内容提要

第一部分：流量铁律：量与质——流量的永恒矛盾

第二部分：流量的r-选择和K-选择模型

第三部分：流量的量与质的平衡公式：Max(X) = 营销预算 ÷ 流量单价 x 目标人群浓度

第四部分：营销必须攻克的山头：r-选择向K-选择的转变

第五部分：归因如何帮助我们分析从r-选择到K-选择的转变

第六部分：可用工具和其他阅读资料

流量有一个铁律

流量有一个铁律：随着流量数量的提升，流量的质量开始下降。

这并不奇怪，因为我们投放一定是先选择那些最目标的人群，当这群人被一网打尽之后，我们才会往外扩展，去寻找次目标人群，乃至去影响普罗大众。

如果营销预算很有限，这或许不是一个问题。因为，你的预算甚至不足够俘获全部的最相关的人群。但是，很多时候，我们是持币待购，但并不知道我们应该再去获取那些流量，因为似乎除了最相关的核心人群，便再也没有能够找到相提并论的流量了。

有多少甲方在为找到合适的流量而苦恼？恐怕不计其数。但大家几乎都是想再找到一块流量红利的处女地，狠狠掘尽全部红利再苦寻下一个处女，却很少真正思考流量运营背后真正的逻辑。

今天我想讲讲真正的逻辑是什么。我们从生物学开始。

流量的r-选择和K-选择模型

这两个模型其实不是互联网营销的模型，而是来自地球生物的繁殖模型。我们的流量情况跟生物繁殖情况其实非常非常类似，所以每当我观察思考流量的本质，我都想到了这个模型。

生物的繁殖总体看有两个模式：这两个模式一个是r-选择，一个K-选择。

简单理解r-选择是下很多蛋，但是蛋都不大，孵出来的宝宝也不强壮，生了父母也不管了，整体的存活率很低，但是总有能活下来的，于是种族得到繁衍。K-选择是只下很少的蛋（哺乳动物其实也是卵细胞的裂变，本质上也是蛋），但是蛋比较大，孵出来的宝宝也大，存活率高，生一个是一个，优生优育，于是种族得到繁衍。

这两类没有绝对的好与坏，都是适应大自然之后的自然选择的结果。

流量策略，其实跟这样的繁殖策略很类似。

你可以选择大量的低成本流量（蛋小、数量大），但是转化这些流量的机会也低（存活率低）。

你也可以选择优质流量，但数量一定有限（蛋大、数量小）——因为任何生意的核心人群都是有限的，高质量的媒体更有限，但是转化的机会则很高（存活率高）。

你说，我想找一个流量质量高，又价格便宜的奇葩。这个，反正我没有见过。

不管怎么样，我们的流量策略，都一定是在r和K之间做选择。推广某个产品，你会发现一开始能够找到不错的流量，但随着流量的增加，流量的品质逐步下降。最终，你需要在下面的公式中找到一个最大值得解：

（请注意这不一定是准确的数学表示，但是意思很明确：找到等式右边的公式的最大值）

公式中的目标人群浓度，就是由你采用r-选择还是K-选择所决定的！

这个公式有意思的地方就在于，如果你需要目标人群浓度提升，你的单价也会提升，从而，并没有一个明确的最终X一定会变大或者变小的结论。

比如，r-选择，就是流量单价低（从而使流量的数量多），但目标人群浓度就低（从而使存活率也低）。

或者，K-选择，流量单价高，流量质量好，但是价格也贵，流量数量也相应降下来。

好了，为什么讲这个模型？

这个模型告诉我们很多有价值的现实：

1. 如果你有好的爸爸，甭管这爸爸是腾讯阿里还是百度，或者是其他的媒体，让你在能够在保持甚至降低流量的单价的前提下，目标人群浓度不降反升。含着金汤勺的你赢了。
2. 大部分人没有那样的爸爸，因此，你需要考虑在有限的预算内，选择增加流量的质量，但牺牲流量的数量；或者增加流量的数量，但牺牲流量的质量。二者无法得兼。如果你问我哪种策略更有效，我会说任何生意都可能有不同的解，但肯定没有相同的解。这也是为什么营销不只是技术，而必须依赖于业务。
3. 任何告诉你能够增加目标人群浓度，且能降低流量单价的技术或者方法都是不靠谱的。用人话说，就是任何告诉你用我们的技术或者解决方案能够帮你找到很多高质量低成本的流量的说法都不可信。真有这方法，他为什么给你用？任何技术或者解决方案，在没有外力（额外资源进入）的情况下，只能提升（或降低）其中的一个，但是不能做到同时优化二者。
4. 其实想说的是，到了这个时代，流量红利基本上已经不存在了。好流量的拥有者，谁不知道自己流量值钱呀。

