用數據「量化」品牌營銷和效果營銷（上）

導言：你知道廣告費浪費了一半，卻不知道浪費在哪裡；你做了一次品牌推廣活動，卻不知道如何衡量活動對公司品牌的影響；你選擇了適合公司的營銷矩陣，多管齊下的做營銷活動，卻沒有辦法區分不同渠道的效果。也許這篇文章能給你一些啟發。

營銷理論中有4A、4R或者AIDA模型，依次對應了用戶從接觸到營銷信息開始，注意、知曉、態度、行動的四個階段。從廣告投放上看，品牌廣告和效果廣告分別針對消費者消費行為過程中的不同階段。數據表明，在效果廣告投放中，品牌知名度高的企業獲得的銷售轉化率高於其他同類型企業。

反觀現在成功的企業，一般將品牌營銷和效果營銷相結合使用：通過品牌營銷來建立消費者對產品的早期認識，通過效果營銷促進消費者最終購買產品。如此反覆，將企業品牌和銷售額推向一輪又一輪高潮。

俗話說，有衡量才有促進。相比效果營銷，品牌營銷一直具備模糊性。這篇文章提出4個數據模型，先嘗試解決品牌營銷的模糊性問題。

模型一：助攻模型

球場上，一個助攻球員將球傳給主力球員進球，並不能說助攻球員沒有價值。助攻球員的價值在於通過團隊協作，輔助了其他球員進球。品牌營銷就像助攻球員，前期做了大量的鋪墊，才會有最終的用戶下單，哪怕下單的渠道是其他渠道，也是這次品牌營銷的助攻貢獻。

助攻貢獻的計算方法不難理解，假如渠道A的一次營銷活動覆蓋的用戶，在一段時間內，在渠道B中完成了轉化目標，那麼成功轉化的用戶就是渠道A對渠道B的助攻貢獻。轉化目標可以是任意的用戶行為，比如註冊、下單、發帖、看完新手教程等等，根據產品的需要來設定。

因為每次營銷活動對用戶的影響是隨著時間衰減的，所以在這個計算中需要人為的指定一個時間窗口（一般不要超過1個月）。可以認為只有在時間窗口內完成了目標轉化的用戶，才算作品牌營銷活動真正的助攻貢獻。

最後還想多說一點，即便是完成了相同轉化目標的用戶，他們的商業價值也不是完全相同的。以註冊為例，papi醬加盟和某路人甲註冊，對直播平台來說有天壤之別；以消費為例，買了輕奢品的土豪和薅羊毛黨，系統也不應該一視同仁。不同的用戶對系統的價值不同，給價值高的用戶更高的權重，將這個權重加到助攻貢獻的計算中。

我為這個模型畫了一個線框圖，想進一步了解的朋友關注公號pm-miao，回復「助攻模型」查看。

上述模型假設每個轉化用戶只受到單一助攻渠道的影響。現實情況中，企業會同時在多個渠道上進行矩陣式營銷，一個用戶可能會同時接受到多個助攻渠道的信息，最終完成下單。我們需要做多渠道分權，將助攻貢獻公平的分給不同的助攻渠道。重新評估每個品牌營銷活動的貢獻值。

我不建議採用簡單的將助攻貢獻平分給所有助攻渠道的方法。門戶網站上的一個簡單文字鏈，和線下體驗店的深度交互的體驗式營銷，兩者給用戶留下的印象程度不同，不應該獲得相同的數值；36kr的報導，和創業公司官方微信對公司的介紹公信力不同，前者相當於獲得了媒體的背書……

如何做到公平的分配，可能需要考慮多方面的因素：

（1） 採用渠道的知名度為權重，給影響力大的渠道以較大的權重。這裡想多說一句，並非越大眾的渠道影響力就越大。如果你是一個細分行業，可能所在細分領域的專業媒體的用戶更加精準，影響力也更大。好比不存在日報之於科幻用戶，36kr之於互聯網從業人員的意義。

（2） 採用營銷活動的用戶參與度為權重。每一次營銷活動，能或多或少獲得用戶的瀏覽時間、瀏覽次數、滑屏次數、轉化、點贊等行為。我們假設用戶參與度越深，營銷活動在用戶注意力吸引和認知建立上的效果越好。將用戶參與度作為營銷渠道的權重。

（3） 採用用戶參與營銷活動距離用戶產生行為的時間段為權重。這裡有一些演算法，大家可以自行配置：

• 認為第一次的營銷和最後一次營銷的影響力最大；

• 認為最後一次營銷的影響力最大；

• 認為第一次營銷的影響力最大。

模型二：參與度模型

用戶參與度指用戶在參與活動過程中的可量化的行為指標，比如用戶瀏覽時間，用戶點贊、轉發、評論等行為的次數。一般來說，用戶的參與度越深，說明活動的吸睛效果越好，用戶對你的活動越有興趣。

