电子商务市场推广实战策略分享（二）市场推广监测体系的建立

　　关于对市场推广工作的定位丶市场推广需要考虑的综合因素丶推广节奏与ROI的把握以及常见的市场推广渠道策略等内容，大家可以参考之前一篇文章：《电子商务市场推广实战策略分享（一）系统性理解市场推广工作》http://www.shuaishou.com/info.aspx?id=1480

　　当市场推广计划开始执行，通常是非常具体且琐碎的工作，你需要建系统丶定策略丶谈媒体丶做创意丶定合作丶测试丶数据分析与优化等等……
本篇主要介绍对于市场推广监测体系的建立，因为这是衡量绩效的标杆，而如果技术团队中没有对此系统的实践经验，大部分需要市场推广的业务人员来进行需求的提出与规划，所以这是首当其冲的一件事情。
可能不同于大部分的资讯网站，对于监测只需在页面上挂上Google Analytics或者百度统计第三方统计软件基本上就万事大吉了。而在线销售网站可以获得更多的更贴近于业务的数据都可以通过技术手段获取到，所以大多需要建立适合自己的市场推广监测体系来统计分析数据以此来改进。

电子商务网站市场推广监测系统的功能模块
监测系统在技术层面大体包括以下几个部分：
1） 流量及业绩跟踪模块
这个是统计的核心模块，目前比较通用的是基于记录访客浏览器cookies为基础来统计“最后一次点击进入网站的渠道来源，被认为是业绩的贡献者”
2） 渠道管理模块
增加丶减少媒体或者渠道的功能；
3） 报表模块
按照你所需要的数据参数丶按照不同的维度进行数据统计，可以按时间段统计丶按渠道统计等；
对于一般媒体的投放，这三个模块基本可以实现对业绩的跟踪。而如果要做网站联盟推
广的话，又需要增加如下几块；
4） 订单信息传输
这部分用于和合作伙伴（第三方联盟平台）进行数据传输，以支持其反馈数据给联盟会员
5） 结算系统
自动化计算合作伙伴及联盟会员佣金丶配合支持内部财务流程；
6） 联盟会员注册系统
这部分其实是对应于“渠道管理模块”，可支持自建联盟的会员在前台自主注册；
7） 素材管理系统
广告创意管理；
上述核心模块已基本支持对外推广的数据统计，那么接下来另外一块就是，监测的指标项。

电子商务网站应该监测那些数据（市场推广相关）指标
在线销售相比于传统销售模式，在消费者数据收集方面有了天生的优势。整个在线销售的过程有数百上千种用户行为数据可以被收集和使用，而在市场推广的环节，我们将聚焦于其中某一些指标，大体上分为两大类：
第一丶流量指标组
1） UV
2） PV
第二丶销售数据指标组
1）收订金额（新用户/老用户）
2）收订订单数（新用户/老用户）
3）有效销售额（新用户/老用户）
4）有效订单数（新用户/老用户）
5）转化率（订单数/UV丶订单数/PV）
6）单均金额/单用户金额
7）注册会员数
8）购买会员数
这一部分数据是在初期的统计系统的基本数据，直接收集或简单处理即可得到。除此之外，有其他大量的数据需要依托上述数据以及订单系统/ERP/服务器日志等的各种数据进行组合丶交叉抽取可得到，包括从商品品类维度丶时间维度丶用户维度丶推广渠道维度等多种维度进行挖掘，对应适用于各自适合的业务块。

关于数据分析
电子商务网站的数据分析意义重大已经是废话，以amazon为代表的数据驱动的精细化运营被我们顶礼膜拜，诸如【亚马逊：网页慢0.1秒=客户活跃度降1%】的新闻不绝于耳，但当前国内甚至全球能达到这种水平的企业屈指可数，显然我们处于初级阶段。
良好的数据驱动运营涉及面广泛，对各种资源的整合及需求也非常高，例如数据样本量积累丶人才丶资源丶数据分析在组织内的重视程度等因素决定，所以我们不能指望新创电商能够吧数据驱动做的很强，但必须重视，我强调几个方面：
第一丶 数据源的准确性；
所谓“差之毫厘失之千里”，源数据的准确程度在经过放大后，对结果的影响会非常大，而很多人常常拿着错误的数据进行分析，先不说对数据分析的能力如何，结果可想而知了；
第二丶 科学的分析方法及专业态度
科学的电子商务数据分析不说是高精尖，但绝对算是有难度的交叉学科，对数据挖掘丶统计学丶网站运营丶电子商务业务等领域如果涉猎不深或者只知皮毛的话，做好这项工作难度很大。而公司数据分析人员的部署，也是以各部门数据分析人员独立粗在的方式常见。
第三丶 对于数据结果“横看成岭侧成峰”，多角度理解指标
经常会遇到大家会对某个数据表达不同的观点，其实一个数据从不同的角度有不同的意义，把数据放在不同的前提条件下，可能会更加有意义；
例如：A网站整站订单转化率是3%（订单数/UV），B网站整站订单转化率5%，这个数据分别有什么意义？我们并不能下定结论就认为A网站比B网站运营更差对吧？当然，第一个事实是：A网站转化率确实低于B网站，而在这背后可能意味着什么呢？
1）A丶B网站的总销售额对比如何？
2）A丶B网站各自的增长速度如何？
3）A丶B网站销售的产品是不是不同丶客单价是否不同？
4）A丶B网站的新老用访客占比有多大差异？
5）A丶B网站的UV流量成本差异有多大？
……
再比如重复购买率这个指标，之前有在微博上看到大家在讨论这个指标是如何计算的，各家网站各有说辞且看上去都并无道理，所以同理对待。

第四丶 数据分析结果的使用
数据分析的核心目的之一是得到用于优化的数据参考，但大部分的数据研究成果都在研究人员的报告里或者大脑里，成果不能被很快的用于业务的改进可能是因为公司高层的支持不够也可能是由于业务的复杂性使得让数据成果去驱动业务优化举步维艰，但是既然得出看似很棒的结果，为什么不小规模使用后再放大呢？
对于数据统计与分析的指导文章很多，但这领域实在是实践出真知，所以动手才是王道。

可用的流量体系外部工具
除了我们自建的指标监控系统之外，一般情况下，大家都会同时使用其他外部的监测工具以作配合和补充。例如：
流量统计工具：
Google Analytics： http://www.google.com/analytics/
百度统计：http://tongji.baidu.com/
淘宝量子统计：http://lz.taobao.com/
同行数据监测工具：
Alexa：http://www.alexa.com/
百度指数：http://index.baidu.com/
Google Trends http://www.google.com/trends
媒体监测与投放
DoubleClick Ad Planner  http://www.google.com/adplanner/
梅花网adm：http://www.meihua.info/adm/
99click http://www.99click.com/
SEO/SEM工具
Google 站长工具（Google Keywords tool等）：
https://www.google.com/webmasters/tools/home?hl=zh-CN
百度关键词工具（推广账户可用）
Omniture http://www.omniture.com/zh
爱站http://www.aizhan.com/
上述工具部分功能有些交叉，可依据习惯以及业务需求丶合作伙伴资源等因素按需使用，每块都有大量的工具，而且功能几乎超乎想象，加上自己站内的统计系统，基本的数据监测体系已经建立起来。