【前言】这个问题是我们的QQ群上被最常问起的问题之一，事实上也是我的客户经常问起的问题之一。这是个非常复杂的问题，不在于提出问题本身，而在于解决问题的可行性一直困扰着从业者。这篇文章，将讨论线上营销对线下行动影响的几种类型和目前的解决方法及仍然存在的困扰。这是这个主题的上篇，下篇请见：线上营销对线下行动效果的监测（下）。

【正文】

今天的这个话题是一个新的挑战，坦率说，在这个领域我所知有限，且一直抱有畏惧，但这是一个无法回避的话题，如果你要做网络营销，你的老板就必会问你最终带来了什么样的效果。这个效果，对于很多非直接在线交易的商业模式而言，实际上意味着受众受到网络营销影响而在线下所采取的行动。这，不是单靠网站分析工具可以监测到的了。因此，网络营销界的实践者们，尝试了各种方法来试图解决这个问题，并将在未来的数年持续探索下去。

这篇文章无法总结他们的探索，而与之前的文章类似，只是谈谈我的理解和实践，希望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

线上营销对线下行动产生的效果分为多种类型，按照从比较初级的影响到非常强烈的影响，可以分为四个层次，如下所示：

• 对产品留下印象（Awareness）
• 对产品产生好感/潜在购买可能性（Preferences）
• 提交购买意向、试用，或拨打咨询/询盘电话（Leads）
• 产生实际线下的购买行为（Purchase）

一般而言，线上营销（Digital Campaign）的最终目的一定是实现Purchase，但Purchase的实现有时需要较长周期，而且从Awareness到Purchase的整个环节中整个损耗很大，因此，Campaign如果能够实现Leads或者Preferences，或者仅仅只是对消费者留下了印象（Awareness）也是不错的。这样，人们对Digital Campaign效果的评价也就不仅仅限于查看最终的实际购买，而同样关注从Awareness到Preference到Leads最终到Purchase的全过程。

Awareness的效果监测

Awareness是指受众对广告所宣传品牌/商品的认知。根据我以前在Agency负责监控digital campaign效果的经验，Awareness的监测主要是依靠广告曝光数据（Impression）。但是，Impression是一个非常弱的度量（在国内，我已经很多次表示了对这个度量的“鄙视”了 :），很难带来什么有价值的insight，因此，我们需要一些更好的办法。

这里，我要特别感谢我以前的客户，凯男和许飞，他们在这个领域提出了非常好的解决方法，也要特别感谢Tenly（邬剑）同学，他在扩展这些方法上提出了非常好的见解。所以，我这里总结这些方法如下：

• 广告Impression/Click数
• 广告推向网站的Visitor数量
• 软文总被阅读数（软文PV）/评价数/回复数
• 产品或者品牌关键词搜索量的增长幅度
• 产品或者品牌关键词的搜索引擎结果的增长幅度
• Social Media的分享/转发数量
• 调研问卷直接统计
• 口碑监测

这些方法有些容易，有些略难，但的确都是目前能够实际实施的Awareness评价方法。其中，广告推向网站的visitor数量我一直比较重视，但是，由于疯狂的作弊的存在，这个数值现在受到了严峻挑战。但是，网络营销效果分析师不能因此而被难倒，去伪存真不就是我们的工作吗。因此，我们应该把这个visitor的数量改为Qualified Visitor（靠谱的visitor）的数量。Qualified Visitor = Campaign Overall Visitor × Bounce % × Stay longer than 30sec % × Other criteria。

