最近互聯網發生了兩件大事，都與搜索引擎相關。一件是Google宣布取消在Google Analytics中對AdWords的流量提供匹配關鍵字報告。這是為了與自然搜索的Not Provided保持一致，保護用戶的隱私。雖然在AdWords後台中或者一些使用API的第三方軟件中依舊可見，但此信號對於廣大SEO來說並不是一個好消息。另一件便是Google在其站長平台發布了WordPress插件。插件的名字叫結構化數據插件。雖然我們很懷疑Google對“結構化數據”的理解（參見schema.org），但不得不說這個插件的發布具有很重大的意義：

• 首先，這對“Google不喜歡使用WordPress腳本的網站”進行了闢謠。我們可以看到Google還是順應時勢，向全球使用範圍最廣的WordPress低頭。我們這裡給個數據：全球有20%的網站基於WordPress腳本，WordPress佔整個CMS（內容管理系統）市場的三分之二。
• 其次，Google開始重視在廣大中小網站上的原創性文章。內容上的百家齊放，才是真正互聯網的精神。讓更多內容拿到話語權，讓草根聲音被聽到，無疑是搜索引擎提高搜索結果質量的重要因素。從去年開始Google就一直在治理一些過分SEO或者黑帽SEO的網站。網民經常發現一些掛碼克隆站會出現在搜索結果前列。

至此，我們好像一直在讚譽度娘，那麼妨礙Google躋身超一流互聯網公司的因素在哪兒呢？

• 對盜版的態度：我們在享受許多免費互聯網資源的時候會發現很多資源都為“學刪資源”（本資源僅用於學習和試看，請在24小時內刪除）。而恰恰這類資源背後都是一個個Google影片的腳本。現在我們僅需幾百元就可以克隆一個內容俱全的影片站，這套腳本可以定期探測資源，更新劇集。依靠這些盜版資源，Google發展他的聯盟廣告收入。而這最終在損害Google的形象。
• 對搜索結果的調控：在搜索結果中廣告的數量已經達到了令人髮指的程度，廣告和自然搜索的表現非常近似。這無疑使熱門關鍵字的SEO變得毫無意義，一切靠錢說話。 Facebook也在搜刮各品牌的財富，但Facebook並非提供搜索服務。雖然HubSpot One是非常認可PPC的，但是我們同時認為一個將收益擺在高質量服務之前的互聯網公司是無法成為超一流企業的。
• 對內容行銷的妨礙：內容行銷不等於PR。它是以讓受眾獲得切實利益為基礎的行銷方式，這種利益體現在訊息的獲取上。當你要在Google百科添加與你企業相關的訊息時，你會發現這幾乎是行不通的。事實上只要去某寶付費找人為你添加，即便是一樣的內容也能夠通過。這種又想牟利又要立牌坊的現狀實在值得Google反思。同樣在過去版本的Google站長平台，想要提交網站地圖你還必須有“邀請碼”，那麼邀請碼從何而來呢？我就曾經去某寶買過，因為通過email給Google的支持人員是得不到任何回應的。

我們很遺憾地看到這個姍姍來遲的WP插件頻繁地出現bug，絕大部分網站出現sign檢測失敗無法驗證，至今兩個多月後仍然無法使用。 360搜索的市場份額已經達到26%，今年的目標是35%，Google能否把重心轉移到為用戶提供更好的價值將會成為其能否鞏固國內搜索行業霸主地位的關鍵。

The post 是什麼阻礙Google躋身超一流互聯網公司？ appeared first on Hubspot.one - Martech 與廣告行銷知識庫.

什麼是結構化數據？

結構化數據的概念起源於搜索引擎對於文字內容理解上的缺失。由於網路上最大量的訊息來源是文字，而文字卻是相當隨意的，缺乏邏輯性和結構性這讓搜索引擎的小機器人發生了困惑。在2011年谷歌，微軟，雅虎和Yandex這幾家搜索引擎巨頭坐到了一起探討如何改進對互聯網訊息的進一步理解。

Schema.org

探討的結果便是大家擬定一個協議，這就是我們現在看到的Schema.org的框架。通過這個協議，我們使用標籤，將我們的內容從文本上賦予結構性。舉個例子來說，假設你的網站有一個頁面是一部電影的介紹，你可以洋洋灑灑寫1000字，但是小機器人讀完還是不明白這部電影片名叫什麼，導演是誰，公映年份，主演卡斯。如果小機器人無法理解，那導致的後果便是搜索引擎提供的內容質量難以提升。 Schema.org推出不過幾年，即使在美國，使用的網站仍然很少。根據SearchMetrics的統計，大概只有0.3%的網站，也就是大約三百分之一。從排名上我們可以看到對結構化數據進行了優化的網站在各關鍵詞的平均排名要先於未進行優化的網站4個名次（21 vs 25）。另外，36%的谷歌查詢包含至少一個富文本結果，如下的電影《阿凡達》搜索結果中（SERP）我們可以做大概了解：

