去孕妇及其家人奔波医院排队的劳累。

对于大多数健康设备生产商来说，收入主要来自销售硬件的一次性收入，不过，当设备销量达到一定规模后，公司还可以通过应用平台获得收入，这也是很多公司硬件定价较低的原因。木木健康CEO陈迟就指出，公司血压仪定价399元，就是基于获得设备的销售量，量够了，自然平台就有了。

篇9

一、日常工作

在XX年上半年，从总体来讲，日常的数据采集依然占据了很大的比重。在数据录入方面，我依然严格要求自己，在保证速度的同时做到准确录入。在上半年，我参与了第一季度数据报告以及5月份月报的撰写，虽然是常规数据报告，我依然不敢松懈，尽力做到一遍通过，不犯低级错误。

另外，在日常工作之余，也向周*学习了专刊考核方面的工作。考核工作对我来说并不陌生，因为以前曾经也接触过，考核规则简化之后，上手更加容易。主要是做到耐心细致就不会出错。

那么，本年度除日常工作外，应中心领导要求，每日由广告部渠道组提供当日未到达名单，由李*和我轮流在系统中查询最后一次投放本报的时间。广告部渠道组提供名单并不细致，加大了查询工作的难度，希望日后通过有效的交流和沟通，双方可以达成统一，提高工作效率。

二、调研项目

人才招聘行业调研报告：年初，在报社领导的指示下，我和祁*共同完成了人才招聘行业的专项调研报告。本次报告通过对全国人才招聘行业的仔细研究，包括全国媒体人才招聘广告投放情况与沈阳地区媒体投放对比分析，沈阳地区自身招聘行业的特点以及报纸、网络、人才市场等多个方面的深入分析，在金融危机的影响下，对XX年招聘行业情况做出了有预见性的预测，并验证了领导的想法。通过撰写此次报告，使我的思路更加开阔，学到了很多东西，也掌握了一些撰写专项分析报告的技巧，对我日后撰写某个行业的专项报告有一定的帮助。在这里感谢主任对我和祁*的信任和指导。

**电器调研项目：4月份，在领导的指示下，我们与**电器一起合作了一次关于家电行业的调研活动。本次调研方式为街头拦访。关于问卷，个人认为，由于街头拦访形式比较特殊，被访者是在行走过程中，问卷题目应该尽量短小简单。本次问卷题目一共26道题目，包括单选、多选以及复合题目，a4纸打印需要三张。在访问过程中，感觉有些繁琐冗长。被访者大多觉得题目较多，一张问卷访问下来，大约需要10分钟的时间。就日后的调研来看，个人认为，街头拦访问卷一般题目在10-20个问题，a4纸打印2张，访问时间控制在5-8分钟左右为宜。过长会导致被访者的厌烦情绪，在问卷的最后容易随便糊弄了事，影响调研的准确性。虽然调研中有这样和那样的困难，但经过全体项目人员的努力，本次调研项目执行到位，保质保量的完成了任务，达到预期要求。

版面监测调研：4月份，与**市场研究公司合作开展了“XX年第一期版面监测调研项目”。针对项目执行过程中的各个环节严格把关，务求使版面调研数据的真实准确。并在6月初召开了报告讲解会。本次报告在原有基础上增加了定性研究与版面的直观对比，对各部们领导解读报告起到一定的作用。

客户满意度调研：6月末，在集团要求下，和祁*一起完成了《XX年上半年客户满意度调研报告》，为经营工作考核提供了一定的数据依据。

发行调研：在XX年初，发行调研已经全部由市场部独立进行，每月进行一周。虽然人员有限，但市场部人员尽出，保证了发行调研的按期进行。就发行调研本身来说，个人认为，由于选择摊点过少，每期报告不免单调重复，在XX年下半年应当改进调研方式，不再单纯进行要报销报的数量，要在原有基础上有计划的进行较为深入的调研。这样可以使得发行调研更加具有指导意义。

三、活动配合与外出培训

在上半年，市场部配合房产专刊部进行了“购房消费卷”活动，在活动结束之后，为领导撰写了《春暖花开购房消费卷报告》，报告以漫画等幽默的方式展示了华商晨报“购房消费卷活动”，并对其他媒体在房产行业方面的政策以及地产商投放广告心态进行了分析，得到了领导的认可。

另外，在5月末，在中心领导的指示下，深入研究了**活动，在查阅了大量资料，并在部门主任的指导下，撰写了《****》活动策划报告。通过此次报告的撰写，让我自己所从事的工作的认识更加深刻，了解到自己的工作思路要依据数据而不局限于数据。作为市场部的一员，我要更加鞭策自己，拓展自己的思路与眼界，放眼市场放眼全局。