软文总被阅读数是另一个常用的评价方法，软文对于很多广告主而言，都是性价比比较高的方法。总被阅读数是指除了软文发布媒体上的软文page view数量之外，以及其他所有的转载的总的page view的数量。不过，有意思的是，我却建议用另外一个数量——软文有效阅读数 = 软文总被阅读数－软文在原发布平台上的阅读数量。为什么用这个数量呢，咳，因为媒介本身的那个数据实在是不能尽信啊，干脆不信了。软文总被阅读数怎么统计呢？我自己用精确和模糊两种方法。精确方法，首先用百度搜索全部文章，然后点击进入手工记录各个转载文章提供的统计数据（一般都提供）。这个方法麻烦，但是能够尽量做到精确。模糊方法，就是在软文中设置一个Google Analytics（或者DoubleClick等工具） 的1×1像素的透明图片，然后祈祷其他媒介在转载的时候把这个图片也一同转过去（但是几率比较小），然后根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。基本上，这个方法能够告诉你个大概，但肯定不精确。如何添加这个透明图片的方法请见这个文章的前几段。

产品或者品牌关键词搜索量的增长幅度，这个是我青睐的方法。使用方法简单，用Google Insight或者Google Trends即可。Google官方告诉我们，Google Insights和Google Trends使用相同的数据来源，但Google Insights拥有更多更全面更高级功能。

这个工具特别适宜于那些新出现的商品/品牌，例如Intel的Core i5，但是对于那些无法跟竞品区分搜索关键词的就不适用了，例如“无痛人流”。所以，建议一个新的digital campaign，值得喊出一个响亮好记的新名称。

产品或者品牌关键词的搜索引擎结果的增长幅度，直接在搜索引擎中加引号搜索即可。这个增长幅度同样代表着人们对产品/品牌awareness的增加。

Social Media的分享/转发数量，这个度量对进行social media marketing的digital campaign非常重要，但如何获得这个值其实比较困难。对于Twitter或者Facebook，其实有API开放，所以第三方统计软件多如牛毛，而更高级的合作——例如2009年5月Omniture和Facebook的合作——则可以让数据统计更深入更强大。但在我们国家这些就成了问题，一方面，Facebook进不来，进来也是“非死不可”，Twitter就不用说了，大家致哀。另一方面，国内最成功的新浪微博也还没有做出什么好的用于数据统计的API，人人网开心网也没有。你可以手工统计，但我更愿意静待将来。

调研问卷统计，这绝对是万能方法，但也是最耗时，自由度最低的方法。不仅仅对于awareness，对于Preference，也同样适用，所以放到后面讲。

口碑监测，与调研问卷统计类似，也放到后面讲。

Preference的监测

Preference比Awareness要更难评估，我甚至认为，它是最难评估的。因为它反映的是人的内心的活动。人内心的活动可以外化为行为，但却不可反推。譬如说，我觉得难过，我不一定哭泣，即使我因为难过而哭泣，却不可以说我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”有误差。同样，Preference的评估虽然可以有一些间接通过行为（例如推荐给朋友，收藏等）来衡量的方法，但误差很明显。

评价Preference的相对可靠的方法，是直接发问，问受众的内心感受，这就是调研。也正是因为调研可以直接询问受众的内心感受，因此调研方法也同样用于研究受众的Awareness。

在线调研

调研的基本方法是将调研受众（样本）分为两组，一组是Control Group（对照组），另外一组是Exposure Group（或者称为Test Group，测试组），Control Group被通过技术方法控制不能暴露在广告下，而Exposure Group则被肯定地暴露在广告之下。

例如，AdIndex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Millward Brown公司）

上图是在线调研的基本方法，A组被确定暴露在Campaign广告的创意之下，而B组，则被控制肯定没有看到广告（控制方法是什么？其实很简单，例如在campaign发布前就进行一次调研，那么对照组的受众肯定不可能看到广告）。

如果要评价一个Campaign网站对访问者preference的影响，同样可以利用这个方法，只是保证对照组的受众在对答卷前没有访问这个网站即可。

对于上面Campaign网站的问卷，你可以自己通过设定网站的程序来实现一部分访问者在访问你的网站之前就填写问卷（对照组），而另外一部分则在离开网站的时候再填写问卷（曝光组）。如果你不愿意自己编写程序，国内也有第三方服务提供类似功能，例如MillwardBrown，或者精硕科技的AdMaster。你也可以利用免费的4Q问卷，它也提供自定义的问卷（虽然题目数量有限）。