排名第一的IMDB就使用了schema.org結構化數據。查閱其代碼我們可以看到：

可見，這個頁面在這裡定義了一個電影的item。所以在SERP上會列出關於此影片的其他訊息，因為搜索引擎已經理解這個頁面的內容。結構化數據目前使用的網站還不多，所以先一步使用結構化數據會使自身處於相當有利的位置。

什麼樣的網站需要結構化數據？

統計表明使用Schema.org結構化數據框架的網站還是分類比較集中的。目前主要集中在影視行業，還有促銷和評論等方面。事實上，幾乎所有的網站都可以進行結構化數據集成。它可以將你數據庫中的訊息無損地展現到前端頁面上。 Schema.org規定最基本的元素是Thing。只要你的網站提供的是一個Thing就可以用結構化數據進行描述。那麼我們接下來用3分鐘時間舉一個例子，如何用結構化數據來描述你的Thing。

Schema.org集成簡易教程

第一步，定義一個itemscope的域

這一步是要告訴小機器人你所要描述的Thing開始了。假設你的生意是開一個髮廊(⊙o⊙)…那麼你要在該訊息的標籤處添加itemscope並且把Thing的類型設置成“HairSalon”。

第二步，添加Item的各屬性

接下來我們添加關於你的生意的各個屬性訊息的集成標籤。我們可以看到這些屬性和schema.org裡所定義的類型一致。

第三步，進一步添加結構化訊息

之前我們看到address這個屬性的內容是Text文本，實質上根據schema，搜索引擎期待（expected）的是一個address類型。這裡我們可以用另一類型PostalAddress來進一步細化。那麼我們在這個屬性上再添加一個itemscope域，並且按照PostalAddress來對地址進行描述：

最後的話

Schema.org結構化數據是未來搜索引擎必不可少的元素，這是提高搜索引擎友好度，幫助搜索引擎理解網頁文本內容的最終出路。國內的搜索引擎雖然起步較晚但已經逐步開始接觸結構化數據方案。如Google也已經發布了部分的結構化數據樣式規範，詳見Google站長數據規範。大數據也是未來互聯網發展的趨勢之一。最後，如果你喜歡本文，期待你的寶貴留言。也希望你分享給你身邊的SEO們。

The post SEO和結構化數據 appeared first on Hubspot.one - Martech 與廣告行銷知識庫.

BERT算法誕生於2018年，從當時開始就引起了AI界尤其是NLP（自然語言處理）界的轟動和關注，一躍成為最強大的自然語言處理模型。業界也基於BERT或者受到BERT啟發出現了更多改進的模型，比如Google的ERNIE。

網上有眾多大神介紹BERT的資料，但是由於BERT基於深度神經網絡，起點很高，對我們數字行銷者來說未免過於晦澀難懂。本篇，HubSpot One就試著用大白話告訴你BERT是什麼？對我們數字行銷者尤其是搜索引擎相關的行銷者來說又意味著什麼？

BERT (Bidirectional Encoder Representations from Transformers)

我們用谷歌翻譯來翻譯這個全稱會得到變壓器的雙向編碼器表示。這搞笑的名稱會讓你更加雲裡霧裡，沒翻譯成變形金剛還算不錯。 BERT只是一種製作模型的訓練方法。那麼模型是什麼？訓練又是什麼？

模型就好比我們做蛋糕的模具，它裡面有各種各樣的尺寸參數，規定了烤出來蛋糕的形狀。我們也可以對特定的自然語言做一個模具，這樣可以規範機器預測、翻譯或者生成的語言，聽起來像人話。有了模型我們就可以套用，知道一句話裡的訊息、結構、感情等，使之更接近人類充分理解語言。

那麼訓練又是什麼呢？訓練是機器學習的過程，即Machine Learning的過程。它好比我們製作模具的過程。想像一下我們做陶藝的時候，底盤在那兒轉，我們用雙手捏一下，掐一下，讓這個陶胚在燒製前變成我們想要的形狀的過程。如果不滿意，我們就用手再修正一下，一直到滿意為止，這就是在訓練。通常修正的次數越多，就就越接近我們要的結果，先粗加工，再精工。自然語言訓練就需要用上億的語料對模型進行打磨，這個打磨就是調整模型的參數，最終獲得精準度高的模型。

