说起市场营销，可能大家都会想到，市场部门为了扩大品牌影响力，在市场上占据一定的市场份额，会在各大渠道投放广告，至于广告投放出去后，如何追踪渠道，如何衡量渠道投放效果，反过来指导和迭代下一轮投放，大部分人对这个过程的把控和分析是很模糊的，发了那么多软文、投了那么多广告、做了那么多活动，最后老板发话了“花了那么多钱，效果咋样啊？”，此时你可能就蒙了。今天用一张图给大家简单描述下，渠道投放出去后映射到产品最后发生购买的整个过程。

这是互联网营销过程中用户典型的点击流，大家可以回想下自己接触、了解、购买一个新产品的过程。从某个广告或者朋友圈看到了一条特别有意思而且很感兴趣的产品，最后点击推广链接，打开了某个落地页，浏览落地页的内容后，最终完成了广告主所期许的行为，至于广告主所期许的行为是什么是和营销目的密切相关的，同时我们还要考虑到推广产品所处的阶段，因为不同产品阶段的营销目的是不一样的。

这个过程可以分解为点击前阶段（Pre-Click）、点击后阶段（Post-Click）和购买后阶段（Post-Buy），对于市场营销来说，它是重点关注用户生命周期的早中期阶段，即点击前阶段和点击后阶段，主要包含用户获取、用户激活和病毒传播。

大数据是一切智能化的基础和土壤，在这个过程中收集的数据量足够多，才足以消除不确定信息，它所分析出来的数据才更有指导意义，善于收集、使用并分析数据，才能抓住“互联网+”时代的“牛鼻子”。

点击前阶段

该阶段我们的目的是提高用户获取的效率，完成目的前我们首先要了解各种广告形式，一般会分为付费广告和免费广告。

付费广告大概有：各种展示类广告、视频贴片广告、搜索引擎SEM、百度品专等；

免费广告大概有：直接流量、SEO、社交流量、朋友圈、朋友推荐等。

不管是哪种广告形式，首先得做出区分才能衡量。第一步要建立精细化的渠道追踪体系，用UTM参数配置来追踪用户的来源，告别拍脑袋主观判断渠道质量好坏的状态。如下图所示，UTM提供了五个可以自由配置的参数：

参数定义好后，可以进行各种场景的跟踪。

如当生成的链接用于付费推广时：

sensorsdata.cn/index.html?utm_source=baidu&utm_medium=CPC&utm_term=用户画像F&utm_content=textlink&utm_campaign=news conference

如当生成的链接用于免费推广时：

sensorsdata.cn/index.html?utm_source=baidu&utm_medium=朋友圈&utm_content=userarticle&utm_campaign=五一系列活动

此时你可能会问，除了这些被标记的，那些自然过来的流量如何区分呢？别忘了，你肯定知道前向域名和前向地址，一般都是通过这两个字段开区分自然流量的。还有一些用户可能还想区分站内和站外流量，没关系，我们再增加两个字段，最近一次站外来源和最近一次站外地址就可以了。

好了，渠道标记完成后，我们来看看，这个阶段的好坏可以用哪些指标来衡量？

Impression 即曝光量，Click 即点击量，人们常常用 Click 和 Impression的比值 CTR 即点击通过率来衡量广告引起人们注意的程度。但是在展示类广告中会存在大量作弊的现象，但是仍没有阻止人们做展示类广告，为什么呢？因为广告学中有个理论，叫曝光效应。它其实利用了人们的心理，就是一个东西，你见得越多，越觉得它好。关于曝光量这个指标还有个笑话，我的一个好朋友假期要带男朋友回家见爸妈，可能觉得不帅，就想着如何捯饬能看的比较帅一些，然后我另一个闺蜜就发话了，利用广告学曝光理论，多带男朋友回几次家，在爸妈眼前多晃悠几次，你爸妈会觉得越来越耐看的（==！)。

CTR 说明这次所做广告的创意水平以及和人群的匹配程度。比如，我在一个广告位置投放了不同广告创意的广告，哪个广告的 CTR 比较高，就说明哪个创意做的比较好。

CPC 即每次点击花费多少钱，可以帮助你衡量比较不同渠道的成本。成本和 CTR 综合衡量。

点击后阶段

用户点击推广链接后，跳转到的落地页可能在 web 端，也可能在 app 端，落地页打开后，如何衡量这个落地页的好坏呢？落地页承载的是用户对你的产品的第一印象，第一印象很重要！