对于利用问卷调研preference的方法，有两个地方是需要特别关注的。其一，问卷内容的设计；其二，回收有效问卷答案的数量以及由此影响的统计学意义。这里不敢多说，因为，我在这两个领域都还是一个完全的newbie 。

最后，为大家展示一个问卷调研答卷统计的实际例子：

这个问卷是对网络游戏玩家的一个调研，其统计结论分为几个主要的部分，包括awareness、motivation（购买动机）、relevance（相关性）以及preference。可以看到，曝光组在大部分环节都表现不错，说明campaign对其产生了一定作用。但比较让人遗憾的是，sample size略少，是否能够代表普遍受众的情况存疑。

Preference的另外一个监测方法是利用口碑监测，这个绝对是目前前沿领域，而且也是一道挺难解的题目，尤其对咱们汉语。

口碑监测

口碑监测不如问卷调研直接，但是口碑同样反映了受众（主要是网友们）对品牌的awareness和preference的感受。口碑的重要性在于，如果一个网友直接在网络空间中反映了对你的品牌/商品的关注/喜爱/憎恶，那么他不仅可能代表相当一部分网友的意见，也可以迅猛地影响其他人的意见。我自己的消费大量通过网络完成，而且负面口碑对我的消费影响更为重要，我相信大部分消费者都是如此。

在“Sidney的IWOM监测与分析：理解和实践”一文中，我谈及了IWOM监测的实现方法，但是实际上对于分析的所言有限，因此，会准备再开一个帖子谈我对IWOM分析的理解。这里我想提及一点，即IWOM分析中的一个关键度量——调性比（sentiment ratio）。

调性比是指在关于某次Campaign的口碑中，正面口碑和负面口碑之间的比例以及正面口碑、中性口碑和负面口碑各自所占总体口碑数量的比例。例如正面口碑有10,000条，而负面有1,000条，那么sentiment ratio=10:1。这个值意味着普遍受众对你campaign商品/品牌的总体preference情况。

下图是在2008年下半年的时候我做的关于主流Laptop品牌的sentiment ratio情况，Neg.表示Negative（负面）的数量，Neu.表示Neutral（中性）的数量，Pos.表示Positive（正面）的数量。在那时，令我惊异的是，Lenovo竟然获得了最高的调性比，而HP的表现则相当不佳。一年多之后，HP的“蟑螂门”事件爆发让它浑身是口亦不能辩，让我觉得，当时的调性监测还是很有道理。:)

【前言】这个问题是我们的QQ群上被最常问起的问题之一，事实上也是我的客户经常问起的问题之一。这是个非常复杂的问题，不在于提出问题本身，而在于解决问题的可行性一直困扰着从业者。这篇文章，将讨论线上营销对线下行动影响的几种类型和目前的解决方法及仍然存在的困扰。这是这个主题的下篇，上篇请见：线上营销对线下行动效果的监测（上）。

【正文】

上回文我们说到了线上营销对线下行动效果影响中的两类：awareness和preference，本回我们继续另外两类：Leads和Purchase。 监测这两类比起awareness和preference的难度就要大许多了。下面写的，都是我所知的。但我所知有限，也许业界还有更好的解决方法，所以希望朋友们在文后不吝赐教。

追踪购买意向（Leads）

追踪购买意向一般有两种方法，一种是线上追踪，即让受众在你的网上直接提交对产品的咨询或购买意愿；另外一种则是线下追踪，即留下电话号码让潜在顾客致电给你。前一种的监测属于典型的网站分析的内容，而不是对线下行动效果的监测，因此本文不再赘述。而后一种在本文中则显得更为重要，不仅仅是因为它是通过线下的方式实现leads的追踪，也是因为它是人与人之间（而不是人与机器之间）的对话，因此它存在作弊的可能性要更小（当然不排除作弊，在这个世界上一切皆有可能），在国内被更为广泛的应用。

如何追踪？

线上campaign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/网站上留下的电话 —> 拨打电话 —> 产品咨询、提供购买意向或联系方式