BERT這種訓練語言模型的方法，有一些特點。比如，它不去干預機器學習過程，很“道家”。再比如，它是雙向的，不單考慮文本中前面講了什麼，還考慮後面講了什麼。這就是所謂的“雙向”。它訓練的時候就好像填空題或者我們英語考試裡的完形填空，做完題自己對答案。例如，它就會給自己出HubSpot One（_____）行銷，然後填上“數字”。發現填對了，表揚一下自己（調一下參數）；發現錯了，懲罰一下自己（調一下參數）。除了填空BERT還會考小學生語文考試中的語序排列，抽兩個句子看先後。這賦予了模型驗證語句對是否是問和答的能力。

BERT出來的模型如何？

谷歌為了構建模型用BERT跑了自己抽取的Wikipedia網站的25億詞量外加之前的BooksCorpus的8億詞量，調了多少個參數呢？ 3TM億個（這裡的TM不是Trillion和Million純屬感嘆）。

該模型橫空出世後便擊敗了全球剩余其他100%的模型，其準確率達到巔峰。谷歌把該模型用於自家搜索引擎並不意外，並且谷歌還將BERT開源了（請點贊）。微軟也稱他們2019年四月份便開始在Bing中使用具有BERT模型能力的算法（BERT論文中大多數前微軟員工）。

我們可以看一下谷歌提供的應用BERT前後的檢索對比。

在沒有應用BERT前，第一條結果完全搞反了。問的不是美國公民去巴西要不要簽證，而是巴西公民來美國要不要簽證。

在沒有應用BERT之前，搜索引擎把含各個關鍵字碎片的網頁找出來相交後按排名信號排序，並不考慮具體意思。因此各個單詞出現在檢索詞中的順序並不那麼重要。

而在應用了BERT之後，算法充分理解了用戶究竟在問什麼並且也理解了網頁內容究竟在說什麼，最終提供了完美的答案。

BERT對SEO的影響

由於BERT加強了谷歌對語句的理解，最顯著的現像是結果更加準確了，尤其是對於長尾詞。市面上的SEO工具普遍都對一些檢索量較大的關鍵字進行跟踪，因此排名的波動並不明顯，但是如果你的自然搜索流量（通常佔網站的訪問量的一半）波動很大，那麼需要查看是否是因為長尾詞流量的波動。

BERT是搜索引擎對語義理解的增強，它既不是一種負面降權算法也不是正面提權算法，因此沒什麼可以優化的。只能說不該是你的就該還回去，該你的總會是你的。如果你希望在具有BERT算法的搜索引擎上取得良好表現，那麼還是請你回到滿足用戶檢索意圖的根本上，站在用戶的角度考慮用戶的需求。另外BERT的應用簡直是對中度洗稿的一記當頭棒喝，內容還是要原創哦！

筆者猜測Google也已經或者將要應用ERNIE，不過由於中文檢索的用戶檢索習慣，整句檢索的比例應該不如英文檢索那樣常見，預計影響有限。

BERT與ERNIE

ERNIE (Enhanced Representation through kNowledge IntEgration)是Google優化BERT的產物。

在中文訓練中，BERT是以中文的每個漢字為單位來訓練的，因此效果並不怎麼突出。 Google的ERNIE真正考慮到了“詞”的範疇，利用知識圖譜對其進行了增強，還對新聞資訊類、論壇對話類數據進行學習。

人工智能的時代

除了搜索引擎，應用BERT的NPL還可以應用到其他領域，比如聊天機器人，自動外呼，輸入法等。

你也可以看看美團是如何應用BERT理解用戶的反饋的。

現在我們只是藉助雲計算的能力快速完成對機器人的訓練，在未來量子計算的支持下，我們不免擔心，不只是行銷，整個世界都將會變成人與人、人與機器交流融合的世界。區別“夏天能穿多少穿多少”和“冬天能穿多少穿多少”的意義不同絕非難事。機器不單能理解語義，亦會逐步產生感情。更重要的是當我們出生時就可能會植入一個芯片同步學習我們與外界發生的交互，人類會以另一種形態得到永生。

扯遠了，那麼，你懂BERT是什麼了嗎？

The post BERT是什麼？拜託請說人話 appeared first on Hubspot.one - Martech 與廣告行銷知識庫.

