线上营销对线下行动影响的类型、解法与困扰上篇
[]这是关于这个主题的上一部分内容。其下篇可查看：线上营销对线下行动效果的监测（下）。【正文】
今天的这个话题是新的挑战。坦率来讲，在这个领域我知道的不多，并且一直心怀畏惧。然而，这是一个不能回避的话题。如果你要进行网络营销，你的老板必然会问你最终带来了何种效果。对于很多非直接在线交易的商业模式来说，这个效果实际上指的是受众受到网络营销影响后在线下所采取的行动。这不是仅靠网站分析工具就能监测到的。所以，网络营销界的实践者们尝试了诸多方法去试图解决此问题，并且在未来的数年里还将持续进行探索。
这篇文章不能对他们的探索进行总结，它和之前的文章一样，只是说一说我的理解以及实践情况，期望能引发大家的思考和讨论。
线上营销对线下行动产生影响效果的分类
4. 高级影响层次。
一般来说，线上营销的最终目的是可以实现的。然而，实现这一目的有时需要较长的周期。并且在从开始到结束的整个环节中，损耗是很大的。所以，如果能够实现 Leads 或者达成某种特定的结果，又或者仅仅只是给消费者留下了印象，这也是不错的。这样一来，人们对营销效果的评价就不会仅仅局限于查看最终的实际购买，而是同样会关注从开始到 Leads 最终到结束的全过程。
的效果监测
指的是受众对广告所宣传品牌或商品的认知情况。从以往负责监控效果的经历来看，监测主要借助广告曝光数据。然而，这是一个很弱的度量标准，在国内我已多次表达对其的不满，它很难带来有价值的东西，所以我们需要一些更优的办法。
我要特别感谢曾是我的客户的凯男和许飞，他们在该领域给出了极为出色的解决办法。同时，也要特别感谢 Tenly（邬剑）同学，他在对这些方法进行扩展方面提出了很棒的见解。因此，我在此对这些方法总结如下：
这些方法有的容易，有的稍难，不过确实都是当下能够实际施行的评价方法。其中，对于广告推向网站的数量，我一直较为重视。然而，由于存在疯狂的作弊行为，这个数值如今面临着严峻的挑战。但是，网络营销效果分析师不能就此被难住，去伪存真不正是我们的工作吗？所以，我们应当将这个数量改为（靠谱的）数量。× 乘以 % 乘以停留时间超过 30 秒 % 乘以其他。
软文总被阅读数是一种常用的评价方式。很多广告主认为，软文是性价比比较高的。总被阅读数指的是，除了软文发布媒体上的软文 page view 数量之外，还有其他所有转载的总的 page view 数量。有意思的是，我建议用另一个数量，即软文有效阅读数等于软文总被阅读数减去软文在原发布平台上的阅读数量。之所以用这个数量，是因为媒介本身的数据实在不可尽信，索性就不信了。那软文总被阅读数怎么统计呢？我用精确和模糊两种方法。精确方法是，先通过百度进行全部文章的搜索，接着点击进入，再手工记录各个转载文章所提供的统计数据（通常这些文章都会提供统计数据）。这种方法较为麻烦，然而却能够尽可能地做到精确。模糊方法是在软文中设置一个 1×1 像素的透明图片（或者借助相关工具），接着祈祷其他媒介在转载时能将此图片一同转过去，不过这种几率比较小。之后依据总的文章转载数量，对统计到的转载数量进行按比例放大。大致来说，此方法能给你一个大概的情况，但肯定不够精确。添加这个透明图片的方法可查看此文章的前几段。
我青睐通过产品或者品牌关键词搜索量的增长幅度来进行判断。这种方法使用起来很简单，只需使用“或者”即可。官方告知我们，“”和“”使用的是相同的数据来源，然而“”拥有更多、更全面、更高级的功能。
这个工具对于新出现的商品/品牌较为适宜，比如 Intel 的 Core i5 。然而，对于那些无法通过搜索关键词与竞品区分开的商品/品牌则不适用，像“无痛人流”这类情况。因此，建议创造一个新的、值得拥有一个响亮好记名称的商品/品牌。