在5月，我有幸赴北京参加了 “市场研究基础知识培训”。本次培训主要是数据基础分析与处理，在介绍了我们日常工作常用软件execl的同时，讲解了专业的数据统计软件spss的基础操作。这次学习机会对我来说相当珍贵，而这次培训也对我日后的工作有了很大的帮助，希望在接下来慧聪所举办的一系列培训中依然可以去学习参加，提高自己的分析水平，业务能力。

四、展望

从事数据工作已经是第四个年头了，各类调研项目也开展了很多，如何在数据分析与调查研究中更加深造自己，将是我XX年上半年的工作重点。

篇10

图一：网站运营最佳KPI/度量

一、小型网站最佳运营KPI/度量

1、营收成本度量

单次营收成本（CPA）

从目标获取的单次成本来考核，淘汰CPA不适当的营销项目，提高CPA较低项目的投入。

CPA应作为分析报告中的最佳度量之一，其中展示次数（Impressions）、点击数（Clicks）、点击率（CTR）、平均每次点击成本（Avg CPC）、转换（Conversions）等度量数据均可通过Google Analytics、Omniture等网站分析工具获得，但是成本（Cost）需要自行核算。

图二：小型网站运营成本KPI/度量

2、访客行为度量

跳出率（Bounce Rate）

通过跳出率高低，可辨别营销活动带来的访客与登陆页的相关性匹配情况，以此对营销活动进行减少或增加资源投入。

支付放弃率（Abandonment Rate）

最快挣钱的方法是从想给你钱的人手中获得。重点关注支付过程中放弃率最高的环节，通过减少支付步骤、将账号注册由开始放到最后、A/B测试与多变量测试（成本高）等措施不断测试、考核，将会有很大的营收改观。

通过Excel、Paditrack、KissMetrics等免费工具建立支付路径检测，可自动获取Abandonment Rate等相关度量。

图三：支付放弃率监测

3、效果度量

宏观转化率（Macro Conversion Rate）

作为小规模站点，我们要重点关注转化率，并竭尽所能去提高它。通过每天（周）查询流量来源报告中的转化率，降低表现不佳的流量来源投入，提高表现好的。做好营销策略让其涵盖面广，并都保持盈利，那我们的收益将会最大化。

图四：电子商务网站宏观转化率

我们可以给买两次的客户创建一个高级细分群体，然后通过来源、地理分布、两次购买产品的类型、关键字与营销活动等去挖掘更多同样的潜在客户。切记同时查看转化率与转化次数，以免决策失误。

作为小规模站点，只需围绕上述四个度量：单次营收成本（Cost Per Acquisition）、跳出率（Bounce Rate）、支付放弃率（Checkout Abandonment Rate）、全局转化率（Macro Conversion Rate），进行运营监测，即可取得良好的功效。最好是已全面掌控此四大度量后，再拓展至其它度量。

二、中型网站最佳运营KPI/度量

1、营收成本度量

单次营收成本（CPA）

点击率（Click-through Rate）

CPA作为宏观度量，只提供营销活动的基本信息，我们还需要通过点击率（CTR）度量，更加深入的去分析联盟营销（Affiliate Marketing）、搜索引擎营销以及旗帜广告等营销活动的创收能力与访客质量。

SEO/SEM的关键字选词、排名、访客搜索词与关键字的匹配度，都会对提高CTR有帮助；如果访客来到我们网站（未跳出），那么意味着我们获得了一次说服他们购买我们产品或服务的机会。

图五：点击率自定义报告

通常，通过频繁较大幅的对展示效果进行优化，会使得我们的再营销活动（Remarketing Campaigns）有巨大的改观。例如，优化EDM邮件标题、广告投放的地理位置等都会使CTR明显提高。而CTR就像是帮助你了解在第一次约会时是否 出现在正确的地点，适当的穿着，怡人的笑容。因此，我们应当将创意营销活动列出来，干掉表现差的，提高表现Good的，如此反复。

2、访客行为度量

跳出率（Bounce Rate）

支付放弃率（Checkout Abandonment Rate）

访问深度（Page Depth）

极少访客会在一个站点浏览几以上个页面，这是互联网实情。因此在不断提高用户体验、内容架构、内容相关性的同时，我们应当重点关注访客访问深度情况 （Page Depth），而不是没有用处的平均每次访问页数（Average Page Views per Visit or Average Time）、平均网站停留时间（Average Time on Site）。