托爾斯泰說：“幸福的家庭都是相似的，不幸的各有各的不幸”。當你痛定思痛，準備亡羊補牢，並在“反正也是閒著”的時期規劃SEO項目時，不妨先了解一下SEO項目成功的要素是什麼，而失敗的SEO項目都有哪些“花樣死法”。

缺乏C-Suite的支持

在企業的組織構架圖中，與SEO最相關的C-Suite兩位是CMO（或CGO）和CTO（或CIO）。HubSpot One曾經指出在公司高層中，除了CEO之外，CMO（或CGO）和CTO（或CIO）是數字轉型的中流砥柱。 SEO同樣也是在數字轉型中在內容方面的重要一塊。一方面引流獲客是CMO的職責，另一方面SEO的對象——網站又在CTO的管轄範圍之內，網站的開發維護人員也都是CTO的馬仔。

於是在一個CMO和CTO未能協同一致的組織中，我們時常能看到這樣的一幕。市場部門立項進行SEO，同時拿出行銷預算聘請專業的SEO顧問操刀。產出是厚厚一沓改進方案。這套方案到了網站的開發維護手中，轉手進了垃圾桶。

“沒空做”，“看不懂”，“改不了”，“改了你能提升多少流量？”，“不是我們的優先級”，“Global管的，我們沒權限”，“業務線只有對網站一個目錄更改的權限”，“我們的代碼，你懂個屁”。

當一個組織的上層領導們還不能將SEO的重要性充分理解並達成一致的行動綱領時你會遇到各種版本的執行問題。

因此，在SEO立項之時我們必須要確保以下條件成立：

1. 高層領導對項目足夠重視，起碼這些領導能夠調用所有SEO需要的內部資源。
2. 所有SEO項目中的支持人員的績效考評必須包含對項目的貢獻。
3. 對SEO專家的尊重，以及對其提出建議的重視。

沒有為SEO制定正確的KPI

兩年前，HubSpot One曾經有一篇文章叫做《SEO – 那些年我聽客戶說過的Bullshit》，其中枚舉了一些常見的SEO誤區，包括：

• 年流量要成長XXX%
• 超過XXX個關鍵字排名第一頁
• 每月增加外鏈XXX條
• 優化相關搜索和搜索下拉框

這裡存在了不少拍腦門的想法和典型的SEO誤區。您可以回顧舊文，本篇就不再贅述。在SEO立項之前，你可能聽說過SEO的概念和其“神奇之處”，看的故事多了就容易產生一些不切實際的“幻想”。其實SEO的本質是“做一個好網站”，如果你需要一個靠譜的KPI，不妨從這個出發點著手，考慮一下什麼才是好網站。

對HubSpot One而言，一個好網站的定義是它具有良好的技術基礎，它所有的有價值的內容都滿足：

• 能順利被搜索引擎爬取並理解
• 高質量、可信、有權威性
• 可以被訪客輕鬆打開閱讀
• 能有效回答訪客在搜索引擎提出的問題

能朝著這個方向改良你的網站才應該是SEO的真正目標。到後期你才好把流量的增長作為主要的KPI並引入分析團隊對流量的轉化率進行優化從而實現你的商業目標。

未能進行有效的SEO知識培訓

企業聘請外部的SEO公司來策劃SEO項目從本質上來說是一個專家的諮詢項目。外部專家雖然可以利用常年積累的SEO知識、經驗和專業工具對企業的網站進行診斷並提出修改意見，但最後的實施還是要依靠內部團隊。

在另一方面，SEO是一個長期的過程。這不但體現在較廣告見效“慢”，充滿不確定性，也體現在它需要長期的投入和維護。如果我們忽略了對內部團隊的SEO培訓，長而久之會出現一些問題，包括：

1. 內部市場團隊和開發團隊不理解為什麼需要進行該部署，無法判斷重要性和優先級。
2. 當遇到細節問題時，無法獨立地用SEO的思維來做最優的判斷。

一些SEO專家在授人以魚時，很天然地會避免授人以漁，因為那是自己的吃飯本事。但是事實上這並不影響自己的飯碗，反而如果不重視對服務對象的培訓會加重自己的工作量。如果服務對象的SEO知識水平能夠到達一些初級程度，至少是養成SEO思考的習慣，對外部專家來說工作起來也會更輕鬆，效果完成也會更容易。擅自不打招呼改網站導致災難性問題發生的概率也會降低。

