建議先閱讀系列的第-1篇:參與度指數(shù)的含義和第-2篇:構(gòu)成參與度指數(shù)的參數(shù)選擇,分類和數(shù)據(jù)收集辦法。
提高Engagement Index(EI)的計(jì)算方法,就不能不提 Eric Peterson 最初的貢獻(xiàn),后來他整理成了白皮書,發(fā)布在這里:Measuring the Immeasurable-Visitor Engagement(備選下載鏈接),這是關(guān)于參與度指數(shù)計(jì)算方法的第一次正式討論;我們最終提到的參與度指數(shù)的計(jì)算方法也受了他的很大的影響。不過Petersson提出的是一個(gè)非常普遍化的一個(gè)公式,具體到一個(gè)項(xiàng)目中,需要根據(jù)所研究對(duì)象的屬性尋找合適的參數(shù)和權(quán)重。
Petersson給出的公式很簡單,只是一個(gè)簡單的加權(quán)求和的公式,其中使用到的參數(shù)也是網(wǎng)站分析中非常常見的:
其中,
• C=Click Depth Index,指用戶的訪問深度,由PV和Event組成
• D=Duration Index, 指用戶在網(wǎng)站的停留時(shí)間
• R=Recency Index,指用戶最近一次訪問網(wǎng)站的時(shí)間+用戶的訪問頻率
• B=Brand Index,指用戶對(duì)網(wǎng)站和產(chǎn)品的認(rèn)知程度(awareness)
• F=Feedback Index, 指用戶對(duì)網(wǎng)站做的有價(jià)值的反饋信息
• I=Interaction Index,指用戶和網(wǎng)站內(nèi)容/功能的一個(gè)互動(dòng)的過程,在這個(gè)過程中用戶會(huì)對(duì)網(wǎng)站和產(chǎn)品給予更多的關(guān)注。
• L=Loyalty Index:,指用戶在較長時(shí)間段內(nèi)和網(wǎng)站/產(chǎn)品互動(dòng)的情況
(更詳細(xì)的解釋請(qǐng)參考白皮書)
我們?cè)谧畛跽撟C參與度指數(shù)的時(shí)候(可以推到2008年),因?yàn)閺囊婚_始便考慮到了一個(gè)網(wǎng)站(主網(wǎng)站)所處的生態(tài)系統(tǒng),包括第三方網(wǎng)站,競(jìng)爭(zhēng)網(wǎng)站,衛(wèi)星網(wǎng)站,社交網(wǎng)絡(luò)應(yīng)用和widget,所以最終得出結(jié)果是建立在Forrester最初提出來的參與度構(gòu)成的4I (見 1參與度指數(shù)的含義)的基礎(chǔ)上的,和人群分組相結(jié)合,按照參與度的組成部分來計(jì)算,可以在時(shí)間軸上橫向比較的一個(gè)參數(shù)。所以我們?cè)O(shè)想中的參與度指數(shù)是至少分為三維的:
ei=f(s,i,to), EI=F(S,I,to)
其中S=Σs,人群分組,segement;I=Σi, 構(gòu)成參與度指數(shù)的元素,4i (或者IIPIC),to為所選時(shí)間點(diǎn)或者時(shí)間區(qū)間
也就是說,
比如,一個(gè)隨便舉的例子,其中所有數(shù)據(jù)都為假設(shè):
ei | s1=10K | s2=14K | s3=4K | S=Σns/N |
Involvement | 42 | 86 | 56 | 66 |
Interaction | 35 | 49 | 44 | 43 |
Proximity | 20 | 32 | 34 | 28 |
Influence | 13 | 20 | 23 | 18 |
Cocreation | 5 | 3 | 13 | 5 |
EI | 34 | 57 | 34 | 53 |
在這里,每個(gè)階段的總EI可以加權(quán)求平均值,權(quán)數(shù)就是每個(gè)分組的用戶數(shù)目;但是對(duì)于每一個(gè)分組的總的EI,和整個(gè)研究對(duì)象的EI則很難通過一定的公式來求得,比如說,他應(yīng)該是各個(gè)階段的ei的平均值呢還是各個(gè)階段ei的和?亦或是加權(quán)和或者是加權(quán)平均值?權(quán)數(shù)如何確定?這里的主要決定因素是具體計(jì)算中,ei=f(s,i,to)的函數(shù)是怎么樣的,和EI=F(S,I,to)有什么聯(lián)系。
