筆者有一句口頭禪：沒有數據何來分析；沒有分析何來優化；沒有優化何來轉化。數字行銷中大量的決策都是基於數據的，這是它凌駕於傳統行銷之上的美感。在過去幾週我們結束了數字行銷常用概念的三部曲，分別是：
- 數字廣告和搜索行銷篇
- 展示廣告，電郵行銷篇
- 轉化率優化篇
但是限於篇幅，我們並沒有涵蓋數字分析方面的重要概念。那麼讓我們了解一下數字行銷者必須了解掌握哪些數字分析方面的知識。
數字分析相關概念
Web Analytics
網站分析（這個翻譯狹隘了，但暫時沒有更好的）是通過技術手段對網站、頁面、APP進行定性和定量分析的一門學科，它是研究用戶行為、網站（轉化）表現、流量來源等一系列對象的重要數字行銷技能。你所平日聽到的諸如訪問量、跳出率、停留時間、頁面瀏覽量等指標都屬於Web Analytics的範疇。 Google Analytics是Web Analytics最常用也是最強大的工具，業界標杆。
Web Analytics可以告訴你這些問題的答案：你的網站是否優秀，存在哪些問題；你的訪客來自哪裡（搜索引擎？郵件？廣告？直接輸網址？），他們使用什麼設備在哪個時間和地理區域；訪客在你的網站上是如何進行訪問的，他們是如何被轉化的。
Media Analytics
媒體分析是研究、評估媒體組合在轉化過程中影響力的一門學科，它是Web Analytics的分支。媒體分析重在考慮媒體對轉化的影響，它跳出了網站本身，從媒體的角度來分析問題。媒體分析回答了這些問題：你的轉化來自哪些推廣活動？當多個推廣活動相互影響時，各個轉化活動起到的作用佔多少？你的推廣活動是否被推送到了合適的人群？這些推廣活動是否滿足“RIGHT TIME，RIGHT PEOPLE，RIGHT CHANNEL，RIGHT OFFER”。
Attribution Model
歸因模型。當消費者在你的網站買了價值100元的商品時，我們希望把這個銷售業績歸功於某個媒體渠道。但是在絕大多數情況下消費者的這個消費行為並不是來自於單一渠道的。
舉個例子，他先是看到了某個充電寶的展示廣告（banner）引起了興趣；接著第二天他去搜索了“充電寶”然後點擊搜索廣告到了你的在線商城，儘管註冊了但是他卻沒有購買，而是把商品放到了購物車；第三天他通過點擊電子郵件裡的鏈接回到了商城並最終支付。在這個過程中如果我們選擇First Touch的歸因模型，那麼所有的“功勞”都要歸功於他首先看到的那個展示廣告，而這個購買就成為了一個“View-through Conversion”（見展示廣告，電郵行銷篇）。這顯然是不公平的，因為其他渠道也“出力”了。同理，把所有“功勞”按照Last Touch模型來歸因也不公平。從下圖我們可以看出沒有哪個模型是“萬金油”的。我們在網站分析和媒體分析中會具體處理。
歸因模型的出現和進化是數字行銷的一場革命。所有上級數字行銷者都應該對歸因模型有深刻的認識。
Segmentation
分組。 Segmentation和我們系列第二回講的Targeting是一對孿生兄弟。 Targeting在媒體投放時的配置最終將會體現到報表中的Segmentation。報表中的Segmentation又會反過來影響我們Targeting的策略。當研究廣告媒體效果時，我們會根據不同Segment來切入。分組的方法多種多樣，我們可以研究某一時間段的效果，也可以研究某一地區的效果；我們可以研究iOS設備的效果，甚至可以研究某一版本iOS的效果。
總之，綜合數據並不能給我們帶來多少價值，足夠的細分才可以。通過分組我們不但可以研究某個群體對廣告的反應，還可以發現隱藏得很深的一些作弊、垃圾流量。可以說，沒有分組就談不上分析。
Dimension和Metric
維度和指標。凡是有分析就會有報表，凡是有報表就會有維度和指標。什麼是維度？維度是Segmentation的依據。比如，訪問來源，頁面標題，使用設備，屏幕分辨率，訪問日期，這些都是維度。