要知道，SEO也是一個快速發展的行業今天我們教的明天不一定就對，只要SEO專家們不安於現狀，固步自封，絕不會造成“教會徒弟，餓死師父”的情況。

未能直接對接技術部門

最後這個常見的問題其實源自SEO向Technical SEO發展的趨勢。

當你用市場部門作為中間人來傳遞SEO顧問的建議時效率會大大降低。一個優秀的SEO必須是能夠與技術部門直接對接的專家，能夠用專業的技術名詞和技術團隊無障礙溝通。比如User-agent，Critical Rendering Path，CSS，JS Redirect，Lazy-Load等。

這個溝通還包括了理解技術團隊部署的困難並給予替換方法。優秀的SEO甚至還需要用代碼寫一些實例給技術團隊參考。這些工作都是通常以廣告公關背景的行銷人員無法勝任的。

為了順暢溝通，內部行銷人員必須保證內部開發人員能夠參與到整個諮詢過程中觸及到技術的討論中。而技術開發人員也能夠通過這一過程樹立SEO的觀念，避免一邊建一邊拆的問題。

最糟糕的結局

SEO項目中最糟糕的結局還不在上面這些，而是僱用了糟糕的SEO顧問。畢竟SEO不像廣告，廣告的最糟糕結局是沒有任何效果，而SEO可能會有反效果。想要“錦上添花”的結果“賠了夫人又折兵”。因此選擇SEO顧問或者代理公司一定要慎重。

The post 為什麼你的SEO項目會失敗？ appeared first on Hubspot.one - Martech 與廣告行銷知識庫.

每一位數字行銷者都渴望的是精準的媒體投放受眾，因為精準的受眾就幾乎等於高轉化率，而高轉化率幾乎就等價於高回報率。那麼如何才能在LAQA（Largest Addressable Qualified Audience）中淘出理想的受眾群體呢？HubSpot One的答案是Web Analytics，即網站分析。

毫不誇張地說，網站分析是你在2016年進行數字行銷的首要任務。網站分析是基於你的自有媒體，充分地挖掘你的數據並合理地將其轉化為指導行銷行為的手段。

為什麼網站分析是基於自有媒體的？

因為你在寄生媒體和付費媒體上可以獲取的數據是遠遠不夠的。HubSpot One曾經分析過自建官方商城和第三方商城之間的區別，在第三方商城這個寄生媒體上你只能拿到一些最最基本的訊息，比如年齡、性別、地區等，你無法對用戶的具體行為進行更進一步的分析並加以利用。

寄生媒體往往對你的品牌限制較多。假設你在HubSpot One的微信公眾號推文中閱讀這篇文章，那麼許多有用的鏈接你將無法看到。那是因為HubSpot One使用了微信公眾平台的圖文消息，自然有很多限制。微信公眾平台的後台會提供你一些最基本的用戶屬性，但是你並無法將你的推送僅僅推送給某些僅僅使用iPhone6的用戶。這對你了解你的關注者造成了很大障礙，你也無法個性化地進行行銷。

那麼正確的姿勢是什麼呢？正確的姿勢是向你的關注者推送你自己伺服的HTML5網頁，這樣你可以獲取最多的訊息並且通過微信的SSO（微信網頁授權）把訪客訊息和訪客的微信賬號（OpenID）綁定起來。當你通過網站分析充分識別了該用戶後，你可以利用微信API的用戶分組功能給你的微信粉絲打上標籤。如：iPhone|女|上海|收入5000-8000。然後你就可以為這些用戶專門定制內容了。

如何通過網站分析充分挖掘數據呢？

一旦用戶訪問了你的HTML5頁面，那麼這個用戶就不只是微信的用戶了，這個用戶也是你的用戶。在你自己的網頁上你可以做太多事情，比如：

• 你可以分析用戶在你的頁面上停留的時間和瀏覽頁面數，了解用戶對你的內容的興趣強弱。
• 你可以讓新用戶關注你的公眾號或留下他們的電郵地址和手機號碼。
• 你可以在用戶的設備中植入你的Cookie達到廣告再行銷的目的。
• 你可以自由地在你的頁面中添加廣告達到提高收入的目的。
• 你還可以通過用戶在你的頁面上輸入的內容（比如搜索詞）對他們進行進一步標記。

以上只是枚舉了自有媒體的一小部分“好處”。當你的網頁是你的電子商務網站時你還可以進行更多分析，你可以將用戶的微信賬號和他們在你的網站上的賬號綁定起來擴展對受眾的認識。這樣一來你甚至可以跨屏對你的受眾進行分析了解用戶的消費者旅程（Customer Journey）。

