今天用一張圖給大家簡單描述下，渠道投放出去后映射到產品最后發生購買的整個過程。

一提到渠道運營，相信各大運營同學腦海里一定會冒出來諸如應用寶、360、百度手機助手、論壇、貼吧等各種層出不窮的渠道?！拔抑灰凑找欢ǖ牟呗?，定期在這些渠道投放運營就好了?！敝劣趶V告投放出去后，如何追蹤渠道，如何衡量渠道投放效果，反過來指導和迭代下一輪投放，大部分人對這個過程的把控和分析是很模糊的，發了那么多軟文、投了那么多廣告、做了那么多活動，最后老板發話了“花了那么多錢，效果咋樣??？”此時，你可能就蒙了。

今天用一張圖給大家簡單描述下，渠道投放出去后映射到產品最后發生購買的整個過程。懂得渠道運營效果衡量的核心指標，拿數據去說話，一定會讓你的老板心服口服。

這是互聯網營銷過程中用戶典型的點擊流，大家可以回想下自己接觸、了解、購買一個新產品的過程。從某個廣告或者朋友圈看到了一條特別有意思而且很感興趣的推文，最后點擊推廣鏈接來到了落地頁，在和落地頁內容完成一定程度的交互后最終完成了廣告主所期許的行為，至于廣告主所期許的行為是什么是和營銷目的密切相關的。同時，我們還要考慮到推廣產品所處的階段，因為不同產品階段的營銷目的是不一樣的。

這個過程可以分解為點擊前階段（Pre-Click）、點擊后階段（Post-Click）和購買后階段（Post-Buy）。

點擊前階段，潛在客戶從哪里來，來的多不多？

該階段我們的目的是提高用戶獲取的效率。完成目的前，我們首先要了解渠道流量的分類，一般會分為廣告流量和自然流量。

• 廣告流量包括：各種展示類廣告、視頻貼片廣告、搜索引擎SEM、百度品專等；
• 自然流量包括：自然搜索流量、社交流量、引薦流量、直接流量等。

第一步，建立精細化的渠道追蹤體系

能追蹤才能衡量，我們需要用一套UTM配置參數來追蹤用戶的來源，告別拍腦袋主觀判斷渠道質量好壞的狀態。如下圖所示，UTM提供了五個可以自由配置的參數：

參數定義好后，就可以進行各種場景的跟蹤，舉個例子：

我在新浪首頁頂部Banner位和右側Banner位分別投放了不同廣告創意的運營內容。

這里面包含了對運營來說如下幾點關鍵信息：

• 不同廣告創意的追蹤。創意是否和用戶需求相關，在很大程度上會影響用戶是否會點擊推廣結果。
• 不同推廣落地頁的追蹤。如果用戶點擊某條創意比較好的廣告來到落地頁后，發現不是自己最關心的內容，用戶體驗很糟糕，很可能用戶就跳出了，沒有發生我們期望他完成的行為，這對推廣運營的好壞影響很大。
• 不同廣告系列的追蹤。如上圖我們可以對付費推廣活動打上以pay開頭的標簽，用于區分是付費推廣還是免費推廣。

這樣就實現了在同一個渠道不同位置投放的不同廣告創意的付費活動的追蹤。當然，你可以充分利用這五個參數的組合來實現各種場景的渠道追蹤。

下面再說說點擊前階段?？吹膸讉€指標：

• Impression 即曝光量。展示類廣告中會存在大量作弊的現象，但是仍沒有阻止人們做展示類廣告，為什么呢？因為廣告學中有個理論，叫曝光效應。它其實利用了人們的心理，就是一個東西，你見得越多，越覺得它好。
• Click 即點擊量。
• CTR 即點擊通過率。人們常常用 Click 和 Impression的比值 CTR 即點擊通過率來衡量廣告引起人們注意的程度。通過這個指標可以初步看出這次所做廣告的創意水平以及和人群的匹配程度。
• CPC 即每次點擊花費多少錢，可以幫助你衡量比較不同渠道的成本。成本和 CTR 綜合衡量。

點擊后階段，潛在客戶訪問網站后，流量如何轉化？

至此，大家可以看到，點擊前階段主要重點優化的是廣告投放環節。但是互聯網發展到今天，流量時代已經結束了，不是只要有高流量，那他就是王者轉化就高。廣告主無法再像以前那樣，很輕松的從廣告中獲得高額回報。

現在大家的關注度已經慢慢轉移到轉化環節，即用戶來到落地頁后的一系列表現，比如網絡布局怎么樣，用戶體驗怎么樣，用戶來到網站后都干了些什么，有沒有滿足用戶需求，為什么流失了等等。所以，我們需要對 Web 和 App 的數據進行監測分析，畢竟我們花了那么大的精力將用戶引到我們產品中來，如果最終的轉化目標沒有很好的提升，那就很悲催了。

轉化環節流量承載的重任落在了落地頁上，落地頁承載著用戶對產品的第一印象。就像我們在重要場合，要把自己捯飭一番一樣。第一印象很重要！用戶對產品第一印象的好壞可以通過哪些指標來看？