維度是一種分類，它是無法量化的坐標，而在坐標上的值就是指標。可以用數字表示的都稱為指標，如，訪問量，瀏覽量，轉化數，收入等。在下圖我們可以看到一個簡化的報表：
在這個報表中日期是維度，展示、點擊、點擊率、訂單、轉化率、金額全都是指標。
指標分為兩類，一類是原指標（primitive metric）另一類是計算指標（calculated metric） 。計算指標是通過原指標計算出的指標，它的特點是無法簡單累加，比如上表的點擊率和轉化率。你若把它們加起來沒有任何意義，必須通過原指標的總和重新計算。計算指標還包括許多以“平均”開頭的指標，如平均訪問時間、平均（廣告）排名等。
在上表中，其實還存在一個99%數字分析人員都會犯的錯誤。你看出來了嗎？詳見HubSpot One往期文章《推廣效果報表，你做得對嗎？ 》
Hit-Level，Session-Level，User-Level
維度和指標的三個級別，Hit代表一次交互，Session代表一個會話，User代表一個用戶。舉個例子，頁面停留時間這個指標就是Hit-Level的指標，而訪問時間這個指標則是Session-Level的指標。如果我們去研究某個頁面的訪問時間那就會產生錯誤。因為頁面（Page）是一個Hit級別的的維度，它不能向上匹配Session級別的的指標，而只能匹配頁面停留時間。當這樣的組合出現時我們只能提升到包含這個頁面訪問的Session的訪問時間去理解。同樣，如果我們看訪問日期這個指標，那我們就無法去匹配過去30天訪問數這個指標，因為訪問日期是一個Session級別的維度，過去30天訪問數是一個User級別的指標，如果這種組合出現，我們只能理解為該日進行訪問的用戶在過去30天的訪問數。
在進行分析，自定義報表的時候我們要特別關注這三個級別。
Tag Management
標籤管理。沒有數據何來分析，標籤就是獲取數據的方法。不管是在網頁中的一段JavaScript代碼還是APP中的SDK都是標籤的表現形式。通過標籤管理我們可以自由地抓取用戶在你的網站、App中的行為，他們的鼠標移動、手指滑動都可以被輕鬆捕捉。我們可以通過標籤管理來向GA和廣告平台提交數據，從而獲取轉化數和轉化詳情。 Google Tag Manager是世界上最主流的標籤管理工具，HubSpot One的往期文章也提供了豐富的GTM教程。
標籤管理的三要素是，標籤、觸發器和變量。標籤就是被觸發的那段代碼，觸發器即是觸發條件，而變量則承載了要提交的數據。
Tracking
跟踪。只要我們在使用互聯網就不可避免地被跟踪。除了上面介紹的標籤管理，我們在跨域時同樣會被跟踪到。我們經常在地址欄中看到的網址後跟著一大段參數就是跨域跟踪的主流方式。它的優點是不需要在來源媒體中部署代碼和Cookie。由於GA的流行， UTM（Urchin Traffic Monitor）跟踪成為了主流。 UTM具有五大參數，分別為utm_source，utm_medium，utm_campaign以及utm_term和utm_content。顧名思義這5個參數可以定義一個訪問的來源、媒體、推廣計劃、關鍵字和創意。舉個例子，在Google推廣中我們可以在目標網址中填入：
https://hubspot.one/? utm_source = baidu & utm_medium = cpc & utm_campaign = brand & utm_term = digital_marketing & utm_content = digital_blog
那麼HubSpot One安裝的GA代碼便可以識別這個點擊所包含的訊息了。如果你的目標網站沒有安裝GA怎麼辦？比如你要送一個訪客到Apple App Store，你可以參考App Store的文檔添加一個ct參數，這樣你可以在App Store的報表中看到安裝來源。