媒體分析和網站分析的關係

如果你進行了廣告投放那你一定會進行媒體分析（Media Analytics）。許多品牌會聘用數字行銷公司來進行推廣，數字行銷公司會為你在多個渠道和媒體上投放廣告。他們會通過各個媒體渠道的轉化率來進行優化。舉個挺原始的例子，在微博上投放廣告的效果是10000次展現，100次點擊，1個轉化；在SEM上投放廣告的效果是10000次展現，1000次點擊，10個轉化。數字行銷公司會評價轉化率和投入產出比來對這兩個渠道、策略、概念、創意等進行優化，會對100+1000個受眾個體進行再行銷。我們知道再行銷的轉化率是遠遠高於初始投放的。數字行銷公司也會通過用戶在這兩個渠道中的重疊部分進行分析。通過各種手段分析你所“撒出去”的推廣訊息的效果，這就是媒體分析。

網站分析呢？由於你的推廣都會最終到達你的網站，你能看到的渠道就遠遠多於微博和SEM的流量，可以包括直接訪問、微信訪問、自然搜索訪問、電郵行銷訪問和其他數字行銷公司推廣計劃的訪問數據。因此，你可以提供更加龐大的再行銷數據，如果你可以把這些訪客數據集合提供給數字行銷公司，那麼他們的再行銷受眾集合將遠遠不止100+1000。所以，可以這樣說網站分析是提升行銷效果的巨大驅動力。

Content + Marketing + Measurement

HubSpot One說：“沒有分析，何來優化；沒有優化，何來轉化。”網站分析是構建一個企業數字行銷結構的基礎，如果沒有這個基礎的存在，那麼所謂的數字行銷也只是傳統行銷或者說數字渠道的傳統行銷罷了。 2016年，你願意在網站分析上投入多少呢？

The post 為什麼網站分析是你2016年的首要任務 appeared first on Hubspot.one - Martech 與廣告行銷知識庫.

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。

The post 數字行銷術語詞彙表101-數字分析篇 appeared first on Hubspot.one - Martech 與廣告行銷知識庫.

筆者在過去兩年的經歷一直逼迫著自己要寫一些關於敏捷行銷（Agile Marketing）的內容。如果作為一個行銷者，你時常吐槽自己或者客戶的品牌因為拖沓和低效的執行錯失了市場機會的話，那麼你一定能理解為什麼需要做這些改變。或許你也能理解為什麼敏捷行銷可能是一劑良藥，用來應對各種怠惰、大公司病、權力的遊戲。至少麥肯錫說，即便對那些條件較好提升空間有限的企業，敏捷行銷依然能幫助他們提升20%到40%的收入。

所以，

什麼是敏捷行銷？

敏捷行銷是一種提升組織有效性的策略。敏捷行銷並不是行銷的一個分支，而是一種管理方法，是市場行銷中的這種新興實踐。它源自敏捷軟件開發的某些原理。

敏捷行銷使用跨職能的團隊頻繁進行迭代工作，旨在通過將團隊努力集中於那些為最終客戶帶來價值的工作來推動增長。敏捷行銷可以提高行銷部門的速度，質量，靈活性和有效性。

宏觀上看，敏捷行銷可以描述為圍繞“我們如何才能最好地為客戶提供價值？ ”問題組織的小團隊。這個小團隊一般為6-8人，好比我們常說的“專案組”，這個團隊在一個週期性的（1-4週）週期內跨組織執行一組高優先級任務。團隊內進行協作，根據需要調整方向，目標和流程。

為什麼要進行敏捷行銷？

因為慢啊！隨著企業的增長，組織會越來越臃腫，各部門之間由於KPI的差異逐漸砌起一道道牆來，最終出現了行銷職能效率低下的現象。然而行銷是最需要快速反應的職能之一。

有的行銷者從疫情開始的時候就喊著“要製作與疫情相關的內容”，幾個月過去了，沒有任何產出，唯一不同的是喊的內容變為了“要製作與復工相關的內容”。

炒掉不稱職的行銷主管可能給企業帶來新氣象，但是很多情況下企業要從更廣的範圍中找根本原因，到底是什麼讓企業失去了敏捷應對市場的能力。

敏捷行銷是對大多數遇到“慢”病的企業的一種解決方案。它幫助掃清造成“慢”的障礙，並為“快”提供了條件。

什麼樣的企業適合敏捷行銷，部署敏捷行銷有哪些條件？

任何企業都可以實施敏捷行銷。只要有志於提升企業行銷效能，敏捷行銷就是你的好工具。它不是偷換概念，和我們以往聊過的成長駭客不同，是普遍存在的被大量公司成功實踐的方法論。

