阅读难度：两颗星；阅读时长：15分钟左右。

【正文】

这个博客网站有了十年岁数。十年，可以改变很多。我看过去我的写作风格，跟现在有很大不同。

不仅仅是我变了，互联网营销和运营也完全天翻地覆了。比如，过去运营和营销是两回事，现在，它们的结合比任何时候都要紧密。这让我们过去看待营销绩效的指标也发生了很多变化，那些曾经经典的指标，今天还经典吗？

答案显然不是。

我想看看这些指标它们的境遇都有了什么样的变化。

哪些指标的重要性降低了

跳出率（Bounce Rate）

跳出率的重要性其实已经降低了不少。有几个原因。

其一、跳出率无法衡量单页面推广的着陆页和流量的匹配程度。因为单页面推广着陆页的跳出率往往很高。

其二、今天的网站页面互动空前增加，H5技术更是推进了这一趋势。在没有做好事件监测（event tracking）的情况下，跳出率的准确性非常糟糕。

其三、app不存在跳出率，因此跳出率的适应性打了折扣。

其四、跳出率是一个宏观指标，它实际上对用户行为不加区分，例如，点击“购物车”和点击“关于我们”的两个行为都意味着不跳出，但是这两个点击的价值却很不一样。

例如，我的网站中那些最受欢迎的文章，它们的跳出率相当惊人，但是停留时间也很可观。我相信大部分跳出的用户，都强烈的阅读了我的文章内容。

那么，跳出率是否还可用？

我认为跳出率仍然可用，但场景已经变得有限。首先，它需要页面有良好恰当的事件监测（即埋点，尤其是针对单页面推广的着陆页）——这一工作意义重大；其次，跳出率对于交互丰富的着陆页的价值大于较为单一交互（比如页面上主要就是调起客服按钮）的页面；再次，作为宏观指标，它用来查看整个网站的整体表现情况，或者衡量某一个流量渠道的整体水准的改善较有意义。

但它在可执行性洞察上的作用确实降低了。

Impression和CPM

事实上impression作为一个分析指标的价值，对品牌营销也已经较低，更不用说对于效果类营销。

Impression最大的问题在于它本身的准确性不高，容易受到作弊的侵扰。另外，impression计数上也有问题，就算广告在网页或者app上出现，也未必出现在消费者的屏幕上（因为广告可能在页面的底部需要拖动页面才能看到），这样impression就成为一个非常笼统的指标。

而且，在国内，可见性曝光（viewable impression，具体解释请看这里：http://www.chinawebanalytics.cn/terminology-nov-2017/）这个指标也没有被大家接受，主要是因为接受这一指标意味着所有的定价机制都可能发生彻底的改变，而且从某种意义上而言多少还是增加了透明度，因此媒体毫无动力推动这一变革。

另外，impression也对看到广告的受众不加区分，

由于impression的问题，CPM作为指导优化的指标的价值，也不是很大。

尽管总体看，impression在营销分析优化中的分量一直不是很高，但impression仍然活跃在“计费系统”中。比如，很多广告是CPM计价的。媒体也需要用eCPM（就是单位广告展现量的媒体收入）来衡量自己的收入。在搜索引擎中，与impression相关的作弊很少，所以，反而成为衡量一个搜索词热度的重要指针。

所以，Impression价值虽然降低，但仍然是重要的指标。

ROI

ROI出现在这个列表中你可能会吃惊。但是总体而言，ROI的重要性确实在降低。

ROI最大的问题有几个：

其一、他是一个最终结果指标，而完全忽略了过程本身以及营销渠道可能产生的其他价值，基于ROI的决策容易出现误判。

其二、ROI无法标准化，它是一个受时间影响非常大的指标。对于很多行业，比如金融、教育、旅游、汽车等，如果转化周期略长，那么ROI的计算机会因为时间周期的影响而难以准确计算（事实上也能想办法计算近似值，但是需要更多的技巧，这里不再多讲）。

其三、ROI无法标准化的另一个问题，是ROI的“I”，即成本支出也很难标准。我看到不少客户在相互比较ROI，但实际上大家的收入和支出的定义很可能并不相同。

但是，ROI的这些问题并不是最近才出现的，自这个指标产生起，这个问题便存在。但这一问题变得引人注目是在营销行业生态发生改变之后，即，零售电子商务不再是互联网营销的唯一出口，更多行业涌入互联网营销使从业者不能仅仅只是追求立即产生的销售转化，而必须考虑整个营销的漏斗和链条。这样ROI的价值必然会下降。

因此，你可以发现，ROI在今天的电商行业——无论是“淘内”或者“京内”电商，还是二类电商，或者是app的推广下载（本质上它也是一种电商）——都仍然极为重要，但在很多行业，它很难作为营销效果的唯一指针，尽管人们仍然追求更好的ROI。