互联网效果营销的全部努力，其实就是找到这个Max(X)。其实包括几个关键性的事情：

1. 流量单价一定的情况下：提升目标人群浓度。提升浓度不只是针对浓度本身，也包括将非目标人群引导（转变）为目标人群。这一点也至关重要，后面会讲。
2. 目标人群浓度不能为零。否则无论流量单价多少，X都等于0。什么目标人群浓度为0？作弊流量。
3. 在发现新的目标人群浓度较好的流量的时候，增加营销预算。

引申阅读：其他的流量竞争优势公式

在我近期的演讲中，比如10月28日的上海WAW的分享，我会讲流量竞争优势的来源，如下图所示。如果感兴趣，欢迎大家参加。

从r-选择到K-选择的人群转变策略

我们的营销策略究竟是选择r还是K呢？

对于大部分的推广，从K-选择开始是我们自然而然会做出的选择。另外一些，像58同城这样神奇的网站，r-选择是合适的，不过这种情况不具有普遍性。

而且，我的真实经历表明，由于有大量虚假流量的存在，从K-选择开始是一个非常实际的办法，而从r-选择开始，风险则很大。

从K-选择开始并没有什么不妥，但很快我们就会碰到本文最前面提到的问题，当核心人群最终被打尽（这个过程其实会很快），我们该怎么办？

我们必然会在保持K-选择的同时，开始猎取r-选择的流量。尽管有风险，并且必将面对更低的ROI，但我们仍有预算，我们一定会考虑再更广大的非核心人群中碰碰运气。即，我们一定会开始考虑r-选择的策略。

不过，与生物界的r-选择不同，生物界是生一大堆然后不管了，我们做营销，即使是r-选择，也必须管。管的目的，是让r-选择中的部分孩子，变成K-选择的孩子。即从r向K的转变。各位看官应该已经明白了我的意思。

对于任何互联网推广从业者而言，从r转K的策略，不是随意的，而是一层一层的扩张。举一个例子，当你把最核心的人群搞定了，你会去找与最核心人群比较相关的次核心人群，而不会去随意找一些不相关的人。做索尼游戏机推广的商家，会首先搞定主机游戏爱好者，然后去找其他游戏的爱好者，但不会在穷尽主机游戏爱好者之后，立即去找摄影甚至是旅游的爱好者。

如果是你，你也会这么做。不过，下面的情况开始变得不同了。

为了转化次核心人群，同样有两个策略。

第一个策略，是直接转化他们，让他们直接成为你的客户。大部分老板们都会强烈督促他们的推广同事这么干。  –>这个策略不符合现实。

第二个策略，是把这些人尽量转化为核心人群，再将已经转变为核心人群的人转变为客户。 –>这个策略才符合现实。

第一个策略的背后，是业绩重压之下的孤注一掷，其结果可想而知。绝大部分采用这个策略的，都很快不得不放弃，并且退回到核心人群的安全地带。因为，直接考察这部分次级核心人群的ROI，无论如何不可跟核心人群相比，而且不是差的一星半点，是有显著区别。

更重要的一点是，现实中的次级人群的转化，不可能按照这个进程完成。他们不会因为你的一个投放，就立即购买你的东西，他们与核心人群有本质的差异。

第二个策略是更加现实的策略，次级核心人群未必不能成为你的客户，但是转化他们的过程一定会更长，但更现实。因为，次级人群的转化，是因为他们先成为了你的核心人群，然后才会被真正转化的。我们的策略是创造次级人群转变为核心人群，再转化为购买客户。而第一个策略，想让次级人群直接购买，省去了中间一步，是无法实现转化的根本原因。