在搜索引擎中直接加引号搜索产品或者品牌关键词的搜索引擎结果的增长幅度。此增长幅度意味着人们对产品/品牌的增加。
Media 的分享或转发数量，这一度量对于进行 media 活动而言非常重要，然而要获得这个值实际上较为困难。对于某些情况或者某些平台，其实有 API 可供开放使用，所以第三方统计软件数量众多。而更高级的合作，比如 2009 年 5 月与某方的合作，能够让数据统计更加深入和强大。但在我们国家，这些情况变成了问题。一方面，某些事物进不来，即便进来了也是“非死不可”这类情况，这就无需多言了，大家都在致哀。另一方面，国内最为成功的新浪微博，也尚未做出任何良好的可用于数据统计的 API，人人网和开心网同样没有。你可以通过手工来进行统计，但我更倾向于耐心等待未来的发展。
调研问卷统计显示，这是一种绝对的万能方法，然而它也是最为耗时且自由度最低的方法。这种方法不仅适用于某些情况，对于其他情况也同样适用，因此将其放在后面进行讲解。
口碑监测，与调研问卷统计类似，也放到后面讲。
的监测
评估比要更难，我认为它是最难评估的。因为它反映的是人内心的活动。人内心的活动能外化为行为，但无法反推。例如，我觉得难过，不一定会哭泣；即使因难过而哭泣，也不能说哭泣一定是因为难过，或许是因为激动。所以用“哭泣”来反推“难过”会有误差。同样，评估虽然存在一些可以通过行为（比如推荐给朋友、收藏等）来间接衡量的方法，但是误差是很明显的。
评价相对可靠的方法是直接发问，去询问受众的内心感受，这就是调研。由于调研能够直接询问受众的内心感受，所以调研方法也被用于研究受众。
在线调研
调研的基本方法是把调研受众（样本）分成两组。一组是 Group，它被当作对照组；另一组是 Group，也可以称为 Test Group，即测试组。对照组被通过技术方法控制，使其不能暴露在广告下；而测试组则被明确地暴露在广告之下。
例如，给我们介绍了最常用的在线调研的方法：
图：这是在线调研的基本方法 （版权属于 Brown公司）
上图展示了在线调研的基本方法。A 组被确定处于广告创意的暴露之下，而 B 组则被控制，确定没有看到广告。控制的方法其实很简单，比如在发布前进行一次调研，这样对照组的受众就肯定不可能看到广告。
要评价一个网站对访问者的影响，能够利用这个方法。同时要保证对照组的受众在答卷之前没有访问这个网站。
对于上述网站的问卷，你能够通过设定网站的程序来达成这样的效果：一部分访问者在访问你的网站之前就填写问卷（这是对照组），而另一部分访问者则在离开网站的时候再填写问卷（这是曝光组）。倘若你不想自己编写程序，在国内是有第三方服务能够提供类似功能的，比如精硕科技的。你可以利用免费的 4Q 问卷，并且它还提供自定义的问卷，不过题目数量是有限的。
利用问卷调研的方法时，有两个方面需要特别留意。一是问卷内容的设计；二是回收有效问卷答案的数量以及其对统计学意义的影响。在此我不敢多言，因为我在这两个领域都还处于完全陌生的状态。
。
https://img0.baidu.com/it/u=2706123514,1782495982&fm=253&fmt=JPEG&app=138&f=JPEG?w=640&h=276
最后，为大家展示一个问卷调研答卷统计的实际例子：
这个问卷是针对网络游戏玩家的调研，其统计结论包含几个主要部分，有（购买动机）、（相关性）等。能看出，曝光组在多数环节表现良好，这表明对其起到了一定作用。然而比较遗憾的是，size 相对较少，其能否代表普遍受众的情况存在疑问。
另外一个监测方法是借助口碑监测。这在目前属于前沿领域，同时也是一道颇具难度的题目，尤其是对于我们的汉语来说。