图六：页面访问深度分析

通过访问深度报告，我们可以将访客的访问根据个人喜好进行分类组合。例如分为放弃者、搭讪者、浏览者、一次性访客、忠实访客，那我们对内容表现的看法会有戏剧性的改变，通过长久的深入关注，我们将会发现业务的赢利点。

上图强调的是最终销售/转化，但是即使我们是资讯站，提高访问深度最起码能使页面更均衡、广告展示量更大。

忠诚度（按访问次数）

如果说访问深度优化的是单次访问体验，那么忠诚度将会是批量级的。换句话说，就是衡量我们网站吸引同一访客多次访问的能力？对于电子商务或者非电子商务网站来说，忠诚度好与差的差异意味着巨大收益与难以存活。

首先，以“实现x次的访问占总访问y%”为目标。电子商务网站可以用“每天转化数报告（Days to Conversion）”来设置目标。内容站点可以依据内容更新规划来制定目标，例如我们是纽约时报，每天24小时更新网站，是不是目标就可以是平均每个 访客访问90次/每月呢？

其次，按照如下方式，基于访问次数设置高级细分群体。

图七：按访问次数计的访问者忠诚度

最后，将设置好的高级细分群体，应用于关键字报告、广告系列报告、引荐报告，就可以辨别主要带来忠实访客的是哪些流量来源。将其应用于内容报告，就能推断出哪些内容（体育新闻？国际新闻？还是宠物故事？）能吸引忠实访客。

访问次数，在许多统计工具中都会有。如果我们用的是新版Google Analytics，那么可以通过“受众群体”-》”行为”-》”覆盖率与频次”查看。

3、效果度量

宏观转化率（Macro Conversion Rate）

微观转化率（Micro Conversion Rate）

通常我们查看报告，会发现仅不足2%的访客实现了转化。因此我们仅仅是关注宏观转化率（Macro Conversion Rate），那就意味着默认放弃98%访客的价值，损失巨大。

通过查看具体转化次数（目标）以及它们在长短期带来的收益，我们会很快的发现它们能带来的价值，远远超过宏观转化报告中展示的收益，优化它们即可获得巨大的惊喜。

Google Analytics中可以点击“转化”-》“目标”进行查看。内容站点还可以查看“目标网址”报告，来确认目标转化所在页面。

图八：微观转化率

每次访问目标价值（Per Visit Goal Value）

通过此KPI，一方面可以避免只关注那2%访客转化的弊端（因为它关注的是每一次访问），另一方面可以促使我们拓展更多适合访客的业务。

图九：每次访问目标价值

虽然不是每个访客都能实现目标转化，但是每个访客都有其固有的经济价值。查看这个度量，能让我们确定那些创造高价值的目标，并且明白一些简单的道理，例如 什么是我们的重点。如果说Twitter带来的每次访问目标价值为87美分，Google是97美分，也许我们就应当将更加注重SEO策略，而不是采纳那 些说搜索引擎已过时的社会媒体营销专家的建议。

对于中型网站需关注以上9个度量，如果有天我们能获得超过500万美金的经济收益时，就说明它们见效了。它们与小型站点度量不同之处的关键在于，我们需要致力于多重转化、深层次的网站交互以及更好的营收效率分析。

三、大型网站最佳运营KPI/度量

1、营收成本度量

单次营收成本（CPA）

点击率（Click-through Rate）

新访问比率

通常可以用这个度量调整我们的营销策略，发掘能为业务带来新大陆的营销方式。如果我们正忙于已有盈利性付费媒体的监测，想付费搜索、广告、联盟营销以及社 会媒体营销能带来新访客，那么该度量就显得尤为重要，除非我们不想。该度量在报告中随处可得，创建利于分析的最佳细分群体是重点。

2、访客行为度量

跳出率（Bounce Rate）

支付放弃率（Checkout Abandonment Rate）

访问深度（Page Depth）

忠诚度（按访问数）

事件/访问（Event/Visit）

每个不错的大型站点，都会以各种复杂技术（Flash、AJAX、插件…）提供丰富的访客体验（视频、演示、动态幻灯片、配置程序…）。几乎一直 以来，我们仅仅以经验（或页面噪音）来衡量它们。事件跟踪可以帮助我们对它们进行测量，通常能令人惊讶地获得相关用户体验信息，赢得珍贵的主动权。

图九：每次访问触发事件数度量

110842次访问，9054次网站体验交互事件，那么每次访问事件数为2.24次，这样的结果是好？还是坏呢？能再好点么？2.24次交互有给我们带来更好的经济价值么？