Traffic 即流量

通常用 PV UV Visit 指标来衡量，但是这些指标只能在浅层次上衡量这次营销效果是否成功。

Call to Action

行为召唤，或者说是用户行为号召。至于这个号召按钮是什么是和你这次营销目的相关的，比如注册或者下载App。这个 Call to Action按钮一定要设置好，用户点击使用是无障碍的，要不你前期做的广告，很可能就白费了。

如果流量和落地页相匹配的话，上述指标不会差。用户从落地页跳转到你的产品内部后，我们就需要通过 Engagement 这个指标，来看看用户和我们产品内容和功能的交互度如何？

Engagement

Engagement 并不是指一个具体的度量，它是一系列衡量用户在营销活动中参与程度的指标集合，即用户在产品中和产品内容和功能的交互程度。我们可以这样理解它，它用以衡量流量产生之后和最终发生转化之前的用户行为和过程。

先来看标准意义的 Engagement 指标，主要指跳出率、停留时长和页面访问深度三个指标的综合考量。我们可以看到，这些标准意义的指标，还不足以涵盖更为具体的用户行为分析需求。比如，一个网站有一些更为重要的希望用户完成的用户行为，注册或登录、申请试用、或是把商品加入购物车，其中注册或登录、申请试用是 Call to Action 行为，那么这些行为的渠道来源数据是能够采到的，但是加入购物车就不一样了，这个行为是用户登录后的行为，登录前后的行为如何关联起来，用户行为数据如何和后端业务数据打通，真正实现渠道与业务相匹配呢？。如果你不能把登录前和登录后的行为标识为一个用户，那么分析的意义就荡然无存了。有关如何把登录前后的行为关联起来可以参阅如何准确的标识用户 · Sensors Analytics 使用手册这篇文档。

标准意义的 Engagement 指标反映了用户对于营销内容和产品的感兴趣程度，而按照业务定义的 Engagement 指标 则反映了影响用户最终发生转化的各种因素。

另外从用户和产品的交互过程中，会产生大量的用户行为数据，我们可以从用户行为上详细了解到了用户的一些行为特点，也就是我们常说的用户画像，比如用户经常浏览电器类产品，且浏览次数大于5次，说明这批用户目前在关注电器信息，那么我们就可以把这部分人群捞出来，打上标签，针对这部分人群作为重点投放的广告人群，开始下一轮精准投放，这样就形成了一个数据营销的良性循环。

Conversion

提起转化率，漏斗模型是市场和运营最为熟悉的方法，一般会按照“点击推广链接-->浏览落地页-->有效咨询-->注册-->购买”类似的过程来做每一个转化步骤，从而快速定位到哪里出现了问题。但是这个模型在实际操作过程中是有两个主要问题的。

首先，转化漏斗需要全流程的监控数据，但这些数据很难全部准确的获取。要想准确获取这些数据，我们需要一个好的数据模型来定义每一个步骤，每一个步骤定义好后，我们还要考虑这几个步骤的用户如何贯通起来，即如何让用户一层层的漏下去？我们注意到从注册前到购买的过程是完全割裂的，因为注册前是匿名用户，注册后产生的购买是真实用户，如何将注册前和注册后的行为关联起来就显得很重要，它和上述 Engagement 指标讲解时所采取的方案是一样的，可以参阅如何准确的标识用户 · Sensors Analytics 使用手册这篇文档。

另外对于一些需要转化周期的行业，比如互联网金融、在线教育、医疗等行业，消费者有很长的决策周期，但是从市场现有的漏斗模型来说，因为漏斗转化是基于会话的，转化周期只有30分钟左右，也就是此时一般只能实时统计到有效咨询这个层级，这就削弱了这个漏斗模型的价值。既然这个问题存在了就一定有解决方案，如果这个转化周期能根据自己的业务情况自定义呢？比如设置为3天或者7天，那么这个问题就能很轻易解决和追踪了。关于如何解决，有兴趣的可以参阅漏斗分析 · Sensors Analytics 使用手册这篇文档。

其次，这个转化漏斗的各个步骤，都是大过程，每个步骤间都有转化和流失，因为每个步骤间用户还会发生一系列的行为，这些很细微的行为导致了最终的转化和流失，所以我们需要结合用户行为序列和漏斗模型来共同完成此转化过程的分析。

购买后阶段

用户第一次购买后，我们会关心他是否会再次购买，是不是在我们平台上留存下来了，以及流失率怎么样？对于复购和流失的优化，那就是另外一个课题了，如何通过数据优化产品和运营，可以作为下个主题来探讨。