线上营销对线下行动影响的几种类型和目前的解决方法及仍然存在的困扰

【前言】这个问题是我们QQ群最常问的问题之一，其实也是我客户经常问的问题之一。这是一个非常复杂的问题，不是问题本身，而是问题解决的可行性一直困扰着从业者。本文将讨论几种类型的在线营销对离线行动的影响，以及当前的解决方案和仍然存在的问题。这是这个主题的最后一篇文章。下一篇请参见:线上营销对线下行动效果的监控(下)。【文字】今天的话题是一个新的挑战。坦白说，我对这个领域的了解是有限的，我一直很害怕，但这是一个不可避免的话题。如果你想做网络营销，你的老板会问你最终带来了什么效果。对于许多非直接在线交易的商业模式来说，这种效果实际上意味着受众受到网络营销的影响而采取线下行动。这不能仅仅通过网站分析工具来监控。因此，网络营销行业的实践者尝试了各种方法来解决这个问题，并将在未来几年继续探索。这篇文章不能总结他们的探索，类似于之前的文章，只是谈谈我的理解和实践，希望能引起大家的思考和讨论。线上营销对线下行动影响的分类。线上营销对线下行动的影响分为多种类型。根据比较初级的影响，可以分为四个层次:给产品留下印象（Awareness）对产品有好感/潜在购买的可能性（Preferences）提交购买意向，试用，或致电咨询/询盘电话（Leads）产生实际的线下购买行为（Purchase）一般来说，网络营销（DigitalCampaign）最终目标必须是实现Purchase，但Purchase的实现有时需要很长的周期，而且从Awareness到Purchase的整个环节都有很大的损失，所以，如果Campaign能够实现Leads或Preferences，或者只是给消费者留下印象（Awareness）也不错。这样，人们对Digitalcampaign效果的评价不仅限于查看最终实际购买，还关注从Awareness到Preference再到Leads再到Purchase的全过程。这样，人们对Digitalcampaign效果的评价不仅限于查看最终的实际购买，还关注从Awareness到Preference到Leads到Purchase的整个过程。Awareness效果监控Awareness是指观众对广告中宣传的品牌/商品的认知。根据我之前在Agency监控digitalcampaign效果的经验，Awareness的监控主要依靠广告曝光数据（Impression）。然而，Impression是一个非常弱的测量(在中国，我多次表达了对这个测量的“蔑视”:)，很难带来任何有价值的insight，所以我们需要一些更好的方法。在这里，我要特别感谢我以前的客户，凯南和徐飞，他们在这个领域提出了很好的解决方案，也要特别感谢托尼（吴健），他对扩展这些方法提出了很好的看法。因此，我在这里总结这些方法如下：广告Impression/Click广告推广到网站的Visitor软文本总数（软文本PV）/评估数/回复数产品或品牌关键字搜索量的增长率产品或品牌关键字搜索引擎结果的增长率SocialMedia的分享/转发数量问卷直接统计口碑监控这些方法有点容易，虽然有点难，但确实是目前可以实施的Awareness评价方法。其中，我一直更加关注visitor向网站推广的广告数量。然而，由于疯狂作弊的存在，这一数字现在受到了严峻的挑战。其中，我一直更加关注广告推向网站的visitor数量。然而，由于疯狂作弊的存在，这一价值现在面临着严峻的挑战。然而，网络营销效果分析师不能被打败。去伪存真的不是我们的工作吗。因此，我们应该将这个visitor的数量改为Qualifidvisitor的数量。QualifiedVisitor=CampaignOverallVisitor×Bounce%×Staylongerthan30se×Othercriteria。阅读软文总是另一种常用的评价方法，对于很多广告商来说，软文都是性价比较高的方法。总阅读量是指除软文发布媒体上的软文pageview数量外，以及所有其他转载的总pageview数量。然而，有趣的是，我建议使用另一个数量——有效阅读软文本=总是阅读软文本－在原发布平台上阅读软文的数量。为什么要用这个数字，咳嗽，因为媒体本身的数据真的不能相信啊，只是不相信。如何统计软文的阅读量？我自己用两种方法:精确和模糊。准确的方法，首先用百度搜索所有文章，然后点击手动记录每个转载文章提供的统计数据(一般提供)。这种方法很麻烦，但可以尽可能准确。模糊的方法是在软文中设置GoogleAnalytics(或DoubleClick等工具)1×1像素的透明图片，然后祈祷其他媒体在转载时一起转载图片（但概率相对较小），然后根据文章的总转载量按比例放大统计的转载量。基本上，这种方法可以告诉你一般，但肯定不准确。如何添加此透明图片请参见本文的前几段。我喜欢产品或品牌关键词搜索量的增长。使用方法简单，可以使用GoogleInsight或Googletrends。Google官员告诉我们，Googleinsights和Gogletrends使用相同的数据源，但Googleinsights具有越来越全面和先进的功能。该工具特别适用于新产品/品牌，如Intel的Corei5，但不适用于无法区分竞争产品搜索关键词的人，如“无痛流产”。因此，建议一个新的digitalcampaign，值得喊出一个响亮易记的新名字。直接在搜索引擎中添加引号搜索，以增加产品或品牌关键词的搜索引擎结果。这种增长也代表了人们对产品/品牌awareness的增长。Socialmedia的共享/转发数量对于digitalcampaign进行socialmediarketing非常重要，但实际上很难获得这个值。事实上，对于Twitter或Facebook，API是开放的，所以第三方统计软件很多，而更先进的合作——比如2009年5月Omniture和Facebook的合作——可以使数据统计更深入、更强大。