Traffic 即流量

通常用 PV UV Visit 指標來衡量，但是這些指標只能在淺層次上衡量這次營銷效果是否成功。我們可以將這三個指標結合跳出率一起來衡量渠道好壞。如果渠道帶過來的流量和落地頁不匹配的話，跳出率會很高。新用戶的跳出率高于老用戶的跳出率，所以我們還要結合產品用戶構成來看跳出率這個指標。

給大家留個疑問，如果渠道帶來的流量很大但是跳出率很高，你會怎么辦？如果渠道的跳出率很高，但是帶來的注冊轉化量很高，你又怎么辦？關于此處的分析，門道還是很多的，后續會專門通過一個案例來詳細闡述下。

Call to Action

行為召喚，或者說是用戶行為號召。至于這個號召按鈕是什么是和你這次營銷目的相關的，比如注冊或者下載App。這個 Call to Action按鈕一定要設置好，用戶點擊使用是無障礙的，要不你前期做的廣告，很可能就白費了。

如果流量和落地頁相匹配的話，上述指標不會差。用戶從落地頁跳轉到你的產品內部后，我們就需要通過 Engagement 這個指標，來看看用戶和我們產品內容和功能的交互度如何？

Engagement

Engagement 并不是指一個具體的度量，它是一系列衡量用戶在營銷活動中參與程度的指標集合，即用戶在產品中和產品內容和功能的交互程度。我們可以這樣理解它，它用以衡量流量產生之后和最終發生轉化之前的用戶行為和過程。

先來看標準意義的 Engagement 指標，主要指跳出率、停留時長和頁面訪問深度三個指標的綜合考量。我們可以看到，這些標準意義的指標，還不足以涵蓋更為具體的用戶行為分析需求。比如，一個網站有一些更為重要的希望用戶完成的用戶行為，注冊或登錄、申請試用、或是把商品加入購物車等等，這些都屬于按照業務定義的 Engagement 指標。標準意義的 Engagement 指標反映了用戶對于營銷內容和產品的感興趣程度，而按照業務定義的 Engagement 指標則反映了影響用戶最終發生轉化的各種因素。

此處還記得最開始講到的UTM標簽嗎？如果我們想追蹤到不同渠道帶來的業務轉化的話，需要將標簽參數一直傳遞下去，這樣才能追蹤到具體業務轉化，而不僅僅限于點擊注冊的轉化。

另外從用戶和產品的交互過程中，會產生大量的用戶行為數據，我們可以從用戶行為上詳細了解到用戶的一些行為特點，也就是我們常說的用戶畫像，比如用戶經常瀏覽電器類產品，且瀏覽次數大于5次，說明這批用戶目前在關注電器信息，那么我們就可以把這部分人群撈出來，打上標簽，針對這部分人群作為重點投放的廣告人群，開始下一輪精準投放，這樣就形成了一個數據營銷的良性循環。

Conversion

提起轉化率，漏斗模型是市場和運營最為熟悉的方法，一般會按照“點擊推廣鏈接–>瀏覽落地頁–>有效咨詢–>注冊–>購買”類似的過程來做每一個轉化步驟，從而快速定位到哪里出現了問題。但是這個模型在實際操作過程中是有兩個主要問題的，阻礙了模型的發揮。

首先，轉化漏斗需要全流程的監控數據，但這些數據很難全部準確的獲取。要想準確獲取這些數據，我們需要一個好的數據模型來定義每一個步驟，每一個步驟定義好后，我們還要考慮這幾個步驟的用戶如何貫通起來，即如何讓用戶一層層的漏下去？我們注意到從注冊前到購買的過程是完全割裂的，因為注冊前是匿名用戶，注冊后產生的購買是真實用戶，如何將注冊前和注冊后的行為關聯起來就顯得很重要。

另外對于一些需要轉化周期的行業，比如互聯網金融、在線教育、醫療等行業，消費者有很長的決策周期，但是從市場現有的漏斗模型來說，因為漏斗轉化是基于會話的，轉化周期只有30分鐘左右，也就是此時一般只能實時統計到有效咨詢這個層級，這就削弱了這個漏斗模型的價值。既然這個問題存在了就一定有解決方案，如果這個轉化周期能根據自己的業務情況自定義呢？比如設置為3天或者7天，那么這個問題就能很輕易解決和追蹤了。

其次，這個轉化漏斗的各個步驟，都是大過程，每個步驟間都有轉化和流失，因為每個步驟間用戶還會發生一系列的行為，這些很細微的行為也有可能導致了最終的轉化和流失，也就是我們常說的“微轉化”，所以我們需要結合用戶行為序列和漏斗模型來共同完成此轉化過程的分析。

購買后階段，用戶還會不會回來再次購買？

用戶第一次購買后，我們完成了最艱難的從0到1的過程，那么這些用戶會不會再次購買，是不是在我們平臺上留存下來了，以及流失率怎么樣？對于復購和流失的優化，那就是另外一個課題了，如何通過數據優化產品和運營，限于篇幅的限制，可以作為下個主題來探討。

作者：北極星，神策數據分析師，先后服務的客戶包含紛享銷客、拉鉤云人事、網易七魚、ofo、多盟、更美等公司，致力于通過數據分析實現產品優化和精細化運營。

本文由 @李金霞 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自 Pexels，基于 CC0 協議