节选在《大数据营销:定位客户》，想了解更多，请在网上购买。
优化是借助分析与测试提升你的营销效果，它不会一劳永逸，会周而复始，是一种一而再地测量、分析、优化的持续改善过程。我们要探讨的重要内容将包括怎样推行确保你始终持续提高业绩的流程。随着流程推进，你会了解为何那些迷人的小数字甚至能成为广告创意人员最好的朋友，有助于他们开发客户真正希望听到的营销信息。在此后反复循环的周期中，企业也变得越来越好。为什么会这样？因为他们拥有能做到这点的流程。
在一些人眼中，“流程”是个不光彩的词。可它能帮助你正确遵守基本原则，更有效地让有条不紊的方式成为惯例，以此确保此后采用最佳方式行动。
提到备受我们关注的小数字，最好的做法并不难操作，关键在于你要去做。这是流程真正帮助了我们某位全球技术客户的地方。我们注意到，虽然客户在用精细的手法测量自己的广告，但如果是直接营销，他们就无法测量。
因此，我们推出了分析对行动（我们简称为A2A）框架。这个框架后来让客户的营业收入增长了1亿美元。
用图来展示这个框架，看起来就是这样（见图7-1）：
图7-1 分析
图7-1的起点显然就是数据。你知道，现实中常常出现的情况是，你需要的数据分布在不同的地方。过去，如果要为大客户采用A2A，我们就必须动用数百张电子表格，它们是根据几十个不同数据库制作的。这么多的表格简直让我们很快就要坠入Excel地狱。那可不是个好地方。如果置身于那个地狱，你别无选择，唯有自己动手，把那许多表格串联在一起，组成一个巨大的表格。如此强度的工作无疑会让你在递交报表的前一天崩溃。
这一切做下来出奇地耗时。如果要把这些数据从一个地方挪到另一个地方，即使是最优秀、最心思缜密的分析师，也会产生许多错误。但凡涉及人们得亲力亲为的大量工作，犯错的可能性便会急剧增加。
今天，倘若编写自动承担人工任务的软件程序，就可以轻松避免以上错误高发的情形。只要用这样的方法，工作就能在程序员编写软件代码后一次性完成。编程之后，工作可以自动进行，不会再出错。我曾目睹一位程序员以一人之力足以揽下十个人手工操作的工作量。这就是我们为那位全球科技企业客户所做的。编程不仅大幅削减了周期的时间，增加了数据的精度，还使我们可以将更多的时间用于分析自己拥有的信息。
在分析阶段，你分辨了哪些发挥作用，哪些没有。我们会不断地根据客户、创意人员、策划师、大客户经理或者分析师提出的问题再次检查数据。一出现新问题，我们就会做出假设，然后在过去进行的活动中寻找数据证实或者否定这些假设推断。
下面来看个例子。我们有位客户的产品经常很复杂，他们做了许多网络广播详细解释自己的产品。为了看到这些网络广播，观众要填写一份表格，向这位客户提供自己的详细联系方式，以便销售人员后续跟进。
我们做的一种假设是，网络广播的市场会影响观众注册率（所有得到邮件邀请观看广播并真正完成注册表格的人所占比例）。更具体点说，如果网络广播的时长超过1小时，注册率就会降低。我们分析了历史数据，发现确实有这种趋势。网络广播的播放时间越短，注册率就越高，与时长超过1小时的网络广播相比，时间更短的广播注册高1倍左右。由此我们规定，所有网络广播时长不得超过1小时。
这是很简单的结论，但却非常有效。因为每年该客户向市场投放的网络广播总量着实不小。这个例子的关键在于，你可以测试所有因素。例如：
•是否某种产品在销售周期的某个点比另一个不同时点的表现更好？测试在两个点的表现，找到对比结果。
•是否某种节能计算器比免费的能源审计能带来更多的潜在客户？测试两种情形，观察测试结果。
•当然，你现有的方法可能已见成效，但如果有别的方式可以让销售额增长2%呢？除非测试过，否则根本无法发现新的好方法。
没有做过许多测试的公司通常会说测试误事。它们将测试视为额外的工作，认为这类工作即使有一些有意思的深入见解，也不能带来多少回报。