案例的答案是：No！答案应该更具我们的策略和目标来确定。最终对于内容规划方面，我们能做出更具重要意义的明智决定（尤其当你是分析高手时，你可以将绩效以第一次访问、访问深度与第二次访问、忠诚度，进行三角型建模）。

许多网站分析工具都有类似的事件跟踪，Google Analytics的事件跟踪数据查询路径为：内容-》事件。

3、效果考核度量

宏观转化率（Macro Conversion Rate）

微观转化率（Micro Conversion Rate）

每次访问目标价值（Per Visit Goal Value）

转化所需天数［或者内容站的时间延迟］

“一口吃不成大胖子”。许多公司做数据分析以及营销活动优化只用了一朝一夕的时间，所以也期望能快速实现转化，并且即刻对营销活动做出增加或减少投入的决 策。这种做法不仅是鼠目寸光，更是对访客的亵渎。因为他们要有适当多的时间去体验良好后才会完成转化。该度量能帮助我们明确我们的访客的转化速度。我们能 在最短的时间，完成营销信息修改、采取行动以及调整登陆页。但如果说转化所需天数很长，那么我们可以制定稳健（逐步）的微观转化策略。

如果我们的是非电子商务网站，那么通过Google Analytics多渠道路径（Multi-Channel Funnel），查看“Time Lag”报告，可以获得许多惊人欣喜的结果。电子商务网站同样可以查看数据“购买前所耗天数（Days to Transaction）”。我们即刻看到的度量是“转化（Conversions）”，它反映了具体目标的转化情况。

因此，我们可以对“欢迎登陆”，”您喜欢的是什么？”，”这些是我能为您提供的”，“您为什么不购买支付呢？”，“回头并试图购买支付”，多次反复，我仍旧出现在您面前，“您打算支付了么？那么您可以…”的访问转化流程进行优化。

“购买前所耗天数（Days to Transaction）”是标准报告，可以在我们网站分析报告的电子商务部分进行查看。“时间延迟（Time Lag）”一些网站分析软件中不是标准报告，可以向软件商家咨询。Google Analytics中可以通过路径：“转化（Conversions）”-》“多渠道路径（Multi-Channel Funnels）”-》“Time Lag（时间延迟）”查看。

图十：转化所需天数

辅助转化比值（% Assisted Conversions）

辅助转化是近期盛行起来的又一不错度量，它凌驾于以上度量组合模型之上。大部分的访客转化（不管宏观与微观）都需要一定的时间，那为什么我们大都将网站分 析重点放在单个渠道的分析与优化呢？是因为联盟营销（Affiliate）位于转化的末端？还是Facebook（或Google或其它）位于访客登录的 前端？

图十一：辅助转化分析

我们需要清楚掌握，我们的网站需要超过一次广告/媒介/营销触点，才能完成的转化有多少？然后根据数据去优化渠道组合，而不是单个的渠道。

以上案例中可以发现，如果我们没有做渠道组合优化（而实际上需要），可以看出Email渠道的数据（1.18 辅助转化次数/最终互动转化次数），在暗示我们与Organic Search（0.61）相比，应该为Email渠道制定营销优化与预估策略。

辅助转化次数比值，在一些网站分析软件中没有，需要我们向软件商咨询。在Google Analytics可以通过路径：“转化（Conversions）”-》“Multi-Channel Funnels”-》“Assisted Conversions”查看。

That’s all！ 对于大型网站，我们已确定13个关键度量，足以让我们从头到尾的了解网站经营绩效了。与中型网站度量不同的关键在于，我们真真切切的在关注多种访问行为。也就是说，我们注重的是一大片人，而不是单个的访问。

以下是本文的各类网站最佳分析度量总结：

图十二：大中小型网站最佳运营KPI/度量汇总

希望此图，有助于更快的诊断我们分析策略中的纰漏。另外，当网站从小规模站点发展成为中型站点时，我们自然会意识到其它需要测量的度量，当跨入大型网站时也会有同样的感触。

也许，我们会发现以上KPI中并没有Adsense广告的CTR、页面加载时间（Page Load Time）、每社会访问行为（Actions per Social Visit）、搜索退出率（Search Exits）、内容分布与访问比率、转化率（内容站点）。因为这些KPI/度量，对于不同业务类别的网站来说是有其独特性的，以上分析策略中的KPI适合于 所有站点。

最后，衡量以上目标组合的完成情况，最好的方法是基于以下我们既定的数字化营销监测模型。