技術的發展，讓我們可以衡量的渠道形式越來越多。比如線下廣告可以通過wifi或者藍牙探針技術，來了解受眾的駐足時間。一次普通的線上媒體投放，可以獲得用戶閱讀時間、用戶評論數量及內容、用戶翻屏次數等等。

模型三：傳播模型

在這個人人都是自媒體的時代，有的官方營銷活動不僅讓目標用戶產生強烈的心理認知，還會演變成熱門話題，以不同的姿態傳播開來。

羅曼羅推薦重點關注新聞、微博、微信、知乎和所在細分行業垂直媒體和垂直論壇等渠道的輿論導向。了解參與話題的媒體數、文章數、用戶評論數、閱讀數、轉發數等等。

此外，關鍵節點也是傳播模型中需要重點關注的。大V的態度可能會影響未來的輿論方向。

在微博中重點關注大V用戶的轉發和直發話題，在知乎中需要關注大V用戶的點贊、評論、話題關注、回答話題。因為這些行為都會出現在信息流中，成為新的引爆點。

轉化成數據模型來看，先制定賬號的級別標準，比如微博有多少個粉絲是A級別，知乎獲得多少個贊是B級別之類的。接著將參與上述行為的用戶數據搜集起來，分析賬號的級別分布、用戶所在的圈子（行業）等等。對於高影響力的賬號發出的信息，需要做情緒分析，了解其中正面、負面信息的比例。如果有必要，甚至需要逐條人工分析大V用戶的信息流，後續再做對應的處理。

TIPS：上述傳播分析，可以借用一些第三方工具來完成，比如火線輿情、微博風雲榜、百度指數的輿情洞察（是的，不是百度指數整體趨勢）、清博指數。假如公司有資源，也可以自己獲得原始數據來分析。清博、微博、知乎提供了API，有微博、微信和知乎的數據。也可以通過八爪魚爬蟲獲得更多平台的原始數據。

模型四：情緒分析模型

有時候，並不是參與的用戶越多，用戶參與的越深入越好。我們還需要了解用戶的心理感受，判斷活動是否如期引導了用戶的認知。這裡羅曼羅推薦用情緒分析的方法。

舉個例子，支付寶的兒童節營銷引起了用戶、媒體們和互聯網從業人員的極大關注。如果只是將用戶參與度作為唯一指標，那這次活動無疑是巨大的成功。然而，大家對這次營銷的態度也是兩極分化，如果結合情緒分析來看，這次活動的成功與否就不好說了。

我們可以獲得用戶評論、用戶面部圖像或者用戶的語音等數據，來了解用戶是否滿意、評價是正面還是負面的。

如果是一次病毒營銷，需要獲取參與話題的媒體文章、用戶評論，對文章和用戶的評論都做語義分析。

TIPS：技術的發展，讓我們的分析越來越智能。很多學者和研究機構提出了不同的文本情緒分析模型，語音情感識別演算法，面部情緒識別工具，其中很多演算法框架被開源共享了。如果能採集到評論文字、用戶語音、用戶面部圖像的數據，可以考慮通過開源或自研的方式來分析用戶的態度。

如果不想佔用研發資源，我推薦萬能的人工分析大法，全量或抽樣的分析上面的數據……

總結一下

1. 品牌營銷以建立用戶的早期認知為主，不以銷量為目的，但是能為後續的效果營銷帶來更高轉化率。可以用助攻模型來衡量品牌營銷的效果。

2. 用參與度模型來評估用戶對產品的興趣；用傳播模型來評估公眾或媒體對產品的興趣；用情緒分析模型來了解所有活動參與者對活動的態度，以免活動產生了適得其反的效果。

具體指標也許是：

自有渠道的覆蓋用戶數、用戶畫像、用戶評論/點贊/轉發數、評論的正負語義；

媒體的新聞數量、閱讀數、點贊數、評論數、文章和評論的正負語義；

weibo中創造話題的人數及人群畫像、直發/轉發比例、閱讀人數、評論總數、參與話題互動的粉絲用戶畫像、話題/評論的正負語義；

微信公眾號文章數、閱讀數、轉發數、文章的正負語義；

知乎問題數、回答數、關注人數、點贊數、評論數、話題/回答/評論的正負語義；

垂直論壇的文章數量、閱讀數、評論數、文章/評論的正負語義。

羅曼羅，技術出身的pm

個人微信號：pm-miao