但测试可以带来乐趣，实验乐趣无穷，测试也就是实验。这不过是尝试新鲜事物，观察它们是否管用。如果有效，你就可以在更大范围内推广它们。比如对科技企业客户，我们最初是从人们所说的A/B测试开始。如果你用具体的单词替代斜线分割的A和B，你就很快会了解它们是怎样发挥作用的。我们不断为客户测试新的点子，提出一个假设，然后在市场中测试，证明或推翻这个假设。例如，假设让用户可以选择点击“了解更多”以获得更多的信息，就会提高用户对电邮的回复率吗？我们了解到，测试结果压倒性多数显示，答案是肯定的。在这个例子里，“行为召唤”（call to action）会让电邮的绩效增加50%。稍许小改动就可以带来大的变化，我们在本章全篇都会展示这样的效果。
你还可以极度细化这类测试。比如我们测试电邮的主题行。因为电邮进入你的邮箱时，主题行是你唯一能一眼看到的内容，所以它们非常重要。它们决定了你是否会打开一封邮件。所以，编写精彩的主题行是一门真正的艺术。我们的科学为我们阐明了那种艺术。测试显示，较短的主题行会更有效。我们还了解到，如果你一开始就亮出重要的信息，主题行的长度就没那么重要了。
行动
A2A框架的前三个圆圈（数据、分析与测试）都以“分析”为中心，最后两个（执行与分享）是“行动”开始后的步骤。行动的第一步是分享知识，它们是通过所有分析过的活动和所有进行过的测试收集到的。对一家科技企业客户，我们鼓励每月世界各地的直接营销负责人召开A2A相关会议，探讨自己的测试结果。我们也会评估测试管道。
测试管道是很有价值的管理工具。它看起来就像下面这样（见图7-2）：
图7-2显示哪些测试在探讨，哪些已经执行，哪些已经推迟，哪些已完成。纵栏显示了我们确定的主要研究区域，以及我们希望多些得到哪些地方的资讯。横行显示了我们进行的不同活动。
图7-2
执行
A2A周期最后、也最重要的环节是执行。它能真正有助于前四个步骤正确进行。这些步骤都是为了让生活更便利，提高人们的测试意识，让它们能改善得更多。
这里的要点很简单：你可以做包括分析、测试和分享在内的一切事。但如果你不改变执行的方法，这些行动就不会出现任何变化。最终要有一个活动的组织者根据已经了解到的情况去执行。
大多数实行A2A框架期间提出的建议都很有技巧性。看上去可能并不起眼，然而，在一系列活动中推测出这些累加的改善后，它们可以汇总成为相当可观的进步。例如我们的客户预计，A2A框架实施一年后进行的所有最佳行动会让第二年的营业收入增加1亿美元。而这些行动“只不过”改进了几十个小地方，比如优化电邮的主题行（这使客户点击查看的邮件增加了，进而使销售额上升）。所有这些小改动带来了巨大的回报。
介绍了A2A项目覆盖的基本要素，接着我们更详细地说明分析与测试两个步骤。在说明过程中，我们会给出一些例子，展示我们怎样帮助一些企业优化它们的沟通。让我们首先观察数据怎样帮助改善创造性的产品，然后评估数字世界里更先进的测试方法。我们会以TDA的案例分析结尾，这家客户确实精于优化自己的活动。
创造性反馈
要让大家相信分析学可以充当创新自由的催化剂谈何容易。在一家沟通机构期间，我一直在“创新”环境下进行分析，所以知道什么时候要让分析学与创意结合在一起。这两者的结合并不是一段永远美满的婚姻。
从事创意的人经常将分析学的规矩视为一种着重投资回报率的方法。这种方法判断新创意质量的方式是回顾，不是前瞻。这样做就等于鼓励维持现状，阻碍了创新发展。分析师则是一个劲地测试新的想法，没完没了地专心对待群体与市场调查。人们常将分析学看作新观点的障碍，“真”创新的敌人，甚至认为它“冷漠无情”。
