网络营销效果衡量的核心指标：标准化Engagement指标

　　在上一回我们说明了网络营销效果衡量的两个最主要方法——衡量人心的改变和衡量人行为的改变。人的行为的改变，按照对它的影响从浅到深的逻辑，我们分为四个阶段：Traffic、Engagement、Conversion和Retention，并且详细介绍了Traffic的情况，下面准备用两次文章，为大家详解Engagement——这么大的篇幅讲解Engagement，实在是因为它很重要，涉及的方方面面也很多，大家如能耐心看完，定能有很多收获。

　　本文您将读到什么：1) 什么是Engagement，2) Engagement一般包含哪些度量，这些度量有什么含义，3) 需要如何监测以准确获得Engagement的相关度量值。

【正文】

Engagement是什么

　　很久以前我写过一篇介绍Engagement的文章：网站分析的最基本度量（8）——Engagement，请大家参考。Engagement并不是指一个具体的度量，而是一系列衡量用户在营销活动中参与程度的指标集合。由于网站是营销活动的一部分，因此engagement很多时候用来衡量用户在网站中与网站内容与功能的交互程度。但engagement其实不仅如此，它也一样可以衡量用户与营销活动的其他交互方式，例如微博营销中用户的阅读、评论和转发，或者受众和富媒体广告（richmedia）的交互情况。Engagement是一个含义丰富的指标，可以这么理解它——它用以衡量在流量产生之后和发生最终转化之前的用户行为和过程，尤其反映用户对于营销活动/网站的兴趣程度以及衡量影响最终转化的诸多因素。

　　所以我无法给Engagement下一个具体的定义，它是一个指标体系，而不是一个具体的指标，它也不是一个如visit一样的一个标准化的度量。为此，美国人（Avinash Kaushik和Eric Peterson）自己也有不同的意见，一个觉得这是一个值得推广开来成为标准化的度量，一个则认为它不应该成为一个度量，也难以标准化地应用。无论谁更有道理，在解决具体问题中，engagement有它十分明显的价值，因此在我们的核心指标体系中，我一直认为engagement是其中最为重要的一块。

　　Engagement可以分为两大类，一类是可以标准化衡量用户行为的指标族，另一类则是根据不同情况按需定义的指标族。两类指标的含义不同，作用类似，都非常重要。

标准化Engagement指标

　　标准化的engagement指标分为宏观级别的和微观层面的。宏观的指一个网站全站范围的engagement情况，而微观则指一个具体页面上的engagement情况。

　　宏观engagement指标主要是我们俗称的老三样——Bounce Rate（跳出率）、PV/Visit和Time on Site，这三个指标描述了三类不同的用户行为。

Bounce Rate

　　Bounce Rate说明了用户进入网站后是否对网站的内容产生了兴趣。如果没有，那么这个用户不点击任何页面上的链接就离开，这样他其实就只看到了网站呈现给他的着陆页面（登陆页面）。Bounce Rate是一个随着技术的进步却没有做太大改变的指标。有些朋友问我，如果一个人进入了着陆页面，他仔仔细细看了着陆页上的内容好几分钟，但是却没有点击任何上面的链接查看其他页面，他算是bounce掉了吗？这是大多数网站分析工具的bounce rate定义上明确标明的，即bounce与否其实与这个用户在着陆页上查看的时间无关，只与他是否点击进入了其他页面有关。如果有点击进入其他页面，那么就不算bounce，否则就算bounce，所以上面的情况无论这个访问者看了着陆页面多久，而没有点击任何其上的链接进入其他页面，这仍然是一个bounce。这么看来也许bounce rate的定义过于严厉了，与浏览页面的时间长短无关似乎也不合理（后面还会专门说明时间的问题）。但这个定义是技术简明性以及抓住大概率事件（查看页面好几分钟却不点击页面上任何的链接确实算是小概率事件）共同作用下的效率原则产生的“最佳解决方案”，于是一直被沿用。

　　有意思的是，很早之前，Avinash对于bounce的解释是在页面/网站上浏览时间少于10秒钟（或是30秒钟，我记的不是很清楚了）的情况。不过，由于用户页面浏览时间不太容易准确监测（或者说准确监测降低了网站分析工具的技术实施简单性），而且替代方案（就是现在的bounce rate的定义）仍然能够相当准确地描述现实中的bounce的情况，因此大部分工具都并未采用浏览时间作为bounce和bounce rate的定义基础。

　　关于Bounce Rate的详细定义和解读已经很多了，如果之前没有太多了解或者想要系统复习，请阅读这些文章：《网站分析的最基本度量（5）——Bounce Rate》，《Bounce Rate —— 多少算好？》，《挑战网站分析中的大众智慧（1）——Bounce Rate》。

