既然决定做网络营销战术家，那么就继续絮絮叨叨一些战术方法……
　　　
比如怎样去评判一次网络营销活动（Campaign）的效果。
　　
被人批评过每次写东西都预设太多前提，让初看的人一头雾水——这次改正，慢慢说（所以有经验的人可以直接跳到最后去看）。
　　
假设你刚刚接触网络营销，可以选择的工具有：
旗帜广告（Banner）
文字链广告（Text）
搜索引擎
比价网
网站联盟
Newsletter
……
　　
不论对于哪种形式的广告来说，其实本质上就要考评两件事情：
我要付出多少（为了讨论简单，这里假定付出的都是钱）
我能得到什么好处
　　
所以可能会经过下面这些过程：
　　
1. 无分析
最开始，什么都不知道，所以只是和Agent谈判，听他说得天花乱坠，然后根据自己的判断（例如“感觉上pconline挺有名气的”，“DC频道和我们相机促销吻合”，“他们说他们面向年轻人，和我们差不多”……）就做了购买决定，购买后也不知道实际效果（毕竟不是P&G，做完还有钱调查效果）。

并不能说这种情况很糟糕（做平媒不也这样么……如果没人帮你调查效果的话），只是似乎没有发挥网络的功能。
　　
2. 简单分析
对于网络广告，最简单的分析有两个：
1）有多少人看了广告（Impression），然后计算CPM（千人印象成本） = 成本/多少人次看过这个广告

2）有多少人点了广告（Click），然后计算CPC（单次点击成本）= 成本/多少人次点过这个广告

所以这时候可能会考虑怎么去得到上面两个数据，最简单的方法就是把广告文件放在自己可监控的地方，每被提取一次记录一下，被点击也记录（可以么，没这么做过，听说的）。
还有记录点击的方法就是在landing page后面加监控代码，例如我为我的blog在yahoo上做广告，那么我会告诉yahoo说你把广告链接到http://www.marsopinion.com?CMP=BAC-Yahoo ，黑体字那部分就是监控代码（只是意思一下，不要当真……），当用户到达www.marsopinion.com的时候，页面自动分析之后有没有带CMP参数，如果有的话就去解析这个参数是什么（这里发现是BAC-Yahoo，表示Yahoo），于是在后台给Yahoo这个Campain的click数加一。

这里牵涉到一个相关的问题就是作弊。不少网站会制造（直接用技术手段制造这个广告被点了很多次的假象）或者引导（例如你买的DC频道首页，但是他把你广告也放在成人游戏频道，以造成点击量大的假象）点击，让你的CPM和CPC计算不准。

所以你应该再加入一些机制去过滤掉那些假的click，例如同一IP多次点击只算一次，点击波动超过一定成都就自动把波峰滤掉之类……
　　
不论如何，你现在已经不是睁眼瞎了，至少有了几个数据可以参考了。

3. 考虑转化问题
你做广告吸引流量过来，往往是为了其他的目的服务的。
例如想让他注册你的newsletter？
注册成你的会员？
或者从你这里买个什么东西？
　　
所以，达成特定目标（转化——conversion）也是很重要的。
比如你是卖东西的，你在Yahoo和MSN同时做广告，每边10000块钱。
Yahoo带来10000个click，0个订单。
MSN带来200个click，20个订单，你从这20个订单里赚到20000块钱。
这时候你说你会觉得哪个广告比较好？
所以说光看CPC之类数据是不够的，还得考虑转化的问题。

以最常见的电子商务网站的conversion为例，转化就有两个不同的意思
注册成会员
下定单购物
　　
那么这个时候，你就不能只去看广告带来的流量了，还得看有没有带来订单。最傻的实现方法当然就是在客户来到网站的时候看有没有CMP参数（第二阶段就要实现的），然后呢——
把这个参数存下来（例如存到session里面）……等客户注册或者结帐的时候，偷偷去看之前有没有存下过CMP参数（如果有的话就代表是广告带来的），如果有的话就把相应campaign的conversion数加1。
　
最后比较不同campaign带来的conversion得多少，就可以自己真实目的达到了多少。
　　
细化一些来说的话，在成本的基础上，除了分析注册（CPA）和下单（CPO）之外，你还可以把订单金额（COS），甚至订单利润都考虑进去，进行更全面的ROI考评。
　　
4. 追溯历史效果
刚刚说的计算CPA、CPO、COS的方法其实是有问题的。

为什么呢？
因为用户在点击广告来到你的网站之后，并不一定会马上发生动作（例如下单），他很有可能先把你记下来，过了几天再来。
可是按照我们之前的实现方式，他过几天再来，我们并不会记录是那个广告的功劳（实际上是的）。
　　
所以需要修正上个阶段的设计。用户通过广告来了我们网站之后，并不是仅仅把CMP信息存储在session里（用户离开网站后，session会清空），而应该储存在用户本机上（例如cookies）。举例来说，用户第一次通过BAC-Yahoo这个CMP到了我们网站，我们就放了一个小文件放在他机器上，里面写着BAC-Yahoo。下次他再来（比如是直接过来的，而不是通过广告）的时候我们就直接跑去看那个文件，发现里面写着Yahoo，于是大呼一声“小样，别以为绕道走我就不知道你从哪里来的！”，还是把这个功劳记在Yahoo Campaign的账上。
经过这样修正之后，算法就更科学了（否则CPO应该会只有真是数据的20%左右——数据仅供参考，网站情况不同数据会有很大不同）
　　
5. 细化，再细化！
目前我们要分析的参数有：
CPC，CPA，CPO，COS（省略掉几个了）
　　
只是，你觉不觉得，click和click之间是不同的？order和order之间是不同的？
吸引了一个新客户来网站的click，和让老用户又来了一次，是不是价值不一样？
让新用户下一个订单，第一次尝试你这个网站，是不是价值和老用户的订单也不一样？
　　
好吧，所以你应该把新用户，老用户（又分活跃用户和沉默用户）做的事情分开再考虑（或者直接赋予不同的权值）。
　　
之前写过对于B2C Media Function KPI的思考（http://www.marsopinion.com/?p=226），里面思路也可以参考（把流量信息也再细化分析之类）。
　　
好吧，现在我们到哪里了？
我们可以监控广告效果，甚至于长期效果
我们对不同的conversion，conversion的不同形态，赋予不同的权值
根据上面的信息，我们就可以建立自己的metrics来分析评价一个campaign的好坏了。
　　
6. 不要只看着conversion边上那一块！