我也认为，如果你不了解过去，测试（或者任一形式以数据为导向的设计）都可能适得其反。过多的测试可能拖慢创新进程。有些设计和沟通的原则已经存在了很长时间。它们未必需要一而再、再而三地测试。熟悉它们的专家应该拥有让业内言听计从的权威，让那些过于痴迷数据的分析师迷途知返。测试管理系统可以在这方面提供帮助，这个系统通常包括以下基本要素：
测试历史 以往测试的发现应该保持记录在案，这样它们就可以存在客户洞察的宝库里。最起码可以制作一份简单的电子表格，列出所有过去进行的测试、它们的目的、假设和结论。你永远都不会想重复不必要的工作，多此一举。
测试简报 每次测试都应该有一份简报性质的文件，它会概括所测试的假设、测试设计、时间、预计收益、成本和投资回报率。这份详细的简报会规范建立测试历史和管道所需的输入内容，让它们标准化。
测试管道 测试管道保持追踪所有正在规划和已进行的测试。它可以将一切收录在一份简单的电子表格里，具体规模视你进行的测试数量和你所在机构的复杂性而定。表格中列出所有已计划测试的简短介绍、时间安排、在精密的活动管理平台的管理系统中占据怎样的地位。
指引 仅仅在客户洞察库中存储往期测试的结果是不够的。这些发现需要汇总并编纂成指引，可以在全机构上下沟通。同样地，经过试验和测试的规则无需一再测试。
测试优先排序 新的测试可以根据我们已知的情况，通过测试历史和指引排列优先次序。我们在测试管道中拥有的和潜在投资回报率都可能来自测试后进行的首次展示活动。测试的优先次序会避免过多测试。
尽管一些创意人员对过度测试有怨言，但据我所知，测试过多的公司并没有多少。相反，测试不足的公司倒还挺多。大部分公司的创意决策并没有因数据这把利刃而夭折，也没有因它而出炉。它们通常都依据很主观的专家观点，或者甚至更糟的情况，是根据网络分析大师阿维纳什·卡希克（Avinash Kaushik）所说的Hippo，全称“收入最高人士的观点”。
这意味着，企业一般会有数百万元打了水漂。它们没有测试新的创意，也没能建立一个掌握哪些在发挥作用、哪些没有的实体。一套测试管理系统也会给这些公司带来帮助。它可以确认掌握信息的差距和那些必须测试的领域。它能让测试成为创新流程不可或缺的一部分，由此使测试制度化。所有可以推动创意工作改善的分析工具之中，没有哪一样比测试威力更大，在数字领域尤其如此。
在数字世界测试
我们用UPS的例子简要展示了测试的原理。但A2A方式可以适用于任何地方，尤其是数字渠道。在数字领域，几乎可以永无休止地测试。柯达就是个例子。我们通过一项测试改进柯达网上经销网站Kodak Online Store的主页。我们希望优化的主页最初就是图7-3的样子。柯达没有发现任何问题，他们只是打算看一看是否可能完善这个页面。
图7-3
为此我们设计了6个不同的主页页面用于评估。所以，这次不是A/B测试，而是A/B/C/D/E/F测试。图7-4的这个页面测试效果最好，只是改变了布局，就让网站的营业收入增长了11.3%。
图7-4
这种方法的缺点是，虽然知道哪个页面的效果最好，但我们没能分离具体的推动因素，无法得知导致效果差异的确切原因。稍后我会展示一些技巧，它们可以帮助确定哪些改动会让实际效果产生变化。但在我介绍那些技巧以前，先要强调一个重点。
测试会带有决策期间的主观性和个人观点。你可能喜欢某一种柯达网站页面的布局，我也许喜欢另一种，但测试会告诉我们谁的看法是对的。我们不必反复讨论那些根据最佳操作、体验或者仅仅是口味而定的版本，只要一一尝试，让分析学判断哪种最有效，就可以结束争论。
现在的好消息是，你会开始看到优化的威力了。但如果你还需要有信服力的说明，我会向你展示，美国总统奥巴马怎样通过高明地运用我们迷人的小数字赢得2008年大选。图7-5中可以看到奥巴马竞选网站Obama.com的主页在选举期间的两个版本。
图7-5