比如上面索尼游戏机的例子，对于非主机游戏的其他类型游戏的爱好者，你无法直接告诉他们我的主机有多么好，因为他们根本不会care，你若想让他们转化，必然需要让他们开始意识到主机游戏原来也是很有意思的，然后当他们中的小部分人（你当然不可能贪心到让所有的人都转变为主机游戏爱好者）关注并且产生对主机游戏的兴趣，你才有机会转化这些人。

同样，我的金融研究生类教育客户，我们在全部打尽了金融研究生需求人群之后，自然而然的会向与之较类似的经管类研究生扩展（这类人群数量更庞大，流量单价相对更低），并且想办法让他们中的部分人产生对金融研究生学习的兴趣。

所以，我的引导内容（典型如落地页），不会跟核心人群的落地页一样，去强调我的主机运算能力多么强大，或强调我的金融研究生学位文凭和师资多么的强大，而是会强调主机游戏体验有多么的无与伦比，以及强调投资类、经管类去学习金融也会有很大的价值，也有很重要的意义，甚至会比其他专业更好云云（虽然我不鼓励这么做）。

如果采取这样的方法，次级核心人群有转化的可能。

可是，为什么很少有人采用第二个策略呢？——因为很少有人能说得清楚，到底有多少次级人群转变为核心人群。如果没有定量的描述，那么这个方法的ROI无法计算，也不会得到老板的支持。

好在我的朋友们信任我。

次级人群转向核心人群的归因怎么分析

为了分析你在“次级人群”上所做出的努力使他们中的多少个转变为“核心人群”，你需要定量分析。而我们分析的工具，正是我们既熟悉又陌生的“归因分析”。

归因模型是什么，我就不多讲了。参看这篇文章的最后一小节，那里有大家能找到的很多资料。

归因模型有很多用法，上过我的大课堂（下一期在上海12月初开）的同学们已经知道这个模型在分析流量渠道价值、分析转化时候的应用，还有给各个渠道的同事评业绩发奖金的时候归因也有巨大的意义。这篇文章篇幅所限，就不再赘述了。欢迎大家参加我的课程进一步了解。

当我们的营销从K逐渐转向r的时候（即从精华流量核心人群逐步不得已转向普通流量非核心人群的时候），归因模型的分析开始派上用场。

利用这个模型背后的原理很简单，我需要了解有多少人在搜索了我为“次级人群”投放的关键词之后，又搜索了我为核心人群准确的关键词，甚至更理想的状态下，我们还能知道他们中的多少人在搜索核心人群词之后发生了购买。次级人群开始主动搜索我们为核心人群投放的关键词，是他们开始转变为核心人群的标志。

大家知道归因分析的设置是要设置转化目标的。所以你可以设置最终转化（成为你的付费客户）为目标。

不过，往往成为付费客户的追踪很困难，主要是容易断线（这个以后有时间再讲），有的生意，甚至连留资都很难追踪（因为是在线客服）。所以，如果你确实不容易追踪最终的转化，不要泄气，你可以直接把到达核心人群的落地页就设置为一个转化，这样归因的数据一样可以出现。当然，这种替代方式描述的并不是真正的转化，而是描述了那些次级人群先搜索了次级人群对应的关键词，然后又搜索了核心人群的关键词的情况，它实际上仍然能说明你在次级人群的投放，有多少开始关注你的核心人群应该关注的内容。这同样可以帮助我们做分析。

我下面的案例就是后一种情况。

上图：如果你确实不容易追踪最终的转化，不要泄气，你可以直接把到达核心人群的落地页就设置为一个转化，这样归因的数据一样可以出现

案例中是一个MBA的教育产品，投放的次级人群实际上是“在职研究生”人群。为什么选择“在职研究生”这个人群呢？因为他们与MBA很相关，MBA本身也是一种在职研究生。其次，在职研究生人群数量十分庞大，十分，而获取这些人群的流量单价又相当低廉。他们是典型r-选择策略下的人群。