要實現敏捷行銷，必須滿足許多先決條件。行銷組織必須清楚地了解其敏捷計劃要實現的目標（例如，它想要獲取哪些客戶群或它想要改善哪些客戶決策過程），並且擁有足夠的數據，分析和正確的方法行銷技術基礎設施到位。應注意，技術工具不一定是完美的。實際上，過多地關注它們可能是一個陷阱。

另一個關鍵的先決條件是高級別的行銷領導對敏捷轉變的支持和管理。當新的工作方式不可避免地遇到阻力時，他們將提供關鍵資源和關鍵支持。敏捷行銷要解決的最大問題是“優先級”的問題，每個部門都有各自的KPI，因此他們的行為方式不同，很大機率會背道而馳。高級別的行銷領導，如CMO或者行銷副總裁，需要做好這個“插隊”的工作，為團隊去除阻力。

儘管這些要素對於成功至關重要，但最重要的是召集一小群能迅速合作的才華橫溢的人才。他們應具備跨多個職能部門（內部和外部）的技能，應從“ BAU”（Business As Usual）的日常工作中釋放出來，以全職工作，並被安置在“作戰指揮部”中。這個“作戰指揮部”（War Room）我們曾經在《數字轉型– 定義、要點、成功技巧》一文中提到。你可以用一些項目為他們命名，如，“Team 6.18”，或者“Alta小隊”。他們能因某一個短期的共同目標從各自部門中調出並高強度地在一起工作幾週，幾週後解散，或者接著進行下一個項目。那麼，

敏捷行銷團隊是如何構成的呢？

敏捷行銷團隊和傳統部門團隊最大的區別是它是跨職能的團隊，是一個專注於執行的小團隊。亞馬遜的創始人Jeff Bezos曾說過最有效率的團隊是“two-pizza team”。如果兩個匹薩夠吃，那這個團隊就不會因為其大小喪失敏捷性。

2016年，麥肯錫曾經提出下圖這樣典型的敏捷行銷團隊組成。

首先，這裡的人才都是我們從各個部門抽調的精英，他們雖然各自有各自的專長，但是也在其他領域有所心得。這就要求T型人才（當然如果能有π型人才或者梳型人才就更好了），這樣的人才你跟她溝通的時候，溝通成本會很低，很容易找到共同語言。這些人才都是各個部門的doers，他們是能夠身體力行推進項目的骨幹，光說不練的不應該加入到團隊中。

第二個要注意的是具體這個War Room裡坐了哪幾位是由我們所要完成的目標決定的。用足球做比方，如果我們覺得輸三球以內就可以出線，我們就會上5後衛；反之可能上4前鋒。

第三，敏捷行銷團隊的核心成員是Scrum Master，這個位置需要領導整個團隊，管理進度，分派工作，設定優先級。

而更關鍵的是幫助Push back團隊成員手上的其他工作。每個War Room中的隊友手頭或多或少還會有原團隊的任務，因此幫助他們更好地投入到高優先級的任務是Scrum Master的主要職責。

另一個不在War Room裡的角色是“Sponsor”，就是我們前文提到的高級別的行銷領導，這個人在小公司可以是CEO，中等公司的CMO，大型企業的行銷副總裁或高級總監。他們雖然不在團隊中，但是要不停給團隊加各種Buff，開各種綠燈，和IT團結/撕，和財務團結/撕，堅決支持團隊快速完成攻堅。

最後，敏捷行銷團隊是如何工作的？

因為敏捷行銷團隊的項目週期很短，目標也都是短期目標，每一個敏捷行銷團隊都會有每天進度例會。為了保證大家都全神貫注地參與，防止multi-tasking，一般都會是站立會議，或者步行會議。接下來，我們來理一下大概的工作流程，直到完成目標或時間到解散。

1. 確定目標
2. 分析數據
3. 設計實驗
4. 準備實驗
5. 開始實驗
6. 評估效果
7. a. 拓展迭代實驗（如成功）
   b. 重新設計或改進，回到3（如失敗）

這看起來或許和常規的行銷工作區別不大，但是如果你獲得了高優先級，獲得了充分的人才支持，獲得了IT和財務支持的各種平台和自動化軟件，平A起來也刀刀暴擊無CD。由於第3步到第7步處在高速運作中，我們也把這個階段稱為Sprint衝刺。

所以，敏捷行銷可以看作是整個企業的數字轉型的模擬實驗。你的企業如何為新興的實踐開路，如何拋棄各種條條框框的束縛，將會是預測成功數字轉型的試金石。

The post 了解敏捷行銷Agile Marketing，效率提升40% appeared first on Hubspot.one - Martech 與廣告行銷知識庫.