很多时候，我自己更多会看转化率和过程转化率，ROI只是作为一个相对的参考指标。

流量指标

我所指的流量，是指访问（session）或者页面浏览量（view）之类。但日活（DAU）不属于此列，我后面会讲。

这些指标当然还是很重要，但是与过去相比，它们的重要性肯定是降低了。

流量显然是一切指标的基础，也有很多指标必须由流量指标复合而成。但是单纯追求流量的数量似乎已经走到了死胡同。有两个原因。

第一、流量本身的质量已经要远远比数量重要。宁咬仙桃一口，不食烂杏一筐。很多时候我们已经很少聚焦于流量增加或者减少20%，而更在意那些真正有质量的流量是否减少或者增加了。“流量不再给我们安全感。”

第二、多平台化和用户行为的碎片化让流量本身的定义也开始“分裂”。流量作为一个标准指标的地位竟然在今天受到了挑战。从分析的角度讲，分析需求开始更多地集中到某一个具体的用户，而无论它使用什么终端设备。跨平台的用户数量，而不是单纯的流量，越来越受到重视。

显然，这四类指标都有比较共同的特点，它们都属于宏观指标，有的还是“计数指标”。第二，它们的“失宠”，与互联网上行业的变迁以及追踪技术的进步有关。

不过，我想大家更希望看到的，是那些变得更加重要的指标。这一块，我恐怕得用更多的篇幅描述。

哪些指标的重要性增加了

停留时间

停留时间，尤其是在某一个也买年或者某一屏上的停留时间，在过去没有那么重要，因为我们普遍认为分析工具不太能准确捕捉到用户停驻的时间。但是今天很多工具解决了这个问题。

但这不是停留时间变得更加重要的主要原因。停留时间更有价值背后的逻辑是，今天我们在互联网上的生意，越来越多的依赖于“内容消费”。我们并不一定会转化，除非我们看到那些令人信服的内容。对内容消费最好的衡量指标，就是用户消费这些内容的真实时间。

停留时间甚至在很多时候取代了跳出率而成为我分析流量着陆质量的关键指标。确实，假如跳出率超过95%（单页面推广的情况），或者跳出率低于5%（代码添加问题）的时候，停留时间是一个相当不错的衡量流量较为准确的宏观互动情况的好指针。

不过，稍微要说一下，Google Analytics的停留时间指标仍然会忽略最后一次互动之后用户的停留时间，但国内的几款工具，比如神策、国双或是ptengine，都能记录这个时间。

日活（有效流量）

日活，或者被大家称为DAU，是我认为当前最为重要的指标之一。它本质上可以部分取代经典的流量指标。

不过DAU的问题在于，它不是一个标准指标。什么叫“活”？取决于你自己的定义。很多我的客户认为来到网站或者打开app就算是“活”，但这样就与流量本身的区别不大了。

我倾向于认为，必须有一定的门槛，证明用户真的活跃了，才应该被称为“活”。例如，它必须停留了足够的时间，或者他必须有关键性（非随机）的交互动作，又或者它完成了你认为的某项标志性事件，例如登录。

活跃流量才是有价值的流量，跳出率本质上也是希望解决这个问题，只是它应用的场景在缩小。但是日活本身，随着流量质量越来越受到重视，肯定将变得更加重要。这个趋势只会加强。

与之相应的，还有MAU，即月活。是一个道理。

TA Impression

Impression的重要性在降低，但是TA Impression受到追捧。TA是Target Audience的简称。TA Impression意味着只关注那些针对目标人群的广告展现。

这一点上，与日活这个指标关注的是“有效的流量”本质上是很类似的。

TA impression并不是一个标准指标，毕竟什么是Target Audience，各个广告主一定不会相同。尽管如此，随着受众数据采集技术的进步（当然，这个技术是否涉及到侵犯用户隐私存在很多争议），让这个指标成为可能。与可见性曝光相比，TA impression更普遍受到广告主的接受。

Engagement Rate

跳出率的重要性下降，而基于Engagement和流量的Engagement Rate指标（是多种用户行为的加权平均值，具体见这里：http://www.chinawebanalytics.cn/key-metrics-8-engagement/）的重要性则上升了。

Engagement比较全面的衡量了用户的行为，并且对不同的行为的价值进行了区分。在进行AB测试时，Engagement Rate这个指标比跳出率更能够衡量新旧页面的差异。

与准确监测跳出率一样，Engagement Rate也需要对用户所有的交互行为触点处进行埋点。关于如何埋点，请看我的这篇文章：无埋点实现监测的真相——革新还是噱头？（http://www.chinawebanalytics.cn/auto-event-tracking-good-bad-ugly/）。

CPA

CPA是cost per action，即平均每次某种用户行为发生的营销成本，简单讲，比如100块钱，获取了20个添加购物车的行为。如果我们把添加购物车定义为“A”，那么CPA就是5元/次。