因此，如果我们能够追踪到受众看到电话号码的源头（是看到哪一个广告或者网站而打来的电话），以及因此带来的效果（产品咨询和购买），那么无疑能够帮我们非常好的评估这些广告或者campaign网站的价值。

可是，线下的电话和线上的广告/网站是两个不同的系统，如何做才能让它们产生关联？

还记得我之前的文章吗：Direct Traffic真的是直接流量吗？如何辨识真正流量来源？在这个文章中我们提到：

• 利用多个首页或多个域名

在某些情况下，你的网站不是靠网站推广，而是靠线下推广，或者是靠互联网自发的引用和朋友推荐等。这时你已经不再可能为每个源头都做好标记，我们该怎么辨别那些自发的流量？

一个好的方法是利用多个首页或者域名来标识。例如，如果我要做我的网站的线下推广，我会呼吁那些看到我线下广告的朋友通过域名“www.wac.cn”来访问我的网站(www.chinawebanalytics.cn)，你会发现这两个URL是不同的。如果我有多个线下推广的渠道，比如电视，杂志以及楼宇广告，我会分别给他们不同的域名：“www.wac.cn/1; www.wac.cn/2; www.wac.cn/3”来招呼他们——这样尽管我在网站分析工具中的traffic source报告中不能细分他们，但我可以通过top landing page报告来细分他们，尽管不一定是100%纯净，但是已经能够做到相当精确的细分了。这种方法，不但能够帮我们打开Direct Traffic的黑盒子，也是帮助我们间接衡量线下推广的一个好方法。

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

刚看到的一个追信息泄漏的方法，适合广泛推广：注册网站我有个习惯，要求写真名的时候，注册Sina我就填袁新浪，注册Yahoo我就叫袁雅虎，注册Baidu我就写袁百度，注册Google我就改袁谷歌，报税就叫袁穗收。今天接到个电话，问：是袁建设小姐吗？我知道，建行把我的个人资料卖掉了……

同样的，如果我们能够给不同的广告和网站上刊登的电话分配不同的号码，那么，我们就能够知道这个电话是顾客看到哪个广告而带来的。但是问题是 ，我们可能要为一次campaign设置非常多的号码！！能做到吗？

国内有一个提供相关服务的公司，称为“离线通”，完全遵循这一思想。

离线通

离线通是一个目前填补线上广告和线下电话联动空白的产品，是一个非常理想的追踪由在线campaign带来销售leads的工具。

这个工具利用了电信部门提供的中继线，每条中继线能够支持1,000个电话，因此理论上能够为客户的一次campaign活动提供数千个不同的电话号码，每个电话号码可以分配到每一个campaign的广告或者不同的网页上，以使每个广告都能和一个唯一的电话号码一一对应。这使监测不同广告究竟带来了多少电话，以及带来的这些电话的质量成为可能。

在这个思路基础之上，这个产品主要实现了两个功能：其一是能够全面监测到客户电话打入的数量，并由此带来的leads和purchase；其二，则是监测电话的来源，并据此评估营销活动的效率（ROI）和效果（转化，conversion）。因此可以定位它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dashboard：

界面本身模仿了Google的方式，能够显示电话呼叫数据的趋势和平均时长等，与call center能够提供的数据相仿。

呼叫来源报告则是更有意义的报告，它显示了电话都是从哪些渠道而来的。我认为，这是这个工具的亮点，似乎更适合放在离线通的dashboard中直接显示出来。

搜索营销似乎也支持，但是我没有进行尝试，所以所有的呼叫数据都是“0”。但这个功能本身对于进行搜索营销的广告主相当具有意义。

另外，这个工具也提供了ROI分析，即投入的广告和最终的产出。这个工具似能支持在线营销本身的成本，例如对搜索营销CPC的记录（但没有了解具体是什么原理，不知道是否要做专门的上传），而通过自己的设定，也能够定义每个电话的价值几何，这个功能与Google Analytics中自己设定达成每个goal所代表的货币价值是类似的。虽然不能够直接捕捉到每个电话带来的purchase的价值，但是自定义的方式仍然有意义，原因在于通过估算后的每个电话的平均价值回报，能够近似代表它们带来的实际收入，毕竟生意是你自己的，你一定能够清楚每个电话背后意味着多少钱。下图是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解决了呼叫来源的问题，这也是线上营销对线下行动效果监测的核心障碍所在。