PV/V

　　与Bounce Rate不同，PV/Visit（或者很多时候简写为PV/V）描述另外一类用户与网站的交互行为，即浏览网站的深度。用户一次访问过程中（visit）查看的页面数越多，说明这个用户对网站的兴趣越浓厚。所以一般情况下PV/V越高越好。当然，兴趣有主动兴趣和被动兴趣之分。被动兴趣是指因为在网站中找不到你想要的内容而不断尝试寻找的过程，PV/V也会比较大，但这就不是什么好现象了——不过这种现象非常罕见。

Time On Site

　　既然谈到了浏览深度，那自然有浏览长度与之对应，即Time on Site，指人们访问网站的平均停留的时间。例如一个网站有3个访问，一个停留了2分钟，一个停留了10分钟，一个停留了0分钟，那么time on site则是4分钟。与PV/Visit一样，一般而言，这个值是越大越好。

　　不过，值得注意的是，网站分析工具上统计的时间与实际用户在网站上停留的时间肯定是不同的。人们访问网站最后一个页面的时间长短不会被网站分析工具统计到。原因很简单，因为一般的网站分析工具不统计人们离开一个网站的精确时间，而只能记录他访问这个网站倒数第二页的精确时间，这样最后一个被他访问的页面的停留时间实际上被完全忽略掉了。你会问为什么不统计最后一个页面上停留的时间呢？——因为网站分析工具默认对用户关闭页面的行为，或是从这个页面浏览器窗口中跳转到其他网站的行为不做统计，除非你进行专门的设置。

　　如果不做额外的设置，这种安排意味着两点，第一，网站分析工具统计到的网站浏览时间总是小于网站被打开在浏览器中的时间（尽管浏览器打开页面未必意味着你真的每分每秒都在看它）；第二，所有bounce掉的visit（即只访问了一个页面的visit）在网站上的停留时间计为0。

　　确实有一些网站分析工具打破了这个窠臼，能够尽量记录到人们离开网站的那一瞬间的时间。不过，我个人感觉，其实意义并不特别大，除非各个访问的最后一个页面有很大几率是那些特别需要人们多做停留仔细查看的页面。只要工具统计的方法保持一致性，那么就算少了最后一个页面的停留时间，仍然可以实现apple to apple的比较，仍然可以帮助我们把握用户宏观的engagement情况。而且，还降低了技术实施的难度，并且提高了监测的一致性从而提高了监测精度（因为记录离开网站准确时刻的方法实际上并不是完全可靠的，只有一定的几率能够统计到，这使这些方法实际上的可用性降低了）。

Visit/UV及其他用户粘性Engagement指标

　　宏观engagement指标中还有一个大家不常用的，就是我们前面所提到的Visit/UV这个度量。它用来衡量访问者访问网站的黏性。如果你喜欢某个网站，你就会经常来，一个UV就会带去多个visits。Visit/UV的数值越高，意味着这个网站的用户忠诚度越高。

　　其他还有一些表明用户黏性的engagement指标，例如访问频次分布（做一个图），访问间隔时间分布（做一个图）。我一直没有特别多的使用这两个指标，我认为对它们最好的解读是不同网站间的对比，以及与自己心理预期的对比。

图：访问频次

图：访问时间间隔

微观级engagement指标

　　微观级engagement指标我不想谈太多，本质上就是描述用户在具体页面上的行为，比较重要的一个是exit rate。Exit Rate（退出率）是衡量页面作为用户退出网站前最后一个被浏览的页面的几率（与自己总体被浏览次数相比）。例如某个页面的退出率是75%，那么就意味着访问这个页面产生的所有PV中，有四分之三的PV是这些访问退出网站前的最后浏览页面。请看这个文章了解它的详细解释。

　　这里我想说的是，exit rate是更微观的说明页面engagement度量（前面都是衡量整站engagement的宏观度量），它是衡量页面表现的度量，类似的度量还有Average Time on Page，Next Page Flow（以及由它产生的热图）等，相关文章很多，就不再跟大家详细介绍了，如果有兴趣，请点击前面这几个链接。

按需定义的Engagement指标

　　标准化的Engagement指标描述了多种用户行为，但还不足以涵盖更为具体的衡量和分析需求。比如，一个网站有一些很重要的特定的用户行为（Action），例如注册或登录，申请一个试用的机会，下载一个产品说明，或是把某一个额商品添加到购物车。对于这些特定的action，标准化的Engagement指标对它们其实没有任何额外的照顾。