通过归因，你可以看到，有多少人在搜索了“在职研究生”类的词进入我们专门设置的“在职研究生向mba的引导比较”落地页之后，又搜索了“mba”类核心人群词。

说起来有点拗口，意思很明确，就是多少人因为受到了这个教育集团宣扬“在职研究生也值得读mba”的推广后，对mba开始感兴趣的数量。如果一段时间之内（归因默认是90天，我一般设置30天），数据表示有5%的人感兴趣，那么，实际应该超过10%的人受到了影响产生了兴趣。这绝对意味着次级人群是值得去做投放和影响的。

为什么说超过10%？因为web端很多人会清理或者更新cookie，而移动端很多浏览器不支持cookie，所以实际的数量一定比5%要大很多。

我做过的一些案例中，不仅仅是关键词之间的归因，我也经常查看其他渠道，比如信息流的投放对核心人群搜索的归因。

比如，我查看信息流投放的次核心人群，有多少之后会搜索品牌词或者核心人群相关的产品词/通用词。

这些案例中有些能看到强烈的次级人群向核心人群的转化，归因报告中超过1%，意味着可能有2%~3%的次级人群被转化为核心人群。

我们可以算一个账，我在投放次级人群的时候，往往流量是核心人群的5-10倍，甚至更大，那么有3%的次级人群转化为核心人群的话，意味着原有核心人群增加了15%~30%。这部分都是从次级人群转变来的。而如果像上面的案例，你能转化5%的话，那么最终可能有50%甚至100%的核心人群增量。针对高质量流量的放大力量非常显著！

这个策略的核心点

转化次级人群是这个策略的核心点。不过，次级人群的转化策略有一些要注意的。它并不是一个拿着就可以用的办法，这是一个高阶策略，你需要对你的业务、受众人群和营销策略有深入全面的理解，而且你需要熟知工具和数据分析。但这些肯定是我们需要攻克的。

如下事情需要注意：

1. 为次级人群传递的信息是针对性的。绝对不可以用核心人群的信息去“粗暴”转化他们。这就是很多人正在做的事情。这么做会看到ROI和转化率灾难。
2. 针对次级人群的信息（创意）技巧在于引导这部分人关注针对核心人群提供的产品或服务，并让他们产生“这个也不错”或者“这个更好”的兴趣。主要的创意控制点就是两个：广告创意本身，和落地页。我尤其重视后者，因为引导和转变都在这里发生。
3. ROI方面，无论如何计算次级人群的直接ROI，都会比核心人群的ROI要高，因为你实际上做了两步转化：将次级人群转变为核心人群，然后再由核心人群转变为客户。不过，每一个案例我都看到在次级人群投放之后，核心人群的ROI实际上升高了。因此，这个策略并不会显著降低整体ROI，有些案例甚至还显著升高了。但对最终转化规模的扩张却有着超出预期的价值。

这三个核心点前两个是我们在执行中一定要注意的。第三点则是你经过缜密部署和执行之后必然的优化结果。

国内能用的归因分析工具有哪些

最后，哪些工具能够帮助我们实现归因？

首推谷歌的Google Analytics，免费版即可，已经提供了几乎所有的功能。如果你确实有巨大的流量，而且口袋里不差钱，当然付费版是更好的选择。

而且，Google马上要推出归因分析的专门工具，功能更为强大，重要的更新包括跨设备的流量归因。我极为期待。在我们未来的WAW活动中，我们也会请Google的负责人专门来介绍。

国内能进行归因分析的工具寥寥无几。但是AdMaster的工具可以提供这块的分析，而且还包含impression attribution（曝光归因）这样的帮助分析广告曝光最终效果的功能，也很不错。不过是付费的。

与本文相关的必读文章（可以帮助你更深入的理解归因以及整个策略背后的互联网数据分析原理）

• 关于归因分析的知识，可以参加我的大课堂培训，获得非常系统全面，且带有真实案例的内容（大约会讲一个多小时），点击链接了解课程详情：宋星大课堂（9月1日、2日）：利用数据优化互联网营销和运营：方法、案例与实战！
• 关于归因分析的基础文章，可以看这两篇：分析小贴士：归因模型 101；【分析方法】归因分析入门。
• 想了解更多的内容可以看这里：http://www.chinawebanalytics.cn/?s=%E5%BD%92%E5%9B%A0；

谢谢大家！

半小时读懂系列由宋星全部原创，刊载于“网站分析在中国”。版权所有，未经许可，谢绝转载。