口碑监测
口碑监测不像问卷调研那么直接，然而口碑也能反映受众（主要是网友们）对品牌的感受。口碑的重要性体现为，若有网友在网络空间中直接反映出对品牌/商品的关注、喜爱或憎恶，那么他不但可能代表相当一部分网友的意见，还能迅速影响其他人的意见。我的消费大多是通过网络来完成的。负面口碑对我的消费有着更为重要的影响。我认为大部分消费者也都是这样的情况。
在“的 IWOM 监测与分析：理解和实践”这篇文章里，我谈到了 IWOM 监测的实现办法。然而，实际上我在分析方面所说的内容比较有限。所以，我打算再开一个帖子来谈谈我对 IWOM 分析的理解。在此，我想提及一点，那就是 IWOM 分析中的一个关键度量——调性比（ratio）。
调性比指在某次口碑中，存在正面口碑和负面口碑的比例，还有正面口碑、中性口碑和负面口碑各自占总体口碑数量的比例。比如正面口碑有 10,000 条，负面口碑有 1,000 条，此时 ratio 为 10:1。这个值能反映普遍受众对商品/品牌的总体情况。
在 2008 年下半年，我做了关于主流品牌的 ratio 情况。其中，Neg.表示（负面）的数量，Neu.表示（中性）的数量，Pos.表示（正面）的数量。那时，让我感到惊异的是，我获得了最高的调性比。而 HP 的表现却相当不好。一年多之后，HP 发生了“蟑螂门”事件。这一事件爆发后，即便它有再多的辩解之词也难以自证清白，让我深刻地认识到，当时进行调性监测是很有必要的，是很有道理的。
这个问题在我们的 群上经常被问到，我的客户也经常问起。这是个复杂的问题，不是问题本身复杂，而是解决问题的可行性一直让从业者困扰。这篇文章将讨论线上营销对线下行动影响的类型、目前的解决方法以及仍然存在的困扰。这是关于该主题的后续部分。其上篇内容为：线上营销对线下行动效果的监测（上）。
【正文】
上回文提及了线上营销对线下行动效果影响的两类，即和。本回我们接着探讨另外两类，分别是 Leads 和 。监测这两类相较于和而言，难度要大很多。以下所写的内容，都是我所了解的。然而，我所知道的是有限的，或许在业界还有更优的解决办法，因此希望朋友们在文后不吝给予指导和建议。
追踪购买意向（Leads）
追踪购买意向通常有两种方式。一种是线上追踪，也就是让受众在你的网上直接提交对产品的咨询或者表达购买意愿。另一种是线下追踪，即留下电话号码，让潜在顾客给你打电话。前一种的监测属于典型的网站分析范畴，并非对线下行动效果的监测，所以本文不再详细说明。而后一种在本文中更为重要。它通过线下方式实现 leads 的追踪。它是人与人之间的对话，而非人与机器之间的对话。所以它存在作弊的可能性更小，当然不排除作弊，在这个世界上一切皆有可能。并且它在国内被更为广泛地应用。
如何追踪？
线上而使潜在客户致电给你的路径通常如下：
潜在客户看到广告或者网站上留下的电话后，会拨打电话，以进行产品咨询、提供购买意向或者留下联系方式。
因此，如果我们能够追踪到受众看到电话号码的源头，也就是看到哪一个广告或者网站而打来的电话，并且能够追踪到因此带来的效果，即产品咨询和购买，那么就能够帮我们很好地评估这些广告或者网站的价值。
可是，线下有电话这一系统，线上有广告或网站这一系统，它们是不同的。那么，怎样做才能使这两个不同的系统产生关联呢？
还记得我之前写的那篇文章吗？那篇文章探讨的是真的是直接流量吗？以及如何辨识真正的流量来源呢？在这篇文章里我们有提到相关内容。
在一些情况下，你的网站并非通过网站推广来获得流量，而是依靠线下推广，亦或是依靠互联网自发的引用以及朋友推荐等方式。在这种时候，你已经无法为每一个流量的源头都做好标记，那么我们该如何去辨别那些自发的流量呢？