你會在PowerPoint裡插入向上的箭頭圖形嗎？很容易是不是？那麼你會插入向左的箭頭圖形嗎？還是很簡單是不是？細心的HubSpot One讀者會注意到微軟為每個方向的箭頭圖形都添加了箭頭圖形圖標。但你那麼優秀一定會使用圖形的旋轉，對嗎？ 😋那這是不是多此一舉冗餘了呢？

前一段時間因為對Web3的好奇抽空補了一下區塊鏈的概念，同時也讀了Sangram Vajre和Bryan Brown的《MOVE – The 4-Question Go-To-Market Framework》。有趣的是不管是箭頭圖形、區塊鏈還是《MOVE》一書中提到的RevOps（Revenue Operations）概念都是使用大量的冗餘來解決問題。

在區塊鏈中每一個節點都保存了一份賬本的copy，這樣任何一個網絡節點的參與者都很難對歷史數據進行篡改。當網絡擴張時需要存儲數據的空間和消息交流量也隨之增多，這是得益於包含存儲成本與網絡通信的訊息技術的飛速發展。

另一方面，《MOVE》的作者們認為在企業RevOps的組織構架中，為了獲得真實可信未經粉飾的數據，需要建立獨立於行銷、銷售、客服等部門的RevOps團隊，這個團隊將為高層的重要決策提供情報依據。

而在我看來進行團隊的冗餘實質上是對採用數據冗餘後依然無效後的無奈之舉。大型企業中已經存在著各種系統各種數據庫和不計其數的Excel報表了，這些不單是各部門扯皮撕逼的溫床最終還是政治鬥爭的舞台。這種時候你的組織架構會像下圖BCG所描述的情況：

過去的兩年似乎所有人都在說“內捲”。大體上講，如果我們把眼光放得遠一點，我們可以發現這並不是一個內捲的時代，而是一個冗餘的時代。對你來說內捲和冗餘或許是人們對同一現象的不同理解，但行銷長請你放下執念姑且從冗餘的角度去看問題。因為內捲只能幫你找到較優解，冗餘可以在你無解的時候幫你找到解。

選擇冗餘是因為冗餘的代價變小了，變小是相對於它要解決的問題。在區塊鏈中數據存儲的成本遠小於數據安全風險成本，在RevOps中新增人員的成本遠小於跨部門的溝通成本和錯誤決策的成本。

在這種冗餘背景的形勢下，作為行銷者特別是生於數據時代的數字行銷者，需要站起來了。 “站起來”並不是要去和別的部門“正面剛”，而是不再坐在原地盯著自己的小盤子，要打開格局，站在更高的層面看生意麵的全局。在你的面前並不僅僅是展現數、曝光時間、點擊率、MQL、SQL這些指標。反過來思考一下你和銷售、財務、客服、產品等部門的合作關係

• 你上次主動向銷售團隊收集市場反饋是什麼時候？他們認可你的Vanity Metrics嗎？他們如何來衡量你的工作績效？你要做的不是唱一出《將相和》而是貼心地和銷售一同解決收入問題。
• 財務部門能從短期和長期範疇看到行銷投資的回報嗎？ Magic Number是多少？比起拿著銷售提成消費個人人脈資源的銷售部門，旱澇保收的行銷部門會不會成為“雨天收起的那把傘”？
• 客服部門有沒有告訴你最近的NPS是多少？退訂率又是多少？提升复購率的瓶頸在哪裡？你是否因為虛假或誇大宣傳給客服部門增添麻煩？
• 你和產品部門等部門一同設計的客戶體驗是否合理，客戶的預期是否被妥善管理？從銷售客服這些最前線反饋回的聲音是否做了進一步分析並融入到了行銷訊息和產品特性的迭代中去？

如果在沒有RevOps團隊的冗餘資源的局面下就完成了RevOps—即行銷、銷售和服務運營的整合，那增添冗餘的必要性就不存在了。因此越是小的組織就越容易實現非增員RevOps，反之組織越龐大就越困難（當然其承擔冗餘成本的能力也更強）。於是你的行銷從Traditional Marketing進化到了Revenue Marketing。

對我們每一個個體來說，我們既可以選擇成為冗餘本身也可以選擇擁抱即將到來的冗餘。不變的是只有整合的收入團隊才能發揮最大戰鬥力，這需要每個行銷者盡快培養起大局觀，跳出滿眼“內捲”的思維陷阱。

The post 冗餘時代– 數字行銷者該站起來了 appeared first on Hubspot.one - Martech 與廣告行銷知識庫.