左图是最初呈现的主页。2007年，当奥巴马访问谷歌总部山景城（Mountain View）的工业园时，丹·西罗克（Dan Siroker）还在为谷歌工作。因为与奥巴马攀谈颇受启发，西罗克放弃了在谷歌的大好前程，收拾行李奔赴芝加哥，成为奥巴马竞选班底的一员。刚到芝加哥的时候，他连容身的地方都没有，只好睡在朋友公寓的地板上。经过一番努力，他成为竞选活动的新媒体分析团队领导者。在这次竞选过程中，奥巴马总计募得资金6.56亿美元，其中5亿美元都来自网络渠道。而最主要的网络渠道就是图7-5显示的Obama.com页面。
在此请允许让我卖个关子。为了让主页从左图变为右图，西罗克和他的团队运用了一些技巧，我会在本章后面部分介绍。其实只变了两处。一是改换了图片，二是把“注册”按钮改为“了解更多”按钮。如表7-1所示，这两个简单的变动产生了决定性的影响。
表7-1 （单位：美元）
Obama.com的新主页募得资金远超最初的主页，金额高出约40%。最终成绩是，新增捐助者28.8万人，新增募资5700万美元，比当时同样能在网上募资的奥巴马对手麦凯恩多25%。
西罗克没有用A/B测试，也没有用A/B/C/D/E/F测试，而是用了多变量测试。这种测试在数字世界的效力尤其大，在那个领域可以自动进行这种先进的测试。
我第一次见到自动多变量测试的相关行动是在2002年。在那之前，我在管理奥美的全球分析知识社区，有一部分工作是组织年会，召集我们奥美世界各地的分析人员分享最佳的操作，探讨怎样进一步开发我们提供的分析服务。当时美元疲弱，为成本考虑，大家决定在美国迈阿密开会。我在伦敦工作，那次开会以前还从没去过迈阿密，坦白说，我没对那个城市抱多高的期望。在欧洲，迈阿密所在的佛罗里达州其实没有风景如画的盛名，可那次会议之旅还是让我非常吃惊。迈阿密的风光真是引人入胜，Art Deco（新艺术）风格的建筑比比皆是，我为这样的建筑惊叹。与我搭档主持那次会议的是奈杰尔·豪利特（Nigel Howlett）。他多年从事直接营销和以数据为本的营销活动。豪利特就像一位相当招摇的英国乡绅。据我个人损失换来的准确消息，他还是个游泳高手。有一天，我们两人在酒吧里喝酒。几杯美酒下肚后，豪利特跟我打起了赌，说他能在国家酒店那个著名的100米泳池游上25个来回。结果，他稳稳当当地赢了我50美元赌注。我还清楚地记得豪利特跳入水池，然后我就能眼睁睁地看着他的头顶在池水中上下起伏，一段又一段100米往返。豪利特2500米游下来，我在池边感觉像熬了两个小时！
除了擅长在喧闹的酒店里打赌，奈杰尔还有敏锐的嗅觉，会发现一些令人称道的公司和新的技术。那次迈阿密会议上，他邀请了一家澳大利亚公司Memetrics。会议期间，这家企业展示了自行研发的自动多变量测试技术，这种技术在eBay公司的应用在与会者中引起了轰动。
eBay之前请Memetrics用他们的技术优化本公司官网的网页。以下你可以看到其中一个代表页面（见图7-6）。
接手eBay业务后，Memetrics做的第一件事就是确认要测试的主要领域，正如图7-7所示。在这个例子里，Memetrics会分析6个内容区块。
图7-6
图7-7
Memetrics公司的第二步是创造每个内容区块的不同版本。
Memetrics为左边类、头部、左边和右边内容部分分别又设计了四个版本。如果你要将所有这些版本综合在一起，合计可以得到4096种组合，也就是4096个彼此略有不同的网页。在测试这4096个不同的着陆页哪个表现最佳时，Memetrics开发的技术能为它们服务。
几周以后，Memetrics已经能挑选出最出色的版本组合，测量得出它们对网站的提升效果。由图7-8可知，初始网页（控制页）和优化后网页。胜出的组合让网页的转换率得到两位数的增长，相当于访问网站并实际购物（并非仅仅浏览页面）的访客人数有两位数的增长。转换率就是这类买家的人数与（包括购物和未购物访客在内的）全体访客人数之比。