CPA的重要性显著增强同样与今天的营销推广技术（主要是广告投放技术）和机器学习技术的升级有重大的关系。

CPA是机器自动化优化广告的核心来源（因为CPS，即按照销售成交付费，本质上也是一种CPA的子集），是oCPC或者oCPM投放方式背后的实际驱动力。

机器在进行程序化广告投放（信息流广告投放就是一种程序化广告）优化时，一般你会告诉她有两个条件限制，一个是，“A”尽可能多，第二，是CPA要尽可能小。第一个条件帮我们扩大规模；第二个条件让我们不至于成本失控。

事实上，在程序化广告出现之前，搜索引擎推广已经有类似的机器优化方式了。但是，随着程序化广告大行其道，尤其是信息流广告的推高，CPA这个度量变得前所未有的重要起来，它不仅仅帮助我们进行分析优化，更帮助实现智能化的广告投放。

助攻价值（辅助转化价值）

互联网营销从业者越来越意识到只看最后的ROI就去评价营销效果越来越没有道理。这也是为什么我们前面写的ROI指标的重要性在下降的原因之一。

但是，这并不意味着我们不应该弄清楚ROI背后更加准确的数字和秘密。

助攻价值，也被称为辅助转化价值，是打开ROI黑箱必须使用的武器。这个指标帮助我们衡量在实现最终转化之前，一个渠道为转化贡献了多少帮助，即宏观转化漏斗的上端，这个流量都做了多少事情。

助攻价值能够快速识别那些可能被误作“没有价值”但实际上很有价值的流量。

它往往与流量渠道的助攻路径一同使用。

复购率和Cohort

对于电子商务，复购率怎么强调都不过分。在流量日益金贵的今天，复购率意味着你的生意的坚实的基础。

复购率用单位时间（通常是一个月或者一个季度）内购买两次或者两次以上的购物人数除以同样时间内总购物人数进行计算。

普通电子商务的复购率如果大于30%，是一个非常良性的指标。当然，这个值取决于你销售的品类，有些商品大概没有复购率。不过，就算没有复购率，推荐率也是存在的。

尽管也是一个“宏观指标”，但复购率代表了很多精细化运营的结果。与之最相关的是客户的体验，这一体验包含多重好感：对于商品本身的好感、对于价格的认可（这两点是最重要的）、购物过程的愉快，或者仅仅是不可取代性。较低的复购率可能是这四种情况中的一种或者多种没有做好。

不过，复购率确实因为是一个宏观指标而在提供可执行的洞察方面存在短板，因此我们会用cohort分析（同期群分析来做补充）。

Cohort分析是我最喜欢的数学模型之一，它具有数学之美，又很容易实现可视化，更重要的是，它与RFM模型一样，真的很简单但却能看出很多有价值的洞察。查看这篇文章学习Cohort分析：互联网运营数据分析必须掌握的十个经典方法（见其中的方法三，http://www.chinawebanalytics.cn/10-classic-approaches-of-analytics/）。

退出率（Exit Rate）

不瞒大家，最近我使用退出率比跳出率要更多。退出率帮助我查看在用户交互过程中戛然而止的点。

高跳出率的着陆页一般有高退出率，这个不足为奇。但我们仍然能常常发现一些不同的，比如，有高跳出率但退出率并不高（这说明这个页面或者产品作为入口的几率比较低，事实上品质并不差，可以尝试获得更大的作为入口的机会），或者低跳出率却有高退出率（这却反而说明这个页面或者环节存在我们可能忽略的问题）。这样的情况，可能意味着我们堵住漏洞的机会。

在下图中，这些商品中有部分商品的跳出率高，但退出率低。你能发现它们作为进入页面（或者称为入口页面，即entry的机会太少）。但是，它们本身的品质并不低，或许应该给与它们更多的外部流量。

退出率是一个很棒的指标，因为它更好地描述了过程。我也常常将它和某个环节的下一步报告（next step report）共同使用，帮助我发现更多有意思的用户倾向和用户心理。

新有效用户成本（cost per new valid user）

最后加上一个我认为重要，但是大家可能几乎不使用的指标。这个指标可以翻译为：日活用户中新的那部分用户的成本，或者可以近似理解为获得一个非垃圾的新流量的成本。

它的价值在于，能够比较快速评价一个流量渠道获得新客的能力。这些新客未必一定会立即转化，但他们具有未来转化的潜力。

一个渠道，就算它的ROI不好，转化率不佳，或者跳出率比较高，但是只要它的新有效用户成本是低的，我仍然非常乐意对它进行投入，之后，当然，我会查看它的辅助转化和cohort的情况。

这个文章，其实已经体现了我的一些优化哲学了。欢迎大家提出自己的见解。谢谢！