在數字行銷的從業者中，有一條分水嶺，那就是操作執行層面的數字行銷者和懂分析的數字行銷者。能夠進行操作的數字行銷者培養的成本並不高，然而要獲得懂得分析那些數字行銷人才，機率就很低，其培養的成本也很高。
為此，筆者需要長期在數字行銷的人才市場中尋覓那些分析能力優秀的數字行銷者，同時對那些悟性較高的初級人才進行打磨。正所謂“師父領進門，修行靠個人”。
HubSpot One在過去的幾年中，曾經有多次提到過如何去提高你的數字分析能力。在過去的許多文章中，我們也經常關注如何提高數字分析的各個環節，包括一些知識和經驗的提供。如果你是HubSpot One的忠實讀者，那麼相信你一定在這方面有著相對過硬的基礎。如果你就是我說的那種數字行銷的操作比較熟練，但是對分析一竅不通，數字分析能力弱，或者對分析能力的提高非常困惑的那群數字行銷者的話，這篇文章就是為你寫的。今天我們要說的東西沒有建模，沒有回歸，僅僅是一些大白話，是基礎中的基礎，方便任何水平零基礎的數字行銷人員，快速掌握分析數字行銷中各項指標的能力。
維度（Dimension）和指標（Metric）
我們前面提到，數字分析人員的特質是數字的敏感性和洞察能力，需要在長年累月的數字行銷工作中不斷的累積。數字分析的內容是面向對數字的解釋，並且圍繞提高轉化率的目的來進行。這裡要引入數字分析中最重要的兩個概念——維度和指標。指標用來表示數字的“好壞”和高低，而維度則用來抽絲撥繭，深層次地分析造成指標高低和好壞的那些原因，和產生綜合差異的那些問題的所在。
因此我們的第一步對數字分析來說，就是先熟悉那些指標和維度。維度是幫助我們過濾指標的分類標準，如時間、城市、設備、推廣計劃、推廣組、關鍵字等。如果數據有格式的話，除了時間維度，維度只能是字符串格式。
對於數字分析的指標，我們把大致它分成兩種，第一種我們稱為原子指標（Primitive Metrics）或原指標，第二種我們稱為計算指標（Calculated Metrics） 。
原子指標是指用戶行為直接產生的那些數據，比如說展示（Impression）、點擊（Click）、訪問（Visits）、購買（Purchase）、消費的金額（Sale）。這些數據是實實在在的，不可分的。有一個可以直接區別原子指標的方法，那就是它們都可以直接求和。原子指標有著默認的維度——時間。
相對應的，計算指標是指那些通過原子指標計算而得到的指標。計算指標不可以直接求和。計算指標包含了各種轉化率（Conversion Rate）和各種平均指標。
- 像點擊率（CTR）、郵件打開率（Open Rate）、跳出率（Bounce Rate）、投資回報率（ROI）、單位廣告收入（ROAS）這樣的計算指標是轉化率類型的計算指標。
- 像平均點擊價格（CPC）、每千次展示成本（eCPM）、客單金額（Average Order Value）、平均廣告排名（Avg. Pos.）、平均訪問時長（Avg. Time on Site）、平均單次訪問頁面數（Pageview per Session）這樣的計算指標是平均值類型的計算指標。
了解計算指標的計算過程，對理解計算指標的高低，有很大的幫助。
原子指標的影響因素
對於每個原子指標，我們需要非常熟悉對指標產生影響的那些環境因素。這些因素是產生原子指標的那些用戶行為的影響因素。
當我們發現銷售下降時，最直接的反應是客人少了。這種解釋把指標的變化歸因於上游指標，這是其中一種解釋，當然還有其他的解釋。能夠對原子指標進行解釋靠的是對業務的理解。比如，我們可能還能得到的其他解釋會有：
- 客人沒少，但是存貨不夠了。 （經常處在斷貨狀態）
- 支付方式出現了問題。 （如一下子不能使用支付寶了）
- 市場上出現了更優或者更廉價的產品、解決方案
- 服務器出現問題，導致無法結賬或跟踪代表丟失
我們上篇提到的創意消耗和創意衰退也會成為指標下降的原因。我們說原子指標可以直接求和，所有可以將原子指標進行維度拆分。在分析上叫做細分（Segmentation） ，拆分後每一個分類都會有各自的原子指標、也可以計算出新的計算指標。我們要學會細分，因為只有細分，我們才知道這些原子指標的變化，具體會產生在哪裡？比如點擊率，降低了，我們會去關心的，具體降低在哪？是降低在桌面，是降低在手機移動設備，是降低在華北，還是降低在華東，在我們進行細分的時候，就會需要我們之前提到的維度，
在分析原子指標時，我們要耐心排查，找到成因。
計算指標的影響因素
我們在進行分析的時候，雖然有時候會去關心原子指標，但是更多的時候會關心計算指標的高低。轉化率類型的計算指標的分析圍繞在參與計算的各個原子指標的變化上。比如說，在進行點擊率的高低的分析的時候，首先我們會看展示數（分母）的情況，再看點擊數（分子）的情況。這樣對計算指標的分析就變成了對原子指標的分析，只是要分析多個原子指標了。