上面的metrics还是有问题的，发现没有？
　　
嗯，先说废话……
有个傻子吃烧饼，吃了一个，两个，三个，四个……都还不饱。
吃完第七个，饱了。
于是抱头痛哭——早知道只吃第七个烧饼就好了呀！

嗯……重新说一遍。
有个市场营销专员做网络营销方案，他投放了Yahoo Banner广告，indoor Newsletter，pricegrabber.com（shopping comparison engine）和Google Adwords。

有个消费者过来，首先看了Banner上闪亮的iPod，想起来要买，于是点进去看了一下（这时候cookie里面记录的是Yahoo）

然后他离开了（毕竟也要几百块钱呢，再想想看），回家收到了Newsletter，看到有iPod促销，于是点到促销页面看了一下（这时cookie里面记录的是newsletter），发现没有特别优惠，就走了。

接下来他去比价网查询别家有没有卖更便宜，结果发现你家价格最好，于是点过来（现在cookie里面记录的是pricegrabber）

最后他调查CPO，发现pricegrabber的CPO最高，订单都是他带来的，其他的不带来订单，于是觉得——“以后打广告，只投shopping comparison engine就好了”。
　　
故事讲完了。
这个故事告诉小朋友们，我们不仅仅要紧盯着“直接导致conversion”的campaign，也应该给于一路上施加影响的campaign应有的注意。
　　
所以呢？怎么做呢？
嗯……我可以提供一个思路。
　
首先我们要记录用户每一次的访问信息（把Yahoo –> newsletter –> PriceGrabber之类数据都记录下来）。

然后我们要给每个conversion（根据阶段六里面说的分类，例如第一次访问，普通访问，注册，第一次下单，普通下单等）赋予一定的分数，例如100分。

那么我们可以记录到这样一个历史轨迹（E代表External Campaign，I代表Internal Conversion，不同数字代表不同类型）：

E1, E4, E9, E1, I2, E2, E9, E1, E2, E7, I2, E4, E9, E2, I1……
　　
根据I来分隔区段，我们可以得到
E1, E4, E9, E1, I2
E2, E9, E1, E2, E7, I2
E4, E9, E2, I1
这样三段。
　　
在第一段中，E1, E4, E9, E1对于产生I2这个结果都起到了作用（看看上面那个例子），如果只把功劳给E1未免太不公平，所以不妨把I2所携带的100分分给它们四个，越靠近I2的分到越多，例如
E1: 10
E4: 20
E9: 30
E1: 40
或者狠一点：
E1: 1
E4: 5
E9: 10
E1: 84
或者把它做成时间的函数，把En离目标I的时间记为Tn，不管平方立方怎么算，反正找个合理的公式把这个趋势表达出来就好了（懒得写了。。。还得画函数）
　　
假如说I2代表下定单（order），E1代表yahoo banner，E4代表newsletter，E9代表搜索引擎，E1代表PriceGrabber，我们用第二种算法就可以给PriceGrabber加上84分order points，给google加上10分……
　　
把各种conversion都考虑一遍之后，我们可以发现一整套对于各个campaign的综合评分，例如pricegrabber可能得分是：click points 8884; acquisition points: 12344; order points: 94422……而yahoo得分可能是：click points 7884; acquisition points: 23414; order points: 3492……

每个campaign发挥的不同作用才能被看出来。（根据这个思路应该很容易想出优化版来）
　　
7. 不断优化
其实还没完……（怎么还没写完，我写了快两个小时了，累死了）
　　
你想要优化的话，总还是有空间的。
就像上一阶段里说的，有些campaign适合直接促进conversion，有些则是间接施加影响。

其实还有一类叫做“适合激发”。

上一个阶段的例子里面，banner ad就是激发购物欲望的那个campaign，但是我们的算法中并没给他多少credit。

你一定能够想到办法把他加进去：）……例如把points分成两类，然后把那个积分函数反过来用于这种points就搞定了，呵呵。
　　
内部各种行为现在还仅仅是根据第一次，第N次来分，其实还可以根据用户具体特征来分，可以根据属性（例如男女，地域），也可以根据行为（例如浏览过很多DC，或是浏览过很多特价产品……），这样又可以做出不同的metrics。
　　
外部的话，现在我们紧紧记录了那些点击到我们的那些网站信息，而消费者在网上瞎逛时候的信息（例如他中间去MarsOpinion.com看了一下某blogger的意见之类）是没有的，如果能够把这部分信息也加入到E的分析当中，就更完美了（已经有公司提供类似的服务了）。
　　
还有很多。
只是有个原则，Keep it simple and stupid。
并不是说一定要做到哪个阶段，做到一定程度，觉得适合了，也就好了：）