但这些都成了我国的问题，一方面，Facebook进不去，进来也是“非死不可”，Twitter就不用说了，大家都在哀悼。另外，国内最成功的新浪微博也没有做出什么好的数据统计API，人人网开心网也没有。你可以手工统计，但我更愿意等待未来。根据问卷统计，这绝对是一种通用的方法，但也是最耗时、自由度最低的方法。不仅适用于awareness，也适用于Preference，所以放在后面。口碑监测类似于调查问卷的统计，也放在后面。Preference的监控Preference比Awareness更难评估，我甚至认为这是最难评估的。因为它反映了人们内心的活动。人内心的活动可以外化为行为，但不能反推。例如，我感到悲伤，我不一定会哭，即使我因为悲伤而哭，但不能说我哭一定是因为悲伤（也许是因为兴奋），所以用“哭”来推动“悲伤”是错误的。同样，虽然Preference的评估可以通过行为(如向朋友推荐、收藏等)间接衡量，但误差明显。评价Preference的相对可靠的方法是直接询问观众的内心感受，这就是研究。正是因为研究可以直接询问观众的内心感受，所以研究方法也用于研究观众的Awareness。在线研究的基本方法是将研究受众(样本)分为两组，一组是ControlGroup(对照组)，另一组是ExposureGroup(或TestGroup、测试组)。ControlGroup被技术方法控制，不能暴露在广告下，而ExposureGroup肯定暴露在广告下。例如，Adindex向我们介绍了最常用的在线研究方法：图：这是在线研究的基本方法（版权属于MillwardBrown公司）。上图是在线研究的基本方法。A组被确定暴露在Campaign广告的创意之下，而B组被控制，当然没有看到广告（什么是控制方法？其实很简单，比如在campaign发布前进行一次调查，那么对照组的观众肯定看不到广告)。如果你想评估一个campaign网站对访问者preference的影响，你也可以使用这种方法，只是为了确保对照组的观众在答案之前没有访问该网站。对于上述Campaign网站的问卷，您可以通过设置网站程序来实现一些访问者在访问您的网站之前填写问卷（对照组），而另一些访问者在离开网站时填写问卷（曝光组）。如果你不想自己写程序，中国也有第三方服务提供类似的功能，比如MillwardBrown，或者AdMaster。您还可以使用免费的4Q问卷，它还提供自定义问卷（尽管问题数量有限）。使用问卷调查preference的方法，有两个地方需要特别注意。第一，问卷内容的设计；第二，回收有效问卷答案的数量及其影响的统计意义。这里不敢多说，因为我在这两个领域还是一个完整的newbie。最后给大家展示一个问卷调查答卷统计的实际例子:这个问卷是对网络游戏玩家的调查，其统计结论分为几个主要部分，包括awareness、motivation(购买动机)、relevance(相关性)和preference。可见曝光组在大部分环节都表现不错，说明campaign对其起到了一定的作用。但遗憾的是，samplesize略少，能否代表普通观众的情况存疑。Preference的另一种监控方法是使用口碑监控，这绝对是目前的前沿领域，也是一个非常困难的话题，特别是对我们的中文。口碑监测和口碑监测不如问卷调查直接，但口碑也反映了观众(主要是网友)对品牌的感受。口碑的重要性在于，如果一个网友直接在网络空间中反映了对你品牌/商品的关注/爱/恨，那么他不仅可以代表相当一部分网友的意见，还可以迅速影响别人的意见。我自己的消费是通过互联网完成的，负面声誉对我的消费有更重要的影响。我相信大多数消费者都是这样。在《SidneyIWOM监控与分析:理解与实践》一文中，我谈到了IWOM监控的实现方法，但实际上分析的说法有限。因此，我将准备开另一篇帖子来谈谈我对IWOM分析的理解。这里我想提一点，即IWOM分析中的一个关键度量-调性比（sentimentratio）。调性比是指正面口碑和负面口碑之间的比例，以及正面口碑、中性口碑和负面口碑在Campaign口碑中所占的整体口碑数量的比例。比如正面口碑有1万，负面口碑有1万，那么sentimentratio=1000。:1。这个值意味着普通观众对你的campaign商品/品牌的整体preference情况。下图是2008年下半年我做的关于主流Laptop品牌sentimentratio的情况，Neg.Negative(负面)的数量，Neu.表示Neutral(中性)的数量，Pos.表示Positive(正面)的数量。当时令我惊讶的是，Lenovo实际上获得了最高的调性比，而HP的表现相当差。一年多以后，HP“蟑螂门”事件的爆发，让它浑身是口也无法辩驳，让我觉得当时的调性监测还是很有道理的。:)【前言】这个问题是我们QQ群最常问的问题之一，其实也是我客户经常问的问题之一。这是一个非常复杂的问题，不是问题本身，而是问题解决的可行性一直困扰着从业者。本文将讨论几种类型的在线营销对离线行动的影响，以及当前的解决方案和仍然存在的问题。这是这个主题的下一篇文章。请参见上一篇文章:线上营销监控线下行动效果(上)。【正文】在上一篇文章中，我们谈到了线上营销对线下行动影响的两种类型:awareness和preference，本次我们将继续另外两类：Leads和Purchase。与awareness和preference相比，监控这两类要困难得多。我知道下面写的一切。但我知道这是有限的，也许这个行业有更好的解决方案，所以我希望我的朋友们在文章结束后给出建议。跟踪购买意向（Leads）跟踪购买意向一般有两种方法，一种是线上追踪，即让受众在你的网上直接提交对产品的咨询或购买意愿；另外一