图7-8
我们对此有何反应？太兴奋了，这简直是在考验我们的神经，我们渴望参与进来。如果采取传统的直接邮购，分析师不得不亲自设计测试，几乎不可能得到上述几千种组合。Memetrics已经让整个测试设计过程自动化，大量的数据都可以在线获取，所以有无限的组合可能。全球最大的管理咨询公司埃森哲（Accenture）后来收购了Memetrics。
我们已经开始对客户运用这项技术，收获了巨大成功。在本章后面部分，我会向你介绍一个分析案例，完整展示我们怎样为TDA公司进行多变量测试。今天，许多网络分析供应商提供这种技术，多变量测试更为普及。它几乎已经成为一样商品。几年前，谷歌自己的版本谷歌网站优化器（GSO）也面世了，它是免费的！所以，纵然是最复杂的测试方式，你的网站现在也没有借口不选用了。
谷歌的GSO能向你实时展示测试的结果。图7-9中可见用奥巴马网站做GSO实验的截图。
图7-9
图中第一栏可以看到即将测试的不同组合。小图形则是实时显示了测试表现最佳的组合。这一过程就好像在看一场赛马。我紧盯着屏幕，看到测试的实时进展。虽然不一定多有成效，但这样的测试让人情不自禁去观看，太有吸引力了。
在图7-10中，你可以看到测试的构成元素决定了测试的成败。如你所见，“了解更多”（Learn More）的按钮和“家人合照”（Family Image）都比原始页面的效果好。
图7-10
数字游乐场
到目前为止你肯定已经清楚地知道，在数字世界，优化沟通有无限可能，可以将数字领域看作实验的理想游乐场。你从本书中学到的也可以用于线下沟通，数字变成整个沟通组合的实验室。因为数据太多了，测试不同版本的成本又很低。如果在线下世界测试，几分钟就可以得到结果，最多几天，不会等上几个月。
下面提供一个适合你学习的例子。凯撒宫连锁酒店集团进行的一项网络广告分析显示，绝大多数订房都是由凯撒宫的网络横幅广告带来的，大功臣并不是其他酒店的这类广告。因为广告真正将客户带到了中心预订的页面，所以这些客户也会点击查看这家连锁集团的其他下属酒店，如拉斯维加斯巴黎酒店（Paris Las Vegas）、拉斯维加斯哈拉酒店（Harrah抯Las Vegas）、百利大酒店（Bally抯）等。凯撒宫像磁石一样，将这家酒店的整个投资组合都置于自身的磁场中。在测试某个地区以凯撒宫为特色的商业性电视节目时，我们发现，该地区凯撒宫集团旗下所有品牌的订房数量增加了12%。我们用这一观察结果优化推出的电视活动，提高了凯撒宫在广告中所占的分量。就这样，我们造就了一个精彩的范例。它展现出，数字世界发生的状况可以怎样帮助优化更为传统的活动。
要不了多久，所有的渠道都会走向数字化。如今，谷歌赋予人们通过网络界面购买电视广告片的能力。购买电视节目已经非常便利，谁都可以操作。假如你通过谷歌电视买下了电视广告片，就会大概了解自己客厅的机顶盒（它连接着有线电视或卫星电视供应商）能收集到多少数据。比如谷歌电视让你能看到“关掉电视”的数据。这使广告商掌握多少人在关掉某则广告的画面。我们再用这种数据优化一些客户的电视广告片。
大多数通过换频道关闭广告画面的观众会在商业广告播放的前几秒就这么做。大家应该不会对此感到意外。在播放之初的切换高峰过后，关掉广告的观众人数就随着广告片的播放逐渐减少。这是常见的模式。
但我们注意到，在美国保险公司好事达（Allstate）的某条广告中，第二个关掉广告的高峰出现在播放了大约16秒以后。那时，广告恰好在播放一个相当咄咄逼人的行为召唤镜头。这一发现立即帮助我们将广告中传达信息的内容顺利过渡为行销过程，从而减少了观众关闭广告的行为。
集大成者实例：TDA
我们已经介绍了许多你可以用于优化沟通的技术。现在，让我们来研究一家多年来处于优化前沿的公司TDA，以此观察怎样综合运用这些技术。