其他购买意向的监测

除了电话询问，购买意向也可能表现为在线下的门店进行询问，或是邮寄购买意向表等。这些提交leads的方式在信息化的今天，慢慢走向边缘，但仍然没有绝迹。

对于这些购买意向的监测，并不是没有办法，最常用的方法是提供网络的优惠码（coupon code），并根据不同的coupon code来定位在线营销的真正来源。不过，信息在线上和线下的转化过程中，会出现模糊和丢失。因此，这个方法可用，但不准确。

关于leads的监测，我已知的方法就是上面这些，欢迎朋友们提供更好的方法。

购买（purchase）追踪

最后，终于到了我们营销活动最希望看到的结果——购买。做了无数的营销，最后产品没人买，绝对是杯具。不要告诉我最大的茶几是960万平方公里，我相信只要有购买，你的生意天天都是洗具。但，如何追踪purchase是真正来源你做在线营销的结果，而不是因为顾客受到了其他因素的影响呢？

这是最根本的问题，也是整个环节中最困难的议题。有3个可用方法。

• 利用coupon code
• 利用购买后调查（survey）
• 利用第三方追踪

Coupon Code

Coupon Code的作用与上面的电话追踪的方法非常类似，你可以为你的不同的campaign/广告/网站提供不同的coupon code，而顾客拿这个code去线下购买，能够得到优惠。这样，就能够知道哪些在线来源更能够促进销售。

但是问题在于，消费者并不都会记录coupon code（这毕竟是一个麻烦）；另外提供优惠也许是一项代价不菲的成本。

Survey

请销售终端帮你统计访问者是通过什么渠道发现你的商品并最终购买是一个常用方法，但效果只能说差强人意。毕竟人们购买完商品之后，还有别的事情，他们一般没有耐心，因此最好你还是能够提供一定的优惠或者折扣。而且，销售终端的执行能力也参差不齐难以管理。你需要有强有力的执行保障。但，这的确是一个常被采用的方法。

另外一种survey就是在购买后给客户发送email或者电话的方式survey。对于大宗商品合适，对于小件商品，既是成本，也是对顾客的打扰。

两种survey要克服的最后一个敌人是样本量不足。你很难收到数以万计的回复，因此对于问卷的设计更需要精心。

第三方追踪

第三方追踪是我最感惊讶的方法，但的确有这个方法，并且据说就在北京有公司能提供服务！思想是，在你进行一次网络营销（campaign）前，就事先抽取大概50~200个合作受众（partner audience），事先不告诉他们任何关于你的背景和产品的信息。然后第三方公司会在你做campaign的过程和之后的一段时间内跟踪这些合作受众的消费行为。

这个方法实在是——太强大了！我所说的强大，是指他们真的需要有很好的执行、合作以及记录（监测），这真的是一个大工程！这个方法能做到什么程度？达到了什么效果？我不知道。如果有了解这个方法及这个公司的朋友，请一定要跟我联系，我的email是sxwuda##gmail.com（改##为@）。

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：

好了，这个系列写到这里就告结束了。我希望大家能多提提自己看到的，或者只是思路。因为这个博客，我有分享，所以也得到了很多朋友的分享和指正。比如，之前有朋友指正说control group不是“控制组”，而应该翻译成“对照组”；还有朋友指出我在统计学上“一塌糊涂”，我完全接受，而且正在努力弥补 ；还有朋友告诉我SAS工具实际上也提供网站分析的模型和功能。我都受益匪浅！希望大家知无不言言无不尽，感谢大家！

最后一个通知：我们所有的QQ群都已经满了。我会在一周内逐渐清理僵尸用户和不活跃用户，请朋友们稍后再试。谢谢！

来源：http://www.chinawebanalytics.cn/online-campaign-influence-offline-part-ii/