　　这个时候我们需要自定义的Engagement指标，用于描述那些有价值的特定的用户行为。这些行为有两类：

1. 非标准化的行为：上面提到的那些action，比如注册、登录、试用、下载、点击某个特殊位置或功能、添加到购物车等等，均属于这一类。

2. 根据需要对标准engagement自行设定条件后的更具针对性的用户行为。例如，与一次visit相对，visit时间长度超过3分钟就是一个更为具体的用户行为，或者visit中浏览页面数超过3个的visit也是更为具体的用户行为。另外，还可以设定访问了某一个特定页面的visit，也属于定义了条件的用户行为。这些按照你设定的标准不同，得到对应度量的值也是不一样的。

　　你会发现这些指标具有相当的“随心所欲”性。没错，它们确实是根据你的需要而自由定义的，这意味着别人所使用的engagement指标可能完全跟你的不一样。但我们确实需要这些指标，否则我们无法全面描述用户行为的特点和价值，也就无法进行针对性的分析与优化。

　　按需定义的engagement指标的存在，让网络营销分析能够真正与业务相匹配。否则，仅仅只是用visit或是bounce rate来衡量流量和用户的行为，实在太过粗略。

　　现在，你的问题可能出现了——这些指标既然是自定义的，那么网站分析工具上一定没有一个统一的标准报告提供它们的数据，我们应该怎么获得这些数据呢？

按需定义的Engagement指标的监测实现

　　别担心，任何一个指标能够成为指标的必要条件是首先它是能够被监测的。如果不能监测，它存在的价值就没有了，这就是所谓的——无法衡量、即不存在。

　　自定义的Engagement指标必须能够被监测到。网站分析工具其实提供了非常全面的方法。分如下几种情况：

1. 用户的Action是点击链接后打开一个新的页面的：

　　这种情况实际上不需要我们做额外的监测工具的实施，因为点击链接打开一个新的页面，即会记录这个新打开页面的新的PV。这样我们统计这个新打开页面的PV就能够知道用户相应的点击链接的次数。当然，点击次数和页面打开的次数并不是100%对应的，但已经非常接近，完全不影响我们分析了。

　　把数据用Excel下载下来，然后做一个筛选，把你认为属于Engagement的页面访问数据记录下来，bingo！

　　如果每次点击同样的链接，打开的页面并非是静态URL的页面，而是每次URL都不一样的动态页面。这也没有关系，我们可以通过过滤设置（如GA的过滤设置）来把URL不一样的动态页面统一成同样的URI，这样GA在记录的时候就不会认为是很多页面，而会记录成一个页面了。不过，这个方法必须有一个前提条件，那就是动态页面的URL是有一定的格式的，即至少有一些共性，完全随机的URL就没有办法了。具体实现的方法这篇文章限于篇幅就不再详述了，我准备近期写一篇快速的小文章介绍给大家，敬请期待。

2. 用户的Action是点击链接后不打开新的页面，但打开一些具体的功能的：

　　这些功能包括：点击之后打开的是JavaScript或者Div浮层的、点击的是Flash的、点击之后是外链的等各种情况。这些情况下需要配置我们的GA监测代码。

1) 点击的对象是JavaScript或Div浮层的：

　　利用Event Tracking功能（官方文档，英文）或者Virtual Page功能（官方说明，英文）的功能。这个方法的原理是在点击动作本身的onClick事件上加上Event Tracking或者Virtual Page的调用。例如：

<div onClick="_gaq.push(['_trackEvent', 'Videos', 'Play', 'vid 1'])"
   > Your content here </div>

　　Event Tracking和Virtual Page的区别是，前者会在把点击动作的记录放在GA的Event报告中，后者把这个动作的激活当作一个页面（page）记录，并在Content报告中显示。这两个方法是GA学习必须掌握的方法。——如果大家有需要，我会专门写一个文章介绍这两种方法，如有需要请在下面留言。

2) 点击的对象是Flash的：

　　思想与上面的情况是类似的，也需要利用Event Tracking或者Virtual Page的功能，但要把相应的方法写入Flash中。有些复杂，需要技术同事帮忙解决。比较好的解决方案请见这个文章（英文）。

3) 点击的对象是出站链接的：

　　官方的方法与监测JavaScript或者Div的方法很类似，是把出站链接（outbound links）的点击行为（onClick事件）做Event Tracking或者Virtual Page。这样需要对每一个出站链接都做onClick事件的引用，并加入Event Tracking等方法。请见这里：http://support.google.com/analytics/bin/answer.py?hl=en&answer=1136920（英文）。这个方法如果对于页面上有很多的出站链接的情况，就显得相当繁琐。

　　一次性解决方案也是存在的，例如这篇文章所述：http://wptheming.com/2012/01/tracking-outbound-links-with-google-analytics/。我没有亲自尝试，但看代码，应该是可以实现的。