談到這里,希望大家對(duì)EI的計(jì)算方法有了一個(gè)大體的印象,主要是理解其中的思維和邏輯吧。至于ei=f(s,i,to)的具體寫法,這個(gè)是根據(jù)項(xiàng)目和需求而定的。我在案例分析中會(huì)談一下我們使用的方法。
案例所要介紹的項(xiàng)目是為一個(gè)奢侈品公司的電子商務(wù)網(wǎng)站創(chuàng)建一個(gè)Engagement Index模型。這是一個(gè)Flash網(wǎng)站,若干衛(wèi)星網(wǎng)站,在社交媒體上有行業(yè)中相對(duì)領(lǐng)先的布局。項(xiàng)目整體的scoop很大,評(píng)估的是整個(gè)digital environment。不過我們這次是從網(wǎng)站數(shù)據(jù)入手,先通過網(wǎng)站分析數(shù)據(jù)對(duì)用戶有一個(gè)大致的了解。我們使用的數(shù)據(jù)是從其網(wǎng)站分析工具Omniture Insight中提取出來。樣本是隨機(jī)抽取的2009年的大約900萬Visitor的所有訪問數(shù)據(jù),總共20G 的txt文件,導(dǎo)入SAS之后80G。第一次處理這么多的數(shù)據(jù),遇到的困難還是挺多的。
這個(gè)網(wǎng)站在6個(gè)國家有電子商務(wù)模塊,銷售可觀;但是在大部分國家沒有。品牌更注重的是這個(gè)網(wǎng)站如何能夠提升自身的形象,而不是銷售。正如模型的名字所說,要做的是“Engagement”,而不是“Sales”。項(xiàng)目的目的是通過研究網(wǎng)站用戶的行為特征,通過Engagement Level來評(píng)估,進(jìn)而評(píng)價(jià)網(wǎng)站內(nèi)容和相關(guān)市場(chǎng)營銷活動(dòng)的效果,同時(shí)(我們考慮)后期有條件的話,研究不同程度的Engagement和銷售的關(guān)系。
點(diǎn)擊此處查看原始數(shù)據(jù)樣本。
原始數(shù)據(jù)包含諸如Visitor ID, Session Number, Language, Country, Turnover, Traffic sources,Campaign等29個(gè)原始變量。變量的數(shù)目雖然少,但是它們已經(jīng)涵蓋了大多數(shù)網(wǎng)站分析的基本變量,在這些變量的基礎(chǔ)上我們可以計(jì)算出其他參數(shù)和指標(biāo)。不過當(dāng)然,在項(xiàng)目初期我們要求的很多變量還是沒有能夠提取出來。
通過原始數(shù)據(jù)樣本大家也許可以看到一些端倪。實(shí)際上,這些數(shù)據(jù)的最小記錄單元是Page,一條記錄(一行)代表一個(gè)PV,以及和這個(gè)PV相關(guān)的28個(gè)變量的值。PV可以通過Session Number歸類組成一條visit的全部記錄(2009年),而Session Number可以通過Visitor ID歸類組成一條visitor的全部記錄(2009年)。
有了這些數(shù)據(jù),下面我們就可以開始干活了。下一篇中我會(huì)重點(diǎn)介紹原始數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)和各種不同層次(Page,Visit和visitor)視圖的創(chuàng)建。敬請(qǐng)關(guān)注Engagement Index-4:數(shù)據(jù)準(zhǔn)備和參數(shù)創(chuàng)建
后記:這是上周寫的,竟然忘記發(fā)了。最近忙的焦頭爛額,恨不得把自己大卸八塊,然后每塊裝上三頭六臂,所以這周也沒有寫,正好拿這篇頂替了。
火上澆油,老板突然又給了一個(gè)關(guān)于Emerging Platform的東西,要求周四交框架。目前主題集中在SNS和Mobile兩塊上。自2005年以來,大家都知道哪些Emerging Platform呢(諸如Facebook, Twitter, Foursquare,iAD之類)?在Marketing的層面上,它們都能提供哪些機(jī)遇?我們?nèi)绾卧u(píng)測(cè)在這些平臺(tái)上進(jìn)行的廣告活動(dòng)的效果呢?謝謝建議!也可以發(fā)送到我的email大家一起討論。hailongxia AT gmail . com
出處:http://semwatch.org/