就拿點擊率這個指標來講，如果點擊率下降了，我們會先看一下是否展示數大幅上升了。如果確是如此，我們再看是否我們向更多無關的人展示了廣告？
如果被展示的群體並沒有太大的區別，或者展示的環境並沒有太大更改，我們會去看為什麼展示數是固定的情況下，點擊數卻下降了。
決策樹（Decision Tree）
綜合來講，在充分細分發現差異點後，我們會發現發生顯著變化的那個指標。就如上麵點擊率的分析，無論是原子指標還是計算指標，我們都會形成一個決策樹，這個決策樹會抽絲撥繭、層層遞進地去分析成因。
這個決策樹需要我們的經驗和長時間的自我總結。有時候我們甚至會覺得數字分析人員和醫生問診很像。除了“哪裡不舒服”，醫生經常問“最近吃了什麼”，“去過什麼地方”，“周圍有沒有人得病”。這些問題是針對外部的影響因素。而“驗個血常規”，則是對相關的指標定量地進行分析。
舉個例子在SEM中，某個關鍵字廣告的展示數下降了。首先我們會考慮，是否廣告預算足夠？然後我們看我們的出價是否夠高？這個問題包括了競爭對手的出價。如果這些都不是，讓我們會看一下這個詞的搜索量有沒有下降？我們還會看一下自己的推廣中還有沒有其他關鍵字和這個關鍵字產生了競爭關係。
這個決策樹是一個推衍的過程，決策樹有多少分支取決於分析人員對指標的理解。
所謂參照（Benchmark）和效果（Performance）
介紹到這裡我們還沒有提到一個重要的概念——參照（Benchmark）。在數字分析中，Benchmark的選取有著非常重要的作用。沒有這個參考數或者說標準數，我們就無法判斷這個數值到底是高還是低是好還是壞了。許多數字分析人員經常喜歡用上一周期的數據和現在這一周期的數據來進行對比（所謂“環比”），其實其中會產生許多問題。最常見的是兩個問題：
- 週期過短。比較兩個相鄰周本身就包含了太多波動（Fluctuations）
- 事件（Incident）和季節性（Seasonality） 。如一季度和二季度存在明顯差異，一些事件如雙十一、世界杯也會影響表現
在我們的實踐操作中，根據不同行業和規模，我們會適當選取最小周期。對於一些中小企業，週變化往往沒有太多營養，因為數值上的波動是再尋常不過了。特別是當數值非常小的時候，倘若這一周只有幾十個轉化，因為這個數值的基數小，當它產生變化時變化幅度的百分比會很顯著。另外，我們傾向於選取和我們要考察的周期非常相似，環境非常相似的周期作為對比。如去年十一黃金周對今年十一黃金周（所謂“同比”）。
和不同時間段的歷史效果比是常見的方式，其他當然還有和“別人家的孩子”比，優點是宏觀環境相似，但是缺點是微觀環境以及對方的條件很難確定。
這裡的效果並不是指轉化率高，它不是一個純計算指標的同義詞。恰恰相反，它往往是原子指標和計算指標的組合。如果我們的ROI很高，但是收入卻很低，那麼對我們的生意無法產生有意義的積極作用。這時候我們就不能說效果好。效果也不單指一個原子指標。如果我們的收入很高，但是同時投資也巨大，反而虧本，那麼我們也不能說效果不錯。
轉化漏斗（Funnel）的概念
初級數字分析的下半場，都集中在對於轉化漏斗（Funnel）的理解。轉化漏斗，又稱轉化通道。大到客戶旅程，小到一次訪問會話期（Session）我們都可以用轉化通道來理解。雖然轉化漏斗是經典的行銷概念，但是當今的消費者習慣已經越來越複雜，和消費者的接觸點也越來越多，我們的轉化漏斗已經變成了一個錯綜複雜的網絡。
轉化率優化中的轉化漏斗在多個轉化的過程，從一次展現轉化為一次點擊（CTR），從一次點擊到一次訪問（Reach %），Freemium服務中從一次訪問到一個註冊（FCR – Free Conversion Rate），從一個註冊到付費（PCR – Paid Conversion Rate），每個轉化過程都存在一個轉化率。
漏斗的概念相當重要，這是從一種行為定義的群體到另一種群體定義的群體的過程，這個過程會產生一個計算指標。你可以把每個這樣過程看成一個個漏斗，這一個個漏斗就會變成一個大漏斗。
熟悉轉化漏斗不單可以幫你理清一些相關的原子指標之間的關係還可以幫你理解各個轉化率的意義。
總結一下
台灣的數字行銷的人才市場中數字分析人才稀缺，該現狀在背後有一個深層次的原因，那就是數字分析的技能並不能通過培訓而獲得。必須將自己長期沉浸在數字商業的環境中，對數字有敏感性，這樣才能培養出或者成長出出色的數字行銷分析者。
作為入門基礎知識，不在多而在於精。如果你能夠牢牢記住本篇介紹的維度、指標、決策樹、轉化漏斗、參照和效果這些概念並在工作中結合這些概念開始真正思考，那麼相信你在數字分析和媒體分析中一定能進一大步。