Cross-environment
跨環境跟踪。還記得我們曾經花眾多筆墨討論跨屏跨平台和跨環境跟踪嗎？跨環境跟踪已經成為了People-Based Marketing的基石。全球平均有83%的消費者處在多屏環境中。也就是說在任意時刻他們平均在同時使用2.23個設備。數字分析如何從關註一個個設備到關注具有多個設備的一個個人是最大的挑戰。跨屏跟踪在媒體分析中尤其重要。手機決策，電腦下單的現象的普遍出現帶給我們移動設備轉化率低下的困擾。除了利用基站綁定不同設備，利用UserID來識別同一用戶，還出現了“搖電視”這樣的超聲波黑科技。如何科學地研究轉化率的，這必須要有新科技的支持。
一些重要的數字分析指標
MAU
Monthly Active Users，月活躍用戶數。也有簡稱月活的。 MAU是衡量社交遊戲、社交網站和大型網絡服務的重要成長性指標。這裡的M沒有什麼歧義，是過去30天。但是A和U卻可以做很多文章。如何定義活躍五花八門，但通常以登錄服務為準。而U則可以是免費用戶或者付費用戶，兩者相差甚多。
Bounce Rate
跳出率。跳出率是網站分析中最基本且相對有效的指標。所謂跳出率顧名思義就是跳出的比率。怎樣定義一個跳出呢？用戶來到你的網站，什麼都沒做就離開了。什麼都沒做的意義在於沒進行閱讀，沒進行影片播放，沒點擊下一頁，沒進行任何交互活動。
跳出率作為以管窺豹的指標可以幫助我們快速了解媒體投放的價值。但是這並不是說跳出率一定準確。假設你正在HubSpot One官網閱讀這篇文章，而你並沒有繼續延伸閱讀，那麼這也算作一次跳出（不過HubSpot One已經把頁面的滾動也作為一次交互了，所以大致閱讀到這裡已經不算一次跳出了）。
另一方面，現在有許多作弊的流量已經相當“智能”。它會隨機瀏覽幾個頁面，模擬人的瀏覽過程。我們在分析時要通過其他維度（地區、分辨率、操作系統等）來甄別這些流量。
Exit Rate
退出率。 Exit Rate表示當用戶到這個頁面以後有多少用戶沒有再繼續瀏覽。我們可以用“壓倒駱駝的最後一根稻草”來形容那些退出率高的頁面。如果該頁面是一個Thank You頁面那麼說明訪客已經完成了購買，如果這個頁面的Exit Rate高的話無須擔心。但是如果該頁面是購買環節中的一個頁面，那麼我們就應該探究是什麼讓訪客中途離開。對於電子商務網站來說，研究頁面的Exit Rate有助於提高轉化率，因此它是一個重要指標。下圖解釋了跳出率和退出率的區別。
Engagement
參與度。這是內容行銷和社群媒體行銷中的衡量指標。 Avinash Kaushik把參與度指標分解為以下幾個指標：
- Conversation Rate = 單位內容獲得評論、回複數
- Amplification Rate = 單位內容獲得轉發、分享數
- Applause Rate = 單位內容獲得的“贊”數
如果我們要求苛刻一點，我們可以在分母上加上你的粉絲數。這將是衡量你的內容的關鍵指標。
Average Order Value
平均訂單價值。我們一直講轉化數固然重要，平均轉化價值也同樣重要。如果你有大量的轉化數，但每個轉化的價值都很小，那麼你最終的ROAS也會很小。在電子商務中AOV是一個關鍵指標。因此我們可以看到電子商務網站中經常出現一些Up-sell的內容。這條褲子和哪雙鞋子搭配會更好；買了這條裙子的客戶也會買那個包包；你還可能會感興趣這些配飾等等。
提升AOV的方法將已經進入購買狀態的用戶進一步拖入“剁手”深淵。雙十一就是這樣的一個局。過了這個節你會不會發現多買了好多並不需要的東西？同樣，大超市結賬處的口香糖和安全套也承擔了這個使命。
未完待續
我們在本篇介紹了數字行銷中有關數字分析的概念，希望對你有所啟示。數字分析是數字行銷的大腦，它幫助我們進行行銷決策。我們將在下一篇也是本系列的“最終回”介紹數字行銷中的行銷策略。感謝關注HubSpot One。