一个好的办法是借助多个首页或者域名来进行标识。比如，倘若我要开展我的网站的线下推广活动，我会恳请那些看到我线下广告的朋友通过域名“”来进入我的网站()，你会察觉到这两个 URL 是不一样的。如果我拥有多个线下推广的渠道，像电视、杂志以及楼宇广告等。我会给这些不同的渠道分别设置不同的域名，比如“; ; ”。这样一来，虽然在网站分析工具的报告中无法对它们进行细分，但我可以通过 top page 报告来实现对它们的细分。虽然这种细分不一定是 100%纯净的，但已经能够达到相当精确的程度了。这种方法，能够帮我们打开某些未知的部分。它也是帮助我们间接衡量线下推广的一个好办法。
下面这个笑话让我们知道这种方法其实还有很多好用处：
一个追信息泄漏的方法
刚看到一个追踪信息泄漏的办法，适合广泛推广。我注册网站时有个习惯，当要求填写真名时，注册 Sina 就填“袁新浪”，注册 Yahoo 就叫“袁雅虎”，注册 Baidu 就写“袁百度”，注册某个网站就改“袁谷歌”，报税时就叫“袁穗收”。今天接到一个电话，对方问：“是袁建设小姐吗？”我明白，建行把我的个人资料卖掉了……
如果能给不同广告和网站上刊登的电话分配不同号码，我们就能知晓这个电话是顾客看到哪个广告带来的。然而，问题在于我们或许需要为一次设置很多号码，能做到吗？
国内存在一家提供相关服务的公司，它被称作“离线通”，并且是完全遵循这一思想的。
离线通
离线通是一个能填补线上广告与线下电话联动空白的产品。它是一个极为理想的工具，可用于追踪由在线带来的销售线索。
这个工具借助了电信部门提供的中继线，每条中继线具备支持 1000 个电话的能力，所以从理论层面来看能够给客户的一次活动提供数千个各不相同的电话号码，每个电话号码可以被分配到每一个广告或者不同的网页上，这样就能让每个广告都与一个唯一的电话号码相对应。这使得对不同广告究竟带来了多少电话以及这些电话的质量进行监测成为了可能。
在这个思路的基础上，这个产品主要达成了两个功能。其一，能够全面监测到客户电话打入的数量，以及由此产生的 leads 和其他相关数据。其二，能够监测电话的来源，并且依据此来评估营销活动的效率（ROI）以及效果（转化等方面）。所以可以将其定位为一个线上线下联动的网络营销监测工具。
我提交了试用，得到下图这个工具的：
https://img1.baidu.com/it/u=2289254882,1678295304&fm=253&fmt=JPEG&app=138&f=JPEG?w=889&h=500
界面本身采用模仿的方式，能够展示电话呼叫数据的趋势，还能展示电话呼叫数据的平均时长等，这些与 call 能够提供的数据是相近的。
呼叫来源报告是更有意义的报告，它能显示电话来自哪些渠道。我认为这是该工具的亮点，似乎更适宜在离线通中直接显示。
搜索营销似乎是支持的，然而我并未进行尝试，正因如此，所有的呼叫数据都为“0”。但此功能本身对于从事搜索营销的广告主而言是很有意义的。
另外，这个工具还提供了 ROI 分析，也就是投入的广告与最终的产出。这个工具能够支持在线营销本身的成本，比如对搜索营销 CPC 的记录（但不清楚具体原理，也不知道是否需要专门上传）。并且通过自己的设定，能够明确每个电话的价值是多少，这个功能与在 中自己设定达成每个 goal 所代表的货币价值是相近的。不能够直接捕捉到每个电话所带来的价值，然而自定义的方式是有意义的。因为通过估算每个电话的平均价值回报，能够近似地体现它们带来的实际收入。毕竟生意是自己的，所以能够清楚每个电话背后意味着多少钱。下图为 ROI 数据界面。
下图这个界面是对每个电话价值的自定义。