谷歌广告研究负责人吉姆·德拉维拉斯（Jim Dravillas）曾在奥美工作，是数据分析领域的先驱。他负责的工作本章多有提及。从我结识他的那天起，在运用分析技术提高网络营销效率方面，他就一直傲立先锋潮头。德拉维拉斯为在线经纪商TDA做的分析也是他最出色的成果之一。在接受新兴技术方面，TDA始终敢为天下先，因为这家公司的商业模式很适合分析。它们主要着重于日益增长的交易账户数量。这意味着公司的整体业务大都可以依靠两类指标衡量：赢得的新增账户数量和每次获取的成本（CPA）。
而且，TDA在一个近乎“封闭的循环”系统中运营。这家企业确切地知道要和哪些个体沟通，以及是否那些人最终会开立账户。这代表，判断该公司不同营销活动的成因与影响是相对比较容易的。
经手TDA的业务以后，德拉维拉斯的首批措施之一是运行一种自动限定频次的工具。它的作用就是你看到的字面意思，可以限制频次。假如你访问CNN网站CNN.com时看到了TDA的一则广告，你可能会点击广告，也可能不会点击。（或许你没有看到广告，又或者你没注意到它，这种假设的情景是你第一次看到这则广告。）如果TDA将这则广告向你展示了25次，你还是没有点击过它，那么就很有理由推测你以后也根本不会点击，你对这家公司不感兴趣。TDA就不会投入资金来向你展示广告，将节约的资金用于增加广告对其他人的曝光。这个判断传达的意义是，你已经达到了饱和点，到这种程度时，TDA为你提供广告已经没有任何意义。
这种技术是用来判断饱和点的。限定频次工具是否看到广告展示了25次、15次或是35次？它是否对所有人一视同仁？这就是德拉维拉斯要出手的地方。他开发了一些估算饱和点的统计学模型，测算依据是广告的特点、投放广告的位置和你以往的浏览行为。结果德拉维拉斯不仅算出了饱和点，还发明了一种方法，它能自动地保证你再也不会看到某则TDA的广告，将它发送给其他人。这样的改进没有增加分毫营销预算，却让TDA公司的潜在客户挖掘率增加了15%。
德拉维拉斯使用的另一个工具是自动轮替创意工具（我告诉他要起一个更先声夺人的名字，可他不操心这种事）。像TDA这样的公司时常同时推进多个创意项目。德拉维拉斯的工具能实时分析每个创意的表现，然后将分析发现汇总提供给公司的广告服务器。这样一来，服务器就能自动地让发挥作用的创意增加曝光度，对那些效果较小的创意就不会这么投入。运用这个工具之后，TDA的潜在客户挖掘率由25%跃升至35%！而且，这次同样也根本没有增加营销预算。
这样的工具不仅大幅提升了网络广告的效率，而且让创意团队几乎立即得到了反馈。德拉维拉斯向他们提供的报告展示出，哪种配色方案、哪种外形、哪些视图、哪些文字最有效。创意团队喜爱这种信息，因为终于得到了自己工作的实时反馈。这让他们能拿新生事物做实验，然后迅速观察实验有何表现。德拉维拉斯已经将数字生态系统变为此前我们提到的实验室。
另一个很棒的例子是“每日划分”（day-parting）分析。这种分析需要观察一天之中什么时候最有利于网络广告。在数字世界，你可以将这样的分析做得非常细致，精确到观察每小时的表现！进行分析时，我们发现，假如在每个交易日结束前的最后一小时内广告带来了潜在客户，这类客户是高价值客户的可能性比其他客户大得多。这就是说，这样的潜在客户应该有更高的净值，而更有可能利用TDA管理自己的资金。这样的发现演变为在交易日最后一小时“拥有”（owning）的媒体策略。我们购买了CNNMoney和雅虎财经等许多大网站在交易最后一小时的媒体空间。这一活动带来的高价值客户比我们以往发起的其他任何一场活动都多，足足多了15%！这个例子很好地体现出源于数据的客户洞察怎样激发创新理念。
电子版来源于：readfree
意见反馈