我认为这个工具最大的意义在于将呼叫来源的问题予以解决，而这一问题恰恰是线上营销对线下行动效果进行监测时的核心障碍所在。
其他购买意向的监测
购买意向除了通过电话询问来表现外，还可能通过在线下的门店进行询问，或者邮寄购买意向表等方式来体现。在信息化的当下，这些提交 leads 的方式逐渐变得不那么重要，正慢慢走向边缘，但它们依然存在，并未完全绝迹。
对这些购买意向进行监测是有办法的。最常用的办法是提供网络优惠码，然后依据不同的优惠码来确定在线营销的真实来源。然而，在信息从线上向线下转化以及从线下向线上转化的过程中，会出现模糊不清和信息丢失的情况。所以，这个方法虽然可以使用，但并不准确。
对于 leads 的监测，我所知道的方法就只有上述这些。朋友们如果有更好的方法，欢迎提供。
购买（）追踪
最后，我们营销活动最期望的结果出现了——购买。进行了大量的营销工作，若最后产品无人购买，那绝对是令人遗憾的事。别跟我提最大的茶几是 960 万平方公里，我坚信只要有购买行为，你的生意每天都会是令人愉悦的。然而，怎样去追踪到底什么才是你进行在线营销的真正结果，而不是因为顾客受到了其他因素的影响呢？
这是最为根本的一个问题，同时也是在整个环节里最为困难的一个议题。存在 3 种可用的方法。
Code
Code 的作用跟上面的电话追踪方法很相似。你可以给不同的广告或网站提供不同的 code。顾客拿着这个 code 去线下购买，就能够获得优惠。通过这种方式，就能够知晓哪些在线来源更能促进销售。
但是问题在于，并非所有消费者都会记录 code，因为这确实是一件麻烦的事情；另外，提供优惠可能会成为一项成本较高的支出。
销售终端帮你统计访问者发现商品并最终购买的渠道是一种常用方法，然而效果一般。因为人们购买完商品后还有其他事，通常没耐心，所以最好你能提供优惠或折扣。并且，销售终端的执行能力不同难以管理，需要有强有力的执行保障。但这确实是常被使用的方法。
一种方式是在购买后给客户发送 email 。另一种方式是在购买后给客户打电话。对于大宗商品而言，这种方式较为合适。然而对于小件商品来说，这不仅会增加成本，还会对顾客造成打扰。
最后要克服的两种敌人之一是样本量不足。收到数以万计的回复是比较困难的，所以在问卷设计方面就更需要精心对待。
第三方追踪
第三方追踪是一种让我感到惊讶的方法，确实存在这种方法。据说在北京有公司能够提供相关服务！其思想是，在进行一次网络营销之前，先抽取大约 50 到 200 个合作受众，事先不向他们透露任何关于自身的背景和产品信息。接着，第三方公司会在营销过程中以及之后的一段时间内，对这些合作受众的消费行为进行跟踪。
这个方法非常强大！所谓强大，就是他们确实需要具备良好的执行、合作以及记录（监测）能力，这确实是一项浩大的工程！我不知道这个方法能做到何种程度，能取得何种效果。如果有了解这个方法及这家公司的朋友，请务必与我联系，我的邮箱是@。
方法总结
最后，我们总结一下线上营销对线下行动效果监测的方法，如下：
这个系列写到这里就结束了。我期望大家能多多提出自己所看到的内容，或者仅仅是一些思路。因为有这个博客供我分享，所以我也获得了许多朋友的分享与指正。例如，之前有朋友指出“group”不是“控制组”，而是应该翻译成“对照组”；另外还有朋友指出我在统计学方面存在不足，我完全接受，并且正在努力进行弥补。
有朋友告知我，SAS 工具实际上具备提供网站分析的模型和功能。我从中学到了很多！希望大家都能毫无保留地分享，感谢大家！
我们的所有 群都已满员。我会在一周的时间内逐步清理僵尸用户以及不活跃的用户。请朋友们稍作等待后再尝试加入群聊